Token导航 LogoToken导航

Agent Skill · 效率

prompt-quality-checklist(及时的质量检查表)

用于辅助提示词、系统指令、Agent 行为约束和工作流模板的整理。它适合让 Agent 规范任务边界、统一输出格式、拆分操作步骤或优化提示词可复用性。使用时需要保留真实业务约束,不要把示例当硬规则;涉及自动执行、外部工具或高风险操作时,应在提示词中明确确认步骤、权限边界和失败处理方式。

prompt-quality-checklist 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 20,589。

总安装 1,395周安装 57GitHub Stars 公开资料未说明下载 447核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:prompt-quality-checklist(及时的质量检查表)
来源仓库:https://github.com/beermanzz/prompt-quality-checklist
安装命令:
openclaw skills install prompt-quality-checklist
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install prompt-quality-checklist

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

AI 短剧分镜提示的质量审核清单,确保生成前全面校验。适用于日夜景、光源、投影方向等 10 项系统性核查。提供生成前的自查自审机制降低无效输出概率。需根据具体项目要求调整检查项优先级顺序。

安装方式:通过 clawhub 平台使用 openclaw skills install prompt-quality-checklist 命令部署。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install prompt-quality-checklist;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

prompt-quality-checklist 怎么安装?

在终端执行 openclaw skills install prompt-quality-checklist。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

prompt-quality-checklist 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

prompt-quality-checklist 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

prompt-quality-checklist 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

prompt-quality-checklist 用的人多吗?

公开数据是累计安装 1,395 次,近一周安装 57 次,下载 447 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

prompt-quality-checklist 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
prompt-quality-checklist

及时的质量检查表 · 本页

1,395—只读MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
prompt-quality-checklist
description
AI 短剧/短片分镜 prompt 质量审核清单。触发词:检查清单、质量审核、提示词检查、分镜审核、prompt 检查、镜头质检、生成前检查、自查、自审。用途:在执行 AI 生图/生视频之前,对每一句 prompt 进行 10 项系统性核查,确保日夜景、主体、空间、光源、阴影、质感、纵深、景别、投影方向、资产锚点全部合规。

Prompt Quality Checklist / 提示词质量检查清单

这是什么

一套 10 项 prompt 自审清单,在 AI 生图/生视频之前逐条过筛。

适用于:LibLib、即梦、海螺、Runway、Pika 等所有生成工具的 image/video prompt 审查。


如何使用

基本流程

生成 prompt → 逐条对照清单 → 标记通过/打回 → 修改后重新提交

通过标准: 10 项全部通过(每项必须满足)→ 标记 ✅ PASS → 可执行 打回标准: 任何一项不满足 → 标记 ❌ FAIL → 必须修改后重审

使用场景

场景操作
分镜设计阶段对每个镜头 prompt 做预审,发现问题提前修改
批量生成前统一跑一遍清单,杜绝低级错误批量出现
审核他人 prompt快速定位问题,给出具体修改建议
自查复盘每周整理一次 fail 记录,归纳高频错误类型

审查顺序

建议按以下顺序逐条检查,不要跳项:

① 日夜景标注 → ② 主体描述 → ③ 空间坐标 → ④ 光源方向 → ⑤ 接触阴影
→ ⑥ 质感统一 → ⑦ 三层纵深 → ⑧ 景别对应 → ⑨ 投影方向 → ⑩ 资产锚点

10 项质量检查

① 日夜景标注 / Day–Night Marking

检查点: prompt 第一个从句/分句是否明确标注了时间(day / night / dawn / dusk / midday / golden hour /深夜/黄昏/正午等)。

❌ 错误:

A woman in red standing on a rooftop

✅ 正确:

Night, a woman in red standing on a rooftop, city lights below
白天,一位穿红色连衣裙的女人站在天台上

说明: AI 生图对"白天"和"深夜"的光线理解差异极大。不写时间,等于把画面氛围的决定权完全交给 AI 随机性。


② 主体描述 / Character Consistency

检查点: prompt 中的人物外貌、服装、姿态是否与该镜头的定妆照(costume reference)一致。

❌ 错误:

A beautiful girl wearing a white dress

✅ 正确:

Character ref: heroine_001.png, white silk qipao, hair up in a bun, right hand touching the earring, same appearance as in the reference photo

说明: "美女"是模糊描述,不同 AI 模型理解差异巨大。必须用具体的服装描述 + 定妆照资产路径锁定主体一致性。


③ 空间坐标 / Scene Asset Anchor

检查点: 场景是否有具体的资产锚点(asset path / location descriptor),而非笼统的"办公室""街道""房间"。

❌ 错误:

Interior of a luxury office

✅ 正确:

Interior of office_int_003, dark walnut desk, green banker lamp on the left, window with blinds on the right wall

说明: AI 对"豪华办公室"的理解可能是欧式古典,也可能是现代极简。具体到资产路径或至少3个硬质物件锚点,才能控制场景走向。


④ 光源方向 / Light Direction

检查点: 光源方向是否具体(left / right / above / behind / 45-degree),禁止使用"natural lighting / 自然光 / 柔和光线"等模糊描述。

❌ 错误:

Soft natural lighting, cinematic

✅ 正确:

Single light source from the left at 45°, hard rim light on the character's right shoulder, no fill

