DeepSeek Harness Plugin Hub

发布与管理完整 Harness Profiles,发现适合你的插件。

探索

插件目录环境预设文档中心动态

社区

发布插件联系我们报告问题

相关链接

Plugin Hub GitHubDeepSeek Harness 官方项目系统状态隐私说明
© 2026 DeepSeek Harness Plugin HubPowered byPaxTech

独立、非官方社区项目,与 DeepSeek 官方无隶属、授权或背书关系。

DeepSeek Harness Plugin Hub
ProfilesPlugins分类动态文档登录管理 Profiles
ProfilesPlugins分类动态文档登录
← Plugins
P

dsh-plugin-prompt-forge

Plugin Prompt Forge

把「我想要这种效果」变成可复现的提示词。逆向拆解 AI 作品,覆盖图像 / 视频 / 文案 / 网页代码 / 音乐五个品类。

插件会安装到这里;不确定时保持 web。

npx -y @deepseek-ai/dsh plugin --profile web add github:Stephen-pc/prompt-forge#8c7f1554008fc83c3f59511b8a3b54b02571001d
README兼容性版本
Prompt Forge 网页版

兼容性与来源证明

Plugin Prompt Forge 以 dsh-plugin-prompt-forge 发布,当前版本为 0.2.0。Plugin Hub 会校验它的 manifest,并保存精确安装来源,便于复现安装结果。

DSH 兼容范围
*
运行环境
any
发布来源
github
Registry 更新时间
2026/11/4

版本

0.2.0stable
2026/11/4
0.1.0stable
2026/10/29

相关插件

正在加载相关插件…

最新版
0.2.0
DSH
*
HMR
重启进程
Tree shaking
未声明可安全裁剪
解包体积
未提供
文件数
未提供
Surface
any
许可证
MIT
发布源
github
GitHub
★ 0
周下载
0
最近提交
2026/11/4
查看源码 ↗
README Badge

点击下方 Badge 复制 Markdown,粘贴到 README 即可。

这是你的 Plugin?认领权益 · 优先安全扫描

验证 package.json 声明的 GitHub 仓库,即可管理这个公开页面。认领后,Hub 会优先安排当前版本的安全扫描,并在通过后公开展示结果。

认领这个 Plugin →
报告问题

相关插件

继续浏览 vision-media 分类下经过校验的插件。

Experimental Voice Input Bundle@deepseek-ai/dsh-experimental-voice-input-bundle实验性语音输入,使用本地 SenseVoice;首次使用时下载其运行时Modlens@liustack/modlens面向仅支持文本的 LLM 的插件视觉能力,由免费的 Antigravity CLI 提供支持Image Gendsh-image-gen将类似 ChatGPT 的图像生成功能带到 DeepSeek Harness——支持 Gemini、OpenAI、Seedream、DashScope、本地 ComfyUI 等。Ab Ocrdsh-ab-ocr--- description: "外部 ocr 工具:逐页识别扫描的 PDF 或图像,仅在处理完最后一页后按顺序合并页面,并使用模型确定的标题级别保存为一个 Markdown 文档。" kind: "package-reference" ---

README

Prompt Forge · 提示词锻造炉

看到别人的 AI 作品想做同款,却拿不到提示词? 按维度拆,别按整体猜。

一个帮你把「我想要这种效果」变成可复现提示词的开源工具。覆盖图像 / 视频 / 文案 / 网页代码 / 音乐五个品类,同时提供网页版和 DeepSeek Harness 插件版。

Prompt Forge 网页版


你大概遇到过这个

刷到一张图、一段视频、一篇笔记,心里想「这个我也能做」,然后翻遍评论区找不到提示词。作者只说了一句「随便跑的」。

于是你照着感觉写:

一个很酷的赛博朋克女孩,未来感,超高清,8k,杰作

出来的东西跟参考差了十万八千里。不是模型不行,是这段话里没有一个模型能落地的信息。

Prompt Forge 解决的就是这件事:把「很酷」「高级感」「氛围感」这类对人是信息、对模型是噪声的词,换成光线、材质、镜头、焦段、色温这些能被拍出来、画出来、执行出来的物理事实。


