提示詞藏在意見樓裡：有人把 GPT Image 2.5 的案例整理成了一份可核對的開源清單

在 X 上找過 AI 生圖案例的人，大概都遇過同一種挫敗感。看到一張漂亮的圖，點進去，提示詞藏在第三層回覆裡；好不容易複製到手，跑出來的結果完全兩回事，追查之後才發現原作者用了參考圖、換了另一個模型，甚至另外拆了影格。作品看得到，配方拿不走。

最近有開發者把這件事系統性地處理了一遍。他以 GitHub 開源倉庫的形式，發布了一份 GPT Image 2.5 的提示詞合輯，收錄 24 個案例、分成六類用途，每條都附上中英雙語內容、作者原帖連結、需要的輸入項目，以及觀察時間。倉庫名為 awesome-gpt-image-2-5-prompts，由作者自己的 Image 2.5 項目維護。

這份合輯真正整理的不是文案，是「重現條件」

多數人對提示詞合輯的想像，是一份可以複製貼上的咒語清單。這份倉庫的作法稍微不同，它把一個案例拆成幾個欄位：原始英文提示詞、編輯改編版本、輸入要求、原帖出處。原始內容與編者的改寫分開標注，互動數據未知的欄位留空，來源已核對但尚未由整理者獨立生圖複測。

這個看似繁瑣的結構，回應的正是開頭那個問題：為什麼同一段提示詞，別人生得出來，你生不出來。因為提示詞只是配方的一部分，參考圖、模型版本、前置步驟，這些「輸入要求」往往才是決定產出的關鍵。合輯裡的案例也印證了這點，從六色時裝廣告、咖啡機維修手冊風格的剖面圖，到保持幾何結構的產品渲染，複雜度各異；涉及精靈圖（sprite sheet）之類的多步驟工作流，則會明確寫出需要額外工具，不假裝一句提示詞就能搞定。

用做菜來比喻，一般合輯給你的是菜名和一句調味說明，這份合輯至少把火候、鍋具和前置醃漬都列進了欄位。能不能重現還要自己下廚，但至少知道缺什麼。

JSON 維護、自動生成頁面：一個小型的資料工程

技術面上，這份合輯的資料以 JSON 維護，再自動生成 README 與雙語案例頁。這個選擇值得留意。提示詞合輯常見的死法，是一開始熱情整理幾十條，之後沒有人力維護，最後變成一份過期清單。把內容當結構化資料而非 Markdown 文件來管，意味著未來可以做篩選、檢索與程式化取用。作者也明說了下一步計畫：共用同一份資料，做一個站內可篩選、可複製、可直接使用提示詞的頁面。

這條路徑對內容工作者並不陌生。資料與呈現分離，是讓一份整理成果可以長壽、可以被別的介面反覆利用的基本功。同樣的邏輯也出現在其他 AI 相關的篩選與評測場景，例如先前討論過的攜程筆試 AI coding 題的計分機制，重點從來不是單次結果，而是篩選條件本身被明確化。

從商業角度看，這份開源倉庫同時是作者 Image 2.5 網站的內容地基。開源倉庫累積可信的案例資料與社羣貢獻，站點則把同一份資料包裝成更好用的介面，兩者共用單一資料源。這是小型開發者常見且務實的模式：用開源換取貢獻與信任，用產品化的介面承接流量。

提示詞分享的信任問題：署名、聲明與邊界

這份合輯另一個值得注意的細節，是它對歸屬的處理。作者原始宣告與模型聲明和編輯說明分開儲存，改編版本明確標注，來源連結逐條附上，並開放任何人提交原帖或指正署名與輸入要求中的錯誤。

在生成式圖像的圈子裡，提示詞的流傳長期處於一種灰色狀態。一段提示詞被截圖轉發、被翻譯改寫、被混入別人的工作流，原作者是誰、用的模型是哪個版本、有沒有墊參考圖，這些資訊在轉傳過程中快速流失。結果就是網路上充斥著看來可用的配方，實際成功率參差。社羣裡對於「案例可否複現」「改編要不要注明」一直有爭論，這與其他仰賴集體整理的數位文化場景類似，例如酷安夜話標籤撐起的深夜社羣，能運作的關鍵都在於參與者對規則的默契與堅持。

這份倉庫的作法，等於把默契寫成欄位。未知就留空，沒複測就說沒複測，這種誠實在提示詞分享文化裡並不常見，但它是讓合輯從「靈感來源」升級為「可驗證資料」的前提。

所以呢：三個能帶走的判斷

對日常需要用生成式圖像工具的人，這件事可以有幾個實際的用法。

第一，把它當輸入需求的檢查表。看到任何漂亮的 AI 圖，先問三個問題：有沒有參考圖、用的哪個模型版本、有沒有前置步驟。養成這個習慣，能省下大量「照抄提示詞卻失敗」的時間。

第二，把它當整理方法的範本。如果你在工作中也要收集案例、範本或範例，資料與呈現分離、原始與改編分開標注、來源逐條附上，這幾個原則搬到任何領域都適用，從行銷素材庫到內部知識庫都是。

第三，對內容創作者而言，這份倉庫展示了開源整理如何成為產品的內容地基。24 個案例的規模還小，真正的考驗在於社羣貢獻能否持續、資料能否隨模型版本更新而維護。提示詞的有效性與模型版本綁定，模型一改版，合輯的價值就開始折舊，這是所有提示詞資產共同的宿命，也是後續觀察這類項目能否長期存活的核心指標。

開源連結位於 GitHub 的 wangrunlin 帳號下，有興趣的讀者可以直接檢視倉庫結構與案例內容，自行判斷這套整理方法值不值得借鑑。