说明: "自然光"是玄学。同一个场景,侧光、背光、顶光产生完全不同的情绪和空间感。必须量化光源方向。


⑤ 接触阴影 / Ground Contact Shadow

检查点: 人物是否有投影落在地面/接触面上,是否有"shadow on the floor / 脚下阴影 / ground shadow"描述,避免人物"漂浮"。

❌ 错误:

Full body shot of a woman standing on the street

✅ 正确:

Full body shot, woman standing on the wet asphalt street, dark ground shadow directly beneath her feet, shadow stretching 1.5m to the right

说明: 没有地面阴影的人物看起来像被抠图贴上去的。接触阴影是空间真实感的最低底线。


⑥ 质感统一 / Material Consistency

检查点: prompt 中是否出现 retouching 类词汇(smooth skin / porcelain skin / flawless / 磨皮 / 柔焦),以及材质描述是否前后矛盾。

❌ 错误:

Porcelain smooth skin, matte eyeshadow, glossy lips

✅ 正确:

Realistic skin texture, visible pores, matte eyeshadow, semi-matte lips, consistent material finish across the face

说明: "陶瓷肌"和"哑光眼影"在材质上互相矛盾。Retouching 语言会触发 AI 的"美颜模式",导致画面质感割裂。保持全部材质属性一致。


⑦ 三层纵深 / Three-Layer Depth

检查点: 画面是否具备前景(foreground)、中景(midground)、背景(background)三层物理纵深,且三层之间有合理的空间关系。

❌ 错误:

Close-up shot of a character's face

✅ 正确:

Medium shot, character in the midground, a blurred ancient bookshelf in the foreground (left 1/3), a window with rain streaks in the background (right wall), depth of field: shallow, focus on character

说明: 竖屏叙事空间有限,但纵深依然需要。哪怕是特写镜头,也应该用前景物件(头发丝、衣领边缘、雨滴玻璃)和背景虚化建立 Z 轴。


⑧ 景别对应 / Shot Type Matches Emotion

检查点: 景别(shot type)的选择是否服务于该镜头的情绪/叙事目标。

情绪目标合适景别
压抑、孤独、命运感Wide / Extreme Wide
角色陷入困境Wide + Low angle
情感爆发、亲密Close-up / Medium Close-up
叙事交代、环境压迫感Establishing shot → Medium
力量展示、气场Low angle Medium / Low angle Wide

❌ 错误:

A sad woman in an extreme close-up shot showing the vast ocean behind her

✅ 正确:

Full body shot, woman standing on the shore at dusk, tiny against the vast ocean, vastness reinforces her loneliness

说明: 景别是叙事工具,不是随机选择。情绪和画面要形成共振。


⑨ 投影方向 / Shadow Direction Consistency

检查点: 投影方向是否与第④项的光源方向一致。

检查逻辑:

  • 光源在左侧 → 阴影投向右侧
  • 光源在右侧 → 阴影投向左侧
  • 光源在上方 → 阴影在正下方(短影)
  • 光源在 45° 侧上方 → 阴影在对侧 45° 斜下方

❌ 错误:

Light from the left at 45°, shadow cast to the left side of the character

✅ 正确:

Light from the left at 45°, hard shadow stretching 2m to the right of the character, shadow angle matches light angle

说明: 光源方向和投影方向是配套检查项。写光源时不写投影,等于只完成了一半。


⑩ 资产锚点 / Asset Path Annotation

检查点: prompt 末尾是否附带了具体的资产路径或参考文件标注,格式统一,方便追溯。

标准格式:

[ASSET] character: char_ref_001.png | location: loc_venue_02.jpg | prop: prop_dagger_03.png | costume: cost_001.jpg

❌ 错误:

A warrior holding a sword in a dark forest

✅ 正确:

... dark forest, warrior holding a longsword, camera slightly low angle [ASSET] character: warrior_male_001.png | location: forest_dark_001.png | prop: weapon_sword_002.png

说明: 资产锚点让每次生成都可复现、可复审。没有资产路径的 prompt 是"一次性"prompt,不适合 AI 短剧这种需要跨镜头一致性的场景。


通过/打回标准

PASS(全部通过)

  • 10 项检查全部满足
  • prompt 语法清晰,无歧义描述
  • 资产路径完整且格式统一

FAIL(必须修改)

  • 任何一项不满足
  • 出现模糊词汇:自然光、柔和、美丽、豪华、适当
  • 资产路径缺失或格式不统一

修改后重审

FAIL → 修改 prompt → 重新跑 10 项检查 → PASS → 执行生成

快速参考卡

将以下清单剪贴到工作台旁边:

✅ ① 时间:第1分句标注 day / night / dusk
✅ ② 主体:与定妆照一致,含资产路径
✅ ③ 空间:≥3个硬质物件锚点
✅ ④ 光源:具体方向(left/right/45°),禁止"自然光"
✅ ⑤ 阴影:地面接触阴影描述存在
✅ ⑥ 质感:无 retouching 词汇,材质统一
✅ ⑦ 纵深:前景+中景+背景三层
✅ ⑧ 景别:服务于情绪/叙事目标
✅ ⑨ 投影:方向与光源一致
✅ ⑩ 资产:末尾标注 [ASSET] 完整路径

相关参考

详细检查项说明及错误/正确示例对比 → references/checklist-detailed.md

平台分布

OpenClaw

88.66%
按下载量换算396

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills