AI 出图提示词的五段结构:为什么你写的总是不对
「高清、大师作品、8K、电影感」——这类词对模型几乎没用。真正有效的提示词有结构:主体、风格、构图、光线、镜头质感。按顺序写,出图稳定十倍。
写提示词最常见的误区,是把「形容词」当成「控制」。
「大师作品、8K、超高清、电影感、获奖作品」——这些词在早期的模型里有一点效果,在现在的模型里几乎等于噪音。它们不指向任何具体的视觉特征。
真正有效的提示词,是结构化的描述。
五段结构
第一段:主体(Subject)
谁 / 什么,几个,在做什么,穿什么。
- ❌「一个女孩」
- ✅「一个二十岁左右的女孩,短发,穿米色针织衫,坐在窗边的木椅上,手里拿着一本书」
主体越具体,模型越不会自由发挥。具体不是啰嗦,是控制。
第二段:风格(Style)
用有共识的流派词,而不是抽象形容词。
- 可用:极简主义、包豪斯、国潮、浮世绘、胶片摄影、水彩、丝网印刷、孟菲斯、侘寂
- 慎用:「高级感」「大气」「国际化」——这些词没有视觉对应
风格词最好只用一个主风格 + 一个辅助风格,堆三个以上会互相打架。
第三段:构图(Composition)
决定画面第一眼落在哪。
- 景别:特写、半身、全身、远景
- 视角:平视、俯拍、仰拍、等距
- 位置:居中、三分法、留白在左/右/上
- 比例:主体占画面 60%、大面积留白
构图词对结果的影响,比风格词更大,但最常被忽略。
第四段:光线(Lighting)
光决定质感。
- 方向:侧光、逆光、顶光、窗光
- 质感:硬光(清晰投影)、柔光(柔和过渡)、漫射
- 色温:暖调 3000K、中性 5000K、冷调 6500K
- 特殊:黄金时刻、蓝调时刻、伦勃朗光、蝴蝶光
「柔和的窗光从左侧进入」比「光线很好」有效一百倍。
第五段:镜头与质感(Lens & Texture)
- 镜头:35mm(环境感)、50mm(自然)、85mm(人像压缩)、微距
- 光圈:f/1.8(浅景深)、f/8(全清晰)
- 质感:胶片颗粒、数码锐利、哑光、高光反射
- 限制:不要文字、不要水印、不要多余的手指
一个完整的例子
```
一个二十岁左右的女孩,短发,穿米色针织衫,坐在窗边的木椅上,手里拿着一本书;
日系胶片摄影风格,低饱和;
半身构图,人物偏右,左侧留白;
柔和的窗光从左侧进入,色温 3500K;
85mm 镜头,f/1.8,浅景深,细腻胶片颗粒;
不要文字,不要水印,不要多余的手指。
```
这段提示词没有任何「8K」「大师作品」,但每一项都可执行。
中文 vs 英文
- Midjourney / Stable Diffusion / Flux:英文提示词效果通常更稳(训练数据以英文为主)。
- 即梦 / 通义万相 / 可灵:中文原生支持好,中文描述反而更准。
建议:中文写结构,再翻译成英文喂给英文模型。不要用机翻的「高级词汇」,用简单、具体的名词和动词。
三个进阶技巧
技巧一:用「参考图 + 权重」。 Midjourney 的 --sref(风格参考)、--cref(角色参考),Stable Diffusion 的 ControlNet,比纯文字更能控制结果。
技巧二:负向提示词。 明确「不要什么」,比「要什么」更能修正问题。常见负向:text, watermark, extra fingers, deformed hands, low quality, jpeg artifacts。
技巧三:固定种子(seed)。 找到一张满意的图,固定 seed,只改一个变量(比如光线),可以系统性地探索。
一个练习方法
选一个主体(比如「一杯咖啡」),用五段结构写 5 版提示词,每次只改一段:
- 改风格(写实 → 插画 → 极简);
- 改构图(特写 → 俯拍 → 留白);
- 改光线(窗光 → 硬光 → 逆光);
- 改镜头(35mm → 85mm → 微距);
- 改质感(胶片 → 数码 → 哑光)。
5 版出来,你会直观看到「哪一段在控制什么」。这比看十篇教程有用。
提示词不是「咒语」,是「 brief 」。你写得越像一份设计 brief,模型交出来的东西越接近你要的。