Prompt Engineering：AIGC 设计师的核心竞争力

上周三晚上，学员小林在课程群里发了一张图——一只穿着西装的猫，背景是巴黎铁塔，但猫的爪子像鸡爪，西装扣子错位，背景里还有半截漂浮的汽车。他配文：“老师，我用了‘一只猫在巴黎’做提示词，Midjourney V6 就给我这个。我是不是该放弃 AIGC 方向？”

这不是小林的个例。过去三个月，我批改了超过 200 份学员作业，发现 80% 的“翻车”作品背后，不是工具不行，而是提示词工程（Prompt Engineering）出了问题。很多人以为写提示词就是“描述画面”，但真正的设计师知道，提示词是代码，是参数，是精确控制生成结果的工程语言。

今天，我们就来拆解 Prompt Engineering 的核心逻辑，让你从“乱试”变成“精准控制”。

一、为什么你的提示词总在“猜”？

先看一个典型场景。设计师小王想生成一张“赛博朋克风格的城市夜景”，他输入：

> “Cyberpunk city, night, neon lights, rainy, futuristic”

结果得到四张图：一张像《银翼杀手》剧照，一张像儿童涂鸦，一张色彩过曝，一张完全看不出赛博朋克元素。

问题出在哪？提示词太“宽泛”。AI 模型（如 Midjourney V6、Stable Diffusion XL）在训练时见过数十亿张图片，你的 5 个关键词会触发海量关联。就像你对一个全能画师说“画个城市”，他可能画出纽约、东京、重庆，甚至《攻壳机动队》的虚构城市——但这不是你要的。

核心原则：提示词 = 约束条件 + 风格锚点 + 技术参数

• 约束条件：明确主体、构图、色彩、光线（如“俯视角度，广角镜头，蓝色与紫色为主色调”）

以赛博朋克为例，一个工程化的提示词应该长这样：

> “A sprawling cyberpunk metropolis at night, heavy rain, neon signs in cyan and magenta, holographic billboards, flying cars with exhaust trails, wet asphalt reflecting lights, cinematic lighting, shot on 35mm film, 8K, hyperrealistic, style by Blade Runner 2049 and Ghost in the Shell, –ar 16:9 –s 250 –v 6.0”

注意最后的部分：`–ar 16:9`（宽高比）、`–s 250`（风格化程度 0-1000，越��越偏离提示词）、`–v 6.0`（模型版本）。这些参数让 AI 明白：你不仅要“赛博朋克”，还要“电影级构图、特定比例、中等风格化”。

左图：简单提示词生成；右图：工程化提示词生成。区别在于细节控制。

二、实操案例：从“翻车”到“精准”的完整流程

案例 1：电商产品图——让 AI 理解“玻璃质感”

上周有学员接了个项目，要生成“一瓶高端威士忌，放在木质酒架上，背景是暖色灯光，玻璃瓶身要有通透感”。他第一次提示词：

> “Whiskey bottle on wooden shelf, warm light, glass bottle”

结果：瓶子像塑料材质，酒液颜色发灰，木架纹理模糊。

诊断：缺少对玻璃材质的“工程描述”。AI 需要知道“玻璃”不是“透明”这么简单，而是折射、反射、高光、厚度等物理属性。

修正步骤：

1. 拆解材质属性：玻璃 = 折射率（IOR）+ 表面反射 + 内部液体颜色 + 边缘高光
2. 转化为提示词语言：
– “Crystal clear glass bottle with subtle refraction, thick glass base, golden amber liquid inside”
– “Warm backlight creating rim light on bottle edges, soft studio lighting”
– “Macro photography, shallow depth of field, bokeh effect on background”
3. 加入负向提示词（Negative Prompt，在 Stable Diffusion 中有效）：
– “plastic, cheap, toy, blurry, low quality, deformed”

最终提示词（Midjourney V6）：

> “A premium whiskey bottle with crystal clear glass, thick glass walls, golden amber liquid, subtle refraction on the glass surface, placed on a dark oak wine rack, warm backlight creating rim light, soft studio lighting from left, macro photography, shallow depth of field, bokeh background, 8K, photorealistic, –ar 3:4 –s 300 –v 6.0”

关键技巧：在提示词中加入“crystal clear glass”和“thick glass walls”来暗示玻璃的物理厚度；“rim light”和“refraction”触发 AI 对光学效果的模拟。

案例 2：角色设计——让 AI 理解“服装细节”

某游戏公司的设计师需要“一个穿着机甲的女性战士，机甲是白金色，带蓝色能量纹路”。他输入：

> “Female warrior in white-gold mecha armor, blue energy lines”

