用 GPT Image 2 生成图像：六个常见错误及其修正方法

用 GPT Image 2 生成图像很少是因为模型太弱而失败。它失败，是因为提示词留给模型一个你本不打算交出去的判断：产品摆在什么表面上、两次修改之间夹克是什么颜色、海报上文字有多大。OpenAI 自己的指南指出了 GPT Image 2 仍需帮助的地方——冗长复杂的提示词、精确的文字摆放、在不同次生成之间会走样的重复角色与品牌元素，以及元素必须落在精确位置上的版式。这些每一条都是决策点，而每一条都不是靠模型、而是靠提示词习惯来解决的。本指南列出那些会把一个清晰的请求变成一轮返工的错误，并为每一个错误配上一个可以贴进 KOOX AI 的 GPT Image 2 工具 的修正写法。

错误 1：交代的是一种氛围，而不是一个交付物

最常见的失败发生在模型还没开始画之前：提示词描述的是一种感觉，而不是一个素材。“一台酷炫的未来感音箱，电影感，高细节”告诉 GPT Image 2 的是你喜欢什么，而不是它要造出什么。PixVerse 的提示词指南把修正办法称为“先点明任务，再谈风格”——从产出类型写起，比如产品广告、海报、角色设定图、UI 界面，或视频的第一帧，因为仅由风格形容词拼成的提示词，没有给“成功”下定义。

对比这两条需求简述：

一台酷炫的未来感音箱，电影感，高细节。

为一台哑光黑色无线音箱制作一张高端产品广告。它必须能用作 16:9 的营销横幅：产品位于右侧，左侧留出一小块标题区域，负空间干净，产品边缘锐利。

第二段提示告诉模型结果将如何被评判——看版式和可用性，而不只是看美感。PrompTessor 的指南从写作角度讲了同样的道理：先给“合格素材”下定义，因为“高级电影感图像”是一种氛围，而“带文案安全区的 4:5 付费社媒产品照”才是一份规格说明。

错误 2：只说明要改什么，却没说保留清单

修改类提示词之所以失败，是因为它们只描述了该动的地方。保留清单可能与所要求的改动同样重要，因为没有它，模型就可以随意重绘任何它认为相关的东西。Felo 的提示词指南把它总结成“只写改动”公式——先说明改动，再列出必须保持不变的东西。

把停着的那辆汽车换成一辆复古自行车。精确保留房屋、栅栏、车道、景观、光照方向、机位和一天中的时段。让自行车的比例、接触阴影和透视与现有场景一致。

三句话，三项任务：改动、锁定、物理真实感。同样的结构也适用于 KOOX 的 图生图工具：用“场景 + 保留”的指令，在环境改变的同时把主体固定住。

错误 3：上传参考图却没有分配角色

当输入多张图时，模型需要知道每一张是干什么用的。“用好这些参考图”会让 GPT Image 2 有空间把所有东西混在一起；给每张图分配一个角色就能消除这种含糊。Felo 的指南把这条处理参考图的规则概括为“要角色，不要感觉”，而 PrompTessor 展示了它在实践中的样子：

图 1：产品的主要身份。保留几何形状、标签、瓶盖形状、材质和比例。
图 2：仅作布光参考。使用它柔和的光源和受控的阴影对比。不要照搬它的主体。
图 3：仅作构图参考。使用它偏左的布局和负空间比例。不要照搬它的颜色或文字。

还有一个不那么显眼的错误常与它相伴：一张一张地拼参考集。Flick 的 GPT Image 2 指南提醒，分开的提示词会走样，而一批连贯的图像——由同一段不变量一起生成——产出的设定图内部一致，而不是八张各自差一点的近似品。

错误 4：指望用散文把文字精确渲染出来

文字是提示词从“描述”变成“锁定素材”的地方。如果必须出现某些字，就把它们加引号写出来，说明它们该出现几次，并说明不许添加什么。“一句关于速度的标语”会诱使模型自己编文案；而一句带摆放说明的引文不会。PixVerse 的指南建议把标题逐字写出，并加上诸如“仅限指定文字”、“不要多余的字”、“不要重复文字”之类的约束，它还标出了那些应当靠人工审核、而不是靠提示词来把关的情况：精确复刻品牌标识、极小的合规说明文字，以及专有字体。Morphic 的模型说明印证了原因——OpenAI 仍把文字摆放和清晰度列为已知局限，所以一大片密集的小字应当在最终显示尺寸下检查，而不是凭缩略图想当然。

错误 5：一次改动好几个地方

迭代会让偏差不断累积。如果一次尝试同时改了布光、背景和文案，你就分不清是哪条指令起了作用，而下一轮又会从一张其差异并非你选定的图像出发。Felo 的修改规则很直白：每次只改一处，并且把上一版通过的输出重新喂回去，而不是从头再描述一遍场景。Flick 的指南补充了这个习惯的另一半——每次都要重复那些不变量，因为一段先写“藏青色飞行员夹克”、后面又写“蓝色夹克”的提示词，会诱使模型把它们当成不同的东西。一旦约束不再被重申，模型就会走样。

错误 6：把尺寸、质量和背景留在提示词里

在散文里要求“4K”或“高质量”只是一种建议；把参数设好才是一种保证。Felo 的指南专门单列了一节，讲那些不该待在句子里的设置，而 PrompTessor 的建议是把模型、质量、尺寸、背景和输出格式的选择与正文分开。由此得出一条实用的规则：在提示词里描述图像应该包含什么，而用控件来表达它多大、多锐利、背景是什么。同样的纪律还能避免相反的问题——用参数语言把正文灌得过满，让模型把它读成一种审美诉求，而不是技术要求。

为什么像素级一致的区域需要合成，而不是提示词

有一条局限值得直说，因为它解释了一整类令人失望的修改结果。反复修改可能改变你本想保留的细节，而当一个区域必须保持像素级一致时，官方给出的指导是把通过的修改合成回原图，而不是依赖提示词。这不是你措辞上的缺陷，而是生成式修改所能承诺的边界。如果某个标识、某条法律声明或某个产品标签必须分毫不差，那就别让模型去保住它，而应在生成之后用确定性的编辑器把它放上去。

生成前的修正清单

在花掉一次生成之前，用这六个问题过一遍任何 GPT Image 2 提示词：

1. 交付物——第一行是否点明了产出类型以及它将在哪里使用？
2. 保留清单——如果是修改，每一个必须不变的元素是否都写下来了？
3. 参考图角色——每张上传的图是否都有明确用途，不可迁移的特征是否已排除？
4. 文字锁定——必需的文案是否加了引号、说明了位置和次数，并用排除项圈定？
5. 单一变量——如果这是一次迭代，它是否相对上一张通过的图只改了一处？
6. 设置——尺寸、质量和背景是否放在控件里，而不是写在句子里？

六个问题，就是六次避免返工的机会。它们背后的规律是一样的：每一个含糊的措辞，都是模型替你做出的一个决定；而一个你没有明确说明的决定，多半就是你会否掉的决定。

把这些修正用起来

从一个你真正需要的素材开始——一张产品静物、一张海报、一张角色设定图——然后按上面的顺序写需求简述。生成一版草稿，用那六项检查审一遍，改动一个环节，再做对比。等这个循环变得顺手之后，同样的结构也能用到相邻的工具上：用 文生图生成器 造出静物，再用 图生图 把它完善，并把每一个通过的步骤作为下一步的输入。一段读起来像需求简述而不是许愿的提示词，就是一次生成与六次生成之间的差别。