Prompt Engineering：AIGC 设计师的核心竞争力

上周三，我的学员小林发来一张图——一只“赛博朋克风格的猫”坐在霓虹灯牌下，但猫的耳朵糊成了像素块，背景的雨丝像断掉的琴弦。他说：“我写了‘赛博朋克猫，高清’，但Midjourney理解成了‘赛博朋克风的猫，但画质是高清’——它根本没抓住‘赛博朋克’的灵魂。”

这不是小林的错。大多数设计师刚接触AIGC时，都以为输入“好看”“高清”“真实”就能得到理想结果。但真正的高手知道：Prompt Engineering（提示词工程）不是写作文，而是用结构化语言与模型对话。你的提示词质量，直接决定了AI的输出上限。

今天，我将用两个实操案例，带你拆解Prompt Engineering的核心逻辑。无论你是用Midjourney、Stable Diffusion还是DALL·E 3，这套方法论都适用。

—

一、为什么你的Prompt总“翻车”？——从“描述”到“指令”的思维转变

我们先看一个典型“翻车”案例：

学员输入：“一只穿着西装的黑猫，背景是办公室，风格写实”
AI输出：猫的西装褶皱像塑料，背景办公桌透视扭曲，猫的瞳孔颜色随机变成了蓝色。

问题出在哪？
1. 语义模糊：“写实”对不同模型含义不同——对Midjourney v6而言，它可能理解为“照片级”，但对Stable Diffusion XL，它更倾向“3D渲染”。
2. 缺乏结构：AI需要区分“主体”“环境”“风格”“技术参数”，而不是混在一起。
3. 缺少负向约束：没告诉AI“不要什么”，它就会自由发挥。

核心原则：Prompt Engineering = 结构化指令 + 参数校准 + 迭代反馈。
你需要像写代码一样写提示词：定义变量（主体）、约束条件（环境/风格）、输出格式（参数）。

实操第一步：用“三明治结构”重构提示词

以“西装黑猫”为例，我们分三层：

  • 层1（主体+动作）：A black cat wearing a tailored suit, standing on a marble floor, looking directly at the camera.
  • 层2（环境+光影）：Background is a minimalist office with floor-to-ceiling windows, soft natural light from the left, warm color temperature.
  • 层3（风格+技术）：Photorealistic, hyper-detailed, 8K, shot on 85mm lens, f/1.8 aperture, shallow depth of field.
  • 负向提示（Negative Prompt）：Cartoon, anime, blurry, distorted anatomy, plastic texture, unnatural lighting.

    • 用Midjourney v6测试，输入完整提示词（含 `–ar 16:9 –style raw –v 6`��，输出立刻改善：猫的瞳孔是深邃的琥珀色，西装有羊毛纹理，背景窗户反射出城市天际线。

    结构化提示词示例

    —

    二、进阶技巧：用“角色扮演”和“风格锚点”锁定输出

    当基础结构没问题后，设计师常遇到另一个瓶颈：AI理解了你说的，但风格不够精准。比如你要“极简主义海报”，AI却给了“扁平插画”。

    这时需要两个武器：角色扮演（Persona） 和 风格锚点（Style Anchors）。

    案例：生成“北欧极简主义品牌Logo”

    错误示范：“极简Logo，线条干净，留白多”
    输出：各种圆形组合，缺乏品牌识别度。

    正确方法（以DALL·E 3为例）：

    You are a brand identity designer specialized in Scandinavian minimalism. 
Design a logo for a high-end audio brand called "Aura". 
Use geometric shapes (circle and line), negative space to form a subtle sound wave. 
Color palette: matte black and silver. 
Reference: Dieter Rams' design philosophy, no gradients, no shadows.

    关键点：

  • 给AI一个“身份”（品牌设计师），它会调用相关设计知识库
  • 用具体设计原则（Dieter Rams）锚定风格
  • 限制颜色和材质（matte black and silver），避���AI自由发挥

    • 你还可以在Midjourney中使用“风格参考”功能：上传一张Dieter Rams的收音机照片，加参数 `–sref [image_url] –sw 100`，让AI直接模仿其设计语言。

    风格锚点设计案例

    技术参数校准（以Midjourney v6为例）

    | 参数 | 作用 | 推荐值 | 案例场景 |
    |——|——|——–|———-|
    | `–stylize` (s) | 控制AI创意自由度 | 0-1000，品牌设计用50-200，艺术创作用500-1000 | 品牌Logo用100，插画用700 |
    | `–weird` (w) | 增加随机性 | 0-3000，实验性创作用500+ | 概念设计用1000 |
    | `–chaos` (c) | 改变构图多样性 | 0-100，海报设计用20-50 | 多方案探索用80 |
    | `–style raw` | 减少AI默认美化 | 适用：产品渲染、写实人像 | 不加时AI会自动加柔光 |

    实操案例：生成“苹果风格产品渲染图”