核心方法:四步逆向法

看到作品想复现,按这四步走,而不是整体瞎猜。

第 1 步:拆。 不要整体描述,先把画面拆成可命名的零件。画面里有什么、在干什么、在哪、怎么被拍下来的。拆到能用名词说清每一项为止。

第 2 步:归。 把零件塞进固定维度。这一步的意义是防漏——漏掉哪一格,模型就在哪一格自由发挥,而它发挥的结果通常不是你想要的。

第 3 步:译。 日常语言翻译成模型认识的术语。这一步最容易拉开差距。

你想说的写进提示词的
看起来很贵丝绒质感、黄铜配件、低饱和暖调、柔光箱打光
很孤独大面积负空间、主体偏右下、冷蓝调、单点光源
很梦幻柔焦、丁达尔光、粉紫补光、浅景深
很有科技感冷白 LED 边缘光、亚克力反光、青蓝色调、超广角

第 4 步:装。 按骨架顺序组装。顺序即权重,越靠前模型越当回事。

八维骨架(图像 / 视频通用)

主体 → 动作 → 场景 → 风格 → 光线 → 色彩 → 镜头 → 质感

时间紧就只填主体、光线、镜头这三项,效果已经能拉开明显差距。光线和镜头是最常被漏掉、也最影响成片质量的两项。

完整方法论见 docs/method.md,各品类的维度清单、术语库、模板和避坑指南在 skills/prompt-forge/references/。


三种用法

一、网页版(最快,不用装任何东西)

打开 https://stephen-pc.github.io/prompt-forge/

左边按维度逐项填,右边实时拼出提示词,一键复制。填不出来的格子,正好提示你回去再看一眼参考作品。

也可以直接下载 docs/index.html 双击打开——单文件、零依赖、不联网、不上传任何内容。

二、DeepSeek Harness 插件

装进 DSH 之后,直接在对话里说「我想做一个这种效果的图,帮我拆一下」,它会按同一套方法论追问、拆解、组装。

# 从 GitHub 安装
dsh plugin --profile web add github:Stephen-pc/prompt-forge

# 或从 npm 安装(发布后可用)
dsh plugin --profile web add dsh-plugin-prompt-forge

装完确认一下配置里出现了这一层:

dsh --profile web --dump-config

启动后 skill 会自动同步到 ~/.dsh/skills/prompt-forge/。

验证是否生效:在会话里说「我想做一张赛博朋克雨夜的图,帮我写提示词」。如果它开始追问光线、镜头、主体这些维度,并按「【提示词】/【我推断的部分】/【下一步】」的结构输出,就说明 skill 已经加载。

本仓库的 skill 已在 DSH 桌面版实测生效:能进入 skill 目录、按维度追问、输出结构化提示词。

如果 skill 没出现在目录里(少数情况下 harness 的 skill 提供方未启用),手动挂一次:

mkdir -p ~/.dsh/skills
cp -r skills/prompt-forge ~/.dsh/skills/

三、只读方法论

不需要工具,直接读 docs/method.md。核心就一句话:

提示词是描述,不是许愿。 每一句都应该是「画面里能被看见的东西」。


五个品类

  • 图像 —— 八维拆解,一段式(MJ / 即梦)与堆叠式(SD / Flux)两种写法,附通用负向提示词
  • 视频 —— 十维拆解,重点是写「怎么动」而不是「长什么样」,含镜头运动术语表
  • 文案 —— 八维拆解,平台语气对照、六种钩子写法、让文案不像 AI 写的五条
  • 网页 / 代码 —— 七维拆解,核心是约束而非许愿,含边界条件清单
  • 音乐 —— 七维拆解,子流派术语库、情绪弧线写法、Suno / Udio 的段落标签用法