结果：机甲像塑料玩具，蓝色纹路变成涂鸦，人物脸部模糊。

问题：AI 对“mecha armor”的理解太宽泛。它可能联想到《高达》《环太平洋》��钢铁侠》等完全不同风格的机甲。你需要指定机甲的类型、结构、材质。

工程化方法：

1. 指定机甲流派：是“硬表面机甲”（hard surface）还是“生物机甲”（organic mecha）？本例选硬表面。
2. 分层描述：先描述整体风格 → 再描述材质 → 最后描述细节装饰
3. 使用“权重语法”（Midjourney 支持）：`(white-gold metal:1.5)` 表示该词权重提升 1.5 倍

最终提示词：

> “A female warrior in hard-surface mecha armor, primary material: white-gold polished metal with matte finish, blue neon energy lines flowing along the armor seams, glowing blue reactor core on chest, angular shoulder pauldrons, sleek helmet with visor, dynamic pose, standing on a futuristic hangar deck, cinematic lighting, volumetric fog, 8K, hyperdetailed, style by H.R. Giger and Masamune Shirow, –ar 16:9 –s 400 –v 6.0”

重点：`hard-surface` 锁定机甲风格；`polished metal with matte finish` 明确材质质感；`energy lines flowing along the armor seams` 让蓝光纹路有“流动感”而非死板图案。

三、进阶技巧：用“提示词模板”提升效率

当你能写出精确的提示词后，下一步是 模板化。设计师经常要生成同一系列的作品（如一套电商图、一组角色立���），每次从头写提示词太慢。建议建立自己的提示词库，按场景分类。

模板示例：电商产品图模板

主体描述：[产品名称]，[材质属性]，[颜色/纹理]
环境设置：[背景材质]，[灯光类型]，[氛围词]
摄影参数：[镜头类型]，[光圈]，[景深]
画质要求：[分辨率]，[渲染引擎风格]
负向词：[排除元素]
后缀参数：--ar [比例] --s [风格化] --v [版本]

模板示例：角色立绘模板

主体：[角色描述]，[年龄/性别]，[体型]
服装：[衣服类型]，[材质]，[颜色]，[细节装饰]
姿势：[动态描述]，[表情]，[视线方向]
环境：[背景类型]，[光线]，[色彩基调]
风格：[艺术家/流派]，[渲染风格]
后缀：--ar 2:3 --s 200 --v 6.0

工具推荐：

四、总结与进阶建议

Prompt Engineering 不是玄学，它是 结构化描述 + 参数控制 + 领域知识 的结合。当你把一个模糊的想法拆解成“材质、光线、构图、风格、技术参数”五个维度时，AI 就不再是“猜谜机器”，而是你的高效执行工具。

进阶学习路径：
1. 建立“词汇库”：每天收集 5 个专业描述词（如“subsurface scattering”“anisotropic reflection”“bokeh”），并观察它们在生成结果中的效果
2. 做“对比实验”：固定其他参数，只改变一个词，观察输出差异。比如分别用 “cinematic lighting” 和 “studio lighting” 生成同一场景，理解两者的区别
3. 学习 AI 模型的“知识边界”：Midjourney 对某些材质（如玻璃、水）有内置优化，Stable Diffusion 对动漫风格更敏感。了解每个工具的优势，能让你事半功倍

最后，记住小林的故事——他在掌握提示词工程后，用 3 天时间完成了之前 2 周才能完成的项目。不是 AI 变聪明了，是他学会了“与 AI 对话”的正确语法。

—

常见问题 FAQ

Q1：提示词越长越好吗？

A：不是。过长提示词会稀释核心信息，导致 AI 忽略关键点。建议控制在 60-80 个单词内，用“关键属性 + 约束条件”的结构。如果必须描述复杂场景，尝试用 `(word:weight)` 提升核心词的优先级。

Q2：Midjourney 和 Stable Diffusion 的提示词写法一样吗？

A：不完全一样。Midjourney V6 更擅长理解自然语言，支持权重语法和负面提示词（`–no`）。Stable Diffusion 对负面提示词更敏感，且需要明确指定“负面词”（如 `bad anatomy, extra fingers`）。建议分别建立两套模板。

Q3：如何让 AI 保持角色一致性？

A：在 Stable Diffusion 中使用 IP-Adapter 或 LoRA 模型，可以固定角色面部特征。Midjourney 目前通过 `–cref` 参数（参考图像）实现角色一致性，但需要多次调整权重。最简单的方法：在同一系列中复用相同的描述词组合。

Q4：为什么我用了“photorealistic”还是不够真实？

A：`photorealistic` 是一个宽泛词，需要配合具体的光学描述。建议加入“shot on [相机型号]”“[光圈参数]”“[胶片类型]”等细节，如“shot on Hasselblad X1D, 50mm lens, f/1.8, Kodak Portra 400”。

Q5：提示词中的“负向词”应该写什么？

A：常见负向词包括：`low quality, blurry, deformed, extra limbs, bad anatomy, watermark, text, signature`。对于特定场景，还可以加入 `plastic, toy, cartoon` 等（如果你要写实风格）。注意负向词不要太多，5-8 个足够。