AI 出图一直\"正确但无聊\"？因为你少写了最值钱的一句话

为什么你堆了很多参数，图还是平的

大多数人写 AI 绘图提示词的思路是列清单：发色写上，衣服颜色写上，背景元素写上，灯光方向写上。写得越多越安心，觉得 AI 总该照着做了吧？

结果呢？图出来了，每个元素都在，但整体看就是"正确的废话"。像一张照着需求文档做出来的示意图，不像一幅作品。

这不是你参数写得不够多。问题出在更前面的地方。

没有给 AI 一个审美坐标系，直接往里塞细节，问题主要出在这里：你能描述姿势、服装、光线，但你没法用参数拼出"窥视感"和"职场尤物的疏离感"。这类情绪不是参数堆出来的，是文化语境自带的。不给语境，AI 做不出情绪，只能做出造型。

就好比你给一个不知道菜系的厨师列了食材清单：鸡蛋、酱油、米饭。他做出来的东西能吃，但你想要的蛋炒饭的那个"锅气"，他给不了你。结果就是"要求的总和"，不是"一个完整的视觉表达"。

高手的第一步：给 AI 一个坐标系

回头看那张图的提示词。第一句话，"一本日本时尚杂志"，它不是在描述画面，它是在告诉 AI：接下来所有参数，你用日本时尚杂志的审美体系去理解。

这句话一出，AI 激活的不是"逐条画参数"的模式，而是一整套审美判断体系：日式杂志的构图偏好、冷淡克制的色调、强叙事感的人物表现、版面裁切的逻辑。这些东西你没写在提示词里，但 AI 的训练数据里全有。你给了坐标系，它自己能填。

这就是新手和高手写提示词的根本分叉：

新手把 AI 当执行机器。列清单，写细节，希望它照做。

高手先问一个问题：这张图应该存在于哪个世界里？ 它是一本杂志的大片？一部电影的剧照？一个品牌的广告？一张街拍？

回答了这个问题，你给的就不是参数清单，是一个完整的文化坐标。AI 在这个坐标系里理解你的每一条参数，做出来的图自然是"一件作品"，而不是"一堆要素的拼贴"。

同一个"浅景深 f/1.8"，在"日本时尚杂志"语境下是大片质感，在"社交媒体自拍"语境下就是手机滤镜感。参数没变，语境变了，结果完全不一样。

我管这个叫"文化语境锚"。它是你整个提示词的第一行，也是价值最高的一行。

现在来看，这个概念在实际提示词里是怎么落地的。

拆开看：这个提示词的四步设计逻辑

这个提示词有几十个字段，看起来很复杂。但它不是随便堆的，背后是一条清晰的逻辑线。而且这条逻辑线不是什么"提示词技巧"，它来自真实的摄影工作流。

想想一本杂志的大片是怎么拍出来的：先确定"这是什么类型的片子"，再想"拍一个什么故事"，然后按分工安排人物、造型、摄影、场景，最后检查哪些东西绝对不能出现。

这个提示词就是照着这个顺序写的。四步，有严格的先后关系。

第一步：定文化锚

一本日本时尚杂志。

这是总调度。后面所有参数的"对"与"错"，都要拿这个框架来校验。把这句话去掉，其余参数全留着，AI 生成的图风格会完全不可控。

第二步：写一句故事

"她正忙着接私人电话而忽略了办公桌上的工作。"

这句话藏在 the_vibe.story 字段里。它不是装饰，它是所有细节参数的母体。

"心不在焉"的眼神、"微张"的嘴、"前倾靠在桌上"的姿势、"手机贴在右耳上"的道具，全都是从这句故事里长出来的。不是先想好参数再编故事，是先有故事，参数自然就有了。

写提示词的时候可以试试这个方法：先用一句话写清楚"这个人正在干什么"，然后从这句话里推导出表情、姿势、道具。比瞪着空白文档一个个凑参数快得多，而且参数之间天然有逻辑关联。

