Prompt Engineering：AIGC 设计师的核心竞争力

上周，一位学员带着他的 Midjourney 作品来找我，画面是一只“赛博朋克风格的狐狸”，但出来的效果却像卡通贴纸，完全没有“赛博朋克”应有的金属质感、霓虹光影和机械细节。他抱怨说：“AI 根本不懂我。” 我让他把提示词写给我看，他写的是：`cyberpunk style fox, , detailed`。问题出在哪？风格词 `cyberpunk` 太宽泛，缺少对光影、材质、构图的精准控制。这就是典型的“提示词贫血症”。

作为一名 AIGC 设计师，你的核心竞争力不是会点几个按钮，而是能否通过 Prompt Engineering（提示词工程）把模糊的想法转化为可控、可复现、高质量的视觉输出。今天，我们就来拆解这套核心技能。

一、结构化提示词：从“玄学”到“工程”

很多设计师把写提示词当成“许愿”，堆砌一堆形容词。真正的 Prompt Engineering 是结构化信息输入。一个专业的提示词应该包含以下四个核心模块：

1. 主体与动作：清晰描述核心对象及其状态。
2. 环境与氛围：背景、��线、天气、时间。
3. 风格与媒介：艺术流派、渲染引擎、摄影术语、镜头类型。
4. 参数与后缀：长宽比、风格化程度、版本号、负面提示词。

实操案例 1：用 Midjourney 生成一张“末日废土风”场景

错误示范：
`post-apocalyptic city, ruins, dark, realistic`

结果： 画面灰暗，主体模糊，缺乏细节。

正确结构化提示词（Midjourney v6.1）：

A collapsed highway overpass in a flooded city, rusted cars half-submerged in murky water, overgrown vines covering concrete pillars, golden hour light filtering through toxic smog, cinematic lighting, volumetric fog, photorealistic, shot on 35mm lens, f/2.8, shallow depth of field --ar 16:9 --s 250 --v 6.1 --no people, cartoon, bright colors

拆解分析：

| 模块 | 内容 | 作用 |
|——|——|——|
| 主体与动作 | `collapsed highway overpass, rusted cars` | 明确视觉焦点 |
| 环境与氛围 | `flooded city, murky water, golden hour, toxic smog` | 建立沉浸感 |
| 风格与媒介 | `cinematic lighting, volumetric fog, photorealistic, 35mm lens, f/2.8` | 锁定电影级真实感 |
| 参数 | `–ar 16:9 –s 250 –v 6.1 –no people, cartoon` | 控制比例、风格强度、排除干扰 |

关键参数说明：

  • `–s 250`：风格化参数（Stylize），范围0-1000。数值越低，越忠于提示词；数值越高，Midjourney 会加入更多自己的“艺术创意”。对于写实场景，建议 100-300。
  • `–v 6.1`：当前最新版本，对自然语言理解能力更强。
  • `–no`：负面提示，排除不需要的元素。

    • 末日废土场景

    —

    二、从“写词”到“调参”：用 Stable Diffusion 做精准控制

    如果说 Midjourney 是“魔法盒子”，那么 Stable Diffusion（以 SD WebUI Forge 为例）就是你的“实验室”。在这里，你可以通过 ControlNet 和 LoRA 实现像素级的控制。

    实操案例 2：用一张线稿图生成精准的“机甲设计”

    很多设计师想用 AI 做概念设计，但苦于 AI 生成的造型太随机。解决方案是：先用线稿锁定轮廓，再用提示词填充细节。

    步骤 1：准备控制图
    手绘或使用 Sketch/Rhino 画一张简单的机甲轮廓线稿（白底黑线），保存为 PNG。

    步骤 2：加载 ControlNet
    在 SD WebUI Forge 的 ControlNet 单元中，上传线稿图，并设置：

  • 预处理器： `Canny`（边缘检测）或 `Lineart_anime`（动漫线稿专用）
  • 模型： `control_v11p_sd15_canny`（对应 SD1.5 基础模型）
  • 控制权重： `0.8`（数值越高，越严格遵循线稿）
  • 引导终止时机： `0.6`（让 AI 在生成后期有自由度调整光影）

    • 步骤 3：编写提示词与参数

    Positive prompt:
mecha robot, heavy armor, white and orange color scheme, glowing blue reactor core on chest, intricate panel lines, hydraulic joints, battle damage, photorealistic, , sharp focus, rim lighting, grey background, product shot
    Negative prompt:
deformed, blurry, low quality, extra limbs, bad anatomy, text, watermark
    Sampling method: DPM++ 2M Karras
Steps: 30
CFG Scale: 7
Size: 768x1024
Denoising strength: 0.7 (如果基于已有图像做 img2img 时使用)

    步骤 4：生成与迭代
    点击生成，你会看到 AI 严格沿着你的线稿生长出机械装甲、管线细节。如果某个区域不满意（比如手臂太粗），可以在 Photoshop 中局部修改线稿，然后使用 `inpaint` 功能重新生成。

