女朋友想要专属桌宠？我用 AI 提示词，1 小时把照片变成 57 帧动画精灵

女朋友想要专属桌宠？我用 AI 提示词，1 小时把照片变成 57 帧动画精灵

这事儿其实挺简单的，但效果相当炸裂。先看结果——我把女朋友的照片喂给了 AI，最终生成了一张 57 帧的横版精灵图（Sprite Sheet）。

这张图里装下了 9 种不同的动作，总共 57 帧动画，具体分布如下：

动作	帧数	说明
待机眨眼	6 帧	自然站立，偶尔歪头眨眼
敲代码	6 帧	坐地上敲键盘，代码符号飘起
修 Bug	6 帧	拿扳手修红色 Bug 图标
报错装死	8 帧	举"ERROR"牌子，表情无奈
加载等待	6 帧	坐等进度条慢慢走
庆祝完成	5 帧	跳起来撒花，进度条 100%
偷看屏幕	8 帧	从窗口边探出半个身子
睡觉休息	4 帧	趴小枕头上，ZZZ 飘起
监工模式	8 帧	叉腰站在桌面边，表情严肃

拿到这张精灵图之后，把它塞进 Codex 桌宠的配置里，你的桌宠就成了独一无二的 "她"。

整个流程走下来其实很清晰：

flowchart LR
A["准备参考照片"] --> B["写提示词 Prompts"]
B --> C["AI 生成精灵图
（豆包/ Midjourney）"]
C --> D{"效果满意？"}
D -->|不满意| B
D -->|满意| E["裁剪 & 检查"]
E --> F["配置 Codex 桌宠"]
F --> G["桌面运行 ✓"]
style A fill:#4ecdc4,color:#fff
style C fill:#ff6b6b,color:#fff
style G fill:#45b7d1,color:#fff

二、你需要准备什么

工具清单并不复杂，三样东西就搞定：

工具	作用	备注
一张参考照片	AI 画角色的依据	正面照最好，表情清晰
AI 绘图工具	生成精灵图	豆包、Midjourney、DALL·E 3 都行
Codex 桌宠	桌面显示动画	支持自定义精灵图的版本

整个流程里的核心难点只有一个——提示词怎么写。下面就把提示词逐段拆开，看看里面的门道。

三、核心提示词拆解：AI 是怎么听懂你的需求的

这份提示词前前后后和豆包沟通了 5 轮才算调好。拆成 5 个模块来看，每个模块都有自己的用意。

3.1 角色定义——让 AI 知道"画谁"

Generate a horizontal sprite sheet for a Codex desktop pet, in chibi anime style.
Character:
- Cute Q‑version (chibi) of the person in the reference image
- Maintain all key features: same hairstyle and hair color, face expression style,
clothing style, accessories, and overall vibe
- The character must be exactly the same person across all frames

这里面有几个关键点：

• Q-version (chibi) 是让 AI 画 Q 版，而不是写实风格
• same hairstyle / hair color / clothing style 是保底条款——防止 AI 在不同帧里画出不同的角色
• 最后那句 exactly the same person across all frames 是关键中的关键，没有它，AI 很可能会在动作帧里偷偷改角色长相

3.2 动作设计——9 种桌宠日常

桌宠之所以可爱，是因为它有"活着"的感觉。设定 9 种动作，覆盖了日常使用场景：

1. Idle blink (6 frames): standing naturally, gently blinking, occasionally tilting head slightly, relaxed and cute expression.
2. Coding (6 frames): sitting or kneeling, holding a small keyboard or mini computer, typing rapidly, with a few code symbols floating nearby like @, , ;, :, etc.
3. Bug fixing (6 frames): holding a small wrench, seriously repairing a red bug icon, with slight motion lines, final frame shows a satisfied smile.
...（后续动作省略，文末有完整版）

设计思路很明确：

• 待机 + 敲代码 + 修 Bug + 报错 + 加载 + 庆祝 = 程序员日常叙事线
• 偷看 + 睡觉 + 监工 = 互动感动作，让桌宠不只是"在那待着"
• 每个动作的帧数都不是随手写的——眨眼 6 帧刚好 1 秒循环，敲代码 6 帧能看出节奏感

3.3 布局控制——让 57 帧不打架

Layout:
- All frames arranged in one single horizontal strip
- Each frame shows the same character performing the action with only minor variations
- No crop on hair, head, hands, feet, props, or body
- Enough spacing between frames so they do not overlap

这里有几个容易踩的坑：

• minor variations——告诉 AI 每帧是微动不是重画
• No crop——防止 AI 切到头发或手脚，Codex 桌宠需要完整的角色轮廓
• Enough spacing——不加这句，AI 会把所有帧挤在一起，裁切时会痛苦

