Prompt Engineering：AIGC 设计师的核心竞争力

上周，一位工作了五年的UI设计师学员小林发来两张图。左边是他用“一只坐在沙发上的波斯猫，写实风格”生成的图像，画面模糊，猫的肢体扭曲，背景像是被PS液化过。右边是他同事用同样的Midjourney V6生成的——波斯猫毛发根根分明，眼神慵懒而锐利，沙发皮革的纹理清晰可见，仿佛下一秒就能从屏幕里跳出来。

“我明明也是写实风格，为什么差距这么大？”小林问。

问题不在工具，而在于他输入的提示词（Prompt）。在AIGC时代，Prompt Engineering不是锦上添花的技巧，而是设计师的核心竞争力。它决定了你是在“使用AI”还是“被AI使用”。

—

一、Prompt的结构化设计：从“描述”到“指令”

很多设计师把Prompt当成“描述”，以为写得越详细越好。但AI不是人类，它需要的是结构化的指令。我将其总结为“四层架构法”：

第一层：主体与核心动作
明确你要生成什么，谁在做什么。例如：“一只波斯猫坐在天鹅绒沙发上”。

第二层：环境与氛围
补充背景、光照、色调。例如：“午后阳光从右侧窗户斜射进来，暖色调，金色光晕”。

第三层：风格与媒介
指定视觉风格和输出媒介。例如：“超写实摄影风格，Canon EOS R5，85mm定焦镜头，f/1.8光圈，浅景深”。

第四层：技术与质量参数
控制输出质量和一致性。Midjourney中常用：

• `–ar 16:9`（宽高比）

实操案例：生成一张“赛博朋克风格的城市夜景”

初级Prompt：

赛博朋克城市夜景，霓虹灯，雨夜

结构化Prompt：

A bustling cyberpunk city street at midnight, heavy rain reflecting neon signs in puddles, holographic advertisements on towering skyscrapers, flying cars leaving light trails, steam rising from manhole covers, cinematic lighting with blue and magenta color palette, photorealistic, shot on Sony A7S III with 24mm wide-angle lens, shallow depth of field, --ar 16:9 --v 6.1 --s 300

对比结果：前者生成的是模糊的“概念图”，后者则是可以直接用于概念设计的“视觉资产”。

—

二、迭代式Prompt：从“一次成型”到“精准调校”

没有哪个Prompt能一次完美。专业的工作流是“生成 → 分析 → 调整 → 再生成”的循环。以DALL·E 3（ChatGPT Plus内置版本）为例，我展示一个产品设计场景的完整迭代过程。

需求：为智能手表设计一个“健康监测”功能的UI界面，要求科技感强、信息层级清晰。

第一轮Prompt：

智能手表健康监测界面，显示心率、步数、睡眠质量，科技感风格

结果：界面元素混乱，心率显示为数字但无视觉层次，颜色过于花哨。

分析问题：

第二轮Prompt：

Smartwatch health monitoring UI, dark background with neon blue and green accent colors, top section shows heart rate with a circular gauge animation, middle section displays step count as a horizontal progress bar with 3D effect, bottom section shows sleep quality as a timeline chart, sans-serif font like SF Pro, subtle glassmorphism effects on card elements, 2.5D perspective view, ultra-detailed, --ar 9:16

结果：布��合理，但进度条颜色与背景对比度不足，睡眠图表数据点过于密集。

第三轮调整：

最终Prompt：

Smartwatch health monitoring UI, dark AMOLED background (#0A0A0A), high contrast neon cyan (#00F0FF) and lime green (#39FF14) accent colors, top: heart rate displayed with circular gauge with LED glow effect, middle: step count as horizontal progress bar with gradient fill, bottom: sleep quality as weekly timeline chart with daily averages, clean sans-serif typography, glassmorphism card with 20% opacity, 2.5D isometric angle, ultra-detailed, no text, no UI elements outside main cards, --ar 9:16 --v 6.1 --s 400 --no cluttered, noisy

