图像生成的提示结构：主体、风格与约束
蝶语森林
4 min read
图像生成的提示不是形容词堆砌，而是分层描述"画什么、怎么画、不画什么"。把这三层写清楚，比塞一堆华丽词更可控。很多失败出图，根因不是模型弱，而是提示本身信息冲突或主体模糊。
主体：先定对象，再定细节
主体要具体到"数量、形态、材质、姿态、所处环境"。模糊主体会触发模型的随机补全，每次出图差异巨大。例如"一只陶瓷材质的猫，蹲姿，置于木质窗台，侧光"比"可爱的猫"稳定得多。主体描述要放在提示最前面，权重最高，因为它决定了画面到底在表达什么。
主体里最容易漏的是"环境关系"。只写"一个水杯"会得到悬浮的水杯；补上"置于石质桌面，背景虚化"，模型才知道怎么安置它。环境不是装饰，而是帮模型消除歧义的坐标。
风格：讲特征，不抄作品
风格用可观察的视觉特征描述：光照（侧光、柔光、硬阴影）、镜头（广角、微距、景深）、质感（低多边形、水墨、胶片颗粒）、色彩倾向（冷调、高对比）。描述风格特征而非指向具体画作，既能表达意图，也避免落到对特定作品的模仿上——那类描述既不稳定，也带来不必要的归属争议。
一个实用做法是给风格定"参考维度"而不是"参考名字"：先想清楚要"写实还是抽象""明亮还是阴郁""近景还是全景"，再翻译成特征词。这样比扔一个流派名词更可控，也更容易在多次出图间保持一致。
约束：比例、构图与排除项
约束层负责"收边"：
- 画幅与比例：明确横/竖、宽高比，避免被默认比例带偏。
- 构图重心：主体位置、留白、是否居中。
- 负向提示（negative prompt）：列出不要的元素，如变形肢体、多余手指、水印、模糊。负向提示对遏制常见瑕疵效果明显。
def build_prompt(subject, style, constraints, negative):
pos = f"{subject}, {style}, {constraints}"
return {
"prompt": pos,
"negative_prompt": ", ".join(negative),
"aspect_ratio": constraints.get("ratio", "1:1"),
}
边界条件
- 长提示不等于好提示。信息过多会互相打架，模型在冲突描述间取平均，结果四不像。先保证主体清晰，再加风格，末尾再补约束。
- 提示无法精确控制微观细节。手指数量、文字内容、特定标识这类，生成器仍会出错，关键处要靠后处理或多次筛选，别指望一次命中。
- 负向提示有边界：列太多会让画面干涩、丢细节；只列真正高发的瑕疵即可，把负向词当成"急救清单"而非"愿望清单"。
- 风格词之间可能互斥（"极简"配"繁复纹理"），写之前先想清楚冲突，否则模型被迫折中，两边都不像。
- 同一提示在不同模型上产出差异很大，提示是和模型耦合的，换模型要重新调，不能把一套提示当作通用资产。
多次生成的筛选策略
单次出图命中率低时，与其反复改提示，不如固定提示批量出若干张再筛。批量能暴露提示的"稳定产出范围"：如果十张里只有两张可用，说明提示约束力弱，该补约束；如果十张都偏离，说明主体或风格描述本身有问题。把批量出图当成对提示的探针，比单张反复试错更高效，也更能看清模型在这套提示下的真实表现。批量的另一好处是能横向比较——同一套提示的产出方差，本身就是提示质量的一个信号，方差越大越说明描述没定住。
图像提示的本质，是用最少且无冲突的信息，把主体的确定性和风格的边界同时给定住。提示工程的价值不在"写得多"，而在"写得准"。
1 view
0 likes
0 comments