每个品类都包含:维度速查、术语库、可直接套用的模板、避坑清单。


仓库结构

prompt-forge/
├── package.json          # dsh.bundle 声明
├── cordis.patch.yml      # 组合包配置层
├── index.js              # 插件入口:把 skill 同步到 ~/.dsh/skills
├── skills/
│   └── prompt-forge/
│       ├── SKILL.md      # skill 主文件(DSH 读取)
│       └── references/   # 五个品类的细则
├── docs/
│   ├── index.html        # 网页版工具(GitHub Pages 入口)
│   ├── method.md         # 完整方法论
│   └── screenshot.png
├── scripts/
│   └── push-via-api.mjs  # git push 不通时的发布兜底
├── test/
│   └── install.test.mjs  # 安装逻辑的回归测试(node:test,零依赖)
├── LICENSE
└── README.md

仓库根目录本身就是 DSH 插件包,所以 dsh plugin add github:... 可以直接装,不需要额外的子目录路径。

附带的发布兜底脚本

如果你的网络环境下 git push 报 CONNECT tunnel failed 或 Failed to connect to github.com:443,但 gh api user 能正常返回,说明只是 git 通道被挡,API 通道是通的:

node scripts/push-via-api.mjs --dry-run   # 先看会传哪些文件
node scripts/push-via-api.mjs             # 用 GitHub API 提交

它以「本地工作区覆盖远程」的方式创建 commit,所以 commit 历史会和本地 git 不同步。网络正常时优先用 git push。


常见问题

为什么不能百分之百复刻别人的作品? 模型有随机性,同一段提示词跑十次也不完全一样。这套方法能保证「同风格、同质感、同结构」,但做不到像素级一致。任何承诺能完全复刻的说法都不诚实。

为什么插件要往 ~/.dsh/skills/ 写文件? 那是 DSH 官方文档列明的默认 skill 扫描根目录之一(rank 400),harness 会监视它并在变化时自动刷新,不需要任何内部 API。这是最稳的分发方式。

它会覆盖我自己改过的 skill 吗? 不会。插件用 <dshHome>/.prompt-forge-manifest.json 记账,只替换「账上记着是自己装的」那些目录。如果 ~/.dsh/skills/prompt-forge 是你手写的、或者你改过,插件会跳过并在日志里说明,你的改动原样保留。确实想用插件版本覆盖,显式传 force。

填了这些维度,提示词会不会太长? 会长,但长不是问题,空才是问题。多数模型对 100–200 词的结构化描述处理得很好。真正的浪费是堆 8K, ultra detailed, masterpiece 这类无信息量的词。

能不能自动从图片反推提示词? 那是另一个问题(视觉反推),需要多模态模型。本项目的定位是给你一套拆解框架和术语库,让你自己看得懂、写得对。工具负责防漏和组装,判断还是得你来。

安装时卡住、或报 CONNECT tunnel failed 502 怎么办? 部分网络环境下 github.com:443 会被阻断,但 api.github.com 和 SSH 通道通常是通的。先确认一下哪个通道能用:

curl -o /dev/null -w "%{http_code}\n" https://api.github.com     # 200 说明 API 通
ssh -T git@github.com                                            # 能握手说明 SSH 通

如果只有 SSH 通,把 github.com 指向 ssh.github.com:443(该端口一般不被拦),然后改用 SSH 地址克隆:

# ~/.ssh/config
Host github.com
  HostName ssh.github.com
  Port 443
  User git
  IdentityFile ~/.ssh/id_ed25519
git clone git@github.com:Stephen-pc/prompt-forge.git
dsh plugin --profile web add ./prompt-forge

本仓库就是在这个环境下开发并发布的,scripts/push-via-api.mjs 是当时的兜底方案,留着以备不时之需。


测试

node --test

用 Node 内置的 node:test,不引任何第三方依赖——和「装完就能跑」是同一个原则。每个用例在独立的临时 DSH_HOME 里跑,跑完自清理。

覆盖安装逻辑的五个契约:干净环境正常铺开、不覆盖用户手写的同名 skill、force 时才覆盖、同版本重复调用直接跳过、自己装过的目录允许随版本替换。


参与

发现某个品类缺维度、术语不准确、或者有更好的模板,欢迎提 PR。新增品类只需要在 skills/prompt-forge/references/ 加一个文件,并在 SKILL.md 的品类表里登记。


License

MIT