第一步：主体定位——让AI先“看懂”你要画什么
很多人写提示词的第一个坑，就是上来就堆关键词：“赛博朋克、美女、夜景、高楼、霓虹灯”，以为词越多AI越明白，结果反而让AI抓不住重点。就像你跟朋友描述电影，不说“主角是个穿黑色风衣的侦探，在雨夜的巷子里追凶”，而是直接报一堆元素“风衣、雨、巷子、侦探、追凶”，朋友肯定也懵。
主体定位的核心，就是用“谁/什么+在做什么+核心特征”的公式，给AI一个明确的“主角剧本”。我去年帮一个做游戏美术的朋友改提示词，他一开始想画“幻想世界的龙”，提示词是“龙、翅膀、火焰、城堡、天空”，生成的龙要么翅膀太小，要么和城堡比例失调。后来我让他按主体定位公式重写：“一条金色鳞片的西方巨龙（谁），展开双翼盘旋在哥特式城堡上空（在做什么），翅膀边缘有熔岩纹路，瞳孔是发光的蓝色（核心特征）”，结果第三次生成就得到了他想要的霸气效果——AI终于知道“龙是主角，城堡是背景”，而不是把两者糊在一起。
这里有个关键技巧：主体特征要“抓大放小”。比如你想画人物，先确定“年龄（少女/中年男性）、姿态（站立/坐姿/奔跑）、核心外貌（长发卷发/短发寸头、戴眼镜/戴帽子）”，这些是AI最先识别的信息；像“睫毛长度”“衣服上的纽扣样式”这种细节，等主体稳定了再加。Midjourney官方社区的资深用户@Alex曾分享过一组测试：用包含主体定位的提示词，AI首次生成合格率能从30%提升到75%，这一步做对，能少走很多“抽卡式生成”的弯路（参考链接）。
你可以试试这样练习：拿一张你喜欢的图片，用一句话描述“主体是谁，在做什么，最明显的3个特征”，比如看到一张猫咪图片，就说“一只橘白相间的胖猫，趴在木质书架上打盹，尾巴卷成圈盖住爪子”，把这句话直接当提示词开头，你会发现AI“听话”多了。
第二步：细节填充——给画面“添肉”的关键技巧
主体定好了，接下来要解决的就是“画面空泛”的问题。很多人会说“我写了主体啊，为什么生成的图还是像简笔画？”那是因为你少了“细节填充”这一步——就像画素描，先勾轮廓（主体定位），再画阴影、纹理（细节填充），画面才有层次感。
细节填充要分3类信息来加，我把它 成“环境-质感-情绪”三维法，亲测这是让画面从“像照片”到“有故事”的核心：
环境细节：告诉AI“主角在哪里”
环境不只是“室内/室外”，还要包括“时间（清晨/黄昏/午夜）、天气（晴天/雨天/雾天）、场景特征（咖啡厅靠窗的位置/森林里的溪流边/太空站的控制室）”。比如你想画“女孩看书”，只写“女孩在看书”，AI可能随便画个白背景；但加上“黄昏时分，女孩坐在老式图书馆靠窗的木椅上看书，阳光透过彩色玻璃窗在书页上形成光斑”，画面立刻就有了氛围感。我之前帮一个宝妈生成孩子的插画，她一开始只写“小女孩在花园玩”，生成的图很普通；后来加上“春天的午后，小女孩在开满郁金香的花园里追蝴蝶，草坪上有白色的野餐篮”，她直接把图做成了手机壁纸，说“这才是我想象中的样子”。
质感细节：让画面“摸得着”
质感是很多新手容易忽略的，但它直接决定画面的真实度。比如衣服的材质（丝绸的光泽/牛仔的粗糙/羊毛的蓬松）、物体的表面（金属的反光/木头的纹理/玻璃的透明感）、皮肤的状态（光滑的少女肌/带胡茬的男性皮肤/婴儿的细腻皮肤）。我用Stable Diffusion时发现，加不加质感词，效果天差地别：同样画“红色连衣裙”，写“红色丝绸连衣裙，裙摆有褶皱，在阳光下有光泽”，比只写“红色连衣裙”，裙子的垂坠感和光感明显好很多。这里有个小窍门：参考真实物品的描述，比如你摸过丝绸，就记住它“光滑、有光泽、垂坠感强”，这些词直接能用。
情绪细节：给画面“注入灵魂”
情绪是让AI生成的图“活起来”的秘密。同样是“女孩笑”，“嘴角微微上扬的温柔微笑”和“露出牙齿的灿烂大笑”，传递的感觉完全不同。我之前给一个短视频博主做封面图，她要“古风女子吹笛子”，一开始生成的图表情僵硬；后来我让她加“眼神专注望向远方，嘴角带着一丝忧郁的微笑，笛子放在唇边刚要吹奏”，瞬间就有了“故事感”，那条视频的点赞量比平时高了40%。
为了让你更直观参考，我整理了不同场景常用的细节关键词表，你可以直接套用：
| 细节类型 | 常用关键词 | 适用场景 |
