让提示词学会“共情”的深度救片指南，拯救相册里舍不得删又发不出的废片

先看懂这件事，AI 不是在修图，是在读图

你过去打开任何一个修图工具，第一个动作是什么？

选滤镜、选模板、选贴纸包。工具在前，图在后，图要适配工具。这是过去大多数修图 App 的默认逻辑：美图秀秀、醒图、Canva 都是这样。它们之间的区别更多在滤镜库谁更大、贴纸谁更萌。

这段提示词不一样。它的第一个动作不是"修"，是"读"。它要求 AI 先识别原图里的人物、动作、视线、场景、情绪和整体气质，然后才开始考虑修图、涂鸦、配色。感知是执行的前置条件，跳过感知直接执行是被明确禁止的。

为什么这一点这么关键？因为只有"读懂"之后，AI 才能"为你这张图量身做事"，而不是把同一套动作硬套上去。

整段提示词背后是一条不能乱的四步流水线：

1. 读图：识别人物、动作、视线、场景、情绪、气质，画面在说什么
2. 共情：判断这张图的内在主题和适配气质，画面值得被怎么对待
3. 决策：自动确定修图方向、涂鸦方式、文字、色彩、字体、互动元素、装饰节奏，具体怎么落地
4. 执行：叠加涂鸦、处理脏乱区域、生成文字，出图

这四步是环环相扣的，不是并列的。每一步的输入是上一步的输出，缺哪一步整条链就退回到老式修图：

• 跳过"读图" → 直接套滤镜
• 跳过"共情" → 套模板
• 跳过"决策" → 随机贴纸
• 跳过"执行细节" → 漂亮但没灵魂的 AI 修图

我管这条链路叫「四步骨架」。这个骨架是这套提示词的灵魂，也是你后面写自己提示词时可以照搬的脚手架。这篇文章接下来就是把这四步逐一拆给你看。

带着这张地图往下走，每一步我都会给你一个对照案例。

第一步「读图」：为什么废片才是它的最佳原材料

读图这一步看起来简单，其实是整条链最容易被低估的一环。

你直觉里的好原图是什么样？光线均匀、背景干净、构图工整、人物入镜，一句话，已经差不多能发出去的图。可这种图扔进这套提示词，反而出不了惊艳的效果。

原因很简单：画面里没有给 AI"接管"的余地。

一张已经被人工打磨过的图，AI 读完没有太多可决策的余地。它能做的只剩加几个字、贴几个角色，这跟美图秀秀的贴纸功能没有本质区别，你感受不到那种"废片被救活"的落差感。

真正能激活这套提示词全部能力的，反而是相册里那些你舍不得删但又发不出去的废片：背景脏乱、随手一拍、对焦没卡好的孩子玩耍、伸手没拍到的猫咪侧影、店里灯光不对的那碗面。

为什么？因为提示词里写明了一条："智能识别画面中杂乱、不够好看的区域，通过自然、巧妙、风格一致的方式进行修饰或弱化"。

注意"风格一致"这四个字。它说的不是"用色块涂掉",是"用和整张图气质匹配的方式接管掉"。脏乱不是负资产，是 AI 决策的输入信号，画面越乱，AI 有越多接管的理由，最终的创意落差也越大。

乱即素材，瑕疵即叙事。废片才是这套提示词最好的原材料。

案例 1：篮球场跳投废片 → 「飞吧少年」街头海报

假设你给孩子拍了一张废片：

周末带孩子去家附近的水泥球场玩，他刚学投篮，跳起来那一瞬间你按下快门。问题是，背景空荡荡的水泥地、远处铁丝围栏、地上一个被踢翻的运动饮料瓶、篮筐网兜还破着一个角。光线是正午两点的硬阳，影子又黑又短。

