我写提示词时，不再只靠感觉了

为什么你的提示词总是”玄学”

很多人第一次用AI生图，会本能地这样写：

一个很有氛围感的场景，忧郁、浪漫、有电影感，像梦境一样。

然后出图。效果可能不错，甚至惊艳。

但再生一次，画面完全变了。换个角色，风格也跟着跑了。你想微调，却发现根本无从下手——因为你自己都说不清，上一次出图到底是”哪句话”在起作用。

这就是多数人写提示词时陷入的困境：把所有赌注押在情绪描述上，却没有给画面搭建任何可控的支撑系统。

今天这篇文章要讲清楚一件事：

一条真正专业的提示词，不是一段优美的许愿文，而是一份职责明确的视觉施工图。

每一个词，要么在管情绪，要么在管结构，要么在管材质，要么在管边界。当你能辨认出每个词的”岗位”，出图就不再是碰运气，而是可设计、可调试、可批量复现的工作流。

第一层认知：情绪描述——画面的”灵魂”，但也是最大的不确定性来源

我们先正视一个事实：情绪词当然有用。

当你写下”苍凉””克制””私密””仪式感”这类词时，你实际上在给模型一个调性指令。模型会根据训练数据中与这些词高度关联的视觉模式，去选择色调、氛围、人物表情、场景类型。

这是情绪描述的价值所在：它划定了画面的气质方向。

但问题在于，情绪词是高度多义的。

“苍凉”——可以是西北戈壁的航拍，也可以是一张褪色的黑白肖像，也可以是一座废弃的工业厂房。

“仪式感”——可以是教堂穹顶下的烛光，也可以是日式茶道的枯山水，也可以是一本精装书的烫金封面。

一个情绪词，在模型内部对应着成百上千种视觉实现路径。你不指定路径，模型就自己选一条。选得好是灵感，选得差是噪声。

所以，纯情绪写法的本质是：你把画面的大部分决策权交给了模型的随机采样过程。

这在探索阶段完全没问题——你本来就想看看模型能给出什么意外。

但一旦你需要稳定输出、批量生产、精确还原脑中画面，纯情绪法就会让你陷入无尽的抽卡循环。

第二层认知：结构描述——画面的”骨骼系统”

如果说情绪描述回答的是”这张图该让人感到什么”，那结构描述回答的是一个完全不同的问题：

这张图该怎么被”造”出来？

结构描述不关心抽象感受，它关心的是具体的视觉机制——

• 载体是什么？ 一张杂志封面、一帧电影截图、一幅油画、一张证件照、一块广告灯箱？
• 构图怎么安排？ 主体居中还是三分法？留白在上还是在左？视线引导线从哪到哪？
• 光从哪里来？ 左前方45度的硬光？正上方的顶光？背后的逆光轮廓？
• 用什么”设备”拍的？ 中画幅胶片的颗粒感？大光圈镜头的浅景深？手机前置摄像头的透视畸变？
• 什么时代、什么流派？ 1970年代的杂志摄影？文艺复兴时期的湿壁画技法？日本昭和年代的海报设计？

当你把这些条件写进提示词，你实际上是在做一件事：用明确的视觉约束条件，把模型的生成空间从一个巨大的可能性球体，压缩到一个你想要的小区域里。

这就像拍电影。导演不会对摄影师说”给我一种孤独感”就完事了。他会说：用50mm定焦，光圈2.0，主光从窗户进来，演员站在画面右三分之一处，背景虚化但保留窗框轮廓。

结构描述，就是你作为”导演”给模型这台”摄影机”下的执行指令。

它的核心优势是可复现性。当你把载体、光线、构图、材质、时代风格全部锁定后，即使更换角色、更换场景元素，画面的整体框架依然稳定。这对于制作系列图、封面、角色设定板、品牌视觉物料来说，是刚需。

第三层认知：为什么两者必须协同工作

到这里，你可能会想：那我全部用结构描述不就行了？把一切写死，稳定输出。

可以，但你会发现一个问题：纯结构化的提示词，出来的图往往”正确但无趣”。

它像一张技术指标全部达标的样片——曝光准确、构图规矩、色彩标准，但你看着它，什么感觉都没有。

这是因为结构描述本质上是在做约束，它告诉模型”不要往那边走”，但没有告诉模型”在允许的范围内，往哪个气质方向倾斜”。

而情绪描述恰好弥补了这个缺口。

结构划定边界，情绪在边界内注入方向。

打个比方：

• 结构描述像河道的堤坝，决定水往哪里流、不会泛滥。
• 情绪描述像水流本身的速度和温度，决定这条河是湍急的还是平缓的，是冰冷的还是温热的。

只有堤坝没有水，是干涸的工程图纸。
只有水没有堤坝，是四处漫溢的洪水。

真正成熟的提示词，是结构和情绪的精确配合。

实战框架：一条提示词里的”六个岗位”

经过大量实践，我把一条高质量提示词里的语句归纳为六个功能岗位。不是说每条提示词都必须包含全部六个，而是你要清楚你写的每句话，到底在执行哪个岗位的职责。

岗位一：载体锚定——这张图”是什么东西”