3.4 画风控制——Q 版的灵魂

Art style:
- Chibi Q‑version anime style, clear thick outlines, flat cel‑shading,
cute and clear expressions, well‑defined body contours
- High character consistency across all frames

关键参数的作用：

参数	作用	不加会怎样
clear thick outlines	清晰粗线条	角色边缘模糊，抠图困难
flat cel‑shading	平涂赛璐璐	出现阴影渐变，动画风格不统一
well-defined body contours	轮廓清晰	Q 版变形，认不出是谁

3.5 绿幕背景——省去抠图的麻烦

Background:
- Solid green screen color: #00ff00 (pu re green)
- Entire background must be this solid green only
- No shadows, no gradients, no floor, no textures, no glow, no reflections
- Do NOT use #00ff00 anywhere in the character or props

这招是从视频抠图里学来的——#00ff00 纯绿背景。Codex 桌宠支持透明背景，用纯绿底图方便后期一键去背。最后那句是防呆设计，防止 AI 把绿色画到角色身上。

四、豆包出图：5 轮拉扯才拿到满意的精灵图

写提示词最大的错觉就是——一次就能出图。实际上前后沟通了 5 轮才算拿到满意结果。

sequenceDiagram
actor U as 我
participant A as 豆包 AI
U->>A: 第1轮：发需求 + 参考照片
A->>U: 生成结果 ❌
Note over U: 角色不像、帧间距太小
U->>A: 第2轮：调整角色一致性描述
A->>U: 生成结果 ❌
Note over U: 动作僵硬，缺少细节
U->>A: 第3轮：细化动作描述 + 帧数调整
A->>U: 生成结果 ⚠️
Note over U: 画风对了，但背景不绿
U->>A: 第4轮：强调绿幕 + 无阴影约束
A->>U: 生成结果 ✅
Note over U: 基本满意，表情略显呆
U->>A: 第5轮：微调表情描述
A->>U: 终版 ✅
Note over U: 搞定！57帧完美精灵图

每轮遇到的具体问题和修复方法：

轮次	问题	怎么修的
第 1 轮	角色不像本人，脸型变了	加 same hairstyle, same face shape，明确说 "based on reference image"
第 2 轮	动作没有过渡感，像静态贴图	把 6 frames 改成 6 frames with slight motion，加 final frame shows... 描述最后一帧的落点
第 3 轮	背景带了渐变色，不是纯绿	加了 no shadows, no gradients, no floor
第 4 轮	角色身上出现了绿色杂点	加了 Do NOT use #00ff00 anywhere in the character or props
第 5 轮	表情不够自然	每个动作加了情绪描述，如 relaxed and cute / satisfied smile / curious expression

最难调的是第 3 轮——AI 似乎天生喜欢给背景加光影，明明说了"纯绿"、"无阴影"，它还是偷偷给角色脚下画了投影。直到把 no floor 加上才彻底解决。

五、Codex 配置：精灵图拿到后怎么塞进桌宠

图生成好了，但怎么让它变成桌宠？这一步是在 Codex 里问出来的。

5.1 核心问题

拿到精灵图后，遇到两个问题：

1. 精灵图怎么切——57 帧在一张横图上，Codex 怎么知道每帧从哪里开始、到哪里结束？
2. 配置往哪写——Codex 桌宠的配置文件在哪、什么格式？

5.2 Codex 的回答

把精灵图和截图发给 Codex，它给出了答案：

精灵图要求：

• 所有帧排列在一张横向长图上（已经满足了）
• 每帧尺寸保持一致（用 PS 做了统一裁剪）
• 背景透明或纯绿（选择绿幕生成，后期去背）

配置方式：

• Codex 桌宠的精灵图通过 sprite 配置项指定
• 需要告诉 Codex：精灵图路径、每帧宽高、总帧数、动作分组
• 配置格式一般是 JSON 或 YAML，定义每个动作对应哪些帧序号

举个例子，配置大致长这样：

{
  "sprite": "path/to/your-sprite.png",
  "frameWidth": 128,
  "frameHeight": 128,
  "totalFrames": 57,
  "animations": {
    "idle":   { "frames": [0,1,2,3,4,5], "loop": true },
    "coding":   { "frames": [6,7,8,9,10,11], "loop": true },
    "bugfix":   { "frames": [12,13,14,15,16,17], "loop": true },
    "error":    { "frames": [18,19,20,21,22,23,24,25], "loop": false },
    "loading":  { "frames": [26,27,28,29,30,31], "loop": true },
    "celebrate":{ "frames": [32,33,34,35,36], "loop": false },
    "peek":     { "frames": [37,38,39,40,41,42,43,44], "loop": true },
    "sleep":    { "frames": [45,46,47,48], "loop": true },
    "supervise":{ "frames": [49,50,51,52,53,54,55,56], "loop": true }
  }
}

