PromptLab

调优记录难以追溯

原来的调优需要反复导入图片、改提示词、保存结果并靠人记住差异。样本、模型或版本一变，就很难判断效果来自哪次修改，也很难把经验交给下一位使用者。

让每次实验可比较

我定义实验需要保留的对象与边界，再借助 AI 编程完成工具实现。正式 Prompt 和自定义实验分开；每次运行记录模型与 Prompt 版本，人工确认后才生成正式差异。

1. 固定人物与宠物测试输入
2. 记录模型、版本与生成结果
3. 复盘 Bad Case 与修改影响
4. 人工确认后生成正式差异

让比较结果进入下一轮修改

我将主体相似度放在首位，再看打印友好度、风格命中度和轮廓清晰度。固定 13 张人物／宠物输入用于版本回归，测试同学人工评分，团队结合具体图片与失败案例讨论。

PromptLab 保留每次运行的输入、结果和 Prompt，帮助我们追溯改了什么。判断和修改由人完成：从输出中找出具体问题，提出原因假设，调整生成方案，再用固定集与新增图片检查；工具不自动评分，也不替代效果判断。

一次主体补全问题

半身或头部照片被 AI 补出多余身体时，我先把问题拆成可以尝试的假设：是不是主体靠近图像边缘，让模型认为形象还没有结束？增加留白和提取主体都不够稳定，我随后提出加入底座，用明确的结构限制继续延展。

我们对原有 13 张固定测试图片做了回归，又加入几张此前未测过的半身、头部图片；这些输出中未再出现过度补全。固定样本用于比较修改前后，新图片则用于观察方案能否处理原测试集以外的输入。

这次实验的价值包括得到一个可用方案，也包括保留从假设、失败尝试到验证结果的过程。后续生成质量仍由人判断，PromptLab 承接的是测试记录与版本比较，不能把一次回归结果扩大成所有图片的成功率。

交接与后续思考

工具已通过 GitHub 仓库和简单说明交接，支持固定样本测试、结果留档、版本记录和发布差异。生成质量仍由人判断，尚未建立统一的通过阈值或自动评分。对我来说，这一阶段的价值是先让变化可追溯，再逐步形成稳定的质量标准。