Prompt Engineering：AIGC 设计师的核心竞争力

Prompt Engineering：AIGC 设计师的核心竞争力

上周三，一位在电商公司做视觉设计的学员小周，发给我两张图。一张是她用 Midjourney 生成的“北欧风客厅”，花了三个小时，反复修改了二十多次提示词，结果还是“一眼假”——沙发比例失调，窗外景色像贴纸，光影完全不对。另一张是她同事用同样的工具，十分钟搞定，光影自然，材质逼真，甚至能直接放进详情页当主图。

小周问我：“老师，我是不是不适合做 AIGC？为什么我写的提示词总像在跟一个听不懂人话的傻子说话？”

我问了她一个问题：“你写提示词的时候，是在描述‘你想要什么’，还是在描述‘你看到什么’？”

她愣住了。这个问题的答案，就是 Prompt Engineering 的核心——它不是玄学，而是一门有语法、有结构、有调试逻辑的工程学科。 今天，我把这套方法论拆开讲透。

一、为什么你的提示词“不听话”？—— 先理解 Token 与权重

很多设计师把提示词当成“许愿咒语”，以为写得越华丽越好。但实际上，无论 GPT-4o 还是 Midjourney V6，它们都是基于 Token（��元）的概率模型。你输入的每个词，都会被拆解成 Token，模型根据训练数据中的统计规律，预测最可能的组合。

第一个关键认知：模型不是理解你的意图，而是在做“统计续写”。

举个例子。你写“a beautiful living room”，模型大概率会生成一张“普通的好看客厅”——因为训练数据里这个组合出现的频率太高了。但如果你写“a 70sqm Scandinavian living room, floor-to-ceiling windows, pale oak floor, gray linen sofa, morning sunlight casting long shadows, IKEA 2024 catalog style”——每个 Token 都在缩小概率空间，最终锁定到接近你脑海中的画面。

第二个关键认知：权重是隐形的，但可以通过位置和符号控制。

在 Midjourney 中，`::` 双冒号是权重分隔符。比如 `interior design::4 living room::1`，前者的重要性是后者的 4 倍。而在 Stable Diffusion WebUI 中，`(keyword:1.3)` 表示将该词权重提升 30%。这些符号不是装饰，是工程参数。

实操步骤（以 Midjourney V6 为例）：

1. 打开 Midjourney，输入 `/imagine prompt:`
2. 基础结构：`[主体] + [环境] + [材质/风格] + [光照] + [构图] + [相机参数] + [负面提示（–no）]`
3. 示例：

   a minimalist workspace, white oak desk, iMac 27-inch, small potted monstera, soft diffused window light from left, shot on Sony A7R IV, 35mm lens, f/2.8, shallow depth of field --ar 16:9 --v 6 --no clutter
   

4. 如果画面太乱，加 `–no clutter`（排除杂物）；如果风格不对，加 `–style raw` 降低默认美学干预。

关键参数速查表：

• `–ar 16:9`：宽高比，电商详情页用 3:4

二、从“描述”到“指令”：用结构化提示词复刻真实案例

小周的问题在于，她写的是“我想要一个北欧风客厅，温馨一点，有阳光”——全是形容词和抽象概念。而她的同事写的是“一个 20 平米的客厅，浅色木地板，灰色亚麻沙发，白色墙面，黑色细框落地窗，上午 10 点的阳光从西南方向射入，在地板上形成 1 米长的光影，宜家样板间摄影风格，超写实”。

区别在哪？前者是“感受”，后者是“参数”。

第二个实操案例：用 ChatGPT 生成可落地的设计提案。

很多设计师不知道，ChatGPT 的 GPTs（自定义指令）功能，可以帮你把模糊需求转化成精确提示词。我教小周建了一个“设计提示词编译器”：

��作步骤：

1. 打开 ChatGPT，选择 `Explore GPTs` → `Create a GPT`（需要 Plus 账号）
2. 在 Instructions 中输入以下系统提示词：

   You are a prompt engineering compiler for visual designers. 
   When given a design brief, output a Midjourney prompt with this structure:
   [SUBJECT] + [ENVIRONMENT] + [MATERIALS] + [LIGHTING] + [CAMERA] + [STYLE] + [NEGATIVE]
   Use concrete nouns and measurable descriptors. Avoid adjectives like 'beautiful', 'nice', 'modern'.
   For each prompt, also provide 3 variations: one with higher stylize, one with lower stylize, one with different aspect ratio.
   