    Minimalist product photography of a white wireless earbuds case, 
on a light gray marble surface, soft studio lighting, 
shot on 120mm macro lens, extreme close-up, 
--ar 4:3 --style raw --v 6 --s 50

    加 `–style raw` 后，AI不会自动添加“梦幻光晕”，而是精准还原产品摄影的质感。

    —

    三、迭代反馈：Prompt Engineering的终极秘密

    很多设计师以为“一次写好”就行，但AI不是人——它需要你通过反馈调整参数。这里分享我的“3-3-3迭代法”：

    1. 首轮输出3张图：快速筛选，找出最接近的方向
    2. 分析3个问题：构图、光影、风格，哪个不达标？
    3. 调整3个参数：每次只改3个点，对比前后差异

    实战案例：生成“暗黑哥特风游戏角色”

    初版Prompt：

    Dark gothic warrior, full body, holding a greatsword, 
foggy forest background, dramatic lighting, 
--ar 2:3 --v 6

    输出问题：盔甲细节不足，面部表情僵硬，背景雾太浓。

    第一次迭代（针对细节）：

    Dark gothic warrior, full body, holding a greatsword, 
foggy forest background, dramatic lighting, 
intricate armor engravings, visible chainmail texture, 
face with scars and war paint, 
--ar 2:3 --v 6 --s 600 --iw 2

    （`–iw 2`提高图像权重，让AI更关注细节）

    第二次迭代（针对氛围）：

    Dark gothic warrior, full body, holding a greatsword, 
foggy forest background, volumetric lighting, 
rim light on armor, glowing red eyes, 
intricate armor engravings, visible chainmail texture, 
face with scars and war paint, 
--ar 2:3 --v 6 --s 600 --iw 2 --no blurry, fog over 50%

    （`–no` 参数���制���的浓度）

    第三次迭代（最终输出）：

    Dark gothic warrior, full body, holding a greatsword, 
foggy forest background, volumetric lighting, 
rim light on armor, glowing red eyes, 
intricate armor engravings, visible chainmail texture, 
face with scars and war paint, 
shot on 85mm lens, low angle, cinematic composition, 
--ar 2:3 --v 6 --s 600 --iw 2 --no blurry, fog over 50%, cartoon

    迭代优化过程

    —

    总结与进阶建议

    Prompt Engineering不是玄学，而是可复用的方法论。记住三个核心：

    1. 结构化：用“主体-环境-风格-参数”四段式，避免模糊词
    2. 参数化：理解 `–stylize` `–chaos` 等参数对输出的真实影响
    3. 迭代化：每次只改3个点，对比记录，建立自己的“提示词配方库”

    进阶学习路径：

  • 建立“Prompt模板库”：按场景分类（品牌、插画、产品、人像），每个模板含参数预设
  • 学习“负向提示词”高级写法：用 `–no` + 具体问题（如 `–no lens flare, chromatic aberration`）
  • 掌握“混合模式”：用 `–blend` 结合不同图像风格
  • 关注模型版本更新：Midjourney v7、Stable Diffusion 3.5 等新版本对自然语言理解更强，但参数逻辑不变

    • —

    常见问题 FAQ

    Q1：为什么我用同样的Prompt，不同模型输出差异巨大？
    A：每个模型训练数据不同。Midjourney v6更注重美学构图，Stable Diffusion XL对细节更敏感，DALL·E 3更擅长理解自然语言。建议为每个模型建立专属Prompt模板，并在开头注明“For [模型名]”。

    Q2：负向提示词（Negative Prompt）为什么有时无效？
    A：负向提示词是“建议”而非“命令”。如果模型训练数据中“模糊”和“写实”高度关联，它可能仍会输出模糊。解决方法：增加负向提示词的权重（如Stable Diffusion的 `–neg` 参数），或改用 `–no` 配合具体词。

    Q3：如何让AI生成“精准”的构图，比如人物在画面左侧？
    A：使用“构图锚点”。Midjourney v6支持 `–ar` 和 `–iw`，但更精准的是用“区域描述”：在提示词中写“A person standing on the left third of the frame, looking right, the right side is empty with a sunset.” 或结合 `–style raw` 减少AI自动构图。

    Q4：我的Prompt很长，但输出反而变差，为什么？
    A：AI有“注意力衰减”机制。当提示词超过200词，后半部分会被模型“忽略”。建议：关键信息放前50词，技术参数放最后，用 `–` 分隔不同部分。

    Q5：有没有推荐的Prompt管理工具？
    A：个人用推荐 PromptBase（付费模板库）和 Lexica（搜索历史Prompt）。团队协作用 Notion 建提示词数据库，按“场景-模型-参数-输出示例”四列整理，定期测试更新。

    —

    最后，记住这句话：Prompt Engineering不是魔法，而是与AI的“对话协议”。你越理解它的思考方式，它越能成为你的设计伙伴。

    声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。