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：

1. 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。
2. 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。
3. 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）。
4. 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。

1. 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）。
2. 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。
3. 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

1. 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）。
2. 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。
3. 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。
4. 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。

1. 在Notion中创建数据库：设计好属性，如“Name”（图片名）、“Prompt”、“Negative Prompt”、“URL”、“Model”等。
2. 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。
3. 在影刀中调用API：使用影刀的“发送HTTP请求”命令。
   • 请求方法：POST
   • URL: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。
4. 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：
  1. 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。
  2. 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。
  3. 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：
  1. 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。
  2. 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。
  3. 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：
  1. 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。
  2. 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-settings=imagesEnabled=false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。
  3. 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。
  4. 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：
  1. 遵守Robots协议：检查目标网站的robots.txt，尊重其爬取频率限制。
  2. 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。
  3. 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。
  4. 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。