告别 PNG 堆积：面向 ComfyUI 与 Stable Diffusion 的模块化提示词管理工作流

每一位认真使用 ComfyUI 和 Stable Diffusion 的创作者，迟早会遇到同一个存储危机：output 文件夹里塞满了 4000 多张 PNG。

你还记得几周前，皮肤质感、电影感逆光或者复古线稿风格都做得恰到好处。可当你打开那张旧作品去看提示词，看到的却是一整坨文字：

想把它用到别的主体上很痛苦。你得小心地删掉女孩、裙子和小巷，同时又不能删掉让画面成立的光线和镜头词汇。

下面介绍如何从整块的提示词，转到可以在自己电脑上搜索、可复用的标记体系。

1. 为什么整块提示词难以扩展

大多数创作者把提示词配方存在 Notion、Obsidian 或普通的 .txt 文件里。保存整串文字会遇到三个问题：

1. 1参数纠缠： 主体、光线、镜头和风格粘成一串，你没法只拿出自己喜欢的那一部分。
2. 2搜索什么也看不到： 在笔记里搜 volumetric lighting 会出现几百条结果，却没有一条告诉你它实际长什么样。
3. 3重复的套话： 相同的质量标签和负面提示词在每条笔记里反复出现，把让每张图与众不同的那几个词都淹没了。

2. 用原子标记来思考

不要把提示词当成一个句子，而是当成一组带标签的小零件。mysnipbox 会把每个标签归入六个固定类别，这个结构正好可以作为思考的参照：

零件分开之后，新图片就只是把新的主体放进你已经验证有效的光线、风格和构图标记里。

3. 用 mysnipbox 建立资料库

手动把 500 条旧提示词拆进电子表格要花好几天。mysnipbox 会在你自己的电脑上替你完成拆分：

• 直接从图片拆解： 把作品添加到 Vault，AI 视觉模型（你自己的云端密钥，或通过 Ollama 的本地模型）会读取图片，并把它整理成六个类别的标签。因为读的是画面本身，不依赖文件里是否还留着元数据，经过重新上传或截图而丢失元数据的图片也没问题。
• 按看得见的内容搜索： 用标签筛选 Vault，再打开 Tag Insights，查看哪些标签经常一起使用，以及每个标签在你自己的图片里实际长什么样的缩略图。
• 让项目互不干扰： 为角色、客户或风格分别创建 Persona，每个 Persona 的图片、标签筛选和 Tag Insights 都是独立的。
• 组合并复用： 把标签点进提示词购物车，添加 {subject} 这类变量槽，保存为模板，再按 Comma、Underscore 或 Hyphen 格式复制，直接粘贴到 ComfyUI 或 Automatic1111。
• 轻量且本地： 这是基于 Tauri 的桌面应用（空闲时约占 120 MB 内存），资料库保存在你硬盘上的本地 SQLite 数据库里。提示词模板可以导出为 JSON，Tag Insights 数据可以导出为 CSV。

10 分钟入门工作流

1. 1挑出你最满意的 20 张作品，添加到 Vault。
2. 2打开 Tag Insights，找出反复出现的光线和风格标签。
3. 3为你想反复使用的风格创建一个 Persona。
4. 4把你最喜欢的光线、风格和构图标签点进提示词购物车，再添加一个 {subject} 变量。
5. 5保存为模板。往后做新图就是：载入模板、填入主体、复制。

想先试试？浏览器演示用示例图片带你体验同样的流程。