最终生成的界面可以直接用于产品演示或设计系统参考。

—

三、工具链协同：Prompt的跨平台迁移

真正的AIGC工作流不是单打独斗，而是多个工具的协同。以下是火星人教育学员最常用的组合：

场景：为电商品牌生成一套“夏日冰饮”主视觉

1. Midjourney V6.1 生成核心视觉

   A glass of tropical fruit punch with ice cubes, condensation on glass, mint leaves and lime wheel, backlit by golden hour sunlight, macro photography, 50mm lens, shallow depth of field, vibrant colors, 8K --ar 3:2 --v 6.1 --s 250
   

2. Adobe Photoshop Beta（生成式填充） 进行局部修改
– 选中玻璃杯底部，输入 `add condensation drops, realistic water texture`
– 选中背景，输入 `tropical beach background with palm trees, blurred bokeh`

3. Runway Gen-2 将静态图转为动态视频
– 上传最终PSD导出图
– Prompt：`ice cubes melting slowly, mint leaves swaying slightly in breeze, cinematic camera pan from left to right`

4. Topaz Photo AI 最终降噪和锐化
– 使用“Standard Model”提升分辨率至4K
– 开启“Face Recovery”（即使没有脸，也能优化纹理细节）

关键技巧：在不同工具间迁移时，保持Prompt的“核心参数”一致。例如Midjourney中描述的“golden hour sunlight”在Photoshop中应保留，否则AI会重新理解光照，导致风格断裂。

—

总结与进阶建议

Prompt Engineering的本质是“与AI的精准对话”。它要求设计师同时具备三重视角：

进阶学习路径：
1. 建立个人Prompt库：按风格（赛博朋克/极简主义/复古胶片）、场景（电商/UI/概念设计）分类，记录每次迭代的调整点和结果。
2. 学习反向工程：看到优秀的AI作品，尝试反推出它的Prompt结构。例如，分析Stable Diffusion的`–cfg scale`、`–steps`参数如何影响输出。
3. 关注官方更新：Midjourney的V6.1版本新增了`–stylize`和`–weird`参数，学会它们能打开新的创作维度。
4. 实战项目驱动：不要为了学而学，接一个真实项目（比如朋友店铺的海报），用AI完成全流程，你会快速掌握Key Parameters。

—

常见问题 FAQ

Q1：Prompt写得越长越好吗？
不是。AI有上下文窗口限制（例如GPT-4 Turbo为128K tokens），但更重要的是“有效信息密度”。与其写“非常非常非常漂亮的”，不如写“ultra-detailed, photorealistic, 8K”。优先使用专业术语（如“bokeh”、“macro”、“golden hour”），它们比普通形容词更精准。

Q2：为什么同样的Prompt，我生成的效果和别人不一样？
可能是三个原因：1）使用的模型版本不同（如Midjourney V5 vs V6.1）；2）随机种子（Seed）不同，可通过`–seed 1234`固定；3）平台设置不同（如Midjourney的“Style”参数默认为“Medium”，可调整为“Raw”以获得更忠实于Prompt的结果）。

Q3：如何让AI生成的人物保持一致性？
在Midjourney中，使用`–cref`（Character Reference）参数，上传一张目标人物的照片，后续生成的角色会保持面部相似。例如：`–cref [image_url] –cw 50`（cw控制相似度权重）。配合`–sref`（Style Reference）可以同时锁定风格。

Q4：生成图片中的文字总是乱码，怎么办？
当前AI模型对文字的生成能力有限（尤其是中文）。解决方法：1）在Prompt中明确写“no text”或“clean design without typography”；2）使用Canva或Photoshop后期添加文字；3）对于英文文本，使用DALL·E 3（ChatGPT内置）的准确率高于Midjourney，可尝试`–iw 2`提高文字权重。

Q5：Stable Diffusion和Midjourney的Prompt写法通用吗？
核心逻辑相同，但参数名称和语法不同。例如，Midjourney用`–ar 16:9`控制宽高比，Stable Diffusion用`–width 1024 –height 576`。建议先精通一个工具，再迁移学习。火星人教育的《AIGC设计全流程》课程中有详细的参数对照表，供学员参考。