1. 项目概述为什么我们需要自动化提取Prompt如果你和我一样是个重度AI绘画爱好者每天在Midjourney、Stable Diffusion或者各种国产AI绘画平台上“炼丹”那你肯定遇到过这个让人头疼的问题在liblib、Civitai这类模型分享社区或者小红书上看到一张惊为天人的AI图想复现或者学习它的Prompt提示词结果发现作者要么没放全要么就是一张长图你得一个字一个字地手动敲下来。这个过程有多痛苦一张复杂的图其Prompt可能包含几十个描述词、艺术家风格、画质参数、负面提示词甚至还有复杂的LoRA模型触发词和权重。手动复制不仅效率低下还极易出错一个逗号、一个空格打错可能出来的图就天差地别。更别提当你想要批量收集某个风格的Prompt作为自己的素材库时手动操作简直就是一场灾难。所以这个项目的核心价值就出来了搭建一个自动化工作流用影刀RPA这个国产自动化工具结合对liblib等网站的结构分析实现一键、甚至批量提取图片的完整Prompt信息并自动整理成结构化的数据比如Excel或Notion数据库。这不仅仅是省了几分钟时间而是从根本上改变了我们收集、管理和学习Prompt的方式让你从繁琐的体力劳动中解放出来把精力真正投入到创意和调参上。我花了大概一周时间从零摸索踩了不少坑最终搭建了一套稳定、高效的自动化流程。今天我就把这套“组合拳”的完整思路、实操步骤以及那些只有踩过坑才知道的注意事项毫无保留地分享给你。无论你是RPA新手还是有一定编程基础的AI绘画玩家都能跟着这篇指南搭建起属于你自己的Prompt自动化流水线。2. 核心思路与工具选型解析在动手之前我们必须把整个流程的逻辑想清楚并选择最合适的工具。我的目标是稳定、高效、易维护并且尽量低成本甚至零成本。2.1 工作流逻辑拆解整个自动化流程可以抽象为以下几个核心环节信息获取从目标网页如liblib.ai的图片详情页上定位并获取我们需要的文本信息。这通常包括正向提示词、负向提示词、模型名称、采样器、步数等参数。数据处理获取到的原始文本往往是杂乱无章的可能夹杂着HTML标签、多余的空格和换行。我们需要对其进行清洗、分割和结构化。数据存储将处理好的结构化数据保存到指定的位置。常见需求是存入Excel表格方便筛选和统计或Notion数据库方便关联和展示。流程控制如何触发这个流程是手动单次执行还是定时批量抓取某个收藏夹里的所有图片这涉及到循环、条件判断等控制逻辑。2.2 为什么选择影刀RPA市面上自动化工具很多比如Python Selenium/Requests库是技术流的选择浏览器插件也能实现简单功能。但我最终选择了影刀RPA理由如下对非程序员极度友好它的操作逻辑是“可视化拖拽”像搭积木一样组合指令。你不需要懂Python语法只需要理解“点击”、“获取文本”、“循环”这些逻辑就能上手。这对于广大AI绘画爱好者来说学习门槛极低。强大的网页元素拾取能力影刀内置的“元素探测”功能非常灵敏可以精准定位网页上的按钮、输入框、文本块。这对于从结构复杂的现代网页中提取信息至关重要。数据处理能力内置影刀提供了丰富的字符串处理、列表/字典操作命令无需额外学习Pandas等库就能完成大多数数据清洗工作。集成度高开箱即用它内置了连接Excel、Word、邮件、甚至一些主流API的模块。我们要实现“提取-整理-保存”的一站式流程用影刀可以无缝衔接。云同步与调度影刀支持流程发布到云端可以通过定时任务或手动在手机端触发灵活性很高。当然它也有局限比如处理极其复杂的动态网页重度依赖JavaScript时可能不如代码灵活但对于liblib、Civitai这类相对标准的图片分享站其能力绰绰有余。一个重要的补充选择如果你的目标网站反爬机制严格或者你需要更定制化的HTTP请求例如调用网站的私有API那么Python Requests/Playwright会是更强大和灵活的选择。你可以在影刀中通过“执行Python脚本”模块来嵌入这部分代码形成“影刀主控Python攻坚”的混合模式。本篇指南以纯影刀方案为主但会在关键处提示可能的代码替代方案。3. 实战搭建liblib.ai单图Prompt提取流程理论说完我们进入实战。假设我们的第一个目标是在liblib.ai上打开任意一张图片的详情页一键提取所有参数并保存到Excel。3.1 环境准备与初步侦察首先你需要在影刀官网下载并安装影刀RPA客户端。安装注册过程很简单这里不赘述。关键的第一步是“侦察”。打开liblib.ai找到一张你喜欢的图片进入其详情页。按F12打开浏览器开发者工具使用“元素选择”工具箭头图标去点击页面上的提示词文本区域。你会发现liblib的提示词通常放在一个div或pre标签里并且有比较固定的class名称比如可能包含prompt、text之类的字样。我们的目标就是让影刀定位到这个元素。注意网页结构可能会改版今天有效的方法明天可能就失效了。