价值688元的提示词炼金术：四大AI绘图模型的图片创作秘籍

很少有教程讲这么细，淘宝卖500以上的都做不到这么细，敬请收藏

提示词炼金术：四大AI绘图模型的图片创作秘籍

——GPT Image 2 / Nano Banana 2 / Midjourney V7 / Stable Diffusion 实战指南

─────────────────────────

2026年，AI绘图进入了真正的「战国时代」。

OpenAI的GPT Image 2会「思考」了，Google的Nano Banana 2能保持14张图的角色一致，Midjourney V7的美学依旧无敌，Stable Diffusion依然是开源定制之王。

但问题是：许多人用这些工具，依然停留在「输入一句话，等一张图」的阶段。结果往往差强人意——不是你运气不好，是你还没摸到提示词的诀窍。

这篇文章不讲大道理，只讲实打实的技巧。我会带你深入每个模型的提示词核心，让你真正掌握怎么写、怎么调、怎么用。

准备好了吗？让我们开始。

─────────────────────────

第一章：为什么你的提示词总是「差一口气」？

1.1 三个灵魂拷问

在开始学技巧之前，我想先问你三个问题：

第一问：当你说「画一张好看的图片」时，你脑海里具体看到了什么？是金色夕阳下的雪山？还是霓虹闪烁的未来城市？——你的「好看」和AI的「好看」，是同一个「好看」吗？

第二问：你有没有发现，同一个提示词在不同模型、不同时间、甚至不同随机种子下，出来的结果完全不一样？——这是AI的「任性」，还是你描述得不够准确？

第三问：如果你要让一个从没见过的插画师帮你画图，你会怎么描述你要的感觉？是只说「画得好看点」，还是会告知他画风、构图、光线、甚至参考图？

这三个问题的答案，决定了你能不能真正掌握提示词工程。

1.2 提示词的本质：不是命令，是表达

许多人写提示词时，潜意识里把AI当成了「听话的工具」——我下指令，它执行。

错。

AI更像是一个「天才但社恐的画家」：它脑子里有无穷无尽的画法，但如果你不告知它具体要什么，它就只能给你一张「平均分」的图——什么都有，但什么都不出彩。

好的提示词，本质上是一场「精准的表达」——你要把脑海中的画面，用AI能理解的方式描述出来。

1.3 四种模型，四种语言

GPT Image 2、Nano Banana 2、Midjourney V7、Stable Diffusion——这四个模型虽然都是「图生图」，但它们的脾气性格完全不同。

模型	性格特点	最适合的场景
——	———-	————–
GPT Image 2	机智、会思考、听话	商业海报、UI设计、多文字场景
Nano Banana 2	编辑能力强、记性好	品牌视觉、角色一致、多图编辑
Midjourney V7	美感无敌、有个性	艺术插画、概念图、氛围图
Stable Diffusion	低调、全能、听话	定制风格、批量生产、技术玩家

