AI 绘图提示词工程入门：写高质量 Prompt 的完整指南
提示词工程的本质不是“写一段漂亮文字”，而是把视觉需求转成可控变量。你给模型的每一个约束，都会在输出里体现为概率偏好。真正专业的做法不是追求一次出图，而是建立一套可复现、可比较、可迭代的提示词体系。
1. 把 Prompt 拆成 8 个可控模块
| 模块 | 作用 | 示例 |
|---|---|---|
| 主体（Subject） | 画面核心对象 | “女性产品经理，30 岁左右” |
| 动作（Action） | 行为与姿态 | “手持平板，正在演示” |
| 场景（Scene） | 空间环境 | “玻璃会议室，傍晚城市天际线” |
| 风格（Style） | 视觉语言 | “商业摄影，轻电影感” |
| 光线（Lighting） | 氛围控制 | “侧逆光，柔和阴影” |
| 构图（Composition） | 镜头与比例 | “中景，3:2，人物偏左留白” |
| 质量（Quality） | 细节密度 | “high detail, clean texture” |
| 负向（Negative） | 排除错误元素 | “no extra fingers, no text watermark” |
将这些模块固定后，团队成员才能复用结果，而不是每个人都从零开始试错。
2. 三大平台的提示策略差异
| 平台 | 适合场景 | 推荐写法 |
|---|---|---|
| Midjourney | 风格化品牌视觉、海报 | 英文视觉词 + 参数控制（--ar/--stylize） |
| DALL-E 3 | 解释型场景、产品说明图 | 自然语言完整描述 + 明确限制 |
| Stable Diffusion | 需要高度可控的风格复现 | 正向词 + 负向词 + 权重微调 |
同一个需求跨平台时，最好分别维护模板，不要直接拷贝。
3. 可执行示例
Midjourney 示例
/imagine prompt: SaaS dashboard hero image, modern fintech office, confident product manager, cinematic lighting, blue-gray palette --ar 16:9 --v 6 --stylize 300
DALL-E 3 示例
Create a clean hero image for a B2B SaaS homepage. Show a product manager presenting analytics on a large screen in a modern office. Keep the composition minimal, leave negative space on the right for headline text, and avoid cartoon style.
Stable Diffusion 示例
Positive: (professional business portrait:1.2), modern office, natural skin texture, soft cinematic light
Negative: lowres, bad hands, extra fingers, watermark, text, overexposure
4. 从“随机出图”到“可复现出图”的流程
- 先固定基础模板（主体、构图、风格）；
- 每轮只改一个变量（例如只改光线）；
- 记录 seed、参数、模型版本；
- 将最佳样例沉淀为团队模板。
如果你不记录版本和变量，下一次即使写同样的词，也很难复现上次结果。
5. 常见问题与解决策略
| 问题 | 成因 | 解决策略 |
|---|---|---|
| 人物手部异常 | 细节约束不足 | 增加姿态描述和负向词 |
| 品牌风格漂移 | 风格词过多互相冲突 | 固定 1-2 个主风格词 |
| 构图不稳定 | 未定义镜头与留白 | 明确景别、角度、画幅 |
| 输出偏“网图感” | 缺少真实材质与光线约束 | 增加材质词和光线类型 |
6. 场景案例：同一提示词为何三平台结果差异大
某团队为新品发布会制作主视觉，直接把同一段中文提示词复制到三个平台，结果风格完全不同。后续他们改为“平台定制模板”：Midjourney 负责氛围海报，DALL-E 3 负责说明图，Stable Diffusion 负责局部细节修复。最终产出速度更快，返工次数下降。
7. 团队协作建议
- 建立提示词仓库：按场景分类（品牌海报、产品页、社媒封面）；
- 每个模板附带“可改参数列表”；
- 固定审稿标准：信息准确、风格一致、版权可用。
如果你会把生成图用于演示，也可以配合AI 幻灯片生成工具推荐，把出图流程与演示制作串成完整内容生产链。
8. 一份可直接复用的 Prompt 模板
[主体]，正在[动作]，位于[场景]，采用[风格]，光线为[光线描述]，构图[镜头/比例/留白]，强调[关键细节]，避免[负向元素]
9. 参数记录模板（建议团队统一）
为了确保复现，你可以给每次出图记录以下字段：
| 字段 | 示例 |
|---|---|
| 模型版本 | MJ v6 / SDXL 1.0 |
| seed | 1847291 |
| 提示词版本 | hero-v3 |
| 关键参数 | --ar 16:9 --stylize 300 |
| 使用场景 | 官网首屏 / 路演封面 |
如果不做记录，后续团队成员几乎无法稳定复用“上一版效果很好”的结果。
10. 版权与合规提醒
商业场景使用 AI 图片前，建议确认三件事：
- 平台许可是否允许商用；
- 是否使用了受版权保护的角色或商标元素；
- 是否需要保留生成记录用于审计。
尤其是广告投放和官网主视觉，最好在上线前由法务或品牌团队做一次快速审阅。
11. 从个人技巧到团队资产
很多设计团队的痛点是“会写提示词的人太少”。建议把每次成功案例沉淀成模板卡片：包含目标、提示词、参数、失败样例和修正思路。这样新成员可以直接复用，而不是重复走弯路。长期来看，提示词库会像设计系统一样，成为团队可复用的生产资产。
在实际协作中，还可以每月做一次“提示词评审会”，集中复盘本月效果最好的 10 组模板，并淘汰失败率高的旧模板。
提示词工程做得好，价值不只在“图更好看”，而在于你可以稳定交付、可预测产出质量，这对商业场景尤为关键。
参考：https://docs.midjourney.com/