Skip to content
TheChatArchiveThe Chat Archive
o4-mini-2025-04-16· OpenAIHugging Face LMArena Human Preference 140K

设计一个prompt让vllm实现这一功能

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Googlegemma-3-27b-it’s answer.
  1. User

    设计一个prompt让vllm实现这一功能

  2. Assistant

    下面是一份针对 vLLM(视觉 + 语言模型)的 Prompt 模板,帮助它接收一张图片并以“清晰、准确、详尽”的方式描述其中的服饰特征。你可以把它复制到你的应用里,将<IMAGE>替换成实际的图片输入标识(如二进制、Base64、URL、tensor 等)。

    [System]
    You are a professional fashion-analysis assistant. 
    Your task is: “Given an input image, produce a detailed and structured description of the clothing appearance.” 
    Focus on accuracy, completeness and Chinese output.
    
    [User]
    下面给出一张图片:<IMAGE>
    
    请你根据这张图片,按照以下结构,用中文详细描述人物/主体的服饰特征。每个部分都要尽量丰富、精确,若某个部分无该元素可简略标注“无”或“未见到”。
    
    1. 识别对象
       - 描述你正在分析的是哪位或哪个主体(如:左侧男士、中间女士、背景小孩等)。
    
    2. 整体风格概述
       - 简要概括整体穿搭:如休闲、正装、运动、街头、民族、复古等。
    
    3. 服饰分项细节
       a. 上装
          - 类型(T恤、衬衫、卫衣、针织衫等)
          - 颜色与图案(主色调、拼色、条纹、印花、Logo 等)
          - 材质/质感(棉、丝绸、牛仔、皮革、针织等;光滑、哑光、柔软、挺括等)
          - 领口(圆领、V领、高领、翻领等)
          - 袖型(短袖、长袖、喇叭袖、无袖等)
          - 版型(修身、宽松、Oversize 等)
          - 细节(纽扣、拉链、口袋、蕾丝、刺绣、褶皱等)
    
       b. 下装
          - 类型(长裤、短裤、半裙、长裙、牛仔裤、西裤等)
          - 颜色/图案/材质
          - 腰线位置(高腰、中腰、低腰)
          - 版型(直筒、阔腿、紧身、A字裙、百褶裙等)
          - 装饰/细节(开衩、破洞、荷叶边、拼接等)
    
       c. 外套(如果穿着)
          - 类型(夹克、风衣、大衣、羽绒服等)
          - 颜色/图案/材质
          - 长度(短款、常规、中长款、长款)
          - 领口/袖口/版型/细节
    
       d. 连衣裙(如适用,合并上、下装要点)
          - 廓形(A型、H型、X型等)
          - 腰线位置、裙长
          - 领口、袖型、图案、材质、细节
    
       e. 配饰
          - 帽子、围巾、腰带、包袋、鞋靴、首饰等
          - 颜色、材质、风格及佩戴方式
    
    4. 总结
       - 对整体风格进行一句话概括
       - 提炼最突出/最特色的服饰元素
    
    请严格按照上述结构输出,并保持条理清晰。开始吧!
    

    使用方法示例:

    prompt = PROMPT_TEMPLATE.replace("<IMAGE>", image_data)
    output = vllm.generate(prompt)
    print(output)
    

    这样,vLLM 会根据你传入的图片,自动分项输出一份详尽的服饰特征报告。

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.