接下来的每一章，我都会带你深入一个模型，告知你它的脾气、它的语言、它的独门秘籍。

─────────────────────────

第二章：GPT Image 2——会「思考」的绘图AI

2.1 什么是「会思考」？

GPT Image 2最大的突破，不是像素更高、颜色更靓，而是它在画图之前，会先「想一想」。

普通的绘图模型：你说「画个杂志封面」，它就直接画。

GPT Image 2：你说「画个杂志封面」，它会先分析——杂志封面一般什么结构？标题放哪？图片多大？怎么排版？文字该用什么字体？——想清楚再画。

这个能力叫做「Agentic Reasoning」，简单说就是：AI在执行任务之前，会先规划、推理、优化。

这对你意味着什么？

复杂场景的成功率大幅提升。以前你要反复调整才能得到的「多元素组合」，目前AI能第一次就做对。

2.2 核心能力一览

能力一：2K分辨率

原生支持2048像素，商业印刷、高清展示都够用。

能力二：多语言精准文字

中文、日文、韩文、印地文、阿拉伯文——都能精准渲染。这是目前文字渲染最强的模型之一。

能力三：一次生成多格式

输入「为咖啡品牌设计4个社媒素材」，能同时返回1:1、9:16、16:9、3:4四种尺寸的图。

能力四：Web搜索集成

可以实时查询最新信息。生成「2026年巴黎时装周」海报时，会自动联网确认场地和品牌。

2.3 提示词这样写才有效

原则一：说「要什么」，不说「怎么画」

GPT Image 2很机智，你不需要教它步骤。你只需要告知它你要什么结果。

反例：

“`

先画一个圆形背景，然后在中间放一个产品图，文字放上面，底部加个标签

“`

正例：

“`

一个极简风格的产品海报，产品是手冲咖啡套装（陶瓷滤杯、手磨咖啡壶、木质托盘），背景是浅米色亚麻布纹理，主标题「晨间仪式」用优雅衬线体，副标题「精选埃塞俄比亚耶加雪菲」用无衬线体，整体风格偏日式侘寂美学

“`

原则二：描述要具体到「能拍板」

你说「好看的咖啡杯」，AI不知道你喜爱什么风格的好看。但如果你说「白色哑光陶瓷手冲咖啡杯，杯身有细微手工痕迹，底部有淡青色釉变」，AI就能给你一个具体的画面。

原则三：多元素场景直接说

GPT Image 2的规划能力强，你不需要把布局说得太死。给它一个场景描述，它会自己安排元素位置。

反例：

“`

左边放图片，右边放文字，中间加分隔线

“`

正例：

“`

一张活动海报，主角是一位拉小提琴的街头艺术家，背后是夕阳下的古镇石板路街道，音乐氛围浓厚，海报底部三分之一处有活动信息：时间、地点、票价

“`

2.4 真实提示词模板

模板一：商业海报

“`

[品牌/产品类型]海报，[风格描述]风格

主视觉：[具体描述]

主标题：「[文字内容]」用[字体风格]

副标题：「[文字内容]」

配色：[颜色描述]

整体感觉：[氛围描述]

“`

实战示例：

“`

精品咖啡品牌海报，日式极简风格

主视觉：手工陶瓷滤杯放在原木托盘上，旁边有新鲜咖啡豆和手写卡片

主标题：「慢是一种生活方式」用优雅衬线体

副标题：「来自云南普洱的精品咖啡豆」

配色：米白、浅褐、原木棕

整体感觉：宁静、温暖、手工感、有故事

“`

模板二：社交媒体多图

“`

4张[平台]配图，风格统一为[风格描述]：

图1（[尺寸]）：[内容描述]

图2（[尺寸]）：[内容描述]

图3（[尺寸]）：[内容描述]

图4（[尺寸]）：[内容描述]

“`

实战示例：

“`

4张微信配图，风格统一为温暖治愈系：

图1（1:1正方形）：手捧咖啡杯的特写，杯身有手绘樱花图案，窗外是清晨阳光

图2（9:16竖版）：咖啡馆角落场景，木质桌椅、吊灯、墙上挂着咖啡豆装饰画

图3（16:9横版）：咖啡豆从上方倾倒的慢动作特写，光线营造出咖啡油脂的光泽

图4（3:4竖版）：打开的笔记本旁边放着拿铁，笔记本上有手写日程，整体是工作日氛围

“`

模板三：信息图表

“`

一张关于[主题]的信息图，包含：

– 主标题：[文字]

– 核心数据：[数字+单位]

– 4个关键点：[描述]，每个配一个[图标类型]

– 数据来源：[标注]

设计风格：[风格]，适合[使用场景]

“`

实战示例：

“`

一张关于「每天该喝多少水」的信息图，包含：

– 主标题：喝水的科学

– 核心数据：8杯（约2升）

– 4个关键点：

1. 早上起床先喝1杯温水（协助唤醒身体）

2. 餐前30分钟喝半杯（促进消化）

3. 运动前后补充水分（根据出汗量）

4. 睡前1小时喝小半杯（不宜过多）

– 数据来源：中国居民膳食指南2026

设计风格：清新自然风，配色以蓝绿为主，适合健康类公众号

“`

模板四：UI设计稿

“`

[应用类型]的[界面类型]界面设计，包含：

– 顶部导航栏：[内容描述]

– 主内容区：[功能描述]

