如何把 AI 绘画提示词范例变成可重复的文本生图工作流

大多数人接触文本生图，都是从一串范例开始的：从某篇博客里抄一句话，粘进生成器，居然就得到一张好得出乎意料的图。可等他们自己写一句，出来的东西一团模糊，于是断定那些范例靠的是魔法，而不是方法。

范例并不神奇。它们之所以有效，是因为每一条都悄悄回答了同样那几个问题：这是什么类型的图，主体在做什么，它在哪儿，光在做什么，以及它看起来像什么媒材。如果你能把这几项答案从范例里抽出来，再套到另一个主体上，你就能自己写提示词了。下面的工作流做的正是这件事，顺序固定：先确定成品，拆解一条范例，填满槽位，冻结你不测试的变量，每轮只改一处，诊断偏差，最后导出并记录配方。

动笔之前先确定成品

一条提示词是针对某一个具体文件的指令集，所以先从文件开始。开写之前定下四件事，能省掉后面的大部分返工。第一，画幅比例：横版横幅、方形帖子和竖版海报是三种不同的构图，不是同一张图裁出三种尺寸。第二，唯一的主体：一条提示词里塞两三个互相抢戏的视觉中心，生成的画面往往谁都没交代清楚。第三，观看距离：哪些东西必须在缩略图尺寸下依然可辨，因为只有放到最大才看得见的细节，在构图里就是浪费空间。第四，排除清单，也就是一旦出现就会毁掉这张图的东西。

把比例交给应用自己的控件，而不是写进句子里。Ideogram 的提示词文档把这条界线画得很明确：画幅比例和质量都在设置里选，因为提示词的措辞描述的是构图，并不会改变这些应用控件。多数生成器都遵循同样的分工，KOOX AI 也不例外：模型和输出尺寸都在提示词框旁边，而不是写在框里。

把每条范例拆成五个槽位

AI 绘画提示词范例最好用的形态，是一个短小的有序模板：图像类型、主体、动作或位置、场景，最后是光线与风格。串成一行读起来是这样：一张绿玻璃瓶的产品照，居中放在米色台座上，柔和的窗光，极简的影棚场景。

每个槽位各司其职，明白它管什么，范例才搬得动。

• 图像类型决定这张图的语法：照片、油画、铅笔素描、三维渲染、扁平矢量插画。它是提示词里影响最大的一处措辞，因为它决定了其余的词可以是什么样子。
• 主体承载视觉事实：颜色、形状、材质、纹理、状态。这里用了含糊的名词，结果通常就是题目对得上、画面却空。
• 动作或位置说明主体在画面里怎么待着。即便是一件静物也有姿态：直立、侧躺、占据左侧三分之一。
• 场景回答在哪儿、什么时候，包括主体背后是什么、离得多远。
• 光线与风格决定情绪：方向、软硬、色温，然后是媒材与表面质感。

模板漏掉的东西同样要紧。比例、模型以及任何负向提示词，都是界面里独立的控件，不是句子。一条读起来很顺、却是在别的比例下生成的范例，放到你的画布上复现不出来，再怎么改写也补不上。

填满槽位，再做压缩

先用平实的语言写出填满五个槽位的初稿，然后再删。一个实用的标准是：主体和光线用一个句子，其余用短语。

拿一句很弱的请求试试——一幅关于森林里狐狸的美丽艺术作品——把槽位填上：一幅水彩画，一只红狐静立在一根长满青苔的倒木上，前景是低矮的蕨类，左侧打来冷蓝色的暮光，笔触松动可见。现在每一个补上去的分句，都指向一个你能在结果里核对的东西：狐狸的姿态、那根倒木、蕨类、光的方向、笔触。如果出来的图不对，你能说出是哪一句没兑现，而不用对着整句话瞎猜。

压缩和细节同样重要。两个互相拉扯的形容词，比如柔和与锐利、复古与极简，往往会彼此抵消，或者糊出一层说不清的表面。留下那些描述看得见的东西的形容词，删掉那些只是在表达你对自己所求之物看法的形容词。

