AI 生图提示词的六槽位写法

这篇解决什么问题

你描述了一张图，模型给回来一张"差不多但不是那张"，而你不知道该改哪个词。这不是天赋问题，是提示词里缺了一个槽位。

这篇指南建立在计数上，不是习惯上。我们测了 LocalBanana 图库里 9,599 条已发布提示词——所有长度超过 20 字符的条目，每条都存着运行它的模型和产出的图片——然后把统计出来的规律翻译成一套可以逐行照做的写法。

AI 生图提示词该写多长

中位数是 83 词，均值 128——说明有一条很长的右尾，一批人写得远超中位数。

值得注意的是，这个上升不是渐进的。30 到 79 词之间几乎没有变化；跨到 80–149 词区间，中位浏览大约翻了四倍。

机制不是"长"，而是"装得下什么"。80 词以下，你只够写一个主体加一两个形容词；80 词以上，主体、场景、光线、镜头、情绪能同时出现——模型也就不用拿自己的默认值去填空。

A moody portrait of a woman, cinematic, high quality, 8k

Moody cinematic portrait of a young woman, barely-there makeup, loose dark brown hair, fitted black turtleneck. Dark minimal background fading into black. Gentle diffused front light, soft shadows, subtle film grain, organic color grading, shallow depth of field, high-end editorial feel.

右边是一条真实的图库提示词，大约 60 词。它其实低于 80 词的门槛，却仍然成立——因为它每个词都是规格，不是夸奖。cinematic、high quality、8k 这类词占了长度却什么都没买到；而 dark background fading into black 和 diffused front light 直接决定了画面。

每条提示词都该填的六个槽位

在语料里读足够多表现好的提示词，会反复看到同一副骨架。写出来就是六个问题：

下面是一条真实的图库提示词，六个槽位全填了，这里重排成看得见槽位的形式：

{
  "subject": "young woman, voluminous messy long hair, black sporty crop top
               with white trim, sitting perched on a high dark wooden counter,
               leaning forward, sultry nonchalant expression",
  "setting": "white wall with vintage posters taped up, brown wooden blinds,
              electric guitar neck and liquor bottles in the foreground",
  "composition": "full body, 35mm focal length, slightly low angle,
                  hard flash fall-off, messy but balanced framing",
  "lighting": "direct on-camera flash, hard light, sharp drop shadow on the
               wall behind her, high contrast, no diffusion",
  "color_palette": "vintage film aesthetic, Kodak Gold 200 simulation, warm
                    wood tones against cool white flash, deep blacks, grainy",
  "mood": "indie sleaze, candid, rebellious, snapshot style",
  "negative_prompt": "soft lighting, studio lighting, bokeh, airbrushed skin,
                      3d render, illustration, over-processed, HDR"
}

negative_prompt 这个槽位值得单独说。大多数模型都有一套"家常风格"：柔光、光滑皮肤、浅景深糊背景。如果你要的恰好是它的反面，明说不要什么通常比继续堆正面形容词有效得多。

散文还是结构化槽位

这是整份语料里最出人意料的结果，所以单开一节。

13% 的提示词（1,249 条）是带 subject、lighting、camera、style 这类键的结构化对象，其余 8,350 条是句子。

差 11 倍。但结构化提示词平均也更长，所以最直接的质疑是：这是不是又在测长度？不是。在每一个长度区间内，结构化都仍然胜出：

同样长度、不同结构，结果稳定不同。效应在 80–149 词区间最强——恰好是大多数人本该写的那个区间。

它为什么可能有效，跟模型会不会解析 JSON 没关系。真正的原因是：带标签的槽位没法被留空而不被自己发现。散文允许你写出一句漂亮的、从头到尾没说光从哪来的话；一份写着 lighting: 的清单不允许。

你不需要严格的 JSON 语法，这样就够了：

Subject: [是谁，体貌、服装、表情]
Setting: [地点，背后是什么，前景有什么]
Light: [光源、方向、软硬、色温]
Camera: [焦段、光圈、机位高度、景别]
Mood: [情绪基调，参照媒介]
Avoid: [不能出现的东西]

光线槽位怎么写

光是杠杆最大、也最常被跳过的槽位。下表是语料实际在要什么，占全部 9,599 条的比例：

两个实用读法。第一，rim light 占 3.9%，已经悄悄成了标准词汇而不是进阶技巧，用它不会显得在耍花招。第二，也更有用：这张表的底部是一串几乎没人要的光。side lighting 0.5%、harsh light 0.3%、top light 0.05%。它们效果没问题，只是很少被要——这让它们成了"让一张图不像所有图"的最便宜手段。

还有一个零成本的升级：说方向和软硬，而不是只说一个情绪词。

cinematic lighting, dramatic, moody

single hard source from camera left at 45 degrees, no fill, deep shadow on the far cheek, cool teal spill on the back wall

相机槽位怎么写

语料在相机词汇上异常具体，也正因此缺口很好找：

每七条提示词就有一条提到景深，它是整份语料里最常见的技术指令。而值得利用的缺口在这里：11.1% 点名要浅景深，只有 2.0% 写了 f/1.8。大家报了镜头，然后指望光圈自己出现。把光圈写出来只多一个词，却把歧义彻底消掉。