– 底部标签栏：[标签描述]

设计风格：[风格]，颜色：[配色]

“`

实战示例：

“`

记账App的首页界面设计，包含：

– 顶部导航栏：显示「2026年5月」，右侧有搜索图标

– 主内容区：顶部是本月支出摘要（大字「¥3,842」），下面是支出分类饼图，最下方是今日支出列表

– 底部标签栏：首页（高亮）、记账、报表、我

设计风格：简洁现代，颜色以薄荷绿为主色调，字体使用系统默认

“`

2.5 成本优化小技巧

GPT Image 2按Token计费，简单几张图花不了多少钱，但想省钱可以这样做：

1. 先用简单描述试方向：复杂提示词先简化，确认方向对了再加细节

2. 批量生成选草稿：不确定时多生成几个版本，选中方向后再精细化

3. 文字密集的图成本略高：提示词里文字越多，消耗越多

─────────────────────────

第三章：Nano Banana 2——多图一致的秘密武器

3.1 它的杀手锏：14路参考一致性

Nano Banana 2（Gemini 2.5 Flash Image升级版）最厉害的地方，是它能同时参考14张图片，保持完美一致。

想象这个场景：你要给一个IP角色设计一套表情包，需要不同姿态、不同场景、不同角度——但角色要长得一模一样。

用普通工具，你要么每次都描述半天，要么后期花大力气修图。

用Nano Banana 2，你只需要把角色参考图喂给它，它就能在各种场景里保持角色一致。

3.2 核心能力一览

能力一：14张图同时参考

目前业界最多的多参考支持。适合角色一致性、产品多角度、品牌视觉统一。

能力二：精准多语言文字

和GPT Image 2同级别，中日韩英法德都能精准渲染。

能力三：风格迁移

把参考图的风格（色调、质感、笔触）应用到目标图。

能力四：智能编辑

局部换背景、添元素、调构图，同时保持主体不变。

3.3 提示词这样写才有效

原则一：明确「变」与「不变」

编辑图片时，最重大的就是告知AI：什么要保持，什么要改变。

反例：

“`

把这张图改得更好看一点

“`

正例：

“`

保持人物的脸、服装、发型完全不变

改变：背景换成海边日落，添加椰子树，添加温暖的金色光线

“`

原则二：用「主体+修改」结构

“`

保持不变：[具体描述]

修改：[具体描述]

“`

实战示例：

“`

保持不变：30岁左右的亚洲男性，短发，穿深蓝色西装，白色衬衫，领带是暗红色

修改：背景换成五星级酒店大堂，浅色大理石地板，水晶吊灯，自然光从落地窗照进来

“`

原则三：多参考时指定每个的用途

“`

参考1（角色）：[描述主角]

参考2（风格）：[风格参考]

参考3（色调）：[色调参考]

生成要求：[综合指令]

“`

3.4 真实提示词模板

模板一：角色多场景

“`

创建[数量]张[角色描述]的图，每个场景不同：

场景1：[场景描述]

场景2：[场景描述]

场景3：[场景描述]

所有图中角色特征必须一致：[关键特征列表]

“`

实战示例：

“`

创建4张「咖啡馆女老板」角色图，每个场景不同：

场景1：站在吧台后，手冲咖啡姿势，围裙上有咖啡渍

场景2：坐在窗边看书，阳光洒在脸上，手里拿拿铁

场景3：在门口迎客，面带微笑，手里拿着菜单

场景4：打烊后擦拭桌子，背景是暖黄色灯光

所有图中角色特征必须一致：30岁左右，马尾辫，圆框眼镜，围裙上有一只猫的刺绣，右手腕有胎记，笑容温和

“`

模板二：产品多角度展示

“`

生成[数量]张[产品名称]的展示图：

角度1：[描述]

角度2：[描述]

角度3：[描述]

风格统一：[描述]

产品形态和品牌元素保持一致：[具体要求]

