catime AI Prompt — 用 Gemini Flash 為每隻貓寫創意描述

前言

在 catime 專案誕生 中，我們讓 GitHub Actions 每小時自動生成一張 AI 貓咪圖片。在 catime Gallery 中，我們搭建了一個瀑布流圖庫來展示這些作品。

但有個問題很快浮現：每小時要一個不重複、有創意的 prompt，人力根本寫不來。

最初的做法是一行固定的中文 prompt——「畫一隻可愛的貓，並在圖片中顯示現在的日期與時間」。跑了兩天之後就開始審美疲勞，所有貓看起來都差不多。既然我們已經在用 AI 生成圖片，何不再加一層 AI 來生成 prompt 本身？

於是在 2 月 2 日，catime 引入了 Gemini 2.5 Flash 來自動生成創意 prompt。從「AI 畫貓」進化為「AI 想 prompt → AI 畫貓」。

從固定 Prompt 到 AI 生成

Before：一行中文搞定

prompt = f"畫一隻可愛的貓，並在圖片中顯示現在的日期與時間: {timestamp}"

簡單直接，但 70 隻貓之後就能明顯感覺到千篇一律。

After：Gemini Flash 自動創作

PROMPT_META = (
    "You are a professional prompt engineer for AI image generation. "
    "Create a single, detailed English prompt for generating a stunning image. "
    "Requirements: (1) A cat must be the subject or prominently featured "
    "(2) The date and time '{timestamp}' must be visually displayed in the image. "
    "Beyond these two requirements, you have complete creative freedom — surprise me with "
    "varied styles (photography, painting, illustration, etc.), unique scenes, interesting "
    "compositions, lighting, and moods. Output ONLY the prompt text, nothing else."
)

只給 AI 兩個硬性要求（有貓、有時間戳），其餘全部交給它自由發揮。

Prompt 設計：給 AI 最大創意空間

PROMPT_META 的設計哲學是最小約束、最大自由：

約束 為什麼
貓必須是主角 這是一個貓咪專案，不能跑題
時間戳必須顯示 每隻貓代表一個小時，時間是身份標記
英文輸出 圖片生成模型對英文 prompt 理解較好
其餘自由 讓 AI 探索不同風格、場景、構圖

呼叫方式極簡——一次 generate_content：

def generate_prompt(timestamp: str) -> str:
    """Use Gemini text model to generate a creative image prompt."""
    try:
        from google import genai
        client = genai.Client()
        response = client.models.generate_content(
            model="gemini-2.5-flash",
            contents=PROMPT_META.format(timestamp=timestamp),
        )
        prompt = response.text.strip()
        if prompt:
            return prompt
    except Exception as e:
        print(f"Prompt generation failed ({e}), using fallback.")
    return f"A cute cat with the date and time '{timestamp}' displayed in the image, high quality, detailed"

生成出來的 prompt 長這樣：

A hyperrealistic photograph of a fluffy white Persian cat sitting regally on a velvet cushion in a grand, ornate library. The cat gazes directly at the camera with piercing blue eyes. Warm, golden light streams through a stained-glass window, casting colorful patterns across the cat and the surrounding bookshelves. A small, elegant clock on the mantelpiece reads ‘2026-02-02 12:00 UTC’. Shot with a Canon EOS R5, 85mm lens, f/1.4.

和之前「一隻可愛的貓」相比，品質完全不同。

避免重複：餵入歷史 Prompt

即使 AI 有創意自由，跑了幾十隻之後還是會出現重複的風格傾向。同一天稍晚，我們加入了一個簡單但有效的機制——把最近幾筆 prompt 餵給 AI，要求避免重複：

def get_recent_prompts(n: int = 5) -> list[str]:
    """Return the last n prompts from catlist.json."""
    catlist_path = Path("catlist.json")
    if not catlist_path.exists():
        return []
    cats = json.loads(catlist_path.read_text())
    return [c["prompt"] for c in cats if c.get("prompt")][-n:]

生成 prompt 時，如果有歷史資料，就把它們以 bullet list 注入：

recent = get_recent_prompts(5)
if recent:
    bullets = "\n".join(f"- {p}" for p in recent)
    recent_section = (
        "IMPORTANT: Here are the most recent prompts used. "
        "Avoid similar themes, styles, settings, and compositions:\n"
        f"{bullets}\n\n"
    )