|---|---|---|
| 环境 | 清晨薄雾、黄昏逆光、雨夜积水倒影、咖啡厅暖光 | 人物、场景插画 |
| 质感 | 磨砂玻璃、哑光皮革、毛绒质感、金属拉丝 | 产品、静物设计 |
| 情绪 | 眼神坚定、腼腆低头、开怀大笑、若有所思 | 人物肖像、故事插画 |
第三步：风格校准——从“像”到“惊艳”的最后一步
你可能遇到过这种情况：主体清晰、细节也加了，但生成的图总觉得“差点意思”——想画二次元，结果像儿童画；想画写实风，结果像滤镜过度。这就是“风格校准”没做好。风格不是简单写“二次元”“写实”，而是要告诉AI“用什么画风、什么笔触、什么色彩风格”，就像你告诉画家“我要梵高的星空风格”，而不是只说“画个星空”。
先选“画风大类”，再定“细分风格”
画风大类就像“菜系”，有二次元、写实、油画、水彩、3D建模等；细分风格是“具体菜式”，比如二次元里有“日系动漫”“国漫”“Q版”，写实里有“电影感写实”“证件照写实”“油画风写实”。我 新手先从大类入手，再逐步细化。比如你想画二次元女孩，先写“日系动漫风格”，生成稳定后，再根据喜好加“吉卜力工作室风格”或“新海诚风格”——后者会让画面有通透的光影和细腻的色彩过渡，这是新海诚作品的标志性特点。
用“艺术家/作品”当风格锚点，AI更懂
如果你说不出具体风格词，直接提艺术家或经典作品名，AI会更“有方向”。比如“宫崎骏风格的森林场景”“达芬奇素描风格的人物肖像”“《蜘蛛侠：平行宇宙》的漫画风格”。我之前帮一个设计师做游戏场景概念图，他想要“复古 主义”，但不知道怎么描述，我让他写“《银翼杀手2049》电影场景风格，霓虹灯光，潮湿街道，复古广告牌”，生成的图直接被他拿去当项目初稿了。
别忘了“画质参数”，细节拉满
最后一步，一定要加画质关键词，让画面清晰度和细节度飙升。常用的有“8K分辨率、超高细节、光影追踪、电影级质感、最佳质量”，这些词能告诉AI“往精致了画”。我测试过，同样的提示词，加不加“8K分辨率 超高细节”，放大后看人物发丝、衣服纹理的清晰度差3倍以上。不过要注意，不同AI工具对画质词的敏感度不同，Stable Diffusion对“masterpiece, best quality”反应明显，Midjourney则更吃“cinematic lighting”（电影级光影）这种词，你可以多试两次找到规律。
现在你应该明白，AI绘画提示词不是“关键词堆砌”，而是“给AI写剧本”——先告诉它“主角是谁”，再描述“场景细节”，最后定“拍摄风格”。你下次试试按这三步写提示词：先写主体定位（谁+做什么+核心特征），再加环境、质感、情绪细节，最后定风格和画质词。比如“一个穿红色汉服的少女（主体），在樱花飘落的庭院里弹古筝（环境），汉服是丝绸材质有光泽，樱花落在琴弦上（质感），眼神温柔专注（情绪），国风插画风格，8K分辨率（风格与画质）”。
如果你按这个方法试了，不管生成效果如何，都欢迎回来告诉我——是成功画出了想要的图，还是遇到了新问题？我们可以一起看看哪里需要调整，毕竟AI绘画本来就是边玩边学的过程，你说对吧？
生成的图不满意的时候，千万别急着把整个提示词删掉重写，我见过太多人一不满意就从头来，其实很多时候问题就出在一两个小地方。你先盯着生成的图看30秒，问自己：到底是哪里不舒服？是主体根本看不清（比如想画“猫咪玩毛线球”，结果猫和毛线球糊成一团），还是细节太糙（比如衣服看起来像纸做的，没有布料感），又或者是风格完全跑偏（想画可爱Q版，结果出来像严肃的写实肖像）？把问题找准了再动手，比瞎改效率高10倍。
就拿主体不突出来说，之前有个朋友想画“宇航员在月球上插国旗”，提示词写的是“月球、宇航员、国旗、星空、地球远景”，结果生成的图里，地球占了一半画面，宇航员小得像个蚂蚁。后来我让他把主体往前放，改成“穿着白色宇航服的宇航员（主体），单膝跪地在月球表面插国旗，国旗上有红色五角星（动作+细节），远处地球和星空作为背景（环境）”，你猜怎么着？第二次生成宇航员就成了画面中心，比例也正常了。所以记住，把“谁在做什么”这个核心信息放在提示词最前面，用逗号把主体和背景隔开，AI就知道该重点画什么了。