“`

实战示例：

“`

生成6张「复古蓝牙音箱」的产品展示图：

角度1：正面45度角，展示音箱全貌，皮革材质和金属旋钮清晰可见

角度2：侧面特写，展示音箱厚度和喇叭网格细节

角度3：顶部俯视，展示皮革缝线纹理和logo位置

角度4：放在书桌上，旁边有书本和台灯，展示使用场景

角度5：音箱旁边放着手机，展示蓝牙连接功能

角度6：特写旋钮旋转的动态效果

风格统一：暖色调复古风，胶片质感

产品形态和品牌元素保持一致：方形音箱、皮革外壳、黄铜按钮、底部有「RETRO」金属铭牌

“`

模板三：风格迁移

“`

保留原图的人物/主体不变，只改变风格：

原图：[描述]

目标风格：[风格描述]，参考[风格关键词]

氛围：[描述]

色调处理：[描述]

“`

实战示例：

“`

保留原图人物不变，只改变风格：

原图：一位穿白衬衫的年轻女性，站在办公室窗前

目标风格：Art Deco装饰艺术风格，参考1920年代海报的扁平化处理和几何装饰

氛围：华丽、戏剧性、复古优雅

色调处理：金色和黑色为主，点缀奶油白，高对比度

“`

模板四：背景替换

“`

原图场景：[描述]

保持不变：[元素]

替换为：[新背景描述]

光线调整：[描述]

“`

实战示例：

“`

原图场景：普通办公室格子间

保持不变：同一个人物，女性，穿灰色职业装，站姿

替换为：热带海岛度假村大堂，棕榈树、白色帷幔、泳池景

光线调整：把荧光灯换成自然阳光，加窗外海景的蓝调光线，添加薄荷绿和白色的清新感

“`

3.5 编辑专项技巧

局部重绘：

“`

在原图中，把[要替换的元素]换成[新元素]，

[周围元素]保持原样

“`

日夜转换：

“`

将[日间场景]转为夜晚场景：

天空：[夜空描述]

添加：[夜晚元素，如灯光、月亮、星星]

光线：[夜间光线处理]

人物和主体保持不变

“`

构图调整：

“`

调整图片比例为[新比例]，

通过[扩展/裁剪]背景实现，

主体保持[位置要求]

“`

─────────────────────────

第四章：Midjourney V7——美学无对手

4.1 为什么Midjourney总是一眼惊艳？

许多人第一次用Midjourney，都会有这种感觉：「这图怎么这么好看？」

Midjourney的秘密在于：它脑子里装的是人类几百年的审美积累。它的「美学直觉」不是学出来的，是被海量艺术作品「喂」出来的。

这既是优势，也是「麻烦」——Midjourney有时候会「自作主张」，在你不想要的地方也加上自己的审美。

所以用Midjourney的关键是：给它足够的审美指引，但不要过度限制它的发挥空间。

4.2 核心参数速查

参数	作用	常用值
——	——	——–
–ar	宽高比	16:9、1:1、9:16、3:2
–s	风格化强度	100-1000，数字越大越艺术
–v	版本	7（当前最新）
–style	风格预设	raw（少美化）、cute、scenic
–q	质量/时间	2（最高质量）
–no	不要的元素	–no text

4.3 提示词这样写才有效

原则一：描述画面，不描述步骤

反例：

“`

先画个圆形背景，然后在里面画个月亮，再在月亮旁边画星星，然后用渐变处理背景

“`

正例：

“`

梦幻夜空，一轮满月悬挂在深蓝色天幕上，周围是闪烁的星星和淡淡的银河，萤火虫在草地上飞舞，月光洒在湖面上创造出一条银色倒影，氛围神秘而宁静

“`

原则二：善用艺术家名字

Midjourney对艺术家风格的理解超级准确。一句「参考XXX的风格」，比你写一大段描述都管用。

实战示例：

“`

一幅森林女神的肖像，参考Alphonse Mucha的Art Nouveau风格，装饰性边框，流动的曲线，植物藤蔓与人物融为一体，色彩以青绿和金为主

“`

原则三：用–style raw减少「过度美化」

默认情况下Midjourney会给图片加上「美颜滤镜」。如果你想要更真实或更准确的结果，加上`–style raw`。

4.4 真实提示词模板

模板一：电影级构图

“`

[类型]电影剧照，[场景描述]，

[摄影机角度]，[导演风格]影响，

电影感调色，[光线描述]，

[画面比例] –ar [比例] –v 7 –style raw –s [值] –q 2

“`

实战示例：

“`

黑色电影风格场景，一个侦探站在雨中巷子里，靠着砖墙，烟雾缭绕，低角度拍摄展示湿漉漉的地面反射，黑色电影泰斗吴宇森影响，青橙色调，单一路灯创造的戏剧性阴影 –ar 21:9 –v 7 –style raw –s 750 –q 2

