初学者常犯的 10 个提示词错误（以及如何修复）

这十条是怎么挑出来的

大多数「新手错误」清单是某个人的习惯被写成了规则。这十条的挑法不一样：拿一条短提示词通常包含什么，去比对 LocalBanana 图库里 9,599 条已发布提示词——所有正文长于 20 字符的条目，每条都存着运行它的模型和产出的图片。

所以下面每一条错误都带一个数字：修正后的写法在语料里到底有多常见，以及修正版长什么样、可以直接复制。

错误 1：提示词写完主体就停了

语料里五分之一不到 30 词。这些提示词几乎都是点了个主体就结束——光线、镜头、构图、服装、情绪全部交给模型的默认值，而所有人的默认值是同一套。

按长度看中位浏览量说的是同一件事：不到 30 词是 4，30–79 词是 5，然后 80–149 词跳到 19。这个台阶不是渐进的，它落在「一条提示词刚好能同时装下主体、光线、相机和情绪」的长度上。

咖啡馆里的女人，美丽，高质量

A woman in her late twenties sitting at a cafe window seat, mid-morning, oversized cream knit sweater, hands around a ceramic cup, looking out of frame to camera left. Soft window light from the left, warm bounce off the table. 85mm, f/1.8, eye level, shallow depth of field. Quiet, unposed, editorial.

错误 2：要虚化，却不给光圈

整份语料里最锐利的一个矛盾：11.1% 的提示词点名要浅景深，而其中 77.6% 从没写过 f/1.8 这样的光圈。 大家描述了效果，却扣下了产生这个效果的那个参数。

焦距的覆盖率好得多——85mm 出现在 4.9% 的提示词里，35mm 3.5%，50mm 2.4%。所以典型写法是「给镜头、不给光圈」，而光圈才是真正控制虚化的那一半。

人像，背景要虚化得好看，bokeh，专业

85mm, f/1.8, focus on the eyes, background falls off into soft bokeh, subject 2 metres from a brick wall 6 metres behind her

距离和数字一样重要。f/1.8 但人贴着墙，等于没有分离；同样的光圈、身后留六米，才是大家想要的那个样子。

错误 3：不写光线

studio lighting 是语料里最高频的光线词，占 6.5%。其余全部更低：cinematic lighting 4.8%、rim light 3.9%、natural light 3.8%。全部加起来，大多数提示词依然对光线只字未提。

这是最便宜的一次升级。写清方向、质感和光源，八个词就能让你超过中位数。

打光好看，戏剧性，电影感

Single hard key from camera right at 45 degrees, no fill, deep shadow down the left side of the face, cool practical light in the background

二十个光线词的完整频次表、以及每个词落到脸上是什么效果，在《光线关键词指南》。

错误 4：写成一大段散文，而不是带标签的槽位

语料的 13%（1,249 条）是用结构化 JSON 写的，不是散文。这批提示词的中位浏览量明显更高——整体 98 对 9——而且控制长度后仍然成立：在 80–149 词区间，结构化提示词中位浏览 141，同长度散文只有 17。再说一次：这是相关性，且长提示词在各方面都占便宜。但它的机制很容易相信。

带标签的槽位没法被无声跳过。 散文允许你写出一个漂亮的句子，而这个句子从头到尾没提光从哪来。

{
  "subject": "man, early 30s, short dark hair, three-day stubble",
  "wardrobe": "charcoal wool overcoat, grey crew neck underneath",
  "setting": "empty underground car park, concrete pillars, wet floor",
  "lighting": "overhead fluorescent strips, hard top light, green colour cast",
  "camera": "35mm, f/2.8, low angle, full body",
  "mood": "still, waiting, unglamorous",
  "style": "documentary photography, fine grain"
}

不需要严格的 JSON。一份普通的清单——主体：／场景：／光线：／相机：／情绪：——就能复现大部分效果，因为空着的那一行是看得见的。

错误 5：堆质量形容词，而不是堆规格

masterpiece、8k、ultra detailed、award winning、hyperrealistic——这些是上一代模型留下的习惯，它们占掉的正是你本可以用来写事实的字数。长提示词表现更好，是因为它装了更多规格，不是更多字。两百字的赞美，依然是一条什么都没说的提示词。

masterpiece, best quality, 8k, ultra detailed, award winning photography, stunning, breathtaking, hyperrealistic portrait of a woman

Portrait of a woman in her forties, visible skin texture and fine lines left intact, no retouching. Soft north-facing window light, white wall two metres behind. 85mm, f/2.8, chest-up framing.

