系列教程说明
这是「AI专家养成计划」系列教程的第45篇，共140篇。从AI零基础出发，每天进步一点点。早课以理论为主，帮你理解概念、建立框架——读完这篇，你就知道如何用文字精确描述你想要的画面，让AI画出你心中的图。
上篇回顾
昨天我们学习了AI图像生成的基础知识。三个核心要点：
- AI图像生成的原理：扩散模型从噪声中”去噪”还原图像，CLIP模型理解文字与图像的对应关系——这两者配合，让”文字变图片”成为现实
- 三大主流工具：Midjourney（审美最强）、Stable Diffusion（最灵活可定制）、DALL·E（最易上手）——各有适用场景，没有绝对最优
- 基本操作流程：选择平台→输入文字描述→生成图片→挑选调整——四步就能完成一次AI创作
今天我们深入一个关键技能——提示词（Prompt）。如果说AI图像生成是一支画笔，那提示词就是你握住画笔的手。写得好，AI画出惊艳作品；写不好，AI给你一堆”四不像”。
为什么提示词这么重要？
先做一个小实验。
假设你想让AI画一只猫。
你输入：”一只猫”
AI可能给你一只卡通猫、一只写实猫、一只趴在沙发上的猫、一只站在雨里的猫——完全随机，因为你给的信息太少了。
现在换个写法：”一只橘色的英国短毛猫，趴在阳光下的窗台上，窗外是下雨的城市街景，日系胶片摄影风格”
结果完全不同——AI会给你一张构图讲究、光影动人、风格统一的图片。
提示词就是你和AI之间的”翻译器”。 你脑子里有画面，但AI看不到你的脑子。提示词的作用，就是把你脑中的画面尽可能精确地”翻译”成AI能理解的语言。
一个有趣的事实：同一个AI模型，用不同的提示词，生成的图片质量可以差10倍。提示词工程（Prompt Engineering）已经成为一个独立的职业方向，顶级AI画师的月薪可以达到3-5万元。
提示词的五大要素
一个好的图像提示词，通常包含五个核心要素。记住这个框架，你就能写出80分以上的提示词。
要素一：主体（Subject）—— 画什么？
主体是提示词的核心，告诉AI”你要画什么”。
好的主体描述：具体、有细节、有动作。
| 一般描述 | 精确描述 |
|---|
|———|———|
| 一只狗 | 一只金毛寻回犬，正在草地上追逐飞盘 |
|---|---|
| 一个女孩 | 一个扎着马尾辫的亚洲女孩，穿着白色连衣裙，坐在秋千上 |
| 一座城市 | 未来主义风格的赛博朋克城市，霓虹灯闪烁的雨夜街道 |
关键技巧：越具体越好。不是”一个人”，而是”一个穿着灰色卫衣、戴着黑框眼镜、正在敲代码的年轻程序员”。
要素二：风格（Style）—— 什么画风？
风格决定了图片的”调性”，是提示词中最有魔力的部分。
常见的风格分类：
艺术流派风格：
- 油画风格（Oil painting）
- 水彩风格（Watercolor）
- 素描风格（Pencil sketch）
- 浮世绘风格（Ukiyo-e）
- 波普艺术风格（Pop Art）
摄影风格：
- 电影级摄影（Cinematic photography）
- 胶片摄影（Film photography）
- 航拍视角（Aerial photography）
- 微距摄影（Macro photography）
数字艺术风格：
- 赛博朋克（Cyberpunk）
- 蒸汽朋克（Steampunk）
- 像素艺术（Pixel art）
- 3D渲染（3D render）
- 扁平插画（Flat illustration）
知名艺术家风格：
- 宫崎骏风格（Studio Ghibli style）
- 梵高风格（Van Gogh style）
- 莫奈风格（Monet style）
实用建议：不确定用什么风格？试试加上”trending on ArtStation”（ArtStation热门风格），这是AI模型训练时见过最多的高质量图片聚集地，生成效果通常不错。
要素三：构图与视角（Composition）—— 怎么看？
构图决定了画面的”视角”，同样的主体，换个视角效果天差地别。
常用的构图描述：
- 特写（Close-up shot）：聚焦面部或细节
- 半身像（Medium shot）：腰部以上，适合人物
- 全身像（Full body shot）：展示完整姿态
- 广角（Wide angle）：展示大场景
- 鸟瞰视角（Bird’s eye view）：从上往下看
- 仰视（Low angle）：从下往上看，显得高大
- 对称构图（Symmetrical composition）：画面左右对称
- 三分法构图（Rule of thirds）：主体放在画面三分之一处
