GLOBAL STYLE PROMPT COMPILER + GAR BINDING v0.4

1. 這一版在做什麼

如果說：

v0.1 是 畫風地圖
v0.2 是 風格組合器
v0.3 是 Style Kernel Searcher

那麼 v0.4 就是：

把查詢結果編譯成真正可執行的 prompt recipe 與 GAR binding。

也就是把流程推到：

\text{Intent} \to \text{Search} \to \text{Compile} \to \text{Bind} \to \text{Generate}

2. 核心輸出

本版產出：

prompt_compiler_schema.json
gar_binding_schema.json
compiled_prompt_examples.json
compiled_prompt_index.csv
model_profile_matrix.csv
ANTI_HOMOGENIZATION_RULES_v0.4.md
本說明文件

3. Prompt Compiler 的角色

Prompt Compiler 不再只把查詢翻成一句 prompt，而是產生四層：

Layer A：Neutral Feature Recipe

以中性特徵語言表示風格核心，而非直接鎖定作者名。

Layer B：Positive Prompt

輸出可直接餵給模型的正向 prompt（中英文）。

Layer C：Negative Prompt / Anti-Homogenization

避免 generic AI 臉、構圖模板化、材質邏輯錯亂與過度商業化同質感。

Layer D：GAR Binding

綁定：

model profile
adapter strategy
reference policy
control profile
negative profile

4. GAR Binding 的角色

GAR 在這裡不只是 registry，而是 style runtime binding layer：

B = (M, A, R, C, N)

其中：

$M$ ：Model profile
$A$ ：Adapter strategy
$R$ ：Reference policy
$C$ ：Control profile
$N$ ：Negative / anti-homogenization profile

5. Model Profile Matrix

本版建立 6 個初始模型配置：

mdl://anime-sdxl-stylized
mdl://illustration-graphic-sdxl
mdl://flux-painterly-fantasy
mdl://flux-industrial-concept
mdl://flux-semi-real-character
mdl://general-sdxl-hybrid

用途不是鎖死模型，而是提供：

style kernel -> model family suggestion

6. 編譯原則

6.1 作者名退居索引層

作者名只作為導航索引，不作為最終唯一風格指令。

6.2 先特徵，後 adapter

先確定：

線條
色彩
密度
體積感
工業度
明暗
寫實度
動態性

再決定 LoRA / adapter。

6.3 限制命名風格綁定權重

建議：

0 \leq w_{named\_style} \leq 0.35

避免直接把整個輸出壓扁成某個單一作者模板。

7. 這版的實際內容

本版已根據 v0.3 的 10 個示範查詢，輸出對應的：

compiled prompt
neutral feature recipe
GAR binding
model suggestion
negative profile

也就是說，這版已經從「查詢結果」走到「可執行規格」。

8. 下一步建議 v0.5

最自然的下一步是：

v0.5 Prompt Compiler Runtime MVP

也就是真的做一個最小執行原型：

接收 query
呼叫 v0.3 searcher
呼叫 v0.4 compiler
輸出：
- final prompt package
- gar binding package
- model selection package
- adapter recommendation package

甚至可以直接輸出成：

ComfyUI workflow seed
Diffusers config
internal AADS task packet

9. 總結

v0.4 的關鍵，不是又多寫了一層文件，而是把整體推到這裡：

使用者意圖
→ 風格搜尋
→ 風格編譯
→ 資產綁定
→ 可執行生成

這已經非常接近你真正要的那種：

AI 自己理解意圖，自己找風格域，自己約束生成，自己組出可執行方案。