这是典型的"舍不得删但发不出去"。

改了什么：

• 互动生物：拟人篮球小角色一个，戴红黄蓝三色头带，从孩子头顶弹起
• 小元素：地面投篮弧线用白色粉笔感线条勾出来；空中加几个动作星
• 文字：主标题"飞吧！少年"，搭配一行英文小字 "First Jump · Court Vibe"；右下角拟声词"SWISH!"
• 整体气质：复古运动风，配色走 Onitsuka Tiger 那种藏蓝+暖橙红+米白，不是耐克的鲜艳红黑，更有手作海报的味道
• 修图方向：日光被柔化，影子推回到柔和度，背景围栏被一片橙色喷绘色块半透明覆盖；那个运动饮料瓶被一个手绘"GO!"对话框接管

为什么这样改：原图最强的信号是"孩子刚跳起来的那一秒"，AI 读图读到的核心是"动作 + 第一次 + 全力以赴"。这种气质配清新韩系或日系都不对，配 Nike 那种过度商业化的也不对，它配的是"复古球场海报"那种带点颗粒感、带点手绘感、有体温的运动风。互动篮球角色不是装饰，是把"跳起来"这个瞬间从孩子身上延伸到画面之外，让动作有了呼应。背景的空和乱不是要抹掉的，是要被"球场氛围"接管的，围栏不重要了，重要的是那股劲。

改完什么样：原本一张你只敢自己存着的家庭废片，变成了一张你想发到朋友圈配文"我家球员上线"的海报。亲戚看了会问你是不是请人专门拍的，但其实你只是按了快门，剩下的事 AI 替你想清楚了。

记住这个动作：原图越乱，越能给 AI 操作空间。下次你犹豫"这张是不是太废了不能用"，恰恰相反，越废越好。

第二三步「共情 + 决策」：规则越空，输出越精准

读完图之后，AI 要做两件事：判断"这张图配什么气质"（共情），然后定下"具体怎么落地"（决策）。

这两步咬得太紧，没法各举一个独立案例，所以这一节放一起讲。它们也是这套提示词最反直觉的地方。

正常人写提示词的第一反应是什么？写得越详细越好。修图风格写满，互动元素写满，色彩倾向写满，文字口号写满，填得越细越安心，觉得"这下 AI 总不会出错了"。

这套提示词反过来。它在最关键的七个决策维度上：修图方向、涂鸦方式、文字内容、字体风格、色彩倾向、互动元素、装饰节奏，一个具体答案都不给。它只给判断依据，让 AI 自己根据画面填。

它的原文是这么写的，你看这三句：

"这些风格不应固定，而应根据画面自动变化。" "色彩也不要机械套用固定配色，而是根据环境、光线、内容、情绪和角色设定智能匹配。" "字体风格也应智能匹配画面，不固定一种形式。"

三句话讲的是同一件事：把决策权显式让给 AI。这不是写得糊，是刻意留空。

留空带来一个违反直觉的结果：规则越少，输出越精准。

为什么？因为预设的规则是用来约束 AI 的，但你预设的规则是基于"你脑子里那张图"，而 AI 真正面对的是你"实际拍出来的那张图"。这两张图永远不一样。你预设得越细，AI 偏离实际画面的可能性就越大。

留白才是这段提示词最聪明的地方。空越大，AI 可调动的判断空间越大，和原图的匹配度反而越高。这就是为什么同样一张孩子剥豆子的图，可以出"清新童趣"也可以出"奥特曼街头喷漆"两个完全不同的版本，画面没变，只是 AI 的判断空间没被堵死。

提示词里那行最关键的总开关

整段提示词五百多字，但有一行决定了它能不能"人人皆可用"：

"如果用户有明确要求，则优先按用户要求执行；如果没有，则系统自动判断最适合的方向。"

这一句看起来普通，其实是整段提示词的调度逻辑。它让"智能判断"和"用户意志"共存而不冲突。

有它，提示词什么都不填也能跑，废片直接扔进去就能出。 没它，提示词必须每项都填，门槛陡增，"通用"两个字消失。

你以后写自己的通用提示词时，记得把这条总开关放进去。一句话的事，效果上是天与地的差别。

翻车点提前打个预防针

知道了"规则越空越精准"这件事，提示词末尾那栏"用户可选补充"就有了正确的用法：

• ❌ 一项不漏地填，可选项不是必填框，每填一个，就堵死一条 AI 的判断路径
• ✅ 什么都不写直接发，让 AI 先自主出一版
• ✅ 只补一个核心方向，比如"想要奥特曼"，其余留空，让 AI 在这个方向内自主决策