5.3 实际操作流程

从图到桌宠，完整链条是这样的：

flowchart TD
A["豆包生成精灵图
57帧横版 + 绿幕背景"] --> B["去背处理
绿幕 → 透明 PNG"]
B --> C["测量每帧尺寸
等分裁剪"]
C --> D["编写配置 JSON
帧序号 → 动作映射"]
D --> E["放到 Codex 配置目录"]
E --> F["重启桌宠 ✓"]
style A fill:#ff6b6b,color:#fff
style F fill:#45b7d1,color:#fff

具体步骤：

1. 去背：用 Photoshop 或在线工具（remove.bg）把绿幕变成透明
2. 等分：57 帧横图总宽度 ÷ 57 = 每帧宽度，确保每帧一样大
3. 配帧：按提示词中的顺序，第 1-6 帧是待机、第 7-12 帧是敲代码……以此类推
4. 写配置：把帧序号映射到动作名，告诉 Codex 哪个动作对应哪几帧
5. 放目录：把精灵图和配置文件放进 Codex 的桌宠资源目录
6. 重启：重新加载桌宠，看到专属角色动起来

六、完整提示词模板分享（可直接用）

下面就是完整的提示词，把 [参考照片] 换成你的照片，直接把这段复制给豆包或 Midjourney 就行。

Generate a horizontal sprite sheet for a Codex desktop pet, in chibi anime style.
Character:
- Cute Q‑version (chibi) of the person in the reference image
- Maintain all key features: same hairstyle and hair color, face expression style,
clothing style, accessories, and overall vibe
- The character must be exactly the same person across all frames

Actions (each on the same horizontal strip, evenly spaced,
no grid lines, no frame numbers, no borders):
1. Idle blink (6 frames): standing naturally, gently blinking, occasionally tilting head slightly, relaxed and cute expression.
2. Coding (6 frames): sitting or kneeling, holding a small keyboard or mini computer, typing rapidly, with a few code symbols floating nearby like @, , ;, :, etc.
3. Bug fixing (6 frames): holding a small wrench, seriously repairing a red bug icon, with slight motion lines, final frame shows a satisfied smile.
4. Error display (8 frames): holding a small sign that says "ERROR", expression helpless or awkward, slight arm movements, one frame has eyes closed looking frustrated.
5. Loading wait (6 frames): sitting while holding a horizontal progress bar that gradually fills up, patient waiting expression, occasional blinks.
6. Celebration complete (5 frames): jumping happily with both arms raised, colorful confetti around, holding or next to a progress bar showing 100%, finally landing back on the ground.
7. Peeking at screen (8 frames): peeking half‑body from behind the edge of a vertical window, curious expression, slight lean‑in and lean‑out motion, one frame with a blink.
8. Sleepy rest (4 frames): lying on a small white pillow, eyes closed, slight breathing motion, with "ZZZ" floating nearby.
9. Supervising work (8 frames): standing at the edge of the desktop, hands on hips, serious but cute expression, one frame pointing forward, one frame blinking.

Layout:
- All frames arranged in one single horizontal strip
- Each frame shows the same character performing the action with only minor variations
- No crop on hair, head, hands, feet, props, or body
- Enough spacing between frames so they do not overlap

Art style:
- Chibi Q‑version anime style, clear thick outlines, flat cel‑shading,
cute and clear expressions, well‑defined body contours,
suitable for scaling down as a desktop pet
- High character consistency across all frames

Background:
- Solid green screen color: #00ff00 (pu re green)
- Entire background must be this solid green only
- No shadows, no gradients, no floor, no textures, no glow, no reflections
- Do NOT use #00ff00 anywhere in the character or props

使用说明：

1. 把提示词 + 参考照片一起发给豆包（或 Midjourney）
2. 如果第一次生成效果不好，别灰心——参照上面的"踩坑实录"逐轮修改
3. 拿到精灵图后，用 PS 或在线工具把绿幕变透明（Codex 支持透明 PNG）
4. 替换 Codex 桌宠的精灵图配置

七、写在最后：把女朋友做成桌宠是什么体验？

说两个真实感受。

第一，她看到后的反应。第一次把桌宠跑起来的时候，女朋友在旁边看着，说"诶，这真的是我？"然后她就盯着屏幕看了 5 分钟，看着自己的 Q 版小人敲代码、修 Bug、偷看屏幕……那 5 分钟里，没敢告诉她，其实也就调了 5 轮提示词。

第二，这件事让人意识到—— AI 生成已经不是"能不能"的问题，而是"怎么精确控制"的问题。同样一个需求，提示词写得好不好，结果天差地别。踩过的这 5 个坑，看了这篇文章就能避开。

项目本身不涉及代码，整个流程全靠提示词驱动。如果也想要一个专属桌宠，把提示词复制走，换张照片就行。

八、部分动作展示：