因此我们的定位策略要追求鲁棒性。不要用绝对路径而是尝试用相对稳定的特征来定位例如“包含特定文本的元素”、“具有某个固定class名的第N个子元素”。3.2 影刀流程搭建步骤详解现在打开影刀设计器新建一个流程。我们一步步来构建步骤一启动浏览器并导航到目标页使用“打开浏览器”命令浏览器类型建议选Chrome。这里有个关键技巧我们不直接写死一个URL。更好的做法是在流程开始时用一个“输入框”让用户临时输入想要抓取的图片链接。这样流程就通用了。将输入框的值赋给一个变量比如target_url。使用“访问网页”命令网址就填入target_url。步骤二定位并提取提示词文本使用“获取元素”命令。点击“指定元素”然后切换到浏览器用影刀的元素探测功能去点击网页上的提示词区域。影刀会自动生成一个选择器。重要处理多段文本。一个详情页的Prompt可能分“正向提示词”和“负向提示词”两部分显示。你可能需要分别定位这两个元素。将它们获取到的文本存入两个变量如positive_prompt和negative_prompt。常见坑点有时文本会被放在多个同级div里。这时“获取元素”可能只拿到第一行。你需要使用“获取子元素”命令或者改用“获取元素文本全”这个命令它有时能获取元素及其所有后代的文本。步骤三文本清洗与结构化获取到的文本通常很“脏”。例如masterpiece, best quality, 1girl, beautiful detailed eyes... Negative prompt: (worst quality, low quality:1.4), monochrome... Steps: 20, Sampler: Euler a, CFG scale: 7...我们需要将其拆解成结构化数据。这里要用到影刀的“字符串处理”命令组。分割关键行使用“按分隔符拆分文本”命令。以“\n”换行符为分隔符将整个文本块拆分成一个列表数组。识别和提取遍历这个列表判断每一行。如果行内容包含“Negative prompt:”那么后面的内容就是负向提示词。如果行内容包含“Steps:”那么可以用正则表达式或再次分割来提取“20”、“Euler a”、“7”这些参数。影刀支持“如果-否则”条件判断完全可以实现这个逻辑。清洗多余空格使用“去除空格”命令处理提取出的提示词字符串。步骤四保存到Excel使用“打开/新建Excel”命令指定一个本地路径的Excel文件。使用“获取末尾行号”命令找到最后一行。使用“写入单元格”命令在末尾行的下一行依次写入图片URL、正向提示词、负向提示词、步数、采样器、CFG scale等。每一列对应一个参数。最后别忘了“保存Excel”和“关闭Excel”。至此一个最基础的单次提取流程就完成了。你可以点击运行测试看看能否成功将一张图片的信息录入Excel。4. 进阶实现批量采集与智能处理单次提取只是开始批量采集才是自动化的精髓。假设我想抓取我liblib收藏夹“赛博朋克”里的所有图片信息。4.1 构建批量采集循环获取收藏夹列表首先你需要导航到你的收藏夹页面。使用“获取元素”命令但这次模式要选“获取多个元素”。用元素探测器去点击一个图片封面或标题链接影刀会生成一个能匹配页面上所有同类项的选择器。将这个结果存入一个列表变量如item_list。这个列表里的每个元素通常都包含了指向图片详情页的链接href属性。遍历循环使用“循环操作For Each”命令对item_list进行遍历。在循环体内当前项就是一个网页元素。提取链接并访问在循环内使用“获取属性”命令从当前元素中提取href属性值得到详情页链接。然后重复3.2节的步骤二到步骤四。循环控制与延迟在每次循环结束、下一次访问新页面前务必添加一个“等待”命令比如等待2-3秒。这是出于道德和防止被网站封IP的考虑也是最重要的注意事项之一。过于频繁的请求会被服务器视为攻击。重要心得批量采集时异常处理至关重要。在循环体内加入“尝试-异常”模块。把核心的抓取和保存逻辑放在“尝试”里一旦出错比如元素没找到、网络超时就在“异常”模块里记录下出错的项目URL到另一个日志文件然后继续执行下一个循环而不是让整个流程崩溃。4.2 数据去重与智能增强采集来的数据多了就会遇到新问题去重如何避免重复采集同一张图片可以在写入Excel前先读取已存在的所有图片URL做一个判断。影刀可以用“读取单元格范围”命令把某一列URL列读成一个列表然后用“如果”判断当前URL是否已在这个列表中。信息增强除了网页上的明文信息我们还能获取什么图片本身使用“获取元素”找到图片的img标签提取其src属性图片链接然后影刀有“下载文件”命令可以将其保存到本地与Excel记录关联。模型信息页面上通常有使用的底模和LoRA模型链接。你可以尝试提取这些链接甚至进一步点进去抓取模型的版本、下载量等信息让你的素材库更丰富。