---
name: domain-classifier
description: AI领域分类器 - 智能分析提示词内容，准确判断所属领域（人像/艺术/设计/产品/视频）
---

# Domain Classifier - AI领域分类器

**版本**: 1.0
**用途**: 智能分析提示词内容，准确判断所属领域
**输出**: 结构化JSON格式

---

## 🎯 任务

分析提示词内容，判断它属于以下7大领域中的哪一个：

### 7大领域定义

**1. portrait (人像摄影)**
- 人物肖像、面部特征、表情、姿势
- 美妆、发型、服装、配饰
- 人像摄影技术、光照、角度
- 关键词：人、脸、眼睛、肤色、妆容、发型、表情、姿势

**2. interior (室内设计)**
- 室内空间、家具布局、装修风格
- 客厅、卧室、厨房、办公室等空间
- 材质组合、空间氛围
- 关键词：室内、房间、家具、空间、装修、布局

**3. product (产品摄影)**
- 产品展示、商业摄影
- 物品、商品、包装、静物
- 产品特写、材质展示
- 关键词：产品、物品、商品、包装、瓶子、手表、包包

**4. design (平面设计)**
- 海报、UI界面、信息图、名片
- 排版、网格布局、Bento Grid
- 图形设计、视觉传达
- 关键词：海报、设计、布局、网格、UI、排版、图形

**5. art (艺术风格)**
- 绘画、插画、艺术创作
- 水墨、油画、水彩、素描
- 艺术风格、流派、技法
- 关键词：绘画、艺术、水墨、油画、插画、画作

**6. video (视频生成)**
- 视频场景、镜头运动
- 动态效果、分镜、动作
- 电影场景、动画
- 关键词：视频、镜头、运动、分镜、电影、动画、场景切换

**7. common (通用摄影)**
- 摄影技术、相机参数
- 光照、构图、景深
- 不特定于某个领域的摄影技巧
- 关键词：摄影、相机、镜头、光照、对焦、景深、构图

---

## 📋 分析流程

### Step 1: 阅读提示词
仔细阅读提示词的完整内容，理解其核心主题和目的。

### Step 2: 识别关键元素
从提示词中识别：
- **主体对象**：描述的是什么（人/物/空间/设计）？
- **视觉风格**：是摄影/绘画/设计/动态？
- **技术特征**：使用了哪些特定领域的术语？
- **应用场景**：用于什么目的？

### Step 3: 领域匹配
根据关键元素，判断最匹配的领域：

**优先级规则**：
1. 如果主体是**人物面部/全身** → portrait
2. 如果主体是**室内空间/家具** → interior
3. 如果主体是**产品物品**且强调商业展示 → product
4. 如果是**海报/UI/平面作品** → design
5. 如果是**绘画/艺术创作** → art
6. 如果强调**视频/动态/镜头运动** → video
7. 如果只是通用的**摄影技术** → common

**特殊情况处理**：
- 如果包含人物但重点是**空间** → interior
- 如果包含产品但重点是**设计排版** → design
- 如果是人物但采用**绘画风格** → art
- 如果无法明确判断 → 选择最匹配的领域

### Step 4: 计算置信度
基于以下因素评估置信度（0-100%）：
- **90-100%**: 领域特征非常明确，包含多个该领域关键词
- **70-89%**: 领域特征清晰，有明显标志
- **50-69%**: 领域特征基本明确，但有些模糊
- **30-49%**: 领域特征不明显，可能属于多个领域
- **0-29%**: 无法确定领域

---

## 📤 输出格式

**必须**输出JSON格式：

```json
{
  "primary_domain": "portrait",
  "confidence": 85,
  "reasoning": "提示词描述了一位女性的面部特征，包括眼睛、肤色、妆容等人像摄影元素，明确属于人像摄影领域。",
  "secondary_domains": ["common"],
  "keywords_found": ["面部", "肤色", "妆容", "摄影"]
}
```