第三步：按拍摄分工填充

主体（年龄、表情、五官）→ 造型（发型、身材、服装）→ 摄影（机位、景深、光线）→ 背景（场景、环境光）→ 氛围（能量、情绪、叙事）。

每一层依赖前面的层。摄影参数"平视、略微倾斜"在时尚杂志语境下是窥视感，在纪实摄影语境下是街拍感。AI 对参数的理解取决于前面的语境和主体设定，所以顺序不能乱。

第四步：约束收边

最后一步是堵死 AI 可能跑偏的方向。

must_keep 列出四个构图锚点（深领黑裙、明显的曲线、黑色丝袜、虚化的同事），少了任何一个视觉平衡就垮。avoid 排除空背景、影棚灯光、僵硬姿势、插画风格。negative_prompt 再补一刀：不要动漫、不要 3D、不要畸形。

很多人不写约束，觉得"我已经说清楚想要什么了"。但 AI 就像一个有自己想法的合作者，你不告诉它"别往这几个方向走"，它迟早会走偏。约束字段是你的最后防线。

完整提示词（可直接复制）

以下是完整的提示词模板。固定部分保持原样，你需要改的变量用 [变量名] 标出。

一本[媒介类型，如"日本时尚杂志"]。
{
  "subject": {
    "description": "年轻女性在办公室打电话。",
    "age": "20多岁",
    "expression": {
      "eyes": {
        "look": "心不在焉",
        "energy": "疏离",
        "direction": "朝右看，不在镜头内"
      },
      "mouth": { "position": "微张", "energy": "正在说话" },
      "overall": "随意，不专注"
    },
    "face": {
      "preserve_original": true,
      "makeup": "东亚美女标准，苍白哑光粉底，自然唇彩，低调眼线。"
    }
  },
  "hair": {
    "color": "深棕色",
    "style": "短波波头，轻薄刘海",
    "effect": "顺滑，整齐地勾勒脸部轮廓"
  },
  "body": {
    "frame": "曲线玲珑",
    "waist": "纤细，被紧绷的面料突出",
    "skin": {
      "visible_areas": "肩膀、手臂、上胸部、颈部",
      "tone": "苍白，白皙",
      "texture": "柔软，粉状触感",
      "lighting_effect": "漫射的顶光照亮锁骨和上胸部"
    }
  },
  "pose": {
    "position": "身体前倾靠在办公桌上",
    "base": "站立姿势，上半身重量靠左臂支撑在桌上",
    "overall": "放松但曲线明显的姿势"
  },
  "clothing": {
    "top": {
      "type": "无袖连衣裙上衣",
      "color": "黑色",
      "details": "深圆领口，紧身",
      "effect": "拉伸到胸部上方"
    },
    "bottom": {
      "type": "连衣裙的迷你裙部分",
      "color": "黑色",
      "details": "褶皱腰部，小开衩裙摆，黑色透明连裤袜"
    }
  },
  "accessories": {
    "jewelry": "银色吊坠项链，带一个小圆环",
    "device": "智能手机贴在右耳上"
  },
  "photography": {
    "camera_style": "休闲肖像写实",
    "angle": "[镜头角度，如'平视，略微倾斜']",
    "shot_type": "中景半身，略微偏离中心",
    "aspect_ratio": "9:16",
    "texture": "轻微数码噪点，柔焦",
    "lighting": "平坦、漫射的荧光办公室灯光",
    "depth_of_field": "浅景深，f/1.8，背景严重虚化"
  },
  "background": {
    "setting": "[场景名称，如'开放式办公区']",
    "wall_color": "白色和灰色",
    "elements": ["白色办公桌", "电脑显示器", "模糊的同事们", "明亮的窗户"],
    "atmosphere": "平淡，忙碌",
    "lighting": "明亮、均匀的日光与顶灯混合"
  },
  "the_vibe": {
    "energy": "[氛围定义，如'办公室尤物 (Office Siren)']",
    "mood": "分心",
    "aesthetic": "企业空间中的超女性化",
    "authenticity": "抓拍感",
    "intimacy": "窥视感",
    "story": "[一句人物故事，如'她正忙着接私人电话而忽略了办公桌上的工作。']",
    "caption_energy": "办公室里忙碌的一天。"
  },
  "constraints": {
    "must_keep": ["深圆领黑裙", "突出的乳沟", "黑色透明连裤袜", "虚化的同事"],
    "avoid": ["空背景", "戏剧化的影棚灯光", "僵硬的姿势", "插画风格"]
  },
  "negative_prompt": ["动漫", "3d", "插画", "畸形", "空房间", "休闲街头服饰", "强烈的阴影"]
}