4.3 扩展应用对接Notion数据库对于喜欢用Notion管理知识的朋友将数据存入Notion是更优雅的方案。这需要用到Notion的API。在Notion中创建数据库设计好属性如“Name”图片名、“Prompt”、“Negative Prompt”、“URL”、“Model”等。获取集成令牌和数据库ID在Notion开发者设置中创建一个集成Integration并邀请它到你的数据库。记下你的token和数据库的database_id。在影刀中调用API使用影刀的“发送HTTP请求”命令。请求方法POSTURL:https://api.notion.com/v1/pages头部Headers需要添加Authorization: Bearer YOUR_TOKEN和Notion-Version: 2022-06-28以及Content-Type: application/json。请求体Body构造一个JSON按照Notion API的格式将你提取的每个字段填充进去。将这一步替换掉之前“写入Excel”的模块你的数据就能实时同步到Notion了并且可以享受Notion强大的视图筛选和关联功能。5. 常见问题排查与优化技巧实录在实际搭建和运行中你一定会遇到各种问题。下面是我踩过坑后总结的“排错指南”和“优化清单”。5.1 元素定位失败最头疼的问题现象流程第一次运行成功过几天或换张图片就失败了提示找不到元素。原因与解决网页结构变化这是最常见原因。解决方法是使用更宽松但更具唯一性的选择器。在影刀元素探测界面不要直接用它生成的最长最精确的XPath尝试手动编辑选择器。多用contains(class, ‘prompt’)这类模糊匹配或者通过元素的父级、兄弟级等相对关系来定位。页面加载延迟网络慢或页面资源多时元素还没出来影刀就去抓了。务必在关键操作如点击、获取文本前添加“等待元素出现”命令并设置一个合理的超时时间如10秒。这比固定的“等待”几秒更可靠。iframe框架页有些网页内容嵌在iframe里你需要先用“切换iframe”命令进入框架才能操作其中的元素。5.2 数据提取不完整或格式错乱现象提示词只抓到了一半或者参数全部混在一行里。原因与解决换行符处理网页上的换行可能是br标签而非\n。使用“获取元素内部HTML”代替“获取元素文本”然后自己用字符串替换功能将br替换成\n再进行分割。动态加载有些内容是通过JavaScript滚动后加载的。确保在获取前用“滚动到元素”或“执行JavaScript”命令模拟滚动让目标内容出现在视窗内。使用正则表达式对于格式固定的文本如Steps: 20, Sampler: Euler a影刀支持正则表达式提取。在“字符串处理”中使用“正则匹配”编写如Steps:\s*(\d)的表达式来精准提取数字。5.3 流程运行速度慢或不稳定优化技巧减少不必要的等待用“等待元素出现”替代固定的“等待”秒数。只在确实需要等待的地方如跳转页面后使用固定等待。关闭浏览器多媒体在“打开浏览器”命令的高级设置中可以添加--mute-audio、--blink-settingsimagesEnabledfalse等启动参数来禁止加载图片和声音能显著提升页面加载速度。分阶段运行对于超大批量任务如上千个不要一个流程跑到底。可以分成“采集URL列表”、“逐个抓取详情”两个独立流程中间用文件传递数据。万一中途出错可以从断点继续避免前功尽弃。日志记录在流程的关键节点使用“打印日志”或“写入文本文件”命令记录当前执行到的位置、变量的值。这是调试复杂流程的救命稻草。5.4 应对网站反爬机制现象频繁操作后访问被拒绝出现验证码或直接封IP。应对策略遵守Robots协议检查目标网站的robots.txt尊重其爬取频率限制。降低请求频率这是最重要的。在循环内添加随机延时例如等待[2, 5]秒之间的一个随机数让请求模式更接近人类。模拟真人行为在关键操作间随机加入“移动鼠标”到无关区域、“随机等待”等操作。使用代理IP高级对于极端情况可以考虑在影刀中配置使用代理服务器来切换IP但这需要额外的资源且请务必用于合法合规的学习目的。搭建这样一个自动化工作流初期需要一些耐心去调试和适应但一旦跑通它带来的效率提升是巨大的。你不仅可以用于liblib稍加修改选择器逻辑就能适配Civitai、甚至一些社交媒体上分享AI图片的帖子。它的核心思想是通用的定位元素 - 提取数据 - 清洗整理 - 持久化存储。最后我想分享一点个人体会技术工具的意义在于赋能。影刀这样的RPA工具降低了自动化的门槛让我们这些非专业程序员也能打造属于自己的效率利器。这个Prompt提取项目只是一个起点当你掌握了“让机器帮你干活”的思维你会发现生活中、工作中有无数重复、繁琐的任务都在等待着被自动化。从一个小需求开始动手实现它这个过程本身带来的成就感和能力提升远比省下的那点时间更有价值。