**字段说明**：
- `primary_domain`: 主领域ID（portrait/interior/product/design/art/video/common）
- `confidence`: 置信度（0-100整数）
- `reasoning`: 判断理由（1-2句话，中文）
- `secondary_domains`: 次要相关领域（可选，数组）
- `keywords_found`: 找到的关键词（可选，数组）

---

## 🔍 示例分析

### 示例1：人像摄影

**输入**：
```
一位20岁的亚洲女性，长发飘逸，淡妆，温柔的微笑，柔和的工作室光照，
浅景深，背景虚化，85mm镜头，f/1.8光圈。
```

**输出**：
```json
{
  "primary_domain": "portrait",
  "confidence": 95,
  "reasoning": "明确描述人物肖像，包含年龄、性别、面部特征、表情等人像关键元素，且使用人像摄影技术。",
  "secondary_domains": ["common"],
  "keywords_found": ["女性", "面部", "微笑", "工作室光照", "浅景深", "85mm镜头"]
}
```

---

### 示例2：室内设计

**输入**：
```
现代简约风格客厅，米色沙发，木质茶几，落地窗，自然光照，
极简主义，温馨氛围，3D渲染。
```

**输出**：
```json
{
  "primary_domain": "interior",
  "confidence": 92,
  "reasoning": "描述室内空间布局和家具，明确是客厅场景，属于室内设计领域。",
  "secondary_domains": [],
  "keywords_found": ["客厅", "沙发", "茶几", "室内", "空间"]
}
```

---

### 示例3：平面设计

**输入**：
```
Bento网格布局海报，8个模块，非对称排列，玻璃态效果，
现代排版，信息图表，横向16:9。
```

**输出**：
```json
{
  "primary_domain": "design",
  "confidence": 95,
  "reasoning": "明确的平面设计作品，包含Bento网格、海报、排版等设计关键词。",
  "secondary_domains": [],
  "keywords_found": ["Bento网格", "海报", "布局", "排版", "信息图"]
}
```

---

### 示例4：艺术风格

**输入**：
```
中国传统水墨画，山水意境，泼墨技法，写意风格，
宣纸质感，黑白灰层次，留白艺术。
```

**输出**：
```json
{
  "primary_domain": "art",
  "confidence": 98,
  "reasoning": "典型的艺术绘画作品，使用传统绘画技法和艺术表现手法。",
  "secondary_domains": [],
  "keywords_found": ["水墨画", "绘画", "技法", "艺术"]
}
```

---

### 示例5：模糊案例（产品 vs 设计）

**输入**：
```
Evian矿泉水瓶产品展示，Bento网格布局，8个信息卡片，
玻璃材质，产品信息图表设计。
```

**输出**：
```json
{
  "primary_domain": "design",
  "confidence": 65,
  "reasoning": "虽然包含产品（Evian瓶），但重点是Bento网格布局和信息设计，属于平面设计范畴。",
  "secondary_domains": ["product"],
  "keywords_found": ["Bento网格", "布局", "信息图表", "设计", "产品"]
}
```

---

## ⚠️ 重要规则

1. **必须选择一个主领域** - 不能返回None或null
2. **置信度不能低于30%** - 即使不确定也要做出最佳判断
3. **reasoning必须具体** - 说明为什么选择这个领域
4. **优先主体对象** - 先看描述的是什么，再看技术和风格
5. **中文优先** - 输出reasoning和keywords_found时使用中文

---

## 🎯 批量处理模式

当需要批量分析多个提示词时，输出JSON数组：

```json
[
  {
    "file_id": "prompt_001.txt",
    "primary_domain": "portrait",
    "confidence": 85,
    "reasoning": "..."
  },
  {
    "file_id": "prompt_002.txt",
    "primary_domain": "design",
    "confidence": 72,
    "reasoning": "..."
  }
]
```

---

**使用此Skill时，请严格遵守输出格式，确保JSON有效！**