    为什么这样做？

  • ControlNet 保证结构：你不会得到“四不像”的怪物。
  • LoRA 控制风格：可以加载特定机甲设计师的 LoRA（如《装甲核心》或《攻壳机动队》风格），让细节更统一。
  • 负面提示词清理：`deformed, extra limbs` 是必加项，尤其对于复杂机械结构。

    • 机甲设计线稿生成

    —

    三、进阶：提示词的“微调”与“组合”

    当你掌握了基础结构，下一步是通过迭代微调来逼近目标。这里分享三个实战技巧：

    技巧 1：权重语法——让 AI 听懂主次

    在提示词中，用 `(word:1.5)` 或 `(word:0.8)` 来调整某个元素的重要性。

  • `(golden armor:1.4), (worn texture:0.6)` → 强调金色铠甲，但旧化感不要太重。
  • 在 ComfyUI 中，还可以通过 `CLIP Text Encode` 节点的 `strength` 输入来精细调节。

    • 技巧 2：混合媒介——打破风格单一

    不要只写一种风格。尝试混搭：

  • `oil painting by J.C. Leyendecker, mixed with photorealistic textures, soft studio lighting` → 插画感与真实感的融合。
  • `architectural photography, brutalist concrete, but rendered as a miniature diorama with tilt-shift lens` → 宏大场景的微缩模型效果。

    • 技巧 3：反向工程——拆解优秀作品

    当你看到一张惊艳的 AI 图时，不要只感叹。使用 CLIP Interrogator（在 Replicate 或 SD 插件中）反推提示词，然后分析它的结构：

  • 它用了哪些环境词？（`misty morning` vs `clear sky`）
  • 它用了哪种镜头语言？（`wide angle` vs `telephoto`）
  • 它的负面提示词是什么？（`blurry` 还是 `flat`）

    • 风格混合案例

    —

    总结与进阶建议

    Prompt Engineering 不是背诵“魔法咒语”，而是建立一套从意图到参数的翻译系统。你的核心竞争力在于：
    1. 结构化思维：把视觉元素拆解为可控制的模块。
    2. 参数理解：知道 `–s` 控制什么，`CFG Scale` 影响什么。
    3. 迭代能力：不满足于“第一张”，而是通过调整权重、ControlNet 参数、负面词来逼近目标。

    给进阶学习者的三条建议：

  • 建立自己的提示词库：用 Notion 或 Obsidian 记录每次成功生成的完整提示词、参数和结果图。标注为什么这个组合有效。
  • 学习 ControlNet 的高级用法：不止 Canny，还有 Depth（深度图控制构图）、OpenPose（控制人体姿态）、IP-Adapter（用一张图控制整体风格）。
  • 关注模型更新：Midjourney 的 `–style raw` 参数、SD 的 Flux 模型，每次更新都会改变“语法”。保持学习，但不要盲目追新，先把基础打牢。

    • —

    常见问题 FAQ

    Q1：为什么我的提示词写得很详细，但 Midjourney 还是生成出奇怪的东西？
    A：检查两个地方：一是 `–s` 值是否过高（超过 600 会让 AI 过度发挥），二是是否遗漏了 `–no` 负面词。另外，Midjourney v6 对自然语言理解更好，建议用完整句子代替关键词堆砌，例如用 `A mecha robot standing in a rain-soaked street` 代替 `mecha robot, street, rain`。

    Q2：Stable Diffusion 的负面提示词到底要写哪些？
    A：基础必加：`deformed, blurry, low quality, worst quality, bad anatomy, extra limbs, text, watermark`。针对特定场景加：生成人脸时加 `asymmetric eyes`，生成建筑时加 `crooked lines`。建议在负面提示词中放 10-15 个词，但不要重复。

    Q3：ControlNet 权重设多少合适？
    A：取决于你的需求。如果线稿非常精确（比如工程图纸），设 `1.0`；如果只是参考构图，设 `0.5-0.7`。记住，权重越高，AI 的自由度越低，但结构越稳定。建议从 `0.8` 开始，逐步降低直到找到平衡点。

    Q4：同一组提示词，为什么每次生成都不一样？
    A：因为 AI 生成有随机性。在 Midjourney 中，使用 `–seed 12345`（任意数字）可以固定随机种子，从而复现同一构图。在 SD 中，勾选 `Fixed seed` 并输入数值。这是商业项目中确保可复现性的关键操作。

    Q5：我该学 Midjourney 还是 Stable Diffusion？
    A：两者不冲突。Midjourney 适合快速出图、探索美学方向，尤其适合插画和概念设计。Stable Diffusion 适合需要精准控制、批量生成、或与 3D 工作流结合的场景（如用 Blender 渲染底图再 AI 细化）。建议先精通一个，再学另一个。

    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。