这是最容易被忽略、却对出图影响最大的一个维度。

你要告诉模型，最终生成物的物理形态是什么。一张杂志内页？一帧电影截图？一幅装裱好的油画？一张手机屏幕截图？一块印刷在纸袋上的包装图案？

载体不同，模型调用的视觉逻辑完全不同。同一个”复古人像”，写成”杂志封面”和写成”电影剧照”，出来的构图、色调、字体处理、画面比例会有质的差异。

岗位二：时代与流派——画面的”视觉基因”

每个时代、每个设计流派、每个摄影运动都有自己的视觉DNA。

当你写下一个明确的时代风格参考时（比如”装饰艺术风格（Art Deco）””新浪潮电影（French New Wave）””昭和时代平面设计”），你实际上在调用模型训练数据中一整套高度一致的视觉规则：配色倾向、线条语言、排版逻辑、材质偏好。

这比写十个形容词都有效。因为你不是在描述感觉，你是在直接指向一个已经存在的、成体系的视觉系统。

岗位三：技术参数——”这张图是怎么被拍出来的”

镜头焦段、光圈大小、胶片型号、相机型号、打光方式。

这些看起来是摄影技术术语，但在AI图像生成中，它们扮演着极其精准的画面控制角色：

• 写”85mm f/1.4″，模型会倾向于输出浅景深、主体突出、背景柔化的人像。
• 写”广角镜头（wide-angle lens），仰拍”，画面会出现明显的透视畸变和空间张力。
• 写”柯达Portra 400胶片质感”，色彩会偏向温暖、柔和、带有轻微颗粒感的影调。

你不需要真的懂摄影，但你需要理解这些术语在模型眼中代表什么视觉模式。 它们是极其高效的画面控制旋钮。

岗位四：构图与版式——画面的空间秩序

主体放在哪里？视线往哪个方向看？留白在哪一侧？如果有文字，标题在顶部还是底部？

构图指令直接控制画面的空间分配。对于海报、封面、品牌物料这类有明确版式需求的场景，这个岗位几乎是必填项。

岗位五：情绪与叙事——画面的温度和故事

这就是我们前面说的情绪描述。但当它出现在一条已经具备结构骨架的提示词中时，它的作用变了——它不再是漫无方向的氛围许愿，而是在一个已经被锁定的视觉框架内，做最后的气质微调。

“像深夜独自翻阅的一本私人手记”——这句话不会让画面的载体、光线、构图跑掉，但会让模型在现有框架内，选择更内敛的表情、更低沉的影调、更私密的氛围。

岗位六：反向约束——”什么东西绝对不要出现”

这是收口用的。

当你发现模型总是在某些地方跑偏时（比如总往赛博朋克风格靠、总生成卡通质感、文字总是乱码），明确写出排除条件，相当于给生成空间画了一条红线。

反向约束不是创作，是质量控制。

不同场景下的岗位组合策略

理解了六个岗位之后，关键问题变成了：在不同使用场景下，该侧重哪些岗位？

场景一：纯探索，看看模型能给什么惊喜

核心岗位：情绪与叙事 + 时代与流派

此时你有意保留大量自由度，让模型自己补全画面细节。你只给一个气质方向和一个粗略的风格参照，剩下的交给随机性。

场景二：制作系列图，需要换角色但保持统一风格

核心岗位：载体锚定 + 技术参数 + 构图与版式 + 反向约束

把角色设为可替换变量，其他所有视觉条件全部锁死。这样无论放谁进去，画面的”壳”都是一样的。情绪词可以加，但放在最后，只做微调，不做主控。

场景三：制作商业物料（封面、海报、包装）

全部六个岗位都要上场。

载体决定最终形态，时代流派定视觉基因，技术参数控影调质感，构图版式管空间分配，情绪叙事补气质温度，反向约束防跑偏。

这是最”重”的写法，但也是稳定性和完成度最高的写法。

场景四：希望稳定但不失灵气的日常创作

核心组合：技术参数 + 载体锚定 + 情绪叙事 + 反向约束

先用载体和技术参数搭好基本框架，再用一两句情绪描述给画面注入个性，最后用反向约束堵住最常见的跑偏方向。这是性价比最高的日常写法。

一个核心原则：先搭骨架，再注灵魂，最后画红线

如果把以上所有内容浓缩成一句操作口诀，就是这个顺序：

第一步：锁载体和结构——这张图”是什么东西”、”怎么被造出来的”。

第二步：补情绪和叙事——在已经确定的框架内，注入气质方向。

第三步：设反向约束——把已知的跑偏倾向堵上。

这个顺序不是随意排列的，它背后有一个逻辑：越靠前的描述，对画面的控制力越强；越靠后的描述，越像是在做微调。

如果你先写一大段情绪描述，再在后面补结构条件，模型很可能已经被前面的情绪词带到了某个方向，后面的结构条件未必能完全拉回来。