可选项是保底输入口，不是必填清单。这是新手和老手最大的分叉。

第四步「执行」：涂鸦、遮挡、文字一气呵成

读完图、定完气质、做完决策，AI 终于动手。

这一步是实操密度最高的一环，也是新手和老手在视觉感受上拉开最大差距的一环。我把它拆成两个最容易让你改观的小例：遮挡和文字。这两件事新手和老手做出来，看着像两个时代的产物。

遮挡是创作，不是修补

你过去看到背景有脏东西的第一反应是什么？磨皮抹掉、用色块涂上、或者干脆裁掉。

这是修补思路。修补思路的输出永远像在掩饰什么：色块和原图色调不搭、磨皮过了显塑料、裁剪让构图变奇怪。一眼能看出"这里被处理过"。

这套提示词里的遮挡是另一回事。提示词原文写的是：

"通过自然、巧妙、风格一致的方式进行修饰或弱化处理。可使用小贴纸、手绘笔刷、色块、角落元素、小图形、小角色或其他合适方式进行遮挡和美化，让处理后的区域融入整体画面。"

关键在"风格一致"和"融入"。脏洗碗液瓶不是被"涂掉"的，是被一块绿色喷绘色块"顺势接管"的，而那块绿，正好和画面里其他豌豆涂鸦同一色系。

遮挡顺带完成了画面的色彩收拢。一个动作完成两件事。这就是从"修补"升级到"创作"的本质区别：瑕疵从负资产变成了创作素材的寄主。

脏的地方不是要被删除的错误，是 AI 重新解读出来的"可以创作的留白"。遮挡顺手完成了色彩收拢，一步两件事。

文字是替画面说话，不是替你说话

新手加文字，写的是什么？时间、地点、"今天好开心"、"美好的一天"、表情包式的网络梗。

这是配文思路。它的起点是"我"，我感觉好开心、我今天去哪了、我想表达什么。文字和画面的关系是平行的，文字描述了一下画面，但没有进入画面。

这套提示词里的文字是另一回事。提示词要求文字"少而有力，与整体气质匹配"。重点是"与整体气质匹配"，不是和你的心情匹配，是和画面匹配。

什么意思？看两组对比就懂了：

新手的句子是描述画面的，老手的句子是从画面里冒出来的。

后者只能由 AI 在读懂画面情绪之后写出来，不是事后填空。它需要 AI 在前三步（读图、共情、决策）里都做对了，才能在第四步给出这一句。

好的配文是从画面里冒出来的，不是你贴上去的。这是整条流水线的最终兑现：AI 没真正读懂图时，这一步只会出"美好时光""可爱的一天"这类通用废话；读懂了，才能出让人会心一笑的那一句。

所以"文字或口号"这一项你什么都不用填，AI 自己会替画面写出那一句。

案例 2：窗台午睡的猫 → 「今天的我，已读不回」

假设你的废片是这样：

周日下午两点，你家猫蜷在客厅窗台午睡。爪子搭在窗框上，肚皮一起一伏。问题是窗台旁边堆着两个还没拆的快递盒，墙上有几条没收拾的电线，窗外是邻居家防盗窗的铁艺花纹，拍出来全是杂物。

改了什么：

• 修图方向：色调拉到日剧深夜食堂那种带点偏黄的胶片质感，对比度压低，柔光从窗外洒进来
• 互动生物：猫脑袋上方一个梦泡，里面画着一只 Q 版小鱼戴皇冠坐在鱼骨王座上；旁边漂着两条简笔小鱼
• 小元素：快递盒上贴一张手绘"勿扰中"的便签条，电线被一行字"Do Not Disturb · 营业暂停"沿着走线方向自然遮住
• 文字：主标题"今天的我，已读不回"用一笔毛笔感的字体，右下角小字"营业时间：明天再说"
• 整体气质：日系慵懒治愈，参考帕恰狗（Pochacco）那种白底+少量饱和度的配色，比 Hello Kitty 更松弛、更"周末感"

