不仅是画得像，更是画得“懂”：教你用系统思维降伏 AI

一、开篇：你以为在写提示词，其实在做信息设计

新手打开生图工具，脑子里只有一个维度：画风。

于是往提示词里堆形容词："4k、cinematic、highly detailed、ultra realistic、product shot、technical illustration、infographic style"。堆得越多越心安。出来的图确实漂亮，但只要一加信息、一加标签、一加尺寸线，立刻糊成一锅粥。新手的本能是去找"一组神奇词"，把 AI 当画家伺候。

Maercih 不是。

你看他这份提示词就知道，他第一件事不是写词，是在脑子里画草图：这个东西是什么、要给谁看、信息分几层、每层用什么视觉通道区分、最后落在什么介质上。这张信息系统图在脑子里搭好之后，他才打开 JSON，把系统图翻译成字段。

提示词只是投影。信息系统才是原件。

所以你会看到他这份提示词有个很"不像提示词"的特征：它是 JSON 不是自然语言。 这不是炫技，是态度。自然语言允许你模糊、允许你想到哪写到哪；JSON 的花括号和冒号逼你把每一块信息切开、命名、归位。格式即态度。一旦你开始写 JSON，你就在被迫做信息设计。

你把 AI 当画家，他把 AI 当信息图设计师的执行端。这一个念头的差别，就是出图质感的全部差距。

二、第一刀：剖开这份提示词,哪些是骨，哪些是皮

先把完整提示词放出来，你对着看我剖。

{
  "image_generation_prompt": {
    "subject": "[你的产品名]",
    "theme": "Technical infographic and product teardown",
    "perspective": "45-degree isometric 3D perspective, slightly tilted",
    "background": "Pure white",
    "style_fusion": [
      "Realistic photoreal render",
      "Black ink technical annotations (technical pen/architectural)",
      "Educational museum-exhibit vibe"
    ],
    "key_elements": [
      "Title 'OBJECT' in top-left hand-drawn technical box",
      "Transparent/cutaway sections showing internal architecture",
      "Measurements, dimensions, and precise scale markers",
      "Material callouts and quantities",
      "Simple schematics and cross-sectional diagrams"
    ],
    "color_coding_arrows": {
      "RED": "[第一类信息流,例:Power/Battery flow]",
      "BLUE": "[第二类信息流,例:Data/Connectivity flow]",
      "ORANGE": "[第三类信息流,例:Thermal/Processor dynamics]",
      "GREEN": "[第四类信息流,例:Sensors/Haptics signals]"
    },
    "color_palette": {
      "dominant": "Black linework and realistic grayscale",
      "accent_density": "10-15% vibrant color accents",
      "background": "White"
    },
    "output_specs": {
      "resolution": "Ultra-crisp, 1080px width",
      "aspect_ratio": "9:13",
      "optimization": "Social-feed ready"
    }
  }
}

八个字段。看着像并排罗列，其实是一条流水线，顺序是从抽象到具体、从结构到表皮。AI 消化它的顺序不是从上往下读，是按认知优先级分层消化。我给你把这条流水线切成三段。

第一段 信息骨架,回答 AI"这是一份什么东西、给谁看、从哪个角度看"。

• subject：画什么
• theme：为什么画，给谁看
• perspective：从哪个角度画

第二段 信息表皮,回答 AI"用什么画风、画面里要有什么、信息如何分组"。

• style_fusion：风格基调
• key_elements：画面里必须出现的视觉组件
• color_coding_arrows：信息如何分层（这是真正的骨架王牌,后面单开一节讲）

第三段 交付封装,回答 AI"怎么交、交多大、放哪"。

• color_palette：配色比例与克制度
• output_specs：分辨率、比例、平台

看懂这条流水线，你就能理解一个反直觉的事实：这份提示词里真正留给你填的"变量"只有两处：subject，和 color_coding_arrows 里的四色映射。 其他 80% 都是骨架，动了反而翻车。

所以"皮"到底是什么？皮是 subject，是你把 Meta 眼镜换成别的东西时唯一要改的名字。"骨"是什么？骨是 color_coding_arrows,换产品时这里必须跟着换，不换就是装着给 AI 出题自己不动脑。

接下来我逐根拆解骨架的两根柱子。

三、骨的第一根柱子：那 4 行颜色，定了整张图的结构

看锚图。你先别看眼镜，看那些箭头和标签框。

红色的粗箭头从电池炸出来，一路弯向处理器芯片；蓝色的箭头从 Wi-Fi 模块向 Micro-OLED 显示系统流；绿色标签围着摄像头、LiDAR、触觉引擎；橙色围着高通芯片和蒸汽腔。你没有读一个字，但你已经知道"这个东西有四套系统在运转"。

这就是颜色在干活。

在普通设计语境里，颜色是配色，是好看不好看。在这份提示词里，颜色是信息分类轴。它不是装饰，它是语义。

"color_coding_arrows": {
  "RED":    "Power/Battery flow",
  "BLUE":   "Data/Connectivity flow",
  "ORANGE": "Thermal/Processor dynamics",
  "GREEN":  "Sensors/Haptics signals"
}

这 4 行是整份 JSON 里唯一一个把"语义"和"视觉"焊死的字段。其他字段都只管视觉：style_fusion 管画风、key_elements 管组件、color_palette 管比例。只有 color_coding_arrows 在说"红色 = 电源叙事、蓝色 = 连接叙事"这种语义归类。