這個做法讓 AI 在生成新 prompt 時能「看到」最近的作品，從而主動避開類似的主題和風格。

展示層：Lightbox 與 CLI

生成的 prompt 不只是後台資料，它也是 Gallery 的重要展示內容。

在 catime Gallery 中，點擊任何一張貓圖會打開 Lightbox。除了放大的圖片，下方還會顯示生成該圖片的英文 prompt。圖片上方有 Copy Prompt 和 Download 按鈕，方便使用者直接複製 prompt 去其他工具使用。

CLI 輸出

透過 catime CLI 也能查看 prompt：

$ catime 71
Cat # 71  2026-02-02 12:21 UTC  model: gemini-2.5-flash-image
  URL: https://github.com/yazelin/catime/releases/download/cats/cat_...
  Prompt: A hyperrealistic photograph of a fluffy white Persian cat...

prompt 資料直接存在 catlist.json 中，CLI 從 GitHub 拉取後解析顯示。

Inline SVG 取代 Emoji

Gallery 的 UI 中有許多互動按鈕——日曆、複製、下載、勾選。這些按鈕的圖示全部使用 inline SVG 而非 emoji：

const SVG_CLIPBOARD = '<svg width="14" height="14" viewBox="0 0 24 24" '
  + 'fill="none" stroke="currentColor" stroke-width="2" ...>'
  + '<rect x="9" y="9" width="13" height="13" rx="2"/>'
  + '<path d="M5 15H4a2 2 0 0 1-2-2V4a2 2 0 0 1 2-2h9'
  + 'a2 2 0 0 1 2 2v1"/></svg>';

為什麼不用 emoji？

  1. 跨平台一致性：emoji 在不同 OS、瀏覽器、甚至同一瀏覽器的不同版本中，長相差異極大。SVG 保證視覺完全一致。
  2. 可控性：SVG 可以用 CSS 的 stroke 和 fill 控制顏色，讓圖示跟隨主題配色。emoji 的顏色無法用 CSS 改變。
  3. 尺寸精準：width="14" height="14" 配合 vertical-align: -0.15em 的微調，確保圖示和文字完美對齊。
  4. 無外部依賴：不需要引入 icon font 或 SVG sprite sheet，所有圖示都是 inline 定義。

CSS 中只需一行就搞定對齊：

button svg, .date-picker-btn svg { vertical-align: -0.15em; }

按鈕的「複製成功」回饋也是透過替換 SVG 實現——點擊後從剪貼簿圖示換成勾選圖示，1.5 秒後自動復原：

lbCopyBtn.addEventListener("click", () => {
  navigator.clipboard.writeText(lbPromptText.textContent).then(() => {
    lbCopyBtn.innerHTML = SVG_CHECK + " Copied!";
    setTimeout(() => {
      lbCopyBtn.innerHTML = SVG_CLIPBOARD + " Copy Prompt";
    }, 1500);
  });
});

Fallback 策略

如果 Gemini Flash API 呼叫失敗（quota 超過、網路問題、回應格式異常），程式會自動回退到固定的簡單 prompt：

return f"A cute cat with the date and time '{timestamp}' displayed in the image, high quality, detailed"

圖片生成失敗時，catlist.json 會記錄一筆 "status": "failed" 的條目，Gallery 會自動過濾掉失敗的項目。

這種設計確保了服務可用性：即使 Gemini Flash 出了狀況，每小時仍然會有一張貓咪產出（頂多品質沒那麼驚豔）。

小結

從固定 prompt 升級到 AI 生成 prompt，效果立竿見影。Cat #71 開始，每隻貓都有了自己獨特的場景和風格——從圖書館裡的波斯貓到雨中街頭的虎斑貓，多樣性大幅提升。

核心概念很簡單：用一個小而快的 AI 模型（Gemini Flash）負責創意發想，再把結果餵給專門的圖片生成模型。 AI 生成 prompt 給 AI，這種雙層架構比單層 prompt 好得多。

不過這個版本還有改進空間。後續的演進包括：

  • 故事欄位：為每隻貓加上繁體中文短故事
  • 新聞靈感 + avoid list：透過 Google Search Grounding 引入時事元素，並用 avoid list 對抗重複模式
  • WebP 優化：資料結構拆分為索引 + 月度明細，Lightbox 升級為分頁介面

參考資源