波仔
🔌 第11章 基于MCPServer的办公效率类智能体应用
📄 一句话概括

文生图工具四个参数：prompt、size、n、style。prompt 决定九成效果。 提示词写成四段：主体、场景、风格、构图。不是为了专业，是为了出错时能定位。 两个硬限制：图里的字一律不可信，图是素材不是成品。

📝 本章和前面几章的关系

前三个案例的产出物都能用代码校验（字节数、行列数、五栏齐不齐）。 图片不行：只有好不好看，没有对不对。 所以这一节的重点落在提示词上，工具反而简单——一个工具，四个参数。 教材这一节用的是阿里云百炼的通义万相文生图 MCP 服务。 开通那一步照原样说明，本沙箱没有 Key 也没有额度，生成那一步用替身。

一、开通 Wanx 文生图 MCP 服务

教材的做法是进阿里云百炼，在 MCP 服务里找到通义万相（Wanx）的文生图服务， 开通之后拿到调用地址和一个 Key。 开通这类服务有两个隐形成本要先看清：一是额度，二是计费方式。文生图按张计费，试错就是在花钱。 所以第一件事不是写提示词，是先把尺寸调小、张数调成一，把试错的单价压到最低。

这一步是界面操作，本沙箱没有账号、没有额度，照原样写、不执行。 演示里的生成工具返回一张占位图的描述，格式和真工具一样。 替身的规矩还是老一条，但这次多一句：返回里必须写明「这是占位图」。替身最怕的是看着像真的， 然后被当成真的用。

二、搭建：一个工具，四个参数

演示 ① 那张表四个参数：prompt、size、n、style。 prompt 决定九成效果，size 决定能不能用。这两个的优先级远高于另外两个。 size 填错的后果很具体：方图塞进横版头图会被裁，横图放进朋友圈会被缩成一条。 尺寸和用途是绑死的，不是随手选的。

n 和 style 是次要参数。 n 填大了只是多花钱，style 填错只是风格不统一——都能重来，不像尺寸那样直接废掉。 演示 ② 里那句「221 字节，占位图，不是真生成的」，就是替身该有的样子： 给出能核的数，同时说清自己不是真的。

三、提示词四段式：主体、场景、风格、构图

演示 ③ 第一张表四段。四段式不是为了「更专业」，是为了出错时能定位是哪一段没说清。 只写「读书节活动海报」，四样都缺，出来一堆无关元素，你也不知道该改哪一句。 写成四段之后，人物不对就改主体，光线不对就改场景。 第四段构图最容易被忽略，也最实用：海报上要压字，主体就得让位。不写这一句， 出来的图往往中间全是东西，没地方放标题。

风格那一段要和文案的气质对上。活动是温暖的，风格写「高对比摄影」，图和字就是两张皮。 一句话总结这四段的分工：前三段决定画什么，第四段决定留哪儿写字。

四、两个场景：模板不变，只换词

演示 ④ 那张表两行：文化活动宣传、娱乐活动预告。 文化活动是书、茶、窗边光影，扁平插画暖色，1024x1024。 娱乐活动是舞台灯光、人群剪影，高对比摄影，1280x720。 两种场景的提示词差在三处：主体、风格、尺寸。模板一个字没改。

尺寸那一列和用途绑死：方图发朋友圈，横图做网页头图。这就是上一节说的「size 决定能不能用」。 所以做这类智能体，真正要攒的不是工具配置，是几套能复用的四段式模板。

五、三个坑：一致性、文字、成本

第一个：一致性。同一个人物两次生成长得不一样。 别指望它一致，要一致就用一张原图做参考，或者干脆只用一次。 第二个最硬：图里的字一律不可信。要准确文字的场合，一律在排版层压上去，不要让模型画。 第三个是钱：一次四张，试十次就是四十张。先小尺寸试，定了再放大。

三行合起来一句话：图是素材，不是成品。成品还得排版。 这一条也解释了为什么这类智能体很难做到「全自动」——最后一步总要有人看一眼， 而看一眼这一步没有工具能替。

六、动手 Demo：自动配图：提示词才是主角

造一个文生图形状的 Server：一个 image.generate 工具，四个参数。 本沙箱没有 Key 也没有额度，所以它返回一张占位 SVG，格式和真工具一样。 重点不在生成，在对比「一句话提示词」和「四段式提示词」的差别。

img = Server('wanx-mcp')
img.add(Tool('image.generate', '按提示词生成一张图（本沙箱返回占位图）',
             SCHEMA, gen))

bad = '读书节活动海报'
good = ('主体：一摞书与一杯茶；场景：秋日下午的图书馆窗边；'
        '风格：扁平插画，暖色；构图：右侧留白，给标题让位')

for p in (bad, good):
    r = call(img, 'image.generate', {'prompt': p, 'size': '1024x1024', 'n': 1})
    print(r['file'], r['bytes'], r['note'])