进阶技巧：加上镜头参数会更专业——”35mm镜头””85mm人像镜头””f/1.4大光圈虚化””鱼眼镜头效果”。
要素四：光影与氛围（Lighting & Mood）—— 什么感觉？
光影是图片的”灵魂”，同一场景不同光线可以传达完全不同的情绪。
光线类型：
- 柔和的自然光（Soft natural light）
- 黄金时刻（Golden hour）：日出/日落时的暖光
- 蓝调时刻（Blue hour）：日出前/日落后的冷蓝光
- 逆光（Backlighting）：主体背后有光源，轮廓发光
- 霓虹灯光（Neon lighting）：赛博朋克标配
- 伦勃朗光（Rembrandt lighting）：经典肖像用光
- 体积光/丁达尔效应（Volumetric light / God rays）：光穿过烟雾或树林
氛围描述：
- 梦幻的（Dreamy）
- 忧郁的（Melancholic）
- 温暖治愈的（Warm and cozy）
- 史诗感的（Epic）
- 神秘的（Mysterious）
- 宁静的（Serene）
要素五：技术参数（Technical Details）—— 什么画质？
技术参数是”加分项”，让AI知道你要什么品质的输出。
常用技术参数：
- 高画质：highly detailed, masterpiece, best quality, 8K, ultra HD
- 写实感：photorealistic, hyperrealistic, RAW photo
- 细节丰富：intricate details, sharp focus, fine textures
注意：这些”魔法词”在不同模型中效果不同。在Stable Diffusion社区模型中效果显著，在Midjourney中作用较小（MJ默认画质已经很高）。别过度堆砌，3-5个足够。
提示词的黄金公式
把五大要素组合起来，就是一个万能公式：
[主体] + [风格] + [构图] + [光影] + [技术参数]
举个例子：
“一位穿着红色汉服的年轻女子，站在雪中的竹林里，回首望向远方。中国水墨画风格，半身像构图，柔和的散射光，淡淡的雾气弥漫。highly detailed, masterpiece, 8K”
这个提示词五个要素齐全，AI几乎不可能”画偏”。
再来一个不同风格的：
“一只戴着飞行员护目镜的柴犬，驾驶一架老式双翼飞机穿过云层。复古海报风格（Vintage poster art），正面特写，明亮的阳光照射，充满冒险精神的氛围。flat illustration, bold colors, clean lines”
六个实用技巧
掌握了基本框架，再学六个进阶技巧，让你的提示词从80分提升到95分。
技巧一：权重控制
在Stable Diffusion中，可以用括号控制某个词的权重：
(关键词)= 权重×1.1((关键词))= 权重×1.21(关键词:1.5)= 权重×1.5（精确控制）
比如你想强调”蓝色眼睛”：(blue eyes:1.3) 会让AI更关注这个特征。
技巧二：负面提示词（Negative Prompt）
告诉AI”不要画什么”，和正面描述同样重要。
常用负面提示词：
`
ugly, deformed, blurry, low quality, extra fingers,
extra limbs, watermark, text, signature, cropped
`
特别是画人物时，加上负面提示词可以大幅减少”六指””面部扭曲”等常见问题。
技巧三：参考图片（Image-to-Image）
如果你有一张参考图但想改变风格，可以用”图生图”模式。上传参考图，同时输入提示词：”将这张照片转换为梵高星空风格”——AI会保留原图的构图，但应用新的画风。
技巧四：种子值固定（Seed）
每次生成图片时，AI会用一个随机”种子值”来决定画面细节。如果你生成了一张满意的图，记下它的种子值，下次可以用同样的种子+微调的提示词，在保持整体构图的基础上调整细节。
技巧五：分步描述（适用于复杂场景）
如果画面元素很多，可以按空间顺序描述：从前景到背景，从左到右。
“前景是一片盛开的薰衣草田，中景是一条蜿蜒的小路通向远处的古堡，背景是夕阳下的连绵山脉和紫色的天空。”
这种”镜头推移”式的描述，AI理解起来更准确。
技巧六：学习优秀案例
最快的提升方法是看别人怎么写。推荐几个学习渠道：
- Civitai.com：Stable Diffusion社区，每张图都附带完整提示词
- Midjourney官方画廊：Discord社区里的作品都可查看提示词
- PromptHero.com：专门收集和分享高质量提示词的网站
看到喜欢的图片，研究它的提示词，模仿、修改、迭代——这是提升最快的方式。
