PromptEnhancer：腾讯混元开源的 AI 提示词优化工具，提升文本到图像生成效果

一、PromptEnhancer是什么

PromptEnhancer是一款由腾讯混元团队开发的开源提示词优化工具，它基于"思维链（Chain-of-Thought）"提示词重写方法，致力于对输入的提示词进行重构，在完整保留原始意图的前提下，生成更清晰、层次分明且逻辑一致的提示词，从而显著增强下游图像生成模型的表现。

该工具的核心目标是解决用户输入提示词可能存在的模糊、混乱、信息不完整等问题。通过特定的算法和模型处理，将简单、粗糙的提示词转化为更精准、丰富、结构化的表达，让图像生成模型能够更好地理解用户需求，生成质量更高、更符合预期的图像。无论是专业的设计师、开发者，还是普通的AI图像生成爱好者，都能借助PromptEnhancer提升提示词质量，获得更满意的图像生成结果。

二、功能特色

PromptEnhancer凭借其独特的设计和强大的功能，在提示词优化领域展现出诸多亮点，具体功能特色如下：

1. 精准保留原始意图

该工具能够精准识别并保留输入提示词中的关键元素，包括主体、动作、数量、风格、布局、关系、属性、文字等。无论原始提示词多么简单或复杂，经过处理后，核心信息都不会丢失，确保生成的优化提示词与用户的初始需求保持一致。例如，当输入提示词为“一只红色的小鸟在树上唱歌”时，优化后的提示词会保留“小鸟”这一主体、“红色”这一属性、“在树上”这一布局以及“唱歌”这一动作。

2. 结构化叙事结构

采用“全局-细节-总结”的叙事结构对提示词进行重构，使优化后的提示词逻辑更加清晰、层次更加分明。首先描述主要元素，让图像生成模型能够快速把握核心内容；接着描述次要元素和背景元素，丰富图像的细节；最后用简洁的风格或类型总结收尾，明确图像的整体风格定位。这种结构有助于图像生成模型按照合理的逻辑生成图像，避免出现元素混乱、主次不分的情况。

3. 强大的输出解析能力

具备出色的输出解析能力，遵循特定的解析规则。在解析过程中，会优先提取``标记内的内容；若标记内内容缺失，则对文本进行清理，去除无关信息和冗余表达；如果以上两种情况都不满足，则会 fallback 到原始输入，确保始终有可用的提示词输出。这种灵活的解析方式保证了输出提示词的有效性和可靠性。

4. 可配置的推理参数

提供了可配置的推理参数，包括温度（temperature）、top_p和最大新 tokens 数，用户可以根据自己的需求调整这些参数，以平衡生成结果的确定性和多样性。温度参数控制生成结果的随机性，温度值越高，生成的结果越多样化，但可能会偏离原始意图；温度值越低，生成的结果越稳定、确定，但多样性较差。top_p参数用于控制生成时选择的候选词范围，影响结果的丰富度。最大新 tokens 数则限制了生成提示词的长度，用户可以根据实际情况进行设置。

三、技术细节

1. 核心技术原理

PromptEnhancer基于“思维链（Chain-of-Thought）”提示词重写方法，该方法模拟人类的思维过程，通过逐步推理和分析，对原始提示词进行优化和重构。其核心思想是将复杂的提示词优化任务分解为一系列简单的步骤，先理解原始提示词的含义和意图，然后按照一定的逻辑和结构进行扩展、补充和整理，最终生成高质量的提示词。

在技术实现上，该工具依托于深度学习模型，通过对大量的提示词数据进行训练，使模型学习到提示词的优化规律和模式。当输入新的提示词时，模型能够根据所学知识进行推理和生成，完成提示词的优化过程。

2. 主要组件及功能

• inference/prompt_enhancer.py：这是项目的核心推理代码文件，实现了提示词优化的主要功能。其中包含了模型加载、提示词处理、推理计算等关键逻辑，是整个工具运行的核心。

• models/：该目录用于存放模型文件，用户需要自行下载相关模型到该目录中，模型是实现提示词优化功能的基础，决定了优化效果的好坏。

• requirements.txt：项目的依赖清单文件，列出了运行该工具所需的各种Python库及其版本信息，用户可以通过该文件安装所需的依赖环境。

3. 模型架构

虽然项目中并未详细公开模型的具体架构细节，但从其功能和应用场景来看，该模型大概率是基于Transformer架构的深度学习模型。Transformer架构具有强大的注意力机制，能够很好地捕捉文本中的上下文关系和语义信息，非常适合用于自然语言处理任务，包括提示词的优化和重构。