实跑输出：

--------------------------------------------------------------------
自动配图：提示词才是主角
--------------------------------------------------------------------


  ① 文生图工具长什么样
  --------------------------------------------------------------------

| 参数 | 例子 | 填错会怎样 |
|---|---|---|
| prompt | 一段描述画面的文字 | 出来的东西和文案不搭 |
| size | 1024x1024、1280x720 | 排版放不下，或被裁 |
| n | 一次生成几张 | 一张就够的场景白花钱 |
| style | 插画、摄影、扁平 | 风格和品牌不统一 |

  四个参数里，【prompt 决定九成效果，size 决定能不能用】。
  这一节没有 Key、没有额度，所以生成那一步用替身：它返回一张占位图的描述，格式和真工具一样。

  ② 一个工具，一个替身
  --------------------------------------------------------------------
  生成 poster-1.svg，221 字节，占位图，不是真生成的
  【返回里那一句「占位图，不是真生成的」是必须的。】替身最怕的是看着像真的，然后被当成真的用。

  ③ 提示词四段式
  --------------------------------------------------------------------

| 段 | 写什么 | 不写会怎样 |
|---|---|---|
| 主体 | 画面里最主要的东西 | 出来一堆无关元素 |
| 场景 | 在哪、什么时间、什么天气 | 背景随机 |
| 风格 | 插画／摄影／扁平／水彩 | 和文案气质不搭 |
| 构图 | 留白在哪、主体位置 | 文字压在人脸上 |


| 写法 | 提示词 | 问题 |
|---|---|---|
| 一句话 | 读书节活动海报 | 四样都缺 |
| 四段式 | 主体：一摞书与一杯茶；场景：秋日下午的图书馆窗边；风格… | 没了 |

  四段式不是为了「更专业」，是为了【出错时能定位是哪一段没说清】。
  留白那一句最实用：【海报上要压字，主体就得让位。】 不写这一句，出来的图往往没地方放标题。

  ④ 两个场景
  --------------------------------------------------------------------

| 场景 | 主体 | 风格 | 尺寸 |
|---|---|---|---|
| 文化活动宣传 | 书、茶、窗边光影 | 扁平插画，暖色 | 1024x1024 |
| 娱乐活动预告 | 舞台灯光、人群剪影 | 高对比摄影 | 1280x720 |

两种场景的提示词差在三处：主体、风格、尺寸。【模板不变，只换词。】
  尺寸那一列和用途绑死：【方图发朋友圈，横图做网页头图。】填错尺寸，再好的图也用不上。

  ⑤ 三个坑
  --------------------------------------------------------------------

| 坑 | 表现 | 怎么办 |
|---|---|---|
| 一致性 | 同一个人物两次生成长得不一样 | 别指望；要一致就用一张原图做参考 |
| 文字 | 图里的字是乱码 | 字别让模型画，排版时压上去 |
| 成本 | 一次四张，试十次就是四十张 | 先小尺寸试，定了再放大 |

  第二行是这类工具最硬的限制：【图里的字一律不可信。】所有需要准确文字的地方，都要在排版层加。
  三行合起来一句话：【图是素材，不是成品。成品还得排版。】

①第一张表四行，第三列「填错会怎样」。size 那一行是唯一会直接废掉成品的一项。 ②第二段那句「221 字节，占位图，不是真生成的」是替身必须带的说明。 ③第三张表两行对比：一句话那句四样都缺，四段式那句一样不缺。 ④第四张表两个场景差三处：主体、风格、尺寸。模板一个字没改。 ⑤最后三个坑，第二个是死限制：图里的字不可信，文字要在排版层加。

30 秒实验

  1. 把四段式里「构图」那一段删掉，重跑，看返回的提示词少了什么。
  2. 把 size 从 1024x1024 改成 1280x720，想一下这个尺寸适合发在哪。
  3. 给提示词加一句带文字的构图要求，看替身返回里有没有提醒你字不可信。

常见误区

  1. 「工具好就能出好图。」prompt 决定九成效果，工具只负责执行。
  2. 「让它把标题画进图里。」图里的字一律不可信。文字在排版层加。
  3. 「尺寸随便填，反正能裁。」裁掉的是构图。尺寸和用途是绑死的。
自测三问（点开对答案） 1. 四个参数里哪两个最要紧？ —— prompt 和 size。前者决定九成效果，后者决定能不能用。 2. 为什么提示词要写成四段？ —— 出错时能定位是哪一段没说清。写成一句话，改都无从改起。 3. 为什么图里的文字不可信？ —— 模型画的是像素，不是字体。要准确文字就在排版层压上去。

全书到这里收尾。 最后回看一眼：这十一个案例里，真正难的从来不是协议，是「这一步谁来做」和「错了怎么办」。

相关笔记