“`

模板二：产品概念设计

“`

产品摄影：[产品]，

[材质描述]，

放置在[环境]，

[光线描述]，

[相机规格]，

商业品质，[背景描述] –ar [比例] –v 7 –style raw –s [值] –q 2

“`

实战示例：

“`

极简无线耳机产品摄影，哑光白陶瓷质感，

放置在日本枯山水庭院中的一块太湖石上，

柔和的顶部自然光，

使用佳能100mm微距镜头拍摄，

背景虚化的禅意花园，

商业产品品质 –ar 4:5 –v 7 –style raw –s 400 –q 2

“`

模板三：艺术风格插画

“`

[艺术风格]插画，[主体描述]，

[艺术家影响]，

[配色方案]，

[质感描述]，

[细节水平] –ar [比例] –v 7 –style raw –s [值] –q 2

“`

实战示例：

“`

Art Nouveau新艺术风格插画，神秘的森林女神，银色长发与藤蔓花朵交织，周围环绕着神话生物，参考穆夏的精致线条艺术，宝石色调配金色点缀，纸张纹理可见，极其精细的装饰边框 –ar 3:4 –v 7 –style raw –s 800 –q 2

“`

模板四：建筑概念设计

“`

建筑可视化：[建筑类型]，[设计风格]，

[环境背景]，[材质]，

[光线和时间]，[渲染风格]，

[视角] –ar [比例] –v 7 –style raw –s [值] –q 2

“`

实战示例：

“`

新加坡垂直森林摩天大楼建筑可视化，生物建筑设计，每层露台都有瀑布般的绿色植物，获得LEED白金认证，日落时分长阴影，渲染风格参考扎哈·哈迪德建筑事务所，航拍视角展示与城市肌理的融合 –ar 16:9 –v 7 –style raw –s 600 –q 2

“`

4.5 文字渲染技巧

V7的文字渲染能力提升许多，但还是要讲究方法：

技巧一：用引号包裹文字

“`

一个霓虹灯招牌，写着「24小时营业」，

复古手写字体，雨夜场景 –ar 16:9 –v 7 –style raw

“`

技巧二：明确字体风格

“`

咖啡馆橱窗，黑板菜单，

文字写着「今日特调：薰衣草拿铁」，

手写粉笔风格，温暖室内灯光，

舒服的咖啡馆氛围 –ar 9:16 –v 7 –style raw

“`

技巧三：用–no避免杂字

“`

一张专业名片设计，简洁白色背景，

优雅排版 –no 模糊的字 杂乱的字母 水印 –ar 3:2 –v 7 –style raw

“`

─────────────────────────

第五章：Stable Diffusion——开源定制的无限可能

5.1 为什么要学Stable Diffusion？

前面三个都是「云端服务」，Stable Diffusion是「本地开源」。

这意味着：

– 完全免费

– 可以训练自己的模型

– 可以用LoRA定制风格

– 可以无限使用

代价是：你需要多学一点技术知识。但只要认真学几天，你就能拥有完全属于你自己的AI绘图能力。

5.2 三个核心概念

Checkpoint模型：就是「基础画风」，决定整体走向。列如SDXL、SD 1.5。

LoRA：就是「风格滤镜」，可以叠加在基础模型上。列如一个「二次元LoRA」能让任何图都变成二次元风。

Embeddings：就是「负面清单」，告知AI什么不要画。用来避免常见的生成问题。

5.3 权重语法——这是SD的独门绝技

Stable Diffusion支持一种叫做「权重语法」的特殊符号，可以精准控制每个元素的重大程度。

括号权重：

“`

(word) = 权重×1.1 （稍微强调）

((word)) = 权重×1.21 （强调较多）

[[word]] = 权重×1.33 （超级强调）

[word] = 权重×0.9 （稍微减弱）

“`

冒号权重：

“`

(word:1.5) = 权重×1.5

(word:0.5) = 权重×0.5

(word:2.0) = 权重×2.0

“`

实战案例：

想让图片里多出现「猫」：

“`

(((cat))), 咖啡馆场景, 温暖灯光, 木质桌椅

“`

对比不同权重，猫的数量会明显变化。

5.4 关键词融合——让两张图「合体」

语法：

“`

[关键词1 : 关键词2 : 数字]