3. 输入需求：“我要一个咖啡品牌的包装设计，北欧风格，环保材质”
4. 它会输出类似：

   SUBJECT: matte black coffee bag with minimalist typography, 250g capacity
   ENVIRONMENT: standing on a light gray concrete surface, soft shadow
   MATERIALS: kraft paper with matte lamination, embossed logo
   LIGHTING: softbox at 45-degree angle, color temperature 5000K
   CAMERA: shot on Hasselblad H6D, 80mm lens, f/5.6, focus on logo
   STYLE: Scandinavian design, IKEA product photography style, high detail
   NEGATIVE: --no plastic wrap, glossy reflection, text errors
   

这个流程的核心价值：把��灵感”转化为“可复现的参数”。 你不再依赖运气，而是依赖一套可调试的流程。

三、进阶：用 ControlNet 和 LoRA 解决“手控不好”的痛点

提示词再精准，也有瓶颈——比如人物手部、复杂透视。这时候需要组合工具。

工具组合：Stable Diffusion WebUI + ControlNet + 手部修复 LoRA

操作步骤：

1. 安装 Stable Diffusion WebUI（推荐使用秋叶整合包 4.5 版本，内置常用插件）
2. 在 Extensions 中安装 `ControlNet` 插件（版本 1.1.4+）
3. 下载手部修复 LoRA 模型（推荐 `hand_lora_v1.0.safetensors`，放至 `models/Lora` 目录）
4. 在文生图界面中：
– 输入主体提示词，如 `1girl, sitting at desk, typing on laptop, cafe, bokeh background`
– 在 ControlNet 区域上传一张手部姿势参考图（可以用 3D 模型摆姿势截图）
– Preprocessor 选择 `openpose_hand`，Model 选择 `control_v11p_sd15_openpose`
– 权重设为 0.8，引导起始 0.1，结束 0.8
5. 在 Lora 区域选择 `hand_lora_v1.0`，权重设为 0.7
6. 生成后，手部细节比纯提示词提升 80% 以上。

为什么有效？ ControlNet 通过姿态骨架约束了手的空间位置，LoRA 则微调了手部细节的生成概率。提示词负责“气质”，ControlNet 负责“骨架”，LoRA 负责“皮肤”——三层叠加，才是完整的 AIGC 工作流。

参数细节：

四、总结：从“咒语师”到“提示词工程师”的三个跃迁

小周后来告诉我，她用这套方法重做了那个“北欧风客厅”，一次通过，甲方直接用了。她现在的提示词模板已经存了 200 多条，按场景分类，每次新项目先调模板再微调。

三个跃迁建议：

1. 从“形容词思维”转向“参数思维” —— 把“温馨”拆解成“色温 3500K 的暖光 + 原木材质 + 低饱和度沙发 + 午后斜射光”
2. 建立自己的提示词库 —— 用 Notion 或飞书表格，按行业（电商、室内、产品、人物）分类，记录每次生成的成功率和修改日志
3. 学会组合工具 —— 不要只依赖 Midjourney，Stable Diffusion 的 ControlNet、LoRA、Inpainting 功能，能解决 80% 的细节问题

最后一条建议： 每周花 2 小时做“提示词逆向工程”——找一张优秀的设计图，尝试用提示词复现，然后对比差异，调整参数。这是提升最快的训练方式，没有之一。

—

常见问题 FAQ

Q1：Midjourney V6 和 V5 在提示词写法上有什么区别？
V6 对自然语言的理解大幅提升，不再需要堆砌大量逗号分隔的关键词。V6 更偏向“用完整句子描述场景”，同时 `–stylize` 的默认值从 2500 降到了 100，意味着更忠实于你的描述。如果你还在用 V5 的“关键词堆砌法”，在 V6 中效果会打折。

Q2：为什么我加了 `–no` 参数，画面里还是有我排除的元素？
`–no` 是“降低权重”而非“绝对排除”。比如 `–no text` 只是让文字出现的概率降低，不能保证 100% 没有。如果文字频繁出现，需要在提示词中明确指定 `no typography, no letters, no fonts`，同时将 `–stylize` 调低到 50 以下。

Q3：Stable Diffusion 和 Midjourney 哪个更适合商用？
商用看需求。Midjourney 出图快、美学质量高，但版权条款要求付费用户才能商用，而且可控性弱。Stable Diffusion 完全本地部署，可控性极强（ControlNet、Inpainting 都能做），但需要花时间调参。我的建议：提案阶段用 Midjourney，最终落地用 SD 精修。

Q4：提示词越长越好吗？
不是。超过 80 个 Token 后，模型对早期 Token 的注意力会衰减（类似“注意力机制”的局限性）。我的经验是：核心主体控制在 20 个 Token 内，环境 10 个，材质/风格 10 个，光照 5 个，相机参数 5 个。总长 50-60 个 Token 为最佳。

Q5：如何判断自己的提示词是否“合格”？
一个简单标准：把提示词发给一个不懂设计的朋友，看他能否在脑中形成具体画面。如果他能说出“白色沙发、木地板、窗户在左边、光线偏暖”，说明你的提示词是合格的。如果他说“一个好看的客厅”，那就需要继续细化。