同一个模型，两个人写提示词，结果可能差出十倍。差别通常不在“词够不够多”，而在结构。

把提示词拆成三层，每次只改一层，才能知道是哪一个变量影响了结果。

第一层：主体（What）

先说清楚“画面里有什么”，而不是“好看”。

主体：一只半透明的机械水母
动作：悬浮，触须缓慢摆动
环境：深海，微弱洋流

这三个要素缺一个，模型就会自己脑补。脑补的结果通常是平均化的——也就是“平庸”。

第二层：视觉语言（How）

这一层决定风格，包含四个维度：

维度例子影响
光线体积光、霓虹逆光、阴天漫射氛围与层次
材质磨砂玻璃、液态金属、粗陶真实感与触感
构图三分法、中心对称、低视角视觉重心
色彩品红-青绿互补、单色紫调情绪

写视觉语言时，用名词和形容词，少用副词。“非常非常漂亮”对模型没有信息量，“磨砂玻璃质感，边缘有淡紫色轮廓光”才有。

第三层：技术参数（Control）

这一层是工程参数，不属于自然语言：

  • 画幅比例（1:1、3:4、16:9）
  • 采样步数与引导强度
  • 随机种子（用于复现）
  • 负面提示词
负面：文字, 水印, 多余肢体, 过曝, 低分辨率, 塑料感

负面提示词不是越多越好。堆到几十个词会稀释主要约束，通常 5–10 个足够。

一个可复用的模板

[主体] in [环境], [动作/状态].
Lighting: [光线]. Material: [材质]. Composition: [构图].
Color: [色彩]. Style: [风格参考].
--ar 3:4 --seed 12345

先固定第二、三层，只改主体，能快速得到一组风格统一的素材；反过来，固定主体只改风格，则适合做视觉探索。

一致性从哪来

想做一组“同一角色、不同场景”的图，靠提示词很难稳定。更可靠的做法是：

  1. 固定种子，微调描述；
  2. 使用参考图 / 图生图（如果模型支持）；
  3. 训练小型的角色 LoRA（成本更高，但一致性最好）。

关于“像不像 AI 生成”

一个反直觉的经验：细节过多反而更像 AI。真实照片有景深、有噪点、有轻微的构图失误。适度的“不完美”描述（浅景深、胶片颗粒、轻微过曝）会让结果更可信。

小结

提示词不是咒语，是一份给模型的需求文档。主体、视觉语言、技术参数三层分开写，才能定位问题、复用经验、批量生产。