模型通过对输入的提示词进行编码，将其转化为向量表示，然后通过解码器生成优化后的提示词。在训练过程中，模型通过学习大量的优质提示词及其对应的原始提示词，不断调整自身的参数，以提高生成优化提示词的能力。

四、应用场景

PromptEnhancer凭借其强大的提示词优化能力，在多个领域都有着广泛的应用场景：

1. 艺术创作领域

在艺术创作中，设计师和艺术家常常需要借助AI图像生成工具来获取灵感或生成初步的设计方案。但有时他们的创意想法难以用精准的语言表达为提示词，导致生成的图像与预期不符。使用PromptEnhancer可以将模糊的创意描述转化为精准、丰富的提示词，让AI生成更符合艺术创作需求的图像，辅助设计师和艺术家更好地完成创作工作。例如，艺术家想要生成一幅“具有未来感的城市夜景”，原始提示词可能比较简单，经过PromptEnhancer优化后，会变成更详细的描述，如“一个充满未来感的城市夜景，高楼大厦上布满了闪烁的霓虹灯和显示屏，空中有飞行的汽车穿梭，街道上有行人，整体呈现出科技感十足的赛博朋克风格”，从而让AI生成更贴合预期的图像。

2. 广告设计领域

广告设计需要吸引观众的注意力，传递清晰的产品信息和品牌理念。优质的图像是广告设计的重要组成部分，而好的提示词是生成优质图像的前提。PromptEnhancer可以帮助广告设计师优化提示词，生成能够准确表达产品特点、品牌风格和广告主题的提示词，使AI生成的图像更符合广告设计的要求，提升广告的吸引力和传播效果。比如，在为一款新型智能手机设计广告时，使用优化后的提示词可以让AI生成更突出手机外观、功能和使用场景的图像。

3. 游戏开发领域

在游戏开发过程中，需要大量的游戏场景、角色、道具等图像资源。利用AI图像生成工具可以快速生成这些资源，但需要精准的提示词来保证生成的图像符合游戏的风格和设定。PromptEnhancer能够将游戏策划人员对游戏元素的描述转化为精准的提示词，让AI生成与游戏风格一致、细节丰富的图像资源，提高游戏开发的效率和质量。例如，对于一款奇幻风格的游戏，优化后的提示词可以准确描述出奇幻的场景、独特的角色造型和神奇的道具等。

4. 教育教学领域

在教育教学中，有时需要通过图像来辅助教学，帮助学生更好地理解知识点。教师可以利用AI图像生成工具生成相关的教学图像，但可能由于提示词不够精准，导致生成的图像无法准确表达知识点。PromptEnhancer可以帮助教师优化提示词，生成能够准确反映教学内容的提示词，使AI生成的图像更符合教学需求，增强教学效果。比如，在生物课上讲解细胞结构时，优化后的提示词可以让AI生成更清晰、准确的细胞结构图像。

五、使用方法

1. 安装依赖

首先，需要安装项目所需的依赖库，打开终端或命令提示符，执行以下命令：

pip install -r requirements.txt

该命令会根据requirements.txt文件中的内容，自动安装所需的Python库及其指定版本，确保项目能够正常运行。

2. 下载模型

模型需要用户自行下载，执行以下命令：

huggingface-cli download tencent/HunyuanImage-2.1/reprompt --local-dir ./models/

该命令会将模型下载到项目的models目录下，模型是实现提示词优化功能的关键，必须确保下载成功且存放路径正确。

3. 快速开始

完成依赖安装和模型下载后，就可以使用PromptEnhancer进行提示词优化了，以下是一个简单的示例代码：

from inference.prompt_enhancer import HunyuanPromptEnhancer

# 初始化增强器
enhancer = HunyuanPromptEnhancer(models_root_path="./models/", device_map="auto")

# 优化提示词
user_prompt = "Third-person view, a race car speeding on a city track..."
new_prompt = enhancer.predict(
  prompt_cot=user_prompt,
  temperature=0.7,
  top_p=0.9,
  max_new_tokens=256,
)

