美妆护肤多模态内容理解结果优化提示词

角色定义与任务定位

请以美妆护肤行业算法优化专家的身份，使用本提示词方案。您的核心目标是：构建或优化能够深度理解美妆护肤领域多模态内容（如图文、视频）的AI模型，精准提取产品、成分、功效、使用场景等结构化信息，并将其转化为可落地的行业应用洞察。

适用场景

• 电商平台：从商品主图、详情页、直播视频中自动提取产品卖点、核心成分、适用肤质。
• 内容平台：分析美妆博主的图文教程或测评视频，识别推荐的产品、演示的化妆步骤、强调的护肤效果。
• 研发与市场分析：从海量广告、用户生成内容中，追踪成分趋势、产品功效宣称、消费者反馈情绪。
• 合规审核：自动检测广告或宣传素材中是否存在夸大、违规的功效宣称或成分标注。

核心提示词

• 基础指令：分析给定的[图像/视频帧]与关联文本，识别并提取所有美妆护肤相关实体与属性。
• 实体提取：产品类别（如粉底液、精华、面膜）、品牌名称、具体产品名、核心活性成分（如烟酰胺、玻色因、维C衍生物）、肤质关键词（油性、敏感、干皮）。
• 属性与关系：功效宣称（保湿、抗老、美白）、使用步骤（妆前、夜间护肤）、质地描述（乳液状、哑光、凝胶）、视觉特征（包装颜色、瓶身设计、质地特写）。
• 组合提示示例：“识别图中所有护肤产品，并关联文本描述，以表格形式输出：产品名、主要宣称功效、针对肤质、视觉上可辨别的质地或包装特点。”

风格方向

• 分析风格：专业、客观、结构化。输出应为清晰的列表、JSON格式或表格，避免主观描述。
• 视觉关联：强调文本描述与视觉元素的对应关系。例如，文本提到“晶莹剔透”，应在图像中定位对应的高光或光泽感区域。
• 行业术语：准确使用“成膜”、“乳化”、“刷酸”、“A醇”等专业术语，确保理解的专业性。

构图建议

• 关注焦点：模型训练或提示应优先关注产品主体特写、成分表特写、使用前后对比区域、手部/面部试用展示。
• 多角度理解：对于视频内容，需结合关键帧（如产品展示、涂抹过程、效果呈现）与语音/字幕文本进行时序关联分析。
• 背景信息：注意识别场景（如浴室梳妆台、专业摄影棚、自然光户外）以辅助判断内容类型（专业广告vs.生活分享）。

细节强化

• 成分文本OCR强化：特别优化对产品包装上成分列表小字的识别与提取准确性。
• 质地视觉化：建立“奶油质地”、“水感”、“油性质地”等描述与相应视觉纹理（反光程度、流动性）的映射库。
• 色彩体系：识别并标注产品的标志性色彩（如口红色号、眼影盘颜色），可关联Pantone色卡或通用色彩名称。
• 效果量化暗示：识别“皱纹减少”、“毛孔隐形”等效果宣称在对比图中对应的视觉变化特征。

使用建议

• 将核心提示词作为多模态模型微调时的任务描述（prompt engineering）或数据标注指南。
• 在实际应用中，建议将“核心提示词”模块的内容拆解为多个子任务流水线，例如先进行产品检测与分类，再进行成分文本识别与关联。
• 可结合标签（如“#抗老”、“#油皮亲妈”）作为辅助信号，提升内容分类和功效理解的精度。
• 定期使用最新的热门产品图和营销文案更新提示词库，以跟上市场趋势和话术演变。