常见误区
误区一：提示词越长越好
错。 提示词不是越长越好，而是越精确越好。堆砌一堆不相关的形容词反而会干扰AI的理解。50-100个词通常是最优长度。
误区二：用中文写提示词
目前主流AI图像模型对英文的理解远好于中文。 因为训练数据以英文为主。建议用英文写提示词，或者用翻译工具先转成英文再输入。当然，部分国产模型（如通义万相、文心一格）对中文支持较好。
误区三：一次生成不满意就放弃
AI图像生成是概率事件，同一个提示词生成10次，可能有2-3张特别好，5-6张一般，1-2张完全跑偏。批量生成、从中挑选，才是正确的工作方式。不要指望一次就出神作。
误区四：只关注主体忽略背景
很多人只描述主体（”一只猫”），完全不提背景。结果AI随机生成一个奇怪的背景，破坏了整张图的美感。背景和主体同样重要。
今日行动项
今天回去做一件事：
打开你选择的AI图像生成工具（Midjourney、Stable Diffusion、或者国内的通义万相、文心一格），用今天学的”五大要素公式”写一个提示词，生成一张图片。
练习模板：
“一个[具体主体]，在[具体场景]中，[正在做什么动作]。[画风]风格，[构图]，[光线]，[氛围]。[技术参数]”
填入你自己的内容，生成3-5张图，选出最好的一张保存下来。一周后你会发现，你的提示词水平已经有了质的飞跃。
📖 地铁深读：提示词背后的语言学秘密
这个板块专为地铁通勤设计，每篇5-10分钟。不想深读可以跳过，不影响主线学习。
为什么AI能”听懂”你的描述？
这个问题的答案，藏在一个叫CLIP的模型里。
2021年，OpenAI发布了CLIP（Contrastive Language-Image Pre-training）。这个模型做了一件看似简单但意义深远的事：它把文字和图片放在同一个”语义空间”里。
什么意思呢？想象一个巨大的多维空间。在这个空间里，”猫”这个词和猫的图片会被放在相近的位置，”狗”这个词和狗的图片也在附近，但”猫”和”狗”的距离就比较远。
CLIP通过学习4亿对”图片-文字”数据，建立了这种对应关系。当你输入”一只橘色的猫”时，CLIP能理解这五个字的含义，并在那个多维空间里找到对应的”方向”，引导图像生成模型朝那个方向”画”。
这就是为什么提示词越具体，效果越好。 “猫”在语义空间里是一个很大的区域，包含了各种各样的猫；而”一只趴在窗台上晒太阳的橘色英国短毛猫”是一个非常精确的点，AI更容易找到你想要的那个画面。
一个让人深思的现象：提示词的”潜规则”
你可能注意到了，很多AI画师的提示词里会出现一些”奇怪”的词：
- “trending on ArtStation”（ArtStation热门）
- “unreal engine”（虚幻引擎）
- “octane render”（Octane渲染器）
- “award-winning”（获奖作品）
这些词并不直接描述画面内容，但它们会引导AI生成更高质量的图片。原因是：这些词在训练数据中经常出现在高质量图片旁边。AI学到了这个关联，所以当你提到这些词时，它会倾向于生成更好的画质。
这就像你去餐厅说”给我来一道你们的招牌菜”——你没有指定具体菜品，但”招牌”这个词隐含了”你们最拿手的、最好吃的”这层意思。
但这里有一个值得警惕的问题：这些”潜规则”会导致AI生成的图片趋向同质化。当所有人都在用”trending on ArtStation”时，所有图片都开始长一个样。真正的高手，是能在掌握这些规则之后，跳出规则，找到自己独特的表达方式。
思考题：你的”视觉语言”是什么？
想一个问题：如果你只能用10个词来描述你最喜欢的视觉风格，你会选哪10个词？
比如：
- 有人喜欢”温暖、复古、胶片、慵懒、午后、咖啡、窗户、光斑、木头、安静”
- 有人喜欢”冷峻、赛博、霓虹、雨夜、金属、未来、孤独、蓝紫色、反射、高速”
- 有人喜欢”水墨、留白、意境、淡墨、山、云、孤舟、远山、宁静、诗”
这10个词就是你的”视觉DNA”。用它们组合出来的提示词，生成的图片会有强烈的个人风格。
留个悬念：Day 44左右，我们会讲到ComfyUI——那时候你就能搭建自己的图像生成工作流，把你的”视觉DNA”固化成一个可重复使用的模板，一键生成属于你风格的图片。
明日预告
明天早上8点：Day24——早课 风格迁移：照片变油画。我们将学习如何把一张普通照片变成梵高风格、宫崎骏风格、或者任何你想要的艺术风格——不需要会画画，只需要会写提示词。
今晚5点：Day23——晚课 提示词作画实战。早课学理论，晚课动手练——我们将用真实的AI工具，一步步写出提示词、生成图片、调整优化，完成你的第一幅AI画作。
发表回复