Case A_zhihu_20382372 · AI提示词出图公式

我花了一周时间拆解了312个GPT-Image-2的专业提示词——覆盖电商、广告创意、人像摄影、海报插画、角色设计、UI社媒、对比实验7大类——提炼出7个可直接复用的出图公式。不管你用即梦、Midjourney还是GPT-Image-2，这些底层逻辑都通用。

需要完整的全套提示词模板，迅雷搜【白嫖知识库】，我整理好了312个神级提示词和700个ai指令。

────────────────────────────────────────

先说结论：提示词不是"写句子"，是"搭结构"

很多人用AI绘图，提示词就是一句话："帮我画一个漂亮的xxx"。

结果出来，要么跟想象差十万八千里，要么每次效果完全不可控。

312个专业提示词告诉我一个核心事实：高手写提示词，不是在"描述画面"，而是在"搭建生成框架"。他们用参数化模板控制变量，用JSON结构定义布局，用摄影术语锁定风格——每一条提示词本质上是一个可复用的生成配方。

下面7个公式，从简单到复杂，覆盖了90%的AI出图场景。

公式一：参数化模板——换一个词，出一套图

【公式】

{主体描述} with {argument name="变量名" default="默认值"} + {环境/光影/构图}

【核心思路】把需要频繁更换的元素（品牌名、产品名、颜色、材质）设为参数，其他描述固定为模板。

【实战案例】电商主图——香水瓶：

A luxurious cinematic product photograph of a classic rectangular perfume bottle

inspired by {argument name="brand label" default="N°5 CHANEL PARIS PARFUM"},

placed upright on a glossy black marble surface with white veining...

再比如护肤品主图：

A soft {argument name="bottle color" default="cream-colored"} bottle with a

{argument name="pump color" default="pastel yellow"} pump stands on a matte

podium, surrounded by silky foam and {argument name="flowers" default="chamomile blossoms"}...

出图效果：

【为什么有效】电商场景需要同一风格出几十张图，参数化模板保证视觉统一性，只需要换品牌名、产品色、装饰花材，就能批量产出同系列主图。即梦同样支持类似思路——先确定一个稳定的"画风锚点"，只替换核心商品元素。

【适用场景】电商产品图批量生成、品牌系列素材、社交媒体模板图

公式二：JSON结构化——让AI听懂"左上角放什么、右下角放什么"

【公式】

{

"type": "画面类型",

"layout": { "结构描述" },

"sections": [

{ "position": "位置", "content": "具体内容", "text_labels": ["文字"] }

]

}

【核心思路】当画面需要多区域、多元素、精确布局时，用JSON结构告诉AI"哪里放什么"，远比自然语言描述精准。

【实战案例】4格日系广告Banner：

{

"type": "2x2 grid of Japanese digital advertisement banners",

"layout": {

"structure": "4 equal quadrants",

"quadrants": [

{

"position": "top-left",

"theme": "Travel",

"subject": "A couple holding hands on a white sand beach...",

"text_labels": ["今年こそ、解き放て。", "沖縄旅行", "39,800円〜"]

},

...

]

}

}

还有品牌周边设计板、Dark Mode UI Mockup，都用JSON精确定义了每个区域的内容、颜色、文字。

出图效果：

【为什么有效】AI模型对结构化输入的理解力远超松散描述。JSON强制你理清布局逻辑，模型也更容易"按图施工"。在即梦里生成多区域海报、产品展示板时，试试把布局写成结构化描述，效果会有质变。

【适用场景】多区域Banner、品牌设计板、UI界面生成、信息图布局

公式三：自然语言摄影指令——用"行话"锁定影棚级画质

【公式】

{胶片类型/拍摄格式} + {光线描述} + {人物描述} + {构图/景别} + {后期风格}

【核心思路】别写"拍一个好看的女孩"，要写"35mm胶片、便利店荧光灯+霓虹灯、中景、电影感街拍"——用专业摄影术语精确控制出图风格。

【实战案例1】便利店霓虹人像：

35mm film photography with harsh convenience store fluorescent lighting

mixed with colorful neon signs from outside, authentic film grain,

high contrast, slight color cast, cinematic street editorial style,

intimate medium shot...