正例更短，却多做了四个决定。

错误 6：给了镜头，没给机位

机位是语料里最被忽略的一项控制。low angle 占 2.5%、eye level 1.4%、high angle 0.74%。而 close-up 有 9.3%——大家指定「切多紧」的频率远高于指定「相机站在哪」，可决定主体气质的恰恰是高度。

特写人像，50mm 镜头，构图好看

50mm, chest-up crop, camera slightly below eye level looking up, subject centred with negative space above the head

错误 7：描述你不想要的东西

否定式写法逼模型先把你想排除的东西表示出来。而且它是多余的：每一个否定都有更具体的肯定形式。

不要人，不要模糊，不要文字，手不要奇怪，不要卡通

Empty street at dawn, sharp focus throughout, clean untextured surfaces, hands resting flat on the table in full view, photographic realism

错误 8：自相矛盾

物理上不兼容的指令，模型会挑一个执行，而挑哪个不由你决定。常见的几对：

35mm wide angle shot, extreme close-up of her face, heavy bokeh, golden hour, overcast day

35mm, waist-up, subject two metres away, background compressed but still readable, late afternoon sun from behind camera left

错误 9：把活派给了错的模型

把同一份语料按运行模型拆开，专长分野一目了然：

超过一半的 GPT Image 提示词要画面内出现文字，Midjourney 只有 7.9%。如果你的图需要一行能读的标题，选模型比写提示词更决定成败。

完整拆解：Nano Banana vs GPT Image 和 Nano Banana vs Midjourney。

错误 10：抄提示词，却没改掉「只对原作者有效」的那部分

这一条要把真实提示词并排看才发现。有两样东西会跟着复制过来，并悄悄让它失效：

方括号占位符。 图库里大量提示词是当模板写的，留着 [BRAND NAME]、[FOOD]、[CITY] 这样的字段。原样粘贴，模型会把括号里的字画出来、自己编一个品牌，或者给你一个泛泛的替代品。

绑账号的参数。 语料里的 Midjourney 提示词经常以 --profile wstgdj4 或 --sref 2143660546 结尾。profile 码指向的是那个人的个性化数据，--sref 指向一张特定的风格参考图。照抄等于在要别人的审美，却一点也没带过来——换到不认这些参数的平台上，则是完全无效。

复用任何提示词之前：把所有方括号换掉、删掉属于别的平台的参数、再确认一下原图是不是有一张参考图在干文字没说的活。

一条同时避开十个坑的提示词

Subject: woman in her early thirties, shoulder-length dark hair pushed
  behind one ear, no visible makeup, faint smile
Wardrobe: oversized ecru linen shirt, sleeves rolled to the elbow
Setting: kitchen table beside a north-facing window, mid-morning,
  half-finished coffee and an open notebook in frame
Lighting: soft directional window light from camera left, white wall
  bouncing a little fill into the shadow side, no artificial light
Camera: 50mm, f/2.0, eye level, waist-up, subject offset to the right
  third with negative space to the left
Motion: caught mid-turn towards the window, not looking at the lens
Style: editorial documentary photography, fine natural grain,
  neutral colour, skin texture preserved

九十词。它同时给了镜头和光圈、光线方向和质感、机位、裁切、一个瞬间，以及零个「应该多好看」的形容词。去生成器跑一遍，然后一次只改一行，你就能看出是哪个槽位在扛整张图。

浏览更多提示词

常见问题

为什么我的 AI 图总和想象的不一样？

多数情况下是提示词只写了主体。我们 9,599 条语料里有五分之一不到 30 词，光线、镜头、构图、情绪全交给了默认值。先补一个光线方向和一行相机参数——这两处改动对画面的影响大于任何其他修改。

新手的提示词应该写多长？

目标 80–150 词。这是我们数据里中位互动跳台阶的位置（30–79 词区间中位浏览 5，80–149 词区间 19），也大致是「装得下主体、光线、相机、情绪且不注水」所需的长度。完整长度分析见《9,667 条提示词里到底写了什么》。

负面提示词（negative prompt）有用吗？

「写你不想要的」本身就是一条更弱的指令，而且各平台行为不一。把每个否定翻成肯定：把「不要模糊」写成 sharp focus throughout；把「手不要奇怪」写成手放在哪、在做什么。

为什么我抄来的提示词跑出来不一样？

通常三个原因：[BRAND NAME] 这类方括号占位符没替换；提示词里带着 --sref、--profile 这类只在 Midjourney 有意义的参数；或者原图用了一张文字里从未提及的参考图。我们图库里每条提示词都标了运行模型，前两个几秒钟就能核对。

新手该从哪个模型开始？

拍照类工作选 Nano Banana——语料里它 45.5% 的提示词带摄影参数，它就是被设计来「像给摄影师下 brief 一样用」的。画面里要有可读文字就选 GPT Image，它 51.7% 的提示词是文字任务。其余选择见《2026 AI 生图工具横评》。