冻结所有你不测试的变量

扩散是一个随机过程：同一条提示词，不同次运行会得到不同的像素。Hugging Face 的 diffusers 文档毫不含糊地写明了这一点，指出扩散是一个随机过程，每次生成的输出都不同，所以可复现性既取决于措辞，也取决于对随机种子的控制。

这对迭代有直接影响。如果你同时改了提示词和种子，就说不清是哪一项带来了改善，于是会留下一个其实无关的改动。冻结你不测试的变量：同一个模型、同一个画幅比例、同一个质量设置，工具提供种子的话就用同一个种子。然后只改一个槽位，重新生成，再对比。

如果工具没有种子控制，先跑两次完全相同的生成，看看它们差多少。那就是这个工具的噪声底线，任何小于噪声底线的变化都说明不了什么。

每轮只改一个槽位

这个循环刻意做得枯燥。挑出当前这张图里你判断最弱的槽位，只重写那一个，重新生成，把两个结果按同一尺寸并排放。留下更好的那张，把改动记下来。

同一个槽位改两到三轮，是合理的上限。再往下，问题通常就不在这个槽位上了，老实说下一步该换模型或换构图，而不是把句子写得更长。

按代价给这几轮排序。构图和主体先来，因为主体都不对的图，在光线和风格上做决定是白费。风格放最后，通常也最省事，一个好用的媒材词往往就能解决三个形容词都解决不了的情绪问题。

个人的提示词库也是这么攒起来的。几次实践之后，你不再从零写句子，而是用已经验证过的槽位来拼：一种你知道能出干净阴影的光，一种能把叶丛渲成你想要样子的媒材，一种能给标题留出空间的摆放。

先诊断偏差，再动手改写

因为一处不对就重写整条提示词，正是提示词越写越长、越写越不稳的原因。先给偏差归类，因为每一类都指向不同的槽位。

• 主体对了但画面框架不对：这是构图问题，去修位置和场景。
• 画面框架对了但气氛平淡：先修光线，再动风格词，并给这束光一个方向。
• 主体认不出来，或者融进了背景：要么主体槽位太抽象，要么两个主体在抢。砍到一个，并描述它的边缘。
• 画面太杂：从提示词里去掉次要元素，然后再判断场景本身是不是该更简单。
• 文字渲染成一团乱码：把确切的字词放进引号里，并且保持简短，因为长字符串和生僻拼写最先崩。
• 裁切不对：那是控件的事，不是提示词的事。改比例，然后按新的画幅重写构图那一句。

这几条里有两三条，就几乎覆盖了所有让人失望的结果，而且每一条只要你改一句话，不用整条重做。

把同一条范例放到第二个模型上试

一条提示词进库之前，先拿到另一个模型上跑一次。多数平台都提供好几个模型，KOOX AI 的text to image工具就在画幅比例和分辨率这两个独立控件旁边列出了多个模型。各模型在皮肤、文字、叶丛和细密纹理的渲染上各不相同，为某一个调好的提示词，换一个并不会自动复现。

提示词保持不变，只换模型。无论你更喜欢哪个结果，你都学到了一点耐用的东西：要么这条提示词是模型专属的，值得记一笔；要么它足够稳，在哪儿都能用。

按最终尺寸导出，并把配方记下来

生成设置决定了你之后能拿这个文件做什么。生成之前就把最终尺寸定好，并在这个比例下按工具允许的最大尺寸生成，因为一个小方图要变成宽幅主视觉，要么把构图裁掉，要么拉成一片发虚。如果版式需要另一个比例，就按那个比例重新生成，而不是缩放。

然后用你真正会去翻的形式记录配方：提示词原文、模型、比例、种子（如果有），再加一句这张图是干什么用的。一个装满无名文件的文件夹不叫素材库，每张图配一行注记才叫。

一套二十分钟能跑完的工作流

整个流程塞进一次短时间的会话就够了。先定文件和排除项。把一条范例拆成五个槽位，按你的主体填满。冻结设置，每轮只改一个槽位，每次偏差按类型诊断，而不是全都推倒重来。把胜出的提示词拿到第二个模型上跑一遍，按最终尺寸导出，写下那条注记。

看得见的回报是速度。看不见的回报是，每一张图都留下一条你真正理解的提示词，而这正是“收藏碰巧好用的范例”和“建立一套方法”之间的区别。