9,599 条真实 AI 生图提示词里到底写了什么

我们测了什么

大多数提示词建议，是把一个人的习惯上升成了规律。这一篇是计数。

我们取了 LocalBanana 图库里的 9,599 条 AI 生图提示词——所有已发布、长度超过 20 字符的条目——测量它们实际包含什么：多长、怎么组织、用了哪些技术词汇。每条提示词都存着运行它的模型和产出的图片。

AI 生图提示词该写多长？

提示词长度中位数是 83 词，均值 128——说明分布有一条很长的右尾，有相当一批人写得远超中位数。

从最短档到最长档，互动中位数上升约 10 倍。而且不是渐进的——跳变发生在 79 到 80 词之间，中位浏览从 5 跳到 19。

这个阈值是实用结论。80 词以下的提示词通常只描述了主体；超过之后才有余地同时指定光线、镜头、构图和情绪——模型也就不用猜了。

结构比长度更重要吗？

是——而且这是整份语料里最出人意料的结果。

13% 的提示词是结构化 JSON，而非散文：一个带 scene、subject、lighting、camera、style 等键的对象。其余是句子。

中位互动差 11 倍。JSON 提示词平均也更长（278 词对 105 词），所以最直接的质疑是：这是不是只是在重新测量长度？

我们做了控制。在每一个长度区间内，结构化仍然胜出：

同样长度、不同结构，结果稳定不同。效应在 80–149 词区间最强——把一条中等长度的提示词结构化，对应约 8 倍于同等篇幅散文的中位互动。

它为什么可能有效：JSON 对象逼你给每个槽位命名。你没法把 lighting 留空而不被自己发现；散文却允许你写出一句漂亮的、从头到尾没提光从哪来的话。

{
  "subject": "young woman, mid-20s, shoulder-length dark hair",
  "wardrobe": "oversized cream knit sweater",
  "setting": "sunlit café window seat, mid-morning",
  "lighting": "soft window light from camera left, warm bounce",
  "camera": "85mm, f/1.8, eye level, shallow depth of field",
  "mood": "quiet, unposed, candid",
  "style": "editorial photography, fine film grain"
}

CCD闪光灯酒店慵懒脱鞋瞬间

Nano Banana Pro

提示词▾

基于用户肖像，一位年轻女性躺在白色沙发上，从正上方俯拍视角，慵懒放松的姿势，仰望镜头。凌乱蓬松的头发散落在沙发垫上，表情放松略带倦意，深夜私密氛围。仰卧在沙发上，一只手伸向脚跟正在脱高跟鞋，手指勾着鞋后跟即将滑落，另一只手放在头旁或头发里，双腿微曲，捕捉脱鞋的瞬间。穿着黑色西装裙、黑色透明丝袜，高跟鞋正在被脱下握在手中。构图为俯视鸟瞰全身照，28-35mm广角卡片机，直接从正上方拍摄。主体对角线填满画面，沙发和地板边缘可见，随意快照式构图。直射机顶闪光灯，刺眼且不讲究，硬闪产生皮肤和面料上的强烈高光，沙发上有明显投影，眼中有闪光反射，额头和颧骨过曝热点。CCD卡片机闪光灯风格，2000年代初数码傻瓜相机，直闪高ISO噪点，暖色白炽灯环境光混合冷色闪光，色彩略浑浊。酒店客房内部，夜间，白色沙发，大理石地板隐约可见，窗外城市灯光。深夜私密瞬间，派对后回酒店的氛围，卡片机闪光灯抓拍，原始未修饰。

复制

真实的结构化提示词——每个槽位都填了，没有留给模型自由发挥的余地。在 LocalBanana 打开

大家实际在用哪些光线关键词？

主体之后，光线是人们最常动用的词汇。下表是含该词的提示词占全部 9,599 条的比例：

两点值得注意。rim light 占 3.9%，远比它的"进阶技巧"名声更普及——它已经悄悄成了标准词汇。而 flash 占 3.5%，反映了直闪审美的彻底流行：人们是故意在要一台廉价相机的观感。

明显稀缺的：top light（0.05%）、candlelight（0.2%）、blue hour（0.2%）。不是因为它们没用，而是因为很少有人想到要。

相机参数里哪些出现最多？

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。焦段里 85mm 以 4.9% 领先，约为 35mm 的 1.4 倍、50mm 的 2 倍，与图库偏人像的结构一致。

光圈比焦段稀缺得多：f/1.8 占 2.0%、f/2.8 占 1.3%。大多数人报了镜头却不报光圈——这挺反常的，因为正是光圈产生了他们当中 11% 点名要的浅景深。

不同模型分别被要求做什么？

同一份语料，按运行模型拆开：

人们把摄影类交给 Nano Banana、文字与版面交给 GPT Image，而给 Midjourney 写的是全场技术含量最低的提示词。这个分野我们在《Nano Banana vs DALL·E》里做了拆解。

下一条提示词可以改的五件事

1. 写过 80 词。 那是互动中位数发生跳变的位置，也大致是一条提示词能同时装下主体、光线、镜头和情绪的长度。
2. 把它结构化。 哪怕只是一份带标签的清单——主体、场景、光线、相机、情绪、风格——也能复现 JSON 效应的大部分。重点是让你没法把某个槽位留空。
3. 给光线命名。 6% 的语料写了 studio lighting，其余大部分对光只字未提。只要你说得具体一点，就已经领先中位数。
4. 报光圈，不要只报镜头。 11% 的人要浅景深，只有 2% 写了 f/1.8。把光圈说出来，别再靠祈祷。
5. 偷一个稀缺词。 blue hour、candlelight、side lighting、top light 各自都低于语料的 0.5%。它们效果没问题，只是很少被人要。

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 词以上出现明显跳变——从 5 升到 19。大多数场景建议写 80–150 词：足以指定主体、光线、相机和情绪，又不至于灌水。

提示词越长出图越好吗？

在我们的数据里，长度与互动正相关，但机制不是长度而是规格密度。一条 200 词的形容词堆砌，赢不了一条 90 词但点明了光线、镜头和构图的提示词。

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。

AI 提示词里最常见的技术词是什么？

景深（depth of field），出现在 14.5% 的提示词里，其次是 close-up（9.3%）和 bokeh（5.4%）。光线词里 studio lighting 以 6.5% 居首。

AI 提示词里哪个焦段用得最多？

85mm，占 4.9%——领先于 35mm（3.5%）和 50mm（2.4%）。这个排序反映的是一个偏人像的语料；若换成偏风光的图库，顺序很可能反转。