Prompt Engineering：AIGC 设计师的核心竞争力

上周，一位学员拿着两版海报来问我：“老师，同样的Midjourney，为什么我出的图像儿童插画，同事出的像商业大片？”我点开他的prompt，写着“a beautiful girl in a garden, soft lighting”。而同事的prompt是“a fashion model wearing haute couture dress, standing in a surreal neon-lit botanical garden, shot on Hasselblad X1D II 50C, 85mm lens, f/1.8, cinematic lighting, rim light, volumetric fog, ultra-detailed textures, 8K, style of Tim Walker”。

差距不在工具，在语言。

你给AI的每个词，都在为它绘制一幅精确的地图。Prompt Engineering不是玄学，是结构化的沟通艺术。今天，我们用两个实操案例，拆解从“能用”到“精通”的进化路径。

—

一、从“描述”到“控制”：结构化Prompt的底层逻辑

很多设计师把prompt当成“描述”，这是第一个误区。AI不是听你描述画面，而是根据你提供的参数空间生成概率最高的结果。理解这点，你就能从“写诗”转向“编程”。

1.1 结构化Prompt的四大要素

以Midjourney V6为例，一个高效prompt包含：

• 主体：主语+动作+状态（如“a cyberpunk samurai holding a glowing katana”）

实操案例：从废稿到成稿的4次迭代

初始prompt（学员原版）：

a cool robot in a city, cyberpunk style

输出：模糊的机械体，背景混乱，毫无质感。

第一次优化：添加主体细节

a weathered combat robot with visible weld marks, one red LED eye glowing, standing in a neon-lit street at midnight

输出：主体清晰了，但光影平，像游戏贴图。

第二次优化：引入摄影参数

a weathered combat robot with visible weld marks, one red LED eye glowing, standing in a neon-lit street at midnight, shot on Leica M6, 35mm lens, f/2.8, shallow depth of field

输出：有了镜头感，背景虚化，但色彩过曝。

第三次优化：控制色彩与质感

a weathered combat robot with visible weld marks, one red LED eye glowing, standing in a neon-lit street at midnight, shot on Leica M6, 35mm lens, f/2.8, shallow depth of field, color graded with teal and orange, Kodak Portra 400 film grain, --ar 16:9 --s 200

输出：接近商业概念图，但机器人表面太新。

第四次优化：加入材质描述

a heavily weathered combat robot with rust patches and scorch marks, one red LED eye flickering, standing in a rain-soaked neon-lit street at midnight, water droplets on its shoulder, shot on Leica M6, 35mm lens, f/2.8, shallow depth of field, color graded with teal and orange, Kodak Portra 400 film grain, ultra-detailed surface textures, --ar 16:9 --s 200 --v 6

输出：质感、光影、氛围全部到位，可直接用于概念设计。

1.2 工具链升级：从单一prompt到多工具协作

单靠Midjourney不够。AIGC设计师的竞争力在于组合使用工具：

1. Midjourney V6：出图质量最高，但控制力弱
2. Stable Diffusion WebUI + ControlNet：精准控制构图、姿势、深度
3. DALL-E 3：文字理解能力最强，适合复杂描述
4. ComfyUI：工作流可视化，适合批量生产

关键参数解读（以Stable Diffusion为例）：

—

二、高阶控制：用“负面提示词”和“权重语法”做减法

很多设计师只关注“要什么”，忽略了“不要什么”。负面提示词是Prompt Engineering中最大的杠杆之一。

2.1 负面提示词实战

在Midjourney V6中，可以用`–no`参数：

a luxury watch product shot, gold dial, leather strap, soft studio lighting, --no blur, distortion, watermark, text, bad anatomy

在Stable Diffusion中，负面提示词更强大：

Negative prompt: ugly, tiling, poorly drawn hands, extra limbs, disfigured, deformed, blurry, bad anatomy, bad proportions, cloned face, out of frame, extra fingers, mutated hands, poorly drawn face, mutation, missing arms, watermarks, text

案例：生成高质量产品图

Stage 1：用Midjourney生成基础构图

a minimalist ceramic vase on a marble pedestal, soft north-facing window light, pale beige background, studio photography, Hasselblad X1D II 50C, 90mm lens, f/5.6, --ar 4:5 --v 6