为什么这样改：原图最强的信号是"完全松弛、对世界关机"的状态。配文绝对不能写"我家猫好可爱"，那是从你的视角说话。"今天的我，已读不回"是从猫的视角说话，把"已读不回"这个职场梗搬过来制造反差，会让看的人立刻笑。配色不能走粉嫩萌，那会和"已读不回"的态度感冲突；要走慵懒胶片感，让画面整体散发出"今天什么都不想干"的气场。快递盒和电线没必要抹掉，抹掉就少了"周末躺在家里"的真实感，只需要把它们用文字和色块"接管"成画面叙事的一部分。

这种图发出来，亲戚都不会问你修了哪些地方，他们只会问"你家猫真这么松弛？"。

完整提示词模板 + 实战案例

四步骨架讲完了，模板原样给你，可以直接复制粘贴。

提示词模板

（可以直接复制，不用看懂每一句。）

基于我上传的原图，生成一张"智能修图 + 涂鸦互动叠加"的创意照片成图。

默认先对原图进行适度美化优化，让画面在光线、色彩、氛围和质感上更适合后续创作；用户也可以关闭修图，或指定自己想要的修图风格。

在此基础上，叠加具有设计感和互动感的手绘涂鸦、文字、角色、小物件、喷绘色块、笔刷痕迹或其他自由元素，让整张图既保留真实照片的生活感，又拥有潮流、趣味、杂乱但有节奏的视觉表现。

请智能识别原图中的人物、动作、视线、场景、情绪和整体气质，再自动匹配最适合这张图的创作风格，包括：
- 修图方向
- 涂鸦方式
- 文字内容
- 字体风格
- 色彩倾向
- 互动元素
- 装饰节奏

这些风格不应固定，而应根据画面自动变化。例如：儿童主题可以更童趣、活泼、跳跃；少女主题可以更轻盈、清新、精致；街头主题可以更大胆、夸张、喷涂感更强；温馨日常主题可以更自然、柔和、生活化。如果用户有明确要求，则优先按用户要求执行；如果没有，则系统自动判断最适合的方向。

涂鸦元素需要与人物动作、手势、视线和场景物件形成自然互动，不是简单贴在空白处，而是像真的参与了画面。
可以加入一个核心互动生物，也可以加入一些小物件、小角色、贴纸感元素、边角图形、动作线、光环、喷漆云团、拟声词或随场景变化的小型视觉语言。

同时，请智能识别画面中杂乱、不够好看、或不宜直接公开的区域，并通过自然、巧妙、风格一致的方式进行修饰或弱化处理。可使用小贴纸、手绘笔刷、色块、角落元素、小图形、小角色或其他合适方式进行遮挡和美化，让处理后的区域融入整体画面，而不是生硬遮盖。

文字部分不要固定死板，可根据场景智能生成，允许中文、英文或中英混合，形式灵活，可大可小，可主标题也可边角短句，但要少而有力，并与整体气质匹配。
字体风格也应智能匹配画面，不固定一种形式，而是根据人物属性、主题气质和整体美学自动选择最合适的表现方式。

色彩也不要机械套用固定配色，而是根据环境、光线、内容、情绪和角色设定智能匹配，让画面既统一又有亮点，既符合场景，又保留创意表达和视觉冲击力。

整体效果应是：真实照片被智能修饰后，再被创意化、风格化、互动化地升级，最终形成一张适合直接发布、具有设计感、潮流感和传播感的创意照片海报。

用户可选补充：
- 想要的修图风格：[修图风格]
- 想加入的核心互动生物：[互动生物]
- 想加入的小元素或物品：[小元素]
- 想要的文字或口号：[文字口号]
- 想要的整体气质或风格方向：[整体气质]

