前天晚上给公众号推文找配图，想要复古旅行海报风格，泡在 Lexica 刷了快半小时。
图看着氛围感拉满，可翻遍页面，完全找不到原图对应的提示词，更别说搞清楚人家是怎么调出这个色调、构图的。一通操作下来，收藏夹堆了几十张好看的图，真正能直接复用的关键词一条没有，越刷越烦躁。
我平时做图最烦这种：只给成品不给源头，抄都没法安心抄，商业配图更是不敢随便乱用。
实在受不了云端图库的短板，翻到了一个开源项目——open-image-prompts。
一、它是什么：一个“本地优先”的视觉提示词档案库
open-image-prompts 是一个开源的、本地优先（local-first） 的视觉提示词档案库。
平时大家常用的 Lexica、Civitai，还有 open-prompts.com，全部是搭建在别人的远程服务器上。你浏览的每一张图、保存的每一条提示词，数据全都存在平台手里——平台哪天关停、突然涨价、限制访问，我们普通使用者一点办法都没有。
但 open-image-prompts 走的是本地优先逻辑——整套代码开源托管在 GitHub，采用 MIT 宽松开源协议。
所有图片、关键词数据集从 GitHub 资源包一次性下载到你自己硬盘，后续检索全部靠本地 SQLite 数据库完成。全程不用联网检索、不用额外部署向量库、不用配置任何 AI 接口密钥，连复杂的 Python 环境依赖都不用额外折腾。
直接把仓库下载到本地，双击运行启动脚本，终端弹出本地访问地址，浏览器点开就是完整素材画廊。不用注册登录、没有弹窗广告、全程不会诱导开会员——干净得出乎意料。
二、数据规模：1.4万条提示词 + 近3万条翻译
数据集体量给大家说个实在数字，GitHub 文档里写得清清楚楚：
| 数据类型 | 数量 |
|---|---|
| 原始绘图提示词（source prompts） | 14,693 条 |
| 已审核本地图片（approved local images） | 4,496 张 |
| 中英双语翻译 | 29,386 条 |
| 活跃 v2 提示词标签 | 170,226 个 |
| 细分视觉风格标签分类 | 185 种 |
找特定画风特别省事——185 套细分风格标签，从复古旅行海报到赛博朋克夜景，从水墨插画到写实人像，覆盖面相当广。
顺带对比一下同类型开源站 open-prompts.com：那个平台强制绑定 GitHub 或谷歌账号登录，生成图片还得对接第三方付费云 API。同样打着开源旗号，一个把全套素材存在你自己电脑，一个依旧把数据攥在服务商云端——安全性、自主性高下立判。
三、核心功能：可追溯的提示词 + 本地画廊
3.1 每张图都能找到“来龙去脉”
这也是我之前刷云端图库最难受的痛点。
线上平台里图片和关键词经常对不上号，就算复制一段文字，你也没法确认它到底是不是生成这张图的原始指令。照搬回去出图效果天差地别，白白浪费算力。
这个本地库直接解决了溯源难题：每一条提示词都会绑定原始来源链接、作者、稳定 ID、以及官方审核匹配的原图记录。在本地画廊点开任意作品——原图、出处、完整关键词全部一目了然。
我当场测试搜“复古城市旅行海报”（vintage city travel poster），几秒就跳出 5 组配套原图参考，每条关键词底部附带原始来源网址。那一刻终于摆脱了刷 Lexica 的无力感——只看得到好看的图，却摸不透背后的创作逻辑。
3.2 智能检索：精确匹配 + 相关推荐
检索系统分两层工作：
-
results（精确匹配）：完全符合搜索意图的结果 -
related_results（相关推荐）：当精确匹配覆盖不足时，提供图片确认的视觉参考，但会明确标注缺失了哪些约束条件
比如搜“雨夜霓虹小巷里的电影感人像”，系统会返回匹配结果，并告诉你每条推荐是精确匹配还是相关参考，以及哪些视觉决策可以复用、哪些不应该照搬。这一点对做商业配图尤其关键——知道能抄什么、不能抄什么，比拿到一堆关键词更重要。
3.3 版权溯源：清清楚楚，不糊弄人
项目单独存放 DATA_LICENSE.md 文件，清晰划分第三方素材使用规范——没有把版权说明混在开源代码协议里糊弄人。
每一条推荐都会返回：
-
稳定 ID 和 作者
-
来源 URL
-
匹配类型（精确 / 相关）
-
缺失的约束条件（如为相关推荐）
-
未经修改的原始提示词（source_prompt）
-
两到三条有意义的匹配理由
这对靠 AI 作图接单的人尤其关键。做商业封面、宣传海报，必须确认关键词素材的版权边界，避免侵权纠纷。
四、隐藏加分项：两个可直接接入 AI 智能助手的 Agent Skill
这个功能是我完全没料到的惊喜——它不只是单纯的图片关键词档案库，还封装了两套可直接接入 AI Agent 的工具能力。
4.1 img-gen-taste：风格拆解工具
只需要一句模糊描述，比如“赛博朋克夜景场景”，它会自动拆解出光影、色调、镜头构图、质感修饰等细分关键词——不会堆砌一堆无意义长文本。
安装后立即可以使用其内置的风格卡片（style cards） ，不需要额外下载数据包。
4.2 img-gen-prompts：本地检索工具
调取本地完整素材库，精准匹配和你需求匹配的图片、提示词。检索完成跳转画廊对照参考。
安装方式极简，一行命令搞定：
npx skills add NanmiCoder/open-image-prompts --list
npx skills add NanmiCoder/open-image-prompts -gimg-gen-taste 自带各类风格模板，装好立刻就能用。img-gen-prompts 需要配置本地仓库路径：