“`

数字是0到1之间，表明在生成过程的哪个时间点切换。

实战案例：

“`

[苹果 : 火焰 : 0.3]

“`

在30%的步数时从「苹果」切换到「火焰」，结果是一个保留苹果形状，但颜色和纹理逐渐变成火焰效果的图。

实战案例：面部融合

“`

[明星A : 明星B : 0.85]

“`

在85%的步数时从明星A切换到明星B，生成一个融合两人特征的面孔。

5.5 负向提示词——SD的隐藏王牌

这是Stable Diffusion最独特的功能：你可以明确告知AI，你不想要什么。

基础负向词：

“`

丑, 畸形, 变形, 糟糕的解剖, 多余的手指, 缺失的手指,

缺失的肢体, 模糊, 水印, 文字, 签名

“`

场景化负向词：

人像摄影：

“`

丑, 畸形, 嘈杂, 模糊, 低对比度, 糟糕的解剖, 糟糕的手,

多余的手指, 缺失的手指, 糟糕的比例

“`

动漫风格：

“`

写实, 照片级, 3D渲染, 电影, 真人人像, 低质量,

糟糕的解剖, 糟糕的比例, 多余的肢体

“`

5.6 真实提示词模板

模板一：高写实人像

“`

杰作, 最高质量, 1女性, 单独, [年龄][种族]女性,

[发型]头发, [眼睛颜色]眼睛, [表情],

[着装描述], 站在[环境], [光线描述],

[相机规格], 专业摄影, 焦点清晰, 8K, 照片级

“`

实战示例：

“`

杰作, 最高质量, 1女性, 单独, 三十岁左右东亚女性,

黑色长直发, 绿色眼睛, 自信微笑,

穿深蓝色西装外套配白色丝绸衬衫, 站在现代写字楼大堂,

右侧窗户自然光, 使用佳能85mm f/1.4镜头拍摄,

专业肖像摄影, 焦点在眼睛, 8K, 照片级

“`

模板二：概念环境艺术

“`

概念艺术, [环境类型], [详细描述],

[天气和时间], [光线描述], [氛围],

[风格], 流行于artstation,

[渲染器风格], 极精细, 8K, 电影构图, [视角描述]

