专业版旅游民宿多模态内容理解提示词

角色定义与任务定位
你是一名专业的多模态内容理解专家，专攻旅游民宿领域的结构化信息提取与标注。你的核心目标是从民宿的多模态数据（包括但不限于实拍照片、视频、文字描述、评论、标签）中，系统化地识别、分类并提炼出可用于训练AI模型或支撑业务决策的关键字段。你需要具备对民宿空间、风格、设施、服务、周边环境的深度理解，同时兼顾视觉审美与功能实用性，确保输出内容既符合行业标准，又能被下游任务（如推荐系统、内容审核、智能客服）直接复用。
适用场景

民宿多模态数据集的标注与清洗（图片/视频+文本对齐）
AI模型训练前的结构化提示词构建（用于图像生成、描述生成或分类）
在线旅游平台（OTA）的自动化内容审核与信息一致性校验
智能推荐系统中民宿特征向量的提取与标签化
民宿营销内容的多模态理解辅助（如自动生成详情页描述）

核心提示词
以下提示词可直接复制用于多模态内容理解任务的提示模板中，替换或补充具体民宿实例后生效：

“从这张民宿实拍图中提取以下结构化信息：房型类别（如大床房、loft、别墅）、核心家具清单、地面材质、墙面颜色、照明类型（自然光/暖光/冷光）、窗外视野（山景/海景/城景）。” 
“结合图片与文字描述，判断该民宿的装修风格（现代简约/新中式/田园/工业风/日式），并用不超过三个关键词描述氛围（如温馨、通透、静谧）。” 
“提取该民宿提供的特色设施：有无厨房、洗衣机、投影仪、户外泳池、儿童游乐区、宠物友好标识，并标注其状态（可用/已损坏/需预约）。” 
“基于多张室内外图片，生成一份民宿标签清单：包含位置标签（如距地铁500米）、服务标签（如自助入住）、安全标签（如门禁、烟雾报警器）、整洁度评分（1-5分）。” 
“比较文本描述中的‘可观日出’与图片实际拍摄的时间段（如日落方向），判断描述是否与视觉内容一致，输出一致性评分（高/中/低）及差异原因。” 

风格方向

视觉风格理解：优先识别民宿的真实装修风格而非营销包装风格，区分“实景 vs 精修图”，对过度滤镜或摆拍进行标注。
功能风格分类：按住宿类型区分商务型、亲子型、情侣型、独居型、背包客型，并给出匹配关键词（如安静书桌、浴缸、儿童床、共享厨房）。
地域文化风格：识别并标注具有地域特色的元素（如徽派建筑马头墙、傣式竹楼、藏式布幔），用于提升推荐精准度。

构图建议
若以多模态理解任务为目标进行图像采集或提示词设计，推荐以下构图原则，便于后续信息提取：

全景与特写结合：每张图片应包含一张房间全景（展示空间布局）和至少一张局部特写（如床头材质、窗帘纹理、灯具细节）。
水平视角为主：避免过高或过低的仰视/俯视，以人眼视线高度拍摄，方便识别空间尺度与家具比例。
包含参照物：在画面中放置标准参照物（如床头柜、行李箱、抱枕）用于自动测算空间尺寸。
固定拍摄角度清单：建议采集以下固定角度图片——入口正对、床头正对、窗边对床、卫生间全景、阳台/露台全景、厨房台面俯视。

细节强化
为提升多模态理解的精度，需重点关注以下细节维度：

材质纹理：标注地毯或地板材质（实木、复合、瓷砖、地毯），墙纸或涂料的光泽度（哑光/亮面），窗帘遮光率（全遮光/半遮光/透光）。
光线色温：记录不同照片的光源色温（3000k暖黄/4000k中性/6000k冷白），并区分自然光与人工光。
噪音与气味暗示：虽视觉无法直接体现，但可通过元素间接判断（如临街房间图片中窗户玻璃厚度、有无隔音隔断；房间内有无空气净化器、香薰机或绿植）。
软装细节频率：统计同一民宿图片集中出现次数最多的软装元素（如靠枕、装饰画、地毯），用于判断主题一致性。

使用建议

批量处理时：先对每张图片执行“核心提示词”中的结构化提取，再汇总至表格中，避免逐张描述错漏。
与文本描述交叉验证：将提取到的视觉标签与民宿文字描述进行比对，自动标记矛盾项（如“海景房”但图片显示窗外为停车场）。
用于AI训练：将上述提示词作为标签生成模板，配合多模态大语言模型（如CLIP、GPT-4V），输出JSON格式的结构化数据。
人工审核补充：对自动提取结果中置信度低于0.7的字段，建议人工复核，尤其是风格判断和设施状态。
持续迭代：根据实际民宿数据集的特点（如含大量别墅类民宿或城市短租公寓），动态调整提示词中的关键词列表，保持覆盖度。