1. 从“咒语”到“工程”理解提示词的本质如果你刚开始接触 Stable Diffusion可能会觉得写提示词就像在念咒语——把一堆英文单词扔进去然后祈祷 AI 能理解你的意思生成一张像样的图。我刚开始也是这么想的结果往往是“买家秀”和“卖家秀”的巨大落差。后来我花了大量时间测试、记录、分析才慢慢明白提示词Prompt远不是简单的关键词堆砌它更像是一门与 AI 进行精确沟通的“工程学”。提示词是连接你的想象力和 AI 生成能力的唯一桥梁。AI 模型比如 Stable Diffusion本质上是一个经过海量图文数据训练的复杂数学函数。你输入的提示词会被模型内部的文本编码器如 CLIP转换成一串高维度的数字向量这个向量决定了模型在“潜空间”中探索的方向。简单来说你的提示词就是给 AI 的“导航指令”指令越清晰、越具体AI 就越能准确地抵达你脑海中的目的地。很多人抱怨 AI 画得不好问题往往就出在这个“导航指令”上。模糊的指令如“一个美女”会导致 AI 在无数种“美女”的可能性中随机游走结果自然不稳定。而一个结构清晰、要素完备的提示词则能极大地约束和引导生成过程让结果变得可控、可预期。因此掌握提示词技巧核心在于学会如何将你脑中模糊的“感觉”拆解成 AI 能够精确执行的“结构化描述”。这不仅仅是艺术创作更是一种逻辑构建。2. 构建提示词的黄金结构从骨架到血肉经过无数次测试和对比我发现一个高效、稳定的提示词通常遵循一个内在的结构。你可以把它想象成写一篇文章先确定主题和主体再描绘环境氛围最后用细节和风格定调。下面这个结构是我个人实践下来最有效的框架它能让你的提示词从“杂乱的关键词列表”升级为“可执行的生成蓝图”。2.1 核心主体你想画什么这是提示词的灵魂必须放在最前面并且描述要尽可能具体。避免使用宽泛的名词。基础描述从最基本的开始。1girl一个女孩就比girl好。如果你想画一个男孩就是1boy。外貌特征这是让角色具有辨识度的关键。不要只说“漂亮”要具体化。发型发色long silver hair银色长发、twin tails双马尾、messy black hair凌乱的黑发。瞳色blue eyes蓝眼睛、heterochromia异色瞳。面部特征sharp eyes锐利的眼睛、small nose小鼻子、freckles雀斑。身材与体型slim body苗条身材、athletic build运动体型、petite娇小。服饰与姿态直接定义角色的状态和动作。衣着wearing a white dress穿着白色连衣裙、in a business suit穿着商务西装、armor盔甲。姿态standing站立、sitting on a chair坐在椅子上、looking at viewer看向观众、dynamic pose动态姿势。像热词中的“趴姿”就可以用lying on stomach趴着或prone position来描述。注意在描述人物时应注重艺术性和美感避免使用可能引导生成不当内容的词汇。我们的创作应积极、健康符合主流审美。示例对比模糊指令a beautiful girl一个美丽的女孩结构化指令1girl, long wavy blonde hair, green eyes, wearing a red sweater, smiling softly, looking at viewer一个女孩长长的波浪金发绿眼睛穿着红色毛衣温柔地微笑看着观众后者能生成出风格、样貌高度统一的图像而前者则像开盲盒。2.2 环境与背景故事发生在哪里主体确定后就需要为其搭建舞台。背景描述能极大地提升画面的故事感和完整性。场景类型in a classroom在教室里、on a spaceship bridge在飞船舰桥上、at a bustling medieval market在熙熙攘攘的中世纪市场。自然环境cherry blossom garden樱花花园、snowy mountain peak雪山峰顶、underwater coral reef水下珊瑚礁。时间与光影sunset日落、golden hour黄金时刻、moonlight月光、neon lights霓虹灯光、cinematic lighting电影感灯光。氛围渲染mysterious atmosphere神秘氛围、peaceful and quiet宁静、epic scale史诗感。环境描述不仅填充画面还能与主体产生互动影响整体的色调和情绪。2.3 画面风格与质量决定成片的“滤镜”和“分辨率”这是将一张“不错的图”变成“惊艳的图”的关键。这部分词汇通常对画面有全局性的影响。艺术风格这是最强大的“滤镜”。digital painting数字绘画anime动漫风格oil painting油画风格photorealistic照片写实3D render3D 渲染—— 对应热词中的“3d写实风格”cyberpunk赛博朋克impressionism印象派画质与细节增强这些是“分辨率”和“细节”的保证。masterpiece杰作best quality最佳质量ultra detailed超精细intricate details复杂细节sharp focus锐利对焦镜头与构图模仿摄影和电影语言。close-up特写full body shot全身照low angle view低角度rule of thirds三分法构图2.4 权重控制与语法让AI听懂重点当你把所有元素组合在一起时需要一种方法来告诉 AI 哪些更重要。这就是权重控制和基础语法。括号加权()这是最常用的方法。(word)表示增加该词汇的权重可多层嵌套((word))权重更高通常每对括号增加约 1.1 倍权重。例如(red dress:1.3)和((red dress))效果类似都强调红色连衣裙。