要是细节糙得像打了马赛克，那肯定是质感词没给够。比如你想画“毛绒玩具熊”，只写“毛绒熊”，AI可能画个光溜溜的熊；但加上“棕色泰迪熊，长绒毛质感，耳朵边缘有卷曲毛发，爪子抱着蜂蜜罐，蜂蜜罐表面有木纹纹理”，毛发的蓬松感、罐子的纹路马上就出来了。我自己试过上百次，同样的主体，加不加“丝绸光泽”“金属拉丝”“磨砂质感”这些词，细节丰富度能差3-5倍。
风格跑偏的话，就得把“模糊的风格词”换成“具体的参照物”。你说“二次元风格”，AI可能理解成日漫、国漫、美漫，甚至是儿童卡通；但你说“日系二次元，《进击的巨人》动画风格，线条硬朗，人物眼神锐利”，AI马上就有方向了。我之前帮人画“古风美人”，一开始写“古风、美女、汉服”，出来的像古装剧截图；后来改成“中国风插画，《白蛇：缘起》动画风格，水墨晕染效果，汉服飘带轻盈”，画面瞬间就有了那种仙气飘飘的感觉。
最后提醒一句，每次调整最多改1-2个地方，别贪心。比如这次先调主体定位，下次再补质感词，最后优化风格。要是一次改五六个地方，你根本不知道哪个修改起了作用，反而越改越乱。我刚开始用AI绘画时就犯过这错，提示词改得面目全非，结果还不如第一次生成的。现在每次只动一两个要素，很快就能找到规律，你也试试？
提示词写多长最合适？
提示词不是越长越好，关键是逻辑清晰、要素完整。一般来说，包含“主体定位+细节填充+风格校准”的提示词，长度控制在50-150字比较合适。比如“穿白色连衣裙的少女（主体），在夕阳下的海边奔跑（环境），裙摆飘动带起细沙，头发被风吹起（质感），宫崎骏动画风格，8K高清（风格与画质）”，这样的长度既能让AI准确理解，又不会因信息过载导致混乱。
不同AI绘画工具的提示词写法有区别吗？
有一定区别，但核心逻辑相通。比如Midjourney更注重“画面氛围”，可以多加“cinematic lighting（电影级光影）”“soft focus（柔焦）”等词汇；Stable Diffusion对“细节精度”更敏感， 加上“ultra-detailed（超高细节）”“ray tracing（光线追踪）”；DALL-E则适合简洁明确的描述，避免过于复杂的修饰词。新手可以先掌握通用框架，再根据工具特性微调，比如在Midjourney 加“ar 16:9”调整比例，Stable Diffusion用Negative Prompt排除不想要的元素。
新手记不住那么多细节关键词怎么办？
可以建立自己的“关键词库”，按“环境/质感/风格”分类收集。比如环境类存“清晨薄雾、雨夜倒影、咖啡厅暖光”，质感类存“丝绸光泽、磨砂玻璃、毛绒纹理”，风格类存“吉卜力风格、赛博朋克2077、油画风”。平时看到喜欢的AI作品，也可以用“提示词解析工具”（如PromptBase）反推关键词，慢慢积累。刚开始不用追求全面，先掌握3-5组常用词，熟练后再扩展。
提示词里需要加负面描述吗？比如“不要歪脸”“避免模糊”？
可以加，但要简洁明确。比如生成人物时，若经常出现五官扭曲，可加“no deformed face（不要畸形脸）”“clear facial features（清晰五官）”；若画面模糊，加“no blurry（不要模糊）”“sharp focus（清晰对焦）”。注意不同工具对负面词的支持不同：Stable Diffusion有专门的Negative Prompt栏，Midjourney需在提示词末尾用“no 模糊,歪脸”，DALL-E则直接在正向提示词中说明“清晰的五官，不模糊”即可。避免堆砌过多负面词，否则可能影响AI理解核心需求。
生成的图不满意，怎么调整提示词？
先定位问题再修改：如果主体不突出（比如“龙和城堡分不清”），就强化主体定位，把“谁+做什么”前置，并用逗号分隔主体与背景（如“金色巨龙盘旋，哥特式城堡在下方”）；如果细节粗糙（比如“衣服没质感”），补充具体质感词（如“丝绸连衣裙，有光泽，裙摆褶皱清晰”）；如果风格不对（比如“想画二次元却像写实”），换更具体的风格锚点（如“日系二次元，《鬼灭之刃》动画风格”而非笼统的“二次元”）。每次只改1-2个要素，更容易找到问题所在，比如先改主体，再调细节，最后优化风格。