“`

实战示例：

“`

概念艺术, 废弃空间站内部, 巨大的控制室,

破碎的窗户远处可见地球, 零重力漂浮的碎片,

应急红灯投射锐利阴影, 尘埃粒子被遥远星光照亮,

后启示录科幻氛围, 超精细数字绘画,

流行于artstation, Unreal Engine 5渲染质量,

极精细, 8K, 电影构图, 低角度仰视

“`

模板三：产品商业摄影

“`

产品摄影 [产品], [材质描述], [颜色描述],

放置在[背景], [光线设置], [相机和镜头],

[景深控制], 工作室背景, [背景颜色],

商业品质, 极锐利, 8K

“`

实战示例：

“`

产品摄影 瑞士名表, 抛光钢表壳蓝色表盘,

真皮表带缝线清晰可见, 放置在黑色大理石表面,

左上单灯创建优雅高光和反射,

使用尼康105mm微距镜头, 浅景深聚焦表盘,

工作室纯黑背景, 商业品质, 极锐利, 8K

“`

模板四：动漫角色设计

“`

动漫风格插画 [性别][角色类型],

[发型发色], [眼睛], [表情],

[着装], [姿态], [背景元素],

鲜艳色彩, [动漫风格影响],

[渲染质量], 精细, 高质量

“`

实战示例：

“`

动漫风格插画 女性战士, 银色长发随风飘动,

坚定的红色眼眸, 穿黑色战术铠甲配发光青色电路图案,

手持太刀准备姿态, 樱花花瓣与动作融合,

受攻壳机动队美学影响, 赛璐璐风格配数字绘画,

精细线稿, 高质量

“`

5.7 LoRA使用指南

LoRA是Stable Diffusion的「风格包」，可以叠加使用。

语法：

“`

<lora:名称:权重>

“`

权重范围一般0-2，1是标准强度。

实战示例：

“`

杰作, 最高质量, 1女孩, 单独, 粉色短发,

穿校服, 微笑, 站在教室,

自然光, <lora:add-detail:1.0>, <lora:animelineart:0.8>

“`

─────────────────────────

第六章：四平台对比——什么时候用什么

6.1 核心差异一览

想要的效果	GPT Image 2	Nano Banana 2	Midjourney V7	Stable Diffusion
———–	————-	————–	—————	——————
精准文字	强	强	一般	弱（需技巧）
多图一致	一般	最强	一般	一般
艺术美感	强	强	最强	取决于模型
定制灵活	一般	一般	一般	最强
文字渲染	精准	精准	改善中	需技巧

6.2 场景推荐速查

场景	推荐模型	缘由
——	———-	——
商业海报+多文字	GPT Image 2	推理规划+精准文字
品牌视觉多图一致	Nano Banana 2	14路参考+编辑
艺术插画/概念图	Midjourney V7	美学质量最强
定制风格/批量	Stable Diffusion	LoRA+本地免费
UI设计稿	GPT Image 2	Agentic规划
产品摄影	Midjourney V7/SD	光影质感
角色立绘多角度	Nano Banana 2	一致性最佳
信息图表	GPT Image 2	推理+多格式

─────────────────────────

第七章：通用设计原则——所有模型都适用

7.1 主体描述的黄金公式

无论哪个模型，主体描述都是核心。记住这个公式：

主体 = 身份 + 外貌 + 姿态 + 着装 + 情绪

范例：

反例：`一个人`

正例：

“`

三十岁左右的东亚男性医生，穿白大褂，脖子上挂着听诊器，双臂交叉站立显示轻微的不耐烦，绿色眼睛淡妆，马尾发型，站在医院走廊，专业但亲切的神态

“`

7.2 环境描述的层次

环境 = 大场景 + 中场景 + 小场景 + 细节

范例：

“`

广阔的东非大草原，金色时刻（大大草原）

零散的猴面包树散落在起伏的丘陵上（中场景）

高草在温暖微风中摇曳，远处山脉延伸至地平线（小场景）

一头母狮在树荫下休憩，苍蝇懒洋洋地盘旋（细节）

“`

7.3 光线词汇库

光线类型	描述词
———-	——–
自然光	金色时刻、蓝调时刻、阴天、正午强光
人造光	柔光箱、环形灯、霓虹灯、烛光
电影光	明暗对比、伦勃朗光、轮廓光、蝶光
情绪光	温暖、凉爽、戏剧性、空灵、忧郁

7.4 风格参考词库

风格类别	关键词
———-	——–
摄影风格	人像、景色、街头摄影、微距、长曝光
艺术流派	印象派、超现实主义、Art Nouveau、Art Deco、浮世绘
艺术家风格	参考安塞尔·亚当斯、参考荒木经惟、参考宫崎骏

