AI绘画提示词怎么写才好？

为什么提示词的措辞很重要

图像模型读提示词的方式和人不一样。文本编码器把词语变成数字，图像生成器经过训练，会生成与这些数字相匹配的图片。训练字幕里经常和某类图片一起出现的词，会把结果拉向那类图片。比如 golden hour（黄金时刻）总是和暖色低角度阳光一起出现，所以它几乎相当于一个光线设置。

由此得出两点。第一，具体的视觉词胜过抽象词：wet cobblestone street 给了模型可画的东西，而 a sad mood 只会让它瞎猜。第二，模型会掂量每一个词，所以 very、beautiful、amazing 这类填充词只占位置，不增加信息。大多数工具对文本编码器能读取的长度也有限制，超出的部分会被截掉或影响变弱，所以提示词的前半部分分量最重。

许多生成器还会使用引导（guidance）：把带提示词生成的图和不带提示词生成的图作对比，把结果往两者的差异方向推。引导强度越高，越严格遵循文字，但画面可能显得生硬或过饱和。这就是为什么清晰的提示词配中等引导，通常比含糊的提示词配高引导更好看。

一个可反复套用的提示词公式

大多数好提示词回答的都是同样六个问题。按这个顺序写，因为模型往往把靠前的词看得更重要。

[subject + key details], [action or pose], [setting + time],
[style or medium], [lighting], [camera / lens / framing], [color + mood]

1. 主体：是谁或是什么，加上两三个重要细节（年龄段、服装、材质、颜色）。
2. 动作：主体在做什么。动词会给模型一个可画的姿势。
3. 场景：在哪里、什么时候。一个地点加一个时间段就够了。
4. 风格或媒介：照片、水彩、3D渲染、墨水速写、扁平矢量、动漫赛璐璐上色。
5. 光线：对氛围影响最大的一个因素。写明光源和方向。
6. 镜头与构图：景别、角度、镜头焦段、景深，以及主体在画面中的位置。

不必每次都写满六项。产品图可以省掉动作，抽象图案可以省掉镜头。但在点击生成之前对照一遍清单，能抓住最常见的漏洞：提示词只描述了主体，别的什么都没写。

从弱到强：一次完整的改写

下面是典型的初稿。它给了模型一个主体和一个形容词，对画面应该是什么样子却只字未提。

a beautiful cat in a cafe, high quality, 8k, masterpiece

结果通常是一只居中的普通猫，背景是模糊的室内。在目前大多数模型上，8k 和 masterpiece 并不会增加细节，只会把画面推向光鲜的图库风格。下面的改写保留同一个构思，但回答了那六个问题。

an orange tabby cat with a white chest, sitting on a wooden windowsill
inside a small cafe, looking out at the rain, late afternoon,
35mm film photograph, soft window light from the left, warm interior lamps
in the background, medium close-up at eye level, shallow depth of field,
muted warm colors, quiet and cozy

如果第二版还是不对，一次只改一处，其余保持不变。一次改五处，你就没法知道是哪个词带来了变化。

风格、光线、镜头与构图关键词

这些词汇图像模型普遍能理解，因为它们常见于照片说明、艺术描述和影视用语。每一行选一两个用，不要全用。

反向提示词：作用与使用时机

反向提示词（negative prompt）是第二个文本框，告诉模型要避开什么。在基于 Stable Diffusion 或 FLUX 的工具里，它通常是单独的输入框或 negative_prompt 参数；Midjourney 则用 --no 参数。有些对话式的图像工具根本没有反向框，这时要正面表述需求（写 a clean, empty wall，而不是 no text on the wall）。

反向提示词最适合处理具体、可见的东西：

Prompt:   a clean product photo of a ceramic mug on a white table
Negative: text, logo, watermark, extra handles, cluttered background

• 好的对象：文字和水印、多余的手指、多出来的第二个人、你总是反复得到的某个物体、你不想要的颜色。
• 效果弱的对象：一长串质量词，比如 ugly, bad, worst quality。它们在某些老模型上有一点帮助，但也会把每张图都推向同一种样子。
• 不要把同一个想法放进两个框里。提示词里写了猫，反向里又写 cat，两者会互相抵消并搞乱结果。
• 在主提示词里写 no 往往适得其反：a room with no windows 提到了窗户，模型可能就把窗户画出来。

常见错误与实际局限

• 主体太多。三个人、三套衣服、三个动作，经常会混在一起：衣服互换、手糊在一起。先生成主要主体，再用编辑或局部重绘（inpainting）添加其他的。
• 要求精确的文字。许多模型仍会拼错单词或编造字母，非拉丁文字尤其如此。文字要短、用引号括起来，或者之后在编辑器里加。
• 手、数量和位置。Five apples 或 the cup to the left of the book 不一定会被遵守。检查结果后重新生成或编辑，而不是添加更多词。
• 风格词互相冲突。photorealistic watercolor anime 往三个方向拉扯。选定一种媒介。
• 在不同模型之间照搬提示词。为某个工具调好的提示词，换到另一个工具可能表现不同，因为各自的文本编码器和训练数据不同。依赖它之前，先多测几次。

许多工具支持中文等非英语提示词，但有些模型主要用英文字幕训练。例如，cv.cm 的AI图片生成器会先把非英语提示词翻译成英文再运行模型，所以简短、直白的短语比成语和俗语翻得更准。