怎么改成你自己的版本

拿到模板不是终点，会改才是。但改之前要知道一件事：不是所有字段都能随便动。

改的优先级从高到低：第一行（文化语境锚）> the_vibe 整块（氛围和故事）> background（场景）> photography（镜头语言）> 服装和造型细节。

越靠前的改动，对结果的影响越大。越靠后的，只是在前面框架内微调。

有三类东西不要轻易动：constraints.must_keep 里的四个锚点是构图骨架，少一个视觉平衡就垮；negative_prompt 是踩雷清单，删一项等于给 AI 开了一个跑偏的口子；摄影参数改了 shot_type 要同步检查 aspect_ratio，它们是联动的。

下面用三个案例演示，从小改到大改。

案例 1：一个字段，整张图的故事变了

改了什么：

• the_vibe.energy：从"办公室尤物 (Office Siren)"改成"刚接到融资成功电话的那一秒 (The Round Just Closed)"
• the_vibe.story：从"她忙着接私人电话而忽略了工作"改成"她刚拿到一个答案，还没人知道"

为什么这样改： 想象这张图是某个独立女性创业品牌做创始人故事内容用的——不是光鲜的发布会，而是那个没人看见的瞬间：她还站在格子间里，穿着上班的衣服，但什么都不一样了。这种情绪密度，靠别的参数堆不出来。

改完什么样： 同一条黑裙，同一个浅景深，背后那群虚化的同事还在。但她直起腰了，微微抬颌，嘴角有什么东西还没来得及压下去。那些模糊的同事突然有了意义——他们还不知道。这张图比原图多了一层，你看完会忍不住想：她接到了什么电话？

案例 2：场景换了，权力关系全变

改了什么：

• background.setting：从"开放式办公区"改成"落地玻璃窗前，窗外是夜晚城市"
• photography.angle：从"平视，略微倾斜"改成"略低角度，构图贴近玻璃"
• background.lighting：从"明亮均匀的日光与顶灯混合"改成"室内暖光 vs 窗外城市冷光，两种光在她身上交界"

为什么这样改： 把她从白天的办公室移到夜晚的玻璃幕墙前，整个权力结构翻转。原图她是"被偷看"的人，改完之后她背后是整座城市。适合做高端共益办公空间的品牌内容，或者女性领导力主题的商业摄影——那种"她不是在等机会，她是机会本身"的感觉。

改完什么样： 室内暖光打在她脸上，窗外的城市夜景虚化成一片流动的光斑，冷暖两种光在她轮廓上交界。浅景深让城市变成她的背景板。她还在打那通电话，但现在这通电话感觉在决定什么重要的事。这张图的体量感是原图的三倍。

案例 3：只改第一句话，AI 进入了另一个宇宙

改了什么：

• 第一行：从"一本日本时尚杂志"改成"王家卫执导的香港都市电影剧照"

为什么这样改： 其余几十个参数一个字不动。就这七个字，AI 对整张图的理解系统全部重置——调色盘换了，颗粒感来了，时间感变了，叙事逻辑完全不同。这不是在改"风格"，是在告诉 AI 这张图属于哪个文化宇宙。它会自己推断出剩下所有应该是什么样子的。

改完什么样： 荧光灯白光变成了琥珀色。边角开始晕染。颗粒感把那种冰冷的精致磨掉了，换成一种说不清年代的潮湿感。她还在打电话，但现在这通电话像是在和一个很久没联系的人说话。同事们虚化的身影变成了城市的噪声，而不是职场的布景。你不再觉得在看一张时尚大片——你觉得你闯进了别人的故事里。

这就是文化语境锚的力量。后面几十个参数是填充，第一句话才是方向盘。

写在最后

回到开头那个问题：为什么参数堆了很多，图还是平的？

因为你跳过了最值钱的那一步。你一直在告诉 AI "画什么"，但从来没告诉它"这是一件什么作品"。

下次写提示词之前，先问自己一句话：这张图应该出现在哪本杂志、哪部电影、哪个品牌的广告里？

把答案写在第一行。然后你会发现，后面的参数好写多了，因为它们不再是凭空凑的，而是从一个明确的文化语境里自然长出来的——高手的提示词不是在描述画面，是在定义作品的文化语境。

本文参考：underwood (@underwoodxie96) 的内容 | https://x.com/underwoodxie96/status/2042473301721956779