【实战案例2】温泉旅馆人像：

35mm film photography, warm vintage Japanese onsen ryokan aesthetic,

soft ambient wooden lantern lighting mixed with gentle natural window light,

subtle film grain, gentle color shift, high atmosphere editorial style...

出图效果——便利店霓虹人像：

出图效果——温泉旅馆人像：

【拆解关键术语】

• 35mm film photography：锁定胶片质感，避免数码味

• harsh fluorescent lighting：硬质荧光灯，制造真实便利店光感

• film grain / color shift：胶片颗粒和偏色，是"胶片感"的灵魂

• medium shot：中景构图，控制人物在画面中的比例

【为什么有效】AI绘图模型在训练数据中见过大量带EXIF标签的摄影作品。当你用"35mm film""cinematic lighting""editorial style"这类术语，你实际上是在调取模型中"专业摄影"的深层表征。即梦3.0的文字增强和智能参考功能，同样对这类结构化摄影描述有更好的响应。

【适用场景】人像摄影、产品摄影、氛围感场景图

公式四：分步组合法——复杂画面，拆两步走

【公式】

Prompt 1: {基础构图 + 主体}

Prompt 2: {叠加效果 + 细节强化}

【核心思路】一步到位的提示词有时控制力不够。先生成基础画面，再在基础上叠加细节或修改，两步走比一步冲更可控。

【实战案例】汉堡产品图：

第一步生成主体汉堡构图，第二步叠加品牌标识、光影效果、背景虚化。

出图效果：

【为什么有效】这本质上是"先生成再编辑"的思路。即梦的"智能参考"功能天然支持这种工作流：先出基础图，再基于参考图做风格迁移或细节修改。复杂创意不要指望一条提示词搞定所有事。

【适用场景】复杂产品图、需要精确品牌元素的创意图、多轮迭代优化

公式五：参考图驱动——"照着这个感觉来"

【公式】

Based on {参考图描述} + {转换指令}

【核心思路】当文字描述力不从心时，直接给AI一张参考图，让它在参考基础上做转换。

【实战案例】角色设计中最经典的用法——

Show me the attached image as a snapshot from an actual anime

一张实拍照片，一条提示词，变成动画截图。简洁到极致，效果惊人。

还有更复杂的用法，Persona5风格角色设定卡——基于已有角色图，生成三视图、表情差分、服装分解、色板，一条提示词完成整套设定资料。

出图效果：

【为什么有效】参考图消除了"语言描述和视觉想象之间的信息损耗"。即梦3.0的智能参考功能就是这个逻辑——上传参考图后，AI从图像中提取构图、色调、风格信息，再按你的指令做定向修改。这是文字提示词无法替代的能力。

【适用场景】风格转换（实拍转动漫）、角色设定资料、基于品牌素材的再创作

公式六：多语言混用——用中文写提示词，一样能出神图

【公式】

{目标语言内容} + {英文风格/技术术语} + {排版/布局指令}

【核心思路】GPT-Image-2的CJK优化让中文提示词不再"打酱油"。即梦作为国产工具，中文理解力更是强项。混合使用中文（内容描述）、英文（技术术语）、日文（风格标签），各取所长。

【实战案例1】成都美食地图：

一张手绘风格的城市美食地图，以成都为主题。画面以鸟瞰视角的手绘简化城市地图为底，

标注主要道路和地标但不追求精确比例而是追求可爱的手绘感。地图上分布着12个美食地点

的精致手绘小插画：春熙路的串串香（一把竹签插着各种食材冒着热气）、宽窄巷子的三大炮

（三个糯米团子飞向铜盘）...左上角标题"成都·吃货暴走地图"使用胖圆的手绘美术字

配辣椒装饰。整体画风为水彩+彩铅混合的手绘质感，颜色以暖色系为主...