用法很简单：

1. 打开 ChatGPT（GPT-4o 图像功能，需要 Plus 订阅或走 API），上传你的原图。一定要垫图，这是起点。
2. 把上面整段提示词复制，粘贴到对话框
3. 末尾五个 [变量] 默认全部留空，让 AI 自主判断
4. 如果想填，把整个 [修图风格] 替换成你要的词（比如直接写"日系清新"），方括号也一起删掉。其他不填的继续留空就行
5. 收到图觉得想再看看别的可能性？在同一对话里直接再发一次同样的图和提示词，ChatGPT 会重新判断一次，对比挑最满意的

案例 3：深夜小店面汤 → 「深夜止饿小队，集合！」

假设你的废片是这样：

加完班，凌晨十一点路过家门口那家面店，进去要了一碗牛肉面。面端上来你拿手机拍了一张，但桌面有调料瓶、皱了的纸巾团、上一桌客人留下的一点汤渍，灯光是惨白的日光灯，拍出来食物显得没胃口。

改了什么：

• 修图方向：色调推到日剧《深夜食堂》那种暖橙调，惨白日光灯改成温润的钨丝灯感；汤面上的蒸汽轻微提亮
• 互动生物：碗沿上一个戴白厨师帽、举小酒杯的拟人面饼 Q 版角色，朝外比"干杯"
• 小元素：碗周围漂几片手绘小葱花和拟声词"咕嘟～"；纸巾团位置盖一片蒸汽涂鸦云
• 文字：主标题"深夜止饿小队，集合！"用粗笔触手写，副标题"Tonight's Mission: 一碗就好"；调料瓶旁边一行小字"加班战利品 Vol.7"
• 整体气质：手账+深夜食堂混搭，参考无印良品的克制配色再加一点黄色灯光感，温暖但不腻

为什么这样改：原图最强的信号是"加班结束、饥饿、自我犒赏"。这种气质不能走小清新（太轻），也不能走街头潮（太燃），它配的是"治愈型手账"：温暖、有点幽默、带一点疲惫的自嘲。"深夜止饿小队"这个名字把孤独的一碗面变成了"组团活动"，是从画面情绪里冒出来的共情句，不是描述句。把面饼角色拟人化举杯，是给疲惫的你一个"被陪着"的视觉回应，画面里的小元素在替你说"今天辛苦了"。日光灯调成钨丝灯，是因为"加完班一个人吃面"这件事配冷光太残忍了，配暖光才是治愈。

改完什么样：原本一张你拍完都没想发的食物废片，变成了一张能直接发小红书的"深夜独食"系列封面。配文都不用想，主标题已经替你说完了。

你能改什么，不能改什么

提示词到手，下一个问题永远是："我能改吗？怎么改不会改坏？"

这套提示词的边界很清楚：七个参数随便换，四步骨架不能拆。

可动：这七项随便换

提示词末尾"用户可选补充"那五项是天然的变量入口，再加上提示词正文里 AI 自主判断的色彩倾向和字体风格，一共七个：

换一个，输出就变一次，但提示词整体逻辑完全不动。同样一张孩子剥豆子的图，互动生物从豌豆换成奥特曼，整张图的气质就从清新童趣变成街头喷漆，但四步骨架照走不误。

不可动：这四步不能拆

四步骨架是这套提示词的灵魂：读图、共情、决策、执行。这四步任何一步被你拆掉，提示词就退化成普通修图指令：

• 拆掉"读图"那段（"智能识别原图中的人物、动作、视线…"）→ AI 不知道为什么这样修
• 拆掉"共情决策"那段（"根据画面自动变化…"）→ 输出变成无差别套滤镜
• 拆掉"遮挡执行"那段（"通过自然、巧妙、风格一致的方式进行修饰"）→ 处理脏乱区域变成生硬涂抹
• 拆掉那条总开关（"如果用户有明确要求…如果没有，则系统自动判断"）→ 通用性消失，变成必填表单