Stage 2：导入Stable Diffusion进行精修

2.2 权重语法：让AI听懂你的优先级

在Midjourney V6中，用`::`分隔并添加权重：

a fantasy castle ::2 on a floating island ::1 surrounded by clouds ::0.5 --ar 16:9

这样AI会优先保证“城堡”的细节，其次是“浮空岛”，“云”作为背景元素权重最低。

在Stable Diffusion中，用`()`和`[]`：

(ultra-detailed:1.3) (cinematic lighting:1.2) [background blur:0.8]

进阶技巧：在ComfyUI中搭建权重控制工作流
1. 用`CLIP Text Encode`节点分别输入主体、环境、风格
2. 用`Conditioning (Concat)`节点合并，调整各部分的权重
3. 连接`KSampler`节点，设置`CFG Scale`为10

—

三、工作流实战：从概念到落地的完整闭环

理论讲完，我们跑一个完整案例：为某咖啡品牌设计“夏日冰咖”系列海报。

3.1 阶段一：概念发散（Midjourney）

Prompt：

a glass of iced coffee with condensation droplets, ice cubes floating, coffee swirling, mint leaves garnish, placed on a weathered wooden table, golden hour sunlight streaming through window, film grain, warm tones, shot on Fuji GFX 100S, 45mm lens, f/2.8, shallow depth of field, --ar 4:5 --v 6 --s 300

生成4张不同构图，选一张作为基础。

3.2 阶段二：精准控制（Stable Diffusion + ControlNet）

1. 将Midjourney图导入Stable Diffusion
2. 使用`Depth` ControlNet保持空间结构
3. 使用`Canny` ControlNet强化边缘
4. 重写prompt增加品牌元素：

a glass of iced coffee with condensation, ice cubes, mint leaves, wooden table, golden hour, warm tones, Fuji GFX, --ar 4:5

5. 用`inpaint`功能在咖啡杯上添加品牌Logo

3.3 阶段三：后期精修（Photoshop + AI插件）

1. 用`Photoshop Beta`的`Generative Fill`扩展背景
2. 用`Topaz Photo AI`提升分辨率至8K
3. 用`Color Grading`工具统一色调

—

四、总结与进阶建议

Prompt Engineering的本质是翻译——把人类视觉思维翻译成AI能理解的参数空间。记住三个核心原则：

1. 具体化：不说“漂亮”，说“高对比度、暖色调、柔光”
2. 结构化：主体→环境→风格→参数，缺一不可
3. 迭代：没有一次成功的prompt，只有不断优化的过程

进阶学习路径：

—

常见问题 FAQ

Q1：为什么我复制了别人的prompt，出的图却不一样？
A：Midjourney V6每次生成都有随机性。另外，相同的prompt在不同版本（V5 vs V6）和不同seed值下结果差异很大。建议锁定`–seed`参数（如`–seed 12345`）来复现风格。

Q2：Stable Diffusion和Midjourney应该优先学哪个？
A：如果目标是快速出高质量概念图，先学Midjourney V6；如果需要对构图、姿势、产品细节进行精确控制，必须学Stable Diffusion + ControlNet。两者互补，不是替代关系。

Q3：负面提示词写多少合适？
A：Midjourney中不超过5个关键词；Stable Diffusion中可以写很长（20-30个），但核心是“bad anatomy”“extra limbs”“watermark”这类常见问题。不要写“not ugly”，AI不理解否定逻辑。

Q4：我生成的图总感觉“AI味”太重怎么办？
A：降低`–s`参数（Midjourney）或`CFG Scale`（Stable Diffusion）。另外，加入胶片颗粒、镜头畸变、色彩分级等摄影术语能有效去AI味。最后，用Topaz Photo AI做后期处理。

Q5：Prompt Engineering会被未来的AI自动优化吗？
A：会，但不会消失。就像摄影师仍然需要懂构图和光线，设计师仍然需要理解视觉语言。工具会进化，但“如何清晰表达需求”的能力永远是核心竞争力。