一个真正能约束画面的相机槽位有四个部分：

Camera: 85mm, f/1.8, eye level, waist-up — background falls off to soft bokeh
Camera: 35mm, f/2.8, slightly low angle, full body — background legible, not blurred
Camera: 24mm, f/4, high angle looking down, subject centred with headroom

焦段还决定了脸怎么被读，这一点的影响比大多数人预期的大。85mm 在语料里以 4.9% 领先，约为 35mm 的 1.4 倍——这个排序反映的是一个偏人像的图库。长焦压缩五官、把人从背景里拔出来；广角放大离镜头最近的东西，同时把房间留在故事里。

一条提示词该发给哪个模型

同一份语料按运行模型拆开，会看到大家其实已经自发形成了分工：

翻成操作建议：

• 带相机槽位的摄影类 → Nano Banana 的提示词里超过 45% 带摄影参数，三者最高。把完整的焦段光圈行写全。去看 Nano Banana 提示词。
• 画面里要出现可读文字的 → GPT Image 有超过一半的提示词在要文字或排版，Midjourney 只有 7.9%。把要出现的文案原样加引号写进提示词。去看 GPT Image 提示词。
• 只有情绪、没有硬约束的 → Midjourney 的提示词是全场技术含量最低的，这是适配而不是缺陷。去看 Midjourney 提示词。

Nano Banana Pro

担担面高级海报

GPT Image

未来耳机广告

GPT Image

香港OL日常穿搭指南

完整的分野，包括三个引擎面对同一份任务的表现，见《Nano Banana vs DALL·E》与《2026 生图工具横评》。

出图不对时怎么改

最费钱的习惯，是一张图不满意就把整条提示词重写一遍——你因此丢掉了"哪一处改动造成了什么"的信息。

一次只改一个槽位，顺序如下：

1. 构图不对（主体太小、裁切错、机位错）→ 只改相机槽位。先改距离和机位，其他都往后放。
2. 构图对但情绪不对 → 只改光线槽位。改方向和软硬，不要改形容词。
3. 风格在往通用漂 → 加排除项。把你正在拿到的那种"家常风格"点名禁掉。
4. 主体细节不对（服装、年龄、发型）→ 把这些细节往提示词前面挪。多数模型对靠前的词给的权重更高。
5. 整体都对，想要变体 → 保持提示词不动，每次只换一个形容词，不要一次换五个。

用参考图的工作流也是同一条规则。当你喂进一张输入图，提示词的职责就从"描述"变成"约束什么可以变"：

如果你要的是一整格连贯变体而不是单张，机制在《多格生图指南》里。

可以直接复制的骨架

散文版，填满大约 90 词——正好落在语料效应最强的区间：

[Subject: age, build, hair, wardrobe, expression, pose].
[Setting: location, background surface, one or two foreground objects].
Lit by [source] from [direction], [hard or diffused], [colour of the light],
[what the shadows do].
Shot at [focal length], [aperture], [camera height], [framing distance].
[Mood in three words], [reference medium].
No [thing to exclude], no [thing to exclude].

结构化版，同样的内容，换成带标签的槽位：

{
  "subject": "",
  "setting": "",
  "lighting": "source, direction, hardness, colour, shadow behaviour",
  "camera": "focal length, aperture, height, framing distance",
  "mood": "",
  "style": "reference medium, grain, colour treatment",
  "negative_prompt": ""
}

每个槽位都填。如果某一项你确实不在乎，那就写下"你希望模型默认成什么"，而不是留空——这就是全部的诀窍。

浏览全部提示词

骨架顺手之后，到生成器里跑一遍，然后一次只改一个槽位。写之前想多读几条结构良好的提示词，人像分类是图库里密度最高的地方。

常见问题

AI 生图提示词该写多长？

在 9,599 条语料中，长度中位数是 83 词，且互动中位数在 80 词这条线上出现明显跳变——从 5 升到 19。建议写 80–150 词：足以装下主体、场景、光线、相机和情绪，又不至于灌水。

一条 AI 生图提示词应该包含什么？

六个槽位：主体、场景、光线、相机、情绪与风格、排除项。主体和情绪几乎人人都写；光线和相机决定大多数图的成败；排除项最便宜也最少见。

AI 提示词应该用 JSON 写吗？

在同等长度下，结构化提示词的中位互动显著高于散文——80–149 词区间是 141 对 17。严格的 JSON 语法不是重点，带标签的槽位才是，因为它让"某项没填"变得可见。

负面提示词（negative prompt）真的有用吗？

在你的任务与模型默认审美相反时特别有用。如果你要硬闪光，而模型一直给柔光棚拍，把 soft lighting, studio lighting, bokeh, airbrushed skin 写进排除清单，比继续堆正面形容词可靠。

哪类提示词该发给哪个模型？

带摄影参数的照片类交给 Nano Banana，它有 45.5% 的提示词带这些参数。画面里要出现可读文字的交给 GPT Image，它有 51.7% 的提示词在要排版，而 Midjourney 只有 7.9%。只有情绪、没有硬约束的适合 Midjourney。这里统计的每一条提示词都公开发布在 LocalBanana 图库里，附带产出的图片和运行它的模型。