在上述代码中，首先从inference.prompt_enhancer模块中导入HunyuanPromptEnhancer类，然后创建该类的实例，指定模型的根路径和设备映射（device_map="auto"表示自动选择运行设备）。接着，定义需要优化的原始提示词user_prompt，调用enhancer的predict方法进行提示词优化，其中可以设置温度、top_p和最大新 tokens 数等参数。优化后的提示词会存储在new_prompt变量中，可供后续的图像生成等任务使用。

4. 参数调整说明

• 温度（temperature）：取值范围通常在0到1之间。当温度值为0时，生成的结果最确定，总是选择概率最高的词；随着温度值的增加，生成结果的随机性和多样性会增强。用户可以根据需要调整该参数，若希望生成结果更稳定，可设置较低的温度值；若希望获得更多样化的结果，可适当提高温度值。

• top_p：取值范围在0到1之间，用于控制生成时的候选词集合。例如，top_p=0.9表示只从概率总和为90%的候选词中进行选择。较小的top_p值会使生成的结果更集中、更确定；较大的top_p值会增加结果的多样性，但可能会引入一些不太相关的内容。

• 最大新 tokens 数：用于限制生成提示词的长度，根据原始提示词的长度和所需的详细程度进行设置。如果设置得过小，可能会导致提示词不完整；设置得过大，则可能会生成冗余的内容。

六、常见问题解答

1. 为什么优化后的提示词和原始提示词差异不大？

可能有以下几种原因：一是原始提示词本身已经比较精准、完整，符合优化的标准，因此优化后的变化较小；二是设置的推理参数影响了优化效果，例如温度值过低，导致生成的结果过于保守；三是模型可能没有充分理解原始提示词的意图，可以尝试调整参数或重新输入更清晰的原始提示词。

2. 如何选择合适的温度和top_p参数值？

选择参数值需要根据具体的需求来确定。如果希望生成的提示词更稳定、更贴合原始意图，可选择较低的温度（如0.2-0.5）和较小的top_p（如0.7-0.8）；如果希望获得更多样化的提示词，可适当提高温度（如0.6-0.9）和top_p（如0.8-0.95）。建议用户通过多次尝试不同的参数组合，找到最适合自己需求的参数值。

3. 模型下载失败怎么办？

首先检查网络连接是否正常，确保能够访问HuggingFace网站。如果网络没有问题，可以尝试重新执行下载命令。若仍然下载失败，可能是由于服务器繁忙等原因，可以稍后再试。另外，也可以查看项目的官方文档或相关社区，了解是否有其他的模型下载渠道或解决方法。

4. 优化后的提示词生成的图像仍然不符合预期，该怎么办？

这种情况下，可以尝试以下方法：一是检查原始提示词是否准确表达了自己的意图，若存在模糊或歧义，重新修改原始提示词；二是调整推理参数，生成不同的优化提示词进行尝试；三是多次生成优化提示词，选择其中最合适的一个用于图像生成。此外，还可以结合其他图像编辑工具对生成的图像进行进一步的修改和优化。

5. PromptEnhancer支持哪些类型的提示词优化？

目前，PromptEnhancer主要侧重于文本到图像生成任务中的提示词优化，适用于各种与图像生成相关的提示词。无论是描述人物、场景、物体还是抽象概念的提示词，都可以通过该工具进行优化。但对于其他领域（如文本生成、语音生成等）的提示词优化，可能效果不佳。

七、相关链接

• 项目GitHub仓库：https://github.com/Hunyuan-PromptEnhancer/PromptEnhancer

• 论文链接：https://www.arxiv.org/pdf/2509.04545

• 模型下载地址：HuggingFace 模型库

• 基准数据集：T2I-Keypoints-Eval

• 项目官网：PromptEnhancer 官网

八、总结

PromptEnhancer作为腾讯混元团队开发的开源提示词优化工具，通过“思维链”提示词重写方法，能够在保留原始意图的基础上，生成更清晰、层次分明且逻辑一致的提示词，有效提升文本到图像模型的生成效果。其具备精准保留原始意图、结构化叙事结构、强大的输出解析能力和可配置的推理参数等功能特色，在艺术创作、广告设计、游戏开发、教育教学等多个领域都有广泛的应用前景。用户通过简单的安装依赖、下载模型和调用相关代码，即可使用该工具进行提示词优化，且可以根据需求调整推理参数。无论是专业人士还是普通爱好者，都能借助PromptEnhancer提升提示词质量，获得更满意的图像生成结果，是一款在AI图像生成领域具有重要实用价值的开源工具。