新手改提示词最常犯的错就是觉得"这段太长了，删掉显得简洁"，一删就把骨架拆了，提示词从"读图说话"退化成"套模板"，效果断崖式下跌。

记住一句话：长，是因为决策路径必须显式锚定。短不是好事，对的才是好事。

4 个翻车点：别把这套提示词用废了

最后给你四条避雷指南。每一条都是实战里高频出现的坑，对照检查一下你下次别踩。

翻车 1：不垫图就发

这是最致命的一个。看到提示词觉得很厉害，直接复制粘贴丢到对话框，不上传原图，或者只在对话里描述"帮我修一张孩子做饭的图"。

后果：AI 没有原图可读，整段"智能识别人物动作视线情绪气质"全是空话，它只能凭你的文字描述生成一张全新的 AI 图。出来的东西漂亮但和你毫无关系：没有你家孩子的脸，没有你家厨房的脏洗碗液，没有那个"我废片被救活了"的惊喜感。

正确姿势：提示词的第一句是"基于我上传的原图"。垫图是整个机制的起点。 没原图，后面四步骨架全部失效。

翻车 2：可选项一口气全填

第二常见。看到末尾那五项"用户可选补充"，觉得"不填白不填"，每项都填得详详细细，以为填得越多越安心。

后果：你填的指令把原本留给 AI 的判断空间全堵死了。同一张图本来 AI 会读图后自动决定走童趣还是奥特曼，但你提前规定了"韩系清新+小白兔"，AI 只能照单全收。"同一张图可以出两种截然不同风格"的那种惊喜，再也不会出现。

正确姿势：可选项是保底输入口，不是必填框。默认全部留空，让 AI 先自主出一版；只在你有非常明确诉求时补充一两项，其余继续留空。

翻车 3：用刻意布置的图练手

第三个坑很隐蔽。觉得这个提示词这么好，专门去拍一张"准备被 AI 修的图"，灯光摆好、背景擦干净、人物摆 pose，然后扔进去处理。

后果：这类图没有杂乱区域需要遮挡，没有"乱糟糟但有生活感"的原始素材让 AI 发挥。AI 接收到的是一张已经是"作品"的图，能做的只剩加字加贴纸。这跟美图秀秀的贴纸功能没本质区别，废片救活的那种落差感感受不到。

正确姿势：把手机里那些"因为太乱没发出去"的图扔进来。脏背景、随手一拍、对焦没卡好的，这些才是这套提示词最好的原材料。越乱越有戏，这是它和所有传统修图工具最不一样的地方。

翻车 4：只出一次就停

最隐蔽的一个。发出提示词，收到一张图，觉得"还行"，保存，结束。

后果：这套提示词最大的特性是"千人千面"：同一张原图重复发送，AI 每次给出的判断会有差异。一次输出只是 AI 自主判断的一个可能性，不是唯一解。很多人用一次没出满意结果就觉得"这提示词一般"，其实他们只是抽到了那一次的某个判断方向。

正确姿势：在同一对话里直接再发一次同样的图和提示词，ChatGPT 会重新判断一次。两三次出图对比，挑最合适的。

想换风格不用从头发，给你一个示例：第一次出图是清新童趣版，但你想要街头风。直接在对话框里追加一句"这次换成街头喷漆+大胆配色"，AI 会在已经读懂的画面基础上重做一版，比从头重发快得多，效果也更稳。

每次判断结果不同，是这套提示词正在正常工作的证明，不是 bug。

写在最后

回到开头那张厨房剥豆子的图。

它真正打动你的不是技术，不是"AI 多强能识别洗碗液"这种工具层面的事。打动你的是它替你"重新看见了你的生活"，把你拍下但忽略掉的那个瞬间，重新组织、重新讲述、还给你一张你愿意发出去的图。

这件事看起来是修图操作的事，但它背后那套逻辑（先读，再做）可以用到你和 AI 合作的任何场景，写文章、做设计、做表格、做 PPT 都一样。先让 AI 读懂你给的输入，再让它做事，比起一上来就给一堆约束，效果好得多。

今晚回家打开你的相册，找出那二十张你舍不得删但发不出去的废片。

垫图，复制提示词，可选项留空，发出去。

然后等 AI 替你重新看见生活。

本文参考：小小东 @xiaoxiaodong01