【实战案例2】四季眼部特写——中英混搭：

以眼部特写图片为基础，生成3:4的四屏构图超写实眼部特写，四屏按春夏秋冬上下排序。

第一屏：眼眸中带着绽粉樱色的美瞳，睫毛缀满迷你春花...

画面中央"SPRING"白色艺术字点缀...

下面用书法体写着春；...

【实战案例3】日文角色页——纯日文提示词一样出图：

このキャラクターと背景を元に、公式設定資料のようなキャラクターシートを

作成してください。・正面、側面、背面の3面図を含める...

出图效果：

【为什么有效】即梦的中文语义理解在国产工具中是第一梯队的。中文描述场景细节（"九宫格锅翻滚冒泡"）、英文锁定风格参数（"35mm film photography"）、日文匹配特定风格（"設定資料"），各语言在各自擅长的维度上配合，出图精度远超单语言提示词。

【适用场景】中文内容图（美食地图、城市海报、中文UI）、日系风格素材、本地化营销图

公式七：结构化测试——用"数数"验证AI的智力上限

【公式】

{精确数量/结构要求} + {验证条件}

【核心思路】不是所有提示词都是"画个好看的图"。有些提示词是在测试AI的推理能力——它能不能准确地在书架上放1+3+7=11本书？能不能按要求在四个象限放不同内容？

【实战案例】书架计数测试：

A wooden bookshelf consisting of three shelves: On the top shelf,

there should be one book, on the second shelf, there should be three books,

and on the bottom shelf, there should be seven books.

看似简单，但这测试的是AI的"计数能力"和"空间推理能力"。早期模型大概率数不对，GPT-Image-2可以。

更高级的——"轮廓宇宙"叙事海报模板，要求AI根据主题自动选择最契合的轮廓载体，并在其中生成完整的叙事世界。这测试的是"主题理解+创意生成+空间布局"的综合能力。

出图效果：

【为什么有效】这种提示词不是拿来日常用的，但它是评估AI绘图工具能力的标尺。你用即梦或GPT-Image-2时，先跑几个"计数测试"和"结构化测试"，就知道当前工具能支撑多复杂的指令。选工具先测能力边界，再谈创作自由度。

【适用场景】工具能力评估、复杂结构图验证、创意极限挑战

总结：7个公式一张表

公式

一句话概括

最佳场景

难度

参数化模板

换词出图，风格不变

电商批量、品牌系列

⭐⭐

JSON结构化

哪里放什么，写清楚

多区域布局、UI界面

⭐⭐⭐

摄影指令

用行话锁定画质

人像/产品摄影

⭐⭐

分步组合

先出基础再叠加

复杂创意、品牌图

⭐⭐⭐

参考图驱动

照着这个感觉来

风格转换、角色设定

⭐

多语言混用

各语言各取所长

中文内容图、日系素材

⭐⭐

结构化测试

数数看AI够不够聪明

工具评估、能力验证

⭐⭐⭐⭐

最后说两句

这312个提示词不是某个天才的灵光一现，而是一群专业设计师在大量实践中总结出的可复用生成框架。

提示词的本质不是"对AI说话"，而是把自己的创作意图结构化——你想让画面呈现什么风格？主体在哪？光线怎么打？文字放哪里？当你把这些思考用结构化的方式表达出来，AI才能真正"听懂"你的需求。

即梦也好，GPT-Image-2也好，Midjourney也好——工具会换，但结构化思维不会过时。

掌握这7个公式，你写的每一条提示词都是在"搭框架"而不是"碰运气"。

本文提示词素材来自公开的GPT-Image-2 Prompt集合（312条，7大类），文中案例均为原文引用。