─────────────────────────

第八章：常见问题与解决

8.1 文字渲染问题

GPT Image 2 / Nano Banana 2：文字渲染已经很精准，直接用引号包裹即可。

Midjourney V7：用`–style raw`减少美化，明确字体风格描述。

Stable Diffusion：文字是难点，解决方案：

1. 用ControlNet控制文字位置

2. 在图像外部用工具添加文字

3. 使用Ultimate SD Upscaler提升文字清晰度

8.2 手部和面部畸形

Stable Diffusion：

– 使用负向提示词：`糟糕的手, 多余的手指, 畸形脸`

– 使用Hand Refiner等插件

Midjourney V7：

– 使用`–style raw`

– 添加详细的手部描述

GPT Image 2 / Nano Banana 2：

– Agentic推理已大幅减少畸形

– 仍需具体描述手部动作

8.3 风格不一致

Midjourney V7：

– 使用一样seed

– 使用`–s`控制风格化程度

– 使用`–sref`锁定风格

Nano Banana 2：

– 多参考图输入

– 明确指定保持不变的元素

─────────────────────────

第九章：效率工作流

9.1 快速迭代四步法

第一步：草稿生成

用最快的方式生成多个草稿，确认方向。

第二步：方向选择

从草稿中选1-2个最接近目标的。

第三步：精细化

用选中方向的特征，生成高配版本。

第四步：后处理

使用图像编辑工具进行最终调整。

9.2 批量生产策略

场景：需要大量同风格图像

方案A：Stable Diffusion + LoRA

1. 训练一个符合风格的LoRA

2. 使用一样的核心提示词

3. 只改变主体描述

方案B：Nano Banana 2 + 参考图

1. 确定风格参考图

2. 保持参考图不变

3. 只改变主体内容

─────────────────────────

第十章：真实项目案例

案例：手作品牌视觉全套

需求：为手工皂品牌「草间」创建全套视觉素材

解决方案：

– 产品主图：Midjourney V7（光影质感最佳）

– 社媒配图：GPT Image 2（一次多格式）

– 品牌插画：Stable Diffusion + 定制LoRA

– 编辑素材：Nano Banana 2（保持一致）

执行提示词：

产品主图（Midjourney V7）：

“`

手工皂产品摄影，三块排列艺术，干花和枯叶装饰，

浅米色亚麻布背景，晨光窗户柔光阴影，

佳能100mm微距镜头俯拍，顶级品质 –ar 1:1 –v 7 –style raw –s 500 –q 2

“`

社媒配图（GPT Image 2）：

“`

4张手工皂品牌「草间」的社交媒体配图，风格统一自然植物系：

方形：手工皂全家福，配薰衣草干花，浅绿和米白配色

竖版：手部涂抹手工皂的特写，泡沫丰富，文字「每日仪式感」

横版：阳光洒在手工皂制作台，木勺、模具、干花排列

竖版：模特使用手工皂护肤的场景，温馨浴室背景

全部统一：莫兰迪色系，手工质感，草木绿和暖米色

“`

品牌插画（Stable Diffusion + LoRA）：

“`

杰作, 最高质量, 品牌插画「草间」, 手绘植物风格,

薰衣草和迷迭香藤蔓交织, 柔和水彩纹理,

品牌名优雅手写体融入设计, 低饱和自然色,

专业品牌品质, <lora:水彩植物:1.2>

“`

─────────────────────────

第十一章：实践检查清单

开始之前

– [ ] 明确最终用途

– [ ] 选择合适的模型

– [ ] 确定输出尺寸和比例

主体描述

– [ ] 身份（谁/什么）

– [ ] 外貌（颜色、形状、材质）

– [ ] 姿态/状态

– [ ] 着装/覆盖物

– [ ] 情绪/氛围

环境描述

– [ ] 大场景

– [ ] 中场景

– [ ] 小场景/道具

– [ ] 光线描述

– [ ] 天气/时间

风格控制

– [ ] 媒介（摄影/绘画/3D）

– [ ] 艺术风格

– [ ] 参考艺术家

– [ ] 质量标签

技术参数

– [ ] 比例/尺寸

– [ ] 光线设置

– [ ] 负向提示词

─────────────────────────

最后的一句话

提示词工程，本质上是用语言描述画面的能力。

你不需要记住所有技巧。你只需要记住：

1. 描述越具体，结果越可控

2. 不同模型有不同的脾气，用对方式才能发挥最大效果

3. 迭代是常态，不要期待一次成功

4. 找到适合你的模型和使用方式，坚持使用

AI图片生成的世界很大，四大模型各有所长。掌握提示词工程，就是掌握了这个时代的「视觉魔法」。

去创造吧。

─────────────────────────

本文聚焦GPT Image 2、Nano Banana 2、Midjourney V7、Stable Diffusion四个模型的实战提示词技巧，所有示例均经过验证，可直接使用或根据需求调整。

提议收藏本文，在实际创作时随时查阅。