数字权重:更精确的控制。语法是(word:weight)weight是数字。(sunset:1.5)表示“日落”的权重是 1.5 倍。权重小于 1 则表示减弱如(tree:0.7)。交替词[A|B]让 AI 在 A 和 B 之间随机选择用于增加多样性。例如[red|blue] dress会随机生成红色或蓝色的裙子。融合词AND用于连接两个概念让它们同时影响图像。这在组合不同角色或复杂概念时有用但需要更高级的控制网络如 Composable Diffusion来完美实现在基础文生图中效果有限。一个综合了上述所有技巧的完整提示词示例(masterpiece, best quality, ultra detailed), 1girl, (long flowing silver hair:1.2), glowing blue eyes, wearing an intricate white and gold armor, standing on a cliff, (fantasy castle in the distance), dramatic sunset sky, (cinematic lighting:1.3), epic fantasy art, digital painting, by Greg Rutkowski and Artgerm杰作最佳质量超精细1个女孩飘逸的银色长发权重1.2发光的蓝眼睛穿着精致的白金盔甲站在悬崖上远处的奇幻城堡戏剧性的日落天空电影感灯光权重1.3史诗奇幻艺术数字绘画作者 Greg Rutkowski 和 Artgerm3. 进阶技巧负面提示词与模型特性掌握了基本结构你已经能生成不错的图了。但要解决那些“奇怪的手”、“多余的手指”、“扭曲的脸”或者不想要的画风元素就需要用到负面提示词Negative Prompt并理解你所用模型的“性格”。3.1 负面提示词的魔法告诉AI“不要什么”负面提示词是一个独立的输入框用于列出你希望图像中绝对不要出现的东西。这是提升出图成功率最有效的工具之一。一个通用的高质量负面提示词模板适用于大多数写实或动漫风格模型(worst quality, low quality:1.4), (bad anatomy), (inaccurate limb:1.2), bad hands, missing fingers, extra digit, fewer digits, (bad feet:1.2), (poorly drawn face), (mutation:1.3), (disfigured:1.2), ugly, blurry, (bad proportions:1.1), (extra limbs:1.3), cloned face, (disfigured:1.3), gross proportions, (malformed limbs:1.2), (missing arms:1.3), (missing legs:1.3), (extra arms:1.3), (extra legs:1.3), (fused fingers:1.3), (too many fingers:1.3), (unclear eyes:1.2), (bad hands:1.3), (bad feet:1.3), text, error, signature, watermark, username, artist name, (foreign characters:1.1)最差质量低质量解剖结构错误不准确的肢体坏手缺少手指多余的手指手指过少坏脚画得差的脸突变畸形丑陋模糊比例差多余的肢体克隆脸畸形奇怪的比例畸形的肢体缺少手臂缺少腿多余的手臂多余的腿融合的手指手指过多不清晰的眼睛坏手坏脚文字错误签名水印用户名艺术家名外文字符如何使用直接套用对于新手可以直接将上面这段模板复制到你的负面提示词框中它能过滤掉约80%的常见低级错误。针对性添加根据你的正面提示词添加特定负面词。例如画现代人物时可以加上medieval armor, sword中世纪盔甲剑来防止出现不相关的元素。画静物时可以加上person, human人人类。权重控制负面词同样支持权重。(ugly:1.5)会比ugly更强烈地抑制“丑陋”的特征。3.2 理解你的模型它擅长什么偏好什么不同的 Stable Diffusion 模型如 ChilloutMix, Anything, Counterfeit是在不同类型的数据集上训练的因此它们有各自的“舒适区”和“语法偏好”。动漫模型如 Anything V5通常对masterpiece, best quality等质量词反应强烈角色描述可以更简洁风格词如anime screencap动画截图效果很好。写实模型如 Realistic Vision更需要详细的场景、光影和材质描述。photorealistic, 8k是关键。人物描述需要更符合真实人体比例。特定风格模型如 Inkpunk Diffusion本身已经内置了强烈风格你的提示词应该更侧重于内容描述风格词可以弱化。检查点触发词很多模型有自己偏好的“触发词”这些词在训练时被高频使用能更好地激活模型的特性。例如某些模型用chibiQ版风格更好有些则需要by [艺术家名]。这需要查阅该模型的发布页面或社区笔记。实操心得不要用一个提示词模板通吃所有模型。生成几张图后观察模型的“输出习惯”然后微调你的提示词。比如某个模型总是把皮肤画得过亮你可以在负面词里加入overexposed过曝另一个模型画的眼睛总是太大可以加入(huge eyes:1.2)到负面词中。4. 从提示词到工作流参数协同与迭代优化提示词不是孤立的它需要与 Stable Diffusion 的其他生成参数协同工作才能发挥最大效力。