export OIP_REPO_ROOT="$PWD"
npm run status状态检查返回 "active_taxonomy_version": "oip-visual-v2" 和 "ready": true 即为就绪。
命令行调用检索也很简单：
python3 skills/img-gen-prompts/scripts/oip.py search \
--intent "vintage city travel poster" \
--limit 5看得出来这套功能是给天天和 AI 绘图打交道的老手设计的，方便把长期摸索出来的固定风格固化成工作流。相当于把凭感觉瞎试关键词的低效流程，改成先查阅成熟素材、再动手生成——大幅减少反复调试的时间。
五、部署方式：三种方案，按需选择
方案一：一键启动脚本（推荐）
先安装 Git with Git LFS 和 Node.js 20.19+ 或 22.12+，然后克隆仓库：
git clone https://github.com/NanmiCoder/open-image-prompts.git
cd open-image-promptsmacOS / Linux：
./start.shWindows：
start.bat也可以直接在文件资源管理器中双击 start.bat 。
启动器会自动拉取 Git LFS 数据、安装 uv（Python 环境管理工具）、创建兼容的 Python 环境、安装前端依赖，并启动两项服务。打开终端打印的本地地址即可访问。
首次启动会解压压缩的 SQLite 档案到 .oip/runtime/ 目录。后续启动会复用 Python 环境，同时刷新锁定的依赖。
方案二：Docker 一键部署
怕命令行操作麻烦，官方也提供 Docker 一键部署方案：
git lfs pull
docker build -t open-image-prompts .
docker run --rm --name open-image-prompts -p 4173:4173 open-image-prompts打开 http://localhost:4173 即可访问。
Docker 镜像以非特权 node 用户运行，包含 /health 健康检查。构建上下文约 900 MB，因为已审核图片和压缩的 SQLite 档案被有意打包在内。
方案三：仅下载数据库（省空间方案）
完整图片包较大，硬盘紧张的朋友可以只下载数据库，画廊会远程加载原图缩略图：
npm run data:pull -- --db检索功能不受影响，只是本地图片预览需要图片包——画廊会回退到每条记录的来源 URL 加载图片。牺牲一点浏览速度换取存储空间。
六、与同类工具的对比
| 对比维度 | open-image-prompts | open-prompts.com | Lexica / Civitai |
|---|---|---|---|
| 数据存储 | 本地 SQLite | 云端服务器 | 云端服务器 |
| 使用方式 | 本地部署 / Docker | 网页在线 | 网页在线 |
| 是否需要登录 | 否 | 需 GitHub/谷歌账号 | 需注册 |
| 提示词溯源 | 完整（含来源URL、作者、ID） | 部分 | 基本不可查 |
| 开源协议 | MIT | Apache 2.0 | 闭源 |
| 离线可用 | 是 | 否 | 否 |
| Agent Skill 集成 | 支持（2套） | 否 | 否 |
七、适合谁用，谁没必要折腾
✅ 推荐尝试
-
天天找 AI 绘图参考词的设计师/创作者——本地素材库随查随用，不用依赖第三方平台
-
厌烦云端平台强制登录/收费/弹窗广告的用户——全程干净无套路
-
做商业配图、在意素材溯源和版权的自媒体人——每条提示词都能找到来源
-
技术爱好者——MIT 协议，可自行 fork 修改二次开发
❌ 不推荐
-
只想随手生成一张图、完全不想碰代码和命令行的纯小白——有一定上手门槛
-
硬盘空间极度紧张且不愿意下载数据包的用户——完整图片包较大
八、注意事项
-
需要先通过 Git 拉取完整仓库代码，本地 Node.js 版本必须 20.19 或 22.12 以上
-
完整图片包较大，首次启动会自动下载素材数据包
-
img-gen-prompts检索工具，只装命令没用——本地没有完整素材档案的话，检索会一片空白。想完整体验所有功能，必须提前拉取全套数据集 -
目前项目 GitHub Star 数量还不高，还处在起步阶段，流畅度肯定比不上商业化成熟绘图图库。但胜在开源透明，MIT 协议摆在这，比起各种“限时永久会员”、捆绑付费的商业工具，用着踏实很多
九、总结：小众但值得关注的方向
聊下我的个人看法：本地优先的素材库一定是小众工具，很难大众化。普通用户嫌下载数据包、部署环境麻烦——但对于经常作图、在意素材隐私和版权的创作者来说，绝对是长期趋势。
open-image-prompts 解决的是一个很具体的问题：让你不再对着好看的图干瞪眼，而是能直接查到它的提示词、作者、来源，然后安心地参考、学习、二次创作。
它不完美——有上手门槛、数据量比不上商业平台、项目还在早期——但它的方向是对的：数据归用户自己、溯源清清楚楚、版权明明白白。
如果你也总被云端图库找不到原始提示词折腾，不妨照着部署步骤试一试。
建议收藏本文，后续找配图关键词不用到处踩雷。
7261
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
