Prompt Engineering：AIGC 设计师的核心竞争力
上个月，我的一位学员小王发来消息：“老师，我用 Midjourney 生成了 200 多张图，没有一张能用的。客户要的‘赛博朋克风格咖啡馆’，我写了‘cyberpunk coffee shop’，出来的全是霓虹灯管和机械臂，完全没有咖啡馆的温馨感。”
这个案例很典型。很多设计师以为 AIGC 就是“输入关键词，等待奇迹”，结果往往事与愿违。实际上，Prompt Engineering（提示词工程） 不是简单的“写词”，而是像编程一样，需要结构化设计、参数调优和场景化推理。今天，我将用两个实操案例，带你拆解如何用 Prompt 让 AI 真正理解你的设计意图。
—
一、从“关键词堆砌”到“结构化 Prompt”：Midjourney 实战
1.1 问题根源：AI 不是魔法，是逻辑处理器
小王的问题在于：他以为“cyberpunk coffee shop”足够明确，但 AI 理解的是“cyberpunk（赛博朋克视觉元素）+ coffee shop（咖啡店场景）”，缺乏对“氛围”“光线”“材质”的约束。
核心原则：Prompt 需要包含 主体、环境、风格、光线、构图、色彩 六大要素。以 Midjourney v6.1 为例，我们来看一个改造案例。
1.2 案例一：生成一张“赛博朋克咖啡馆”海报
错误 Prompt：
`cyberpunk coffee shop, neon lights, futuristic`
输出结果：霓虹灯管、机械臂、金属质感，但画面杂乱，缺乏焦点。
正确 Prompt（结构化设计）：
A cozy coffee shop interior at night, warm amber light from hanging lamps, a barista in a vintage apron pouring latte art, holographic menu boards floating on the wall, cyberpunk aesthetic with neon blue and pink accents, soft bokeh background, cinematic composition, 8K, shot on 35mm lens --ar 16:9 --v 6.1 --s 250
参数说明：
- `–v 6.1`：指定 Midjourney 版本，v6.1 对语义理解更强，能处理复杂场景。
结果：AI 生成了既有赛博朋克科技感（全息菜单、蓝粉霓虹），又保留咖啡馆温馨氛围（暖光、木质吧台）的画面。小王用这个 Prompt 修改后，客户一次通过。
1.3 操作步骤（Midjourney Discord 环境）
1. 输入 `/imagine`，粘贴上述 Prompt。
2. 等待生���：约 30-60 秒（取决于服务器负载）。
3. 选择变体：点击 U1-U4 放大某张，或 V1-V4 生成相似变体。
4. 微调：如果光线偏冷，可在 Prompt 最后加 `–iw 2`（图像权重，仅适用于以图生图时），或直接修改 `warm amber light` 为 `golden hour light`。
—
二、Stable Diffusion 的“反向 Prompt”与 ControlNet 联动
2.1 为什么需要反向 Prompt？
Stable Diffusion（SD）的生态更开放，但容易“乱加东西”。例如，生成“中国风山水画”，AI 可能自动添加“龙”“观音”等元素。Negative Prompt（反向提示词） 可以精准排除不想要的元素。
2.2 案例二：生成一张“极简主义 logo”
目标：一个几何线条构成的“山峰+太阳”logo，白色背景，无阴影，无渐变，无文字。
基础 Prompt：
`minimalist logo, geometric lines, mountain and sun, white background, vector art, flat design`
问题：AI 可能生成带渐变的 3D 效果，或添加树叶、云朵等多余元素。
优化 Prompt（使用 Automatic1111 WebUI v1.8.0）：
正向 Prompt：
minimalist logo, geometric lines, mountain and sun, white background, vector art, flat design, clean edges, high contrast, black and white
反向 Prompt：
text, watermark, shadow, gradient, 3D, realistic, photorealistic, detailed, complex, multiple elements, nature, leaves, clouds, people, animals
参数设置：
操作步骤：
1. 在 Automatic1111 的 `txt2img` 界面输入正向和反向 Prompt。
2. 点击 `Generate`，等待约 10-20 秒（取决于显卡性能）。
3. 如果边缘锯齿明显，可在 `img2img` 中降低 `denoising strength` 至 0.4，并添加 `–detail` 参数。
2.3 ControlNet 进阶：锁定构图
如果你需要精确控制 logo 中“山峰”的位置，可以使用 ControlNet 的 Canny Edge 模式：
1. 在 `ControlNet` 面板上传一张手绘草图（简单线条即可）。
2. 选择 `Preprocessor` 为 `Canny`，`Model` 为 `control_v11p_sd15_canny`。
3. 设置 `Control Weight` 为 0.8（保留 AI 创造性的同时遵循草图）。
4. 生成结果：AI 会严格按照草图轮廓生成 logo，细节由 Prompt 决定。
—
三、Prompt 工程的核心思维：从“描述”到“编程”
3.1 参数化思维
将 Prompt 视为“函数”，每个参数都是变量。例如：
模板化 Prompt：
A [object] in [location], [lighting], [style] aesthetic, [camera] shot, [composition], [quality] --ar [ratio] --v [version] --s [style strength]
例如：
`A robot in a library, warm candlelight, steampunk style, wide angle shot, centered composition, 8K –ar 16:9 –v 6.1 –s 300`
3.2 迭代优化流程
1. 初版生成：用基础 Prompt 快速出图，观察问题。
2. 诊断问题：颜色不对？→ 加色彩关键词。构图混乱？→ 加视角和布局词。
3. 反向排除：将不想要的元素写入反向 Prompt（仅 SD 支持）。
4. 参数调优：调整 CFG Scale（SD）或 Style Weight（MJ），平衡创造性和准确性。
5. 最终输出：使用高分辨率修复（如 SD 的 Hires.fix）或 MJ 的 `–upbeta`。
—
四、总结与进阶建议
Prompt Engineering 的本质是 用结构化语言引导 AI 理解设计意图。记住三点：
1. 要素齐全：主体、环境、风格、光线、构图、色彩，缺一不可。
2. 参数精准：版本号、风格强度、宽高比，每个参数都影响结果。
3. 迭代思维：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：为什么我的 Prompt 生成了完全无关的内容？
A：检查是否漏了关键要素，如“主体”或“风格”。Midjourney 需确保 `–v` 版本不低于 6.0；SD 需确认反向 Prompt 是否误写了正向词。
Q2：如何让 AI 生成特定颜色？
A：在 Prompt 中明确颜色名称，如 `cyan and magenta`。MJ 中可用 `–s 0` 降低风格化，避免 AI 自动调色。
Q3：SD 的 CFG Scale 设为多少合适？
A：7 是默认值。数值越高，Prompt 控制越严格（但可能生硬）；数值越低，AI 自由度越高（但可能偏离主题）。建议在 5-12 之间调试。
Q4：我可以用 ChatGPT 帮我写 Prompt 吗？
A：可以，但需提供结构模板。例如告诉它：“请按‘主体-环境-风格-光线-构图’格式写一个 Prompt，生成一张赛博朋克咖啡馆。”
Q5：为什么我的图分辨率低？
A：MJ 默认输出 1024×1024，可通过 `–ar 16:9` 调整比例，再用 `–upbeta` 放大。SD 可在 `txt2img` 设置 `Width/Height` 到 768×768 以上，或使用 Hires.fix 放大 2 倍。
—
本文所有工具版本截至 2025 年 3 月，建议定期更新以获取最新功能。
评论(0)