大多数令人失望的 AI 图片,问题出在模糊的提示词,而不是模型能力。这篇指南给你一套可重复的结构,把"凑合"的生成结果变成真正能用的图。
四段式提示词结构
按这个顺序搭建提示词:
- 主体 —— 是谁或是什么,带具体细节。不是"一位女性",而是"一位六十多岁、银发、穿亚麻衬衫的女性"。
- 场景与动作 —— 主体在哪里、正在做什么。"站在市场摊位前,拿起一颗桃子。"
- 光线与氛围 —— 画面的情绪温度。"傍晚的阳光,温暖而从容。"
- 风格与技术参数 —— 渲染指令。"35mm 纪实摄影,浅景深,自然色彩。"
组合起来:
A woman in her 60s with silver hair and a linen shirt,
standing at a market stall picking up a peach,
late afternoon sun, warm and unhurried atmosphere,
35mm documentary photography, shallow depth of field, natural colors
每一段都在回答一个模型原本只能靠猜的问题。
用摄影语言,别堆形容词
"beautiful" 和 "high quality" 几乎没有作用,摄影语言才有:
| 与其写 | 不如写 |
|---|---|
| 特写 | 85mm portrait lens, f/1.8 |
| 大场面 | ultra wide angle, low vantage point |
| 背景虚化 | shallow depth of field |
| 有戏剧感 | strong side light, deep shadows |
| 梦幻 | soft diffused light, slight haze, pastel palette |
你不需要懂摄影 —— 直接借用这些短语,剩下的交给模型。
锚定一个风格参照
杠杆率最高的技巧:把画面锚定到一个可辨识的视觉传统上。
- "national geographic photography style"(国家地理摄影风)
- "Kodak Portra 400 film look"(柯达 Portra 400 胶片感)
- "studio ghibli background art"(吉卜力背景美术)
- "1970s sci-fi book cover illustration"(70 年代科幻书封插画)
- "architectural digest interior photography"(AD 杂志室内摄影)
一个精准的风格锚点,胜过十个零散的形容词。
用正向描述表达"不要什么"
Nano Banana 4 对正向指令的响应远好于 "no X" 式否定。与其写 "no text, no watermark",不如写 "clean image with no text";与其写"别做成卡通",不如写 "photorealistic with natural skin texture"。把每个约束都改写成对理想结果的描述。
小步迭代
图片接近但还差点意思时,每条消息只改一件事:
- "同一张图,把光线调暖一点"
- "其他保持不变,背景换成黄昏的海滩"
- "拉远镜头,展示全身"
模型会保持其余部分稳定。一次改三个地方,你就无法判断是哪个改动起了作用。
按下回车前的检查清单
- 主体是否具体、至少带两个可落实的细节?
- 有没有写光源或时间?
- 是否恰好有一个风格锚点?
- 需要特定宽高比时写了吗?
- 全文是否在 80 个词以内?
把这份清单用上五次,你就不再需要它了。然后去提示词库看看这套结构在人像、产品、场景中的实际应用。