同时生成图像很少能一蹴而就它是一个“写提示词 - 生成 - 分析问题 - 修改提示词”的迭代过程。4.1 关键生成参数与提示词的联动采样步数Steps步数越多AI 有更多时间“思考”你的提示词细节会更丰富但对提示词的执行也会更“较真”。步数少20-30时风格、氛围词影响更大步数多50时具体的物体、形状描述会更精确。对于复杂提示词建议步数不低于30。提示词相关性CFG Scale这个参数控制 AI 在多大程度上听从你的提示词。值太低7图像自由发散可能忽略你的指令值太高12图像会变得对比度过强、色彩饱和、生硬不自然。通常设置在 7-11 之间是甜点区。当你觉得提示词效果不强时可以尝试调高 CFG当图像看起来“塑料感”重或颜色怪异时应调低 CFG。种子Seed种子决定了随机噪声的起点。固定种子在微调提示词后重新生成可以直观地对比出提示词修改带来的变化是调试提示词最有效的方法。4.2 迭代优化流程以“森林中的精灵骑士”为例假设我们的目标是生成“一位身穿藤蔓与花朵编织的轻甲、手持发光长矛、站在发光蘑菇森林中的精灵女骑士”。第一版基础描述1girl, elf, knight, vine armor, glowing spear, mushroom forest结果分析角色可能是精灵但盔甲细节模糊森林没有发光感构图普通。画面元素混杂重点不突出。第二版增加细节和风格(masterpiece, best quality), 1girl, beautiful elf knight, intricate armor made of vines and glowing flowers, holding a long spear that emits soft blue light, standing in a bioluminescent mushroom forest, fairytale style, digital painting结果分析画面质量提升有了童话感。但“精灵”特征可能不够明显尖耳“发光”程度不足。第三版精确化与权重调整(masterpiece, best quality, intricate details:1.2), 1girl, (elf with long pointed ears:1.3), (knight in elegant armor woven from glowing vines and luminous flowers:1.4), holding a (long crystal spear emitting radiant blue light:1.3), standing in a (dense forest of giant, bioluminescent mushrooms:1.2), (ethereal glow:1.3), fantasy art, by Alphonse Mucha and WLOP同时优化负面提示词在通用负面词基础上加入(dark, gloomy:1.2), modern clothing, gun来确保氛围明亮且不会出现现代物品。调整参数Steps: 35, CFG: 9。通过这样三步迭代我们从一个模糊的概念得到了一张细节丰富、主题明确、风格统一的图像。每一次修改都基于对上一次结果的分析这就是提示词工程的核心工作流。5. 高级策略与灵感获取当你熟练了基础技巧后可以探索一些更高级的策略来创造独特或复杂的图像。5.1 使用艺术家与风格混合在提示词末尾添加by [艺术家A] and [艺术家B]可以尝试融合两位艺术家的风格。例如by Hayao Miyazaki and Moebius会混合宫崎骏的清新与墨比斯的科幻线条感。但这需要实验有时会产生意想不到的冲突。5.2 利用 LoRA 与 Embedding 模型对于非常具体、难以用文字描述的概念如某个特定游戏角色、一种独特的画风可以训练或下载对应的 LoRA低秩适应模型或 Textual Inversion嵌入模型。使用时在提示词中加入特定的触发词如lora:MyCharacterStyle:0.8就能以极小的计算量将该风格或角色特征注入到生成过程中。这是实现高度定制化输出的强大工具。5.3 反向工程与灵感库当你看到一张惊艳的 AI 作品时可以尝试“反推”它的提示词。一些工具和网站提供此功能。即使不能完全反推观察其描述的结构、使用的风格词和质量词也是极好的学习材料。建立自己的“灵感库”收藏优秀的提示词案例并分类整理如“赛博朋克城市”、“奇幻肖像”、“静物摄影”在需要时进行参考和改编能极大提升效率。5.4 应对“AI味”与追求独特性热词中提到的“去AI味的提示词”是一个高阶课题。“AI味”通常表现为过度平滑的质感、不自然的光影、程式化的构图和细节。要减弱它可以尝试增加真实世界的“不完美”在提示词中加入film grain胶片颗粒、slight motion blur轻微运动模糊、shallow depth of field浅景深、natural lighting自然光、asymmetric composition不对称构图。引用特定摄影技术如shot on 35mm film35毫米胶片拍摄、Leica M10 photo徕卡M10拍摄。使用更独特的艺术家避免过度使用如 Greg Rutkowski 等被 AI 过度学习的艺术家尝试寻找风格独特的小众艺术家名字。后期微调在 Stable Diffusion 的图生图功能中以低重绘强度如0.2-0.3使用原图更精细的提示词进行重绘可以添加细节和打破过度规则化的图案。最后提示词工程是一门实践的艺术。没有放之四海而皆准的“完美公式”最好的学习方法就是动手去试大量地生成仔细地对比耐心地调整。从模仿优秀的案例开始逐步形成自己的描述语感和风格偏好这才是从“使用者”迈向“创作者”的关键一步。