为什么它是骨架？因为换掉它，图立刻塌。

你把 subject 从 Meta 眼镜换成戴森吹风机，但色码还写着 Power/Battery flow。AI 会怎么办？它会硬给吹风机加一根根本不存在的"电池红箭头"，或者给一个没有蓝牙的产品画出"数据流"。画面看着像那么回事，细看全是编造。这就是逻辑噪音,它比画得丑更难看。

再给你一个角度:四色不是平权的(以下是 Meta 眼镜这类电子产品里的典型分法,换品类时权重会重洗)。

红色是抢戏的那个，最抓眼,决定整张图视觉焦点去哪。Meta 眼镜的红色从电池炸出来,整张图的视觉锚点就落在左上角。你要想让读者第一眼看到什么,就把红色箭头指向哪。

蓝色决定"有没有脑子"。红得多显得"有劲",蓝得多显得"有脑"。

绿色和橙色是配角:绿色管"这东西能不能感知外界",橙色管"技术硬核感"(橙色堆在芯片区,iFixit 拆解报告的味道就出来了)。

我把这四个维度起的名字是"能量 / 连接 / 感知 / 处理",但这不是铁律,是参考模板。Meta 眼镜这种电子产品踩得刚好,你换产品的时候不用死守这四个词。你要做的是先问自己:我这个产品讲的是哪四条故事线? 换成"材料 / 力学 / 感知 / 能量",或者"风味 / 乳化 / 温度 / 挥发",只要它们互斥、可视觉化、代表四类信息流,就成立。

讲不出四条故事,你根本不该用这份提示词。讲得出,填进去就行。

四、骨的第二根柱子：style_fusion 铁三角

颜色定的是信息分层。风格定的是冲击力来源。

"style_fusion": [
  "Realistic photoreal render",
  "Black ink technical annotations (technical pen/architectural)",
  "Educational museum-exhibit vibe"
]

三条。你可能会觉得是同义反复,不就是"真实 + 技术 + 博物馆"嘛,差不多意思。不是。这三条是铁三角，哪一条都少不了。

• 第一条 Realistic photoreal render：主体写实。眼镜的金属支架反光、镜片的墨色渐变、锂电池外壳的阳极工艺，是实拍级渲染。这条负责"可信感"。
• 第二条 Black ink technical annotations：标注手绘。那些方框标题、那些弯曲的箭头、那些尺寸线，是建筑师用技术笔画出来的线条。这条负责"温度感"。
• 第三条 Educational museum-exhibit vibe：博物馆展陈感。白底、留白、比例尺、材料说明、数量标签，像一块展牌。这条负责"专业但不冷",把前两条拉到一个"值得收藏"的调性上。

真正的冲击力来自碰撞,不是来自单一风格：一张极度真实的照片 × 一套极度手绘的标注。两种风格隔得越远，张力越大。

如果你只留写实那条,出来就是一张普通产品渲染图。如果你只留手绘那条,出来就是一幅建筑系学生作业。如果你只留博物馆那条,出来就是一张没主体的展牌。三条一起,才是你看到的那张"停下来发 wow"的 Meta 眼镜图。

这就是为什么这一字段我建议你不要动。你可以动 subject、动 color_coding、动 perspective，但别动 style_fusion。这是整张图的张力骨架。

五、效果锚图逐元素反推：骨架长在图的哪里

讲到这你可能会说：听着都对，但提示词字段和画面的对应我还是没看透。

来。我把锚图上每一个能看见的视觉元素，挨个钉回 JSON 的某个字段。

图上看到的东西

做完这个反推你会发现一件事：图上所有的"专业感"都不是靠一个神奇词出来的,是 8 个字段分工配合出来的。 key_elements 五条各管一样东西：方框标题管身份，透明剖切管内部可读性，尺寸标注管可信度，材料和数量管工程感，示意图管二次说明。少一条降一档。

这也是为什么你不能把 key_elements 里的条目随便砍。它不是"想到加一条、想不到就不加"的装饰，它是这类拆解图的标配,和 color_coding 一起构成骨架,少一条降一档。

布置一个作业:这周你自己挑一张你觉得惊艳的 AI 生图,对着它做一次同样的反推。哪些元素来自哪类字段,哪些是骨、哪些是皮。练三张以后,你看任何好图的眼神都会变。

六、骨架里的隐藏参数：10-15% 的克制感

现在你已经看清整张图的字段分工了。再下沉一层,讲一个 90% 的人看都不会看一眼的小数字。

"color_palette": {
  "dominant": "Black linework and realistic grayscale",
  "accent_density": "10-15% vibrant color accents",
  "background": "White"
}

accent_density: 10-15%。翻译过来就是：全图彩色部分不超过画面 15%,其他 85% 以上是黑线条和灰度主体。

我把它叫做克制阈值。这个数字不是配色教材里的通则,是我目测锚图反推出来的经验值,不过跑了几十张图下来,它就是整张图从"专业"跳到"廉价"的那根刻度线。

• 拉到 50%,彩色淹没黑墨线条,整张图变成儿童涂色书。
• 压到 5%,四色分层功能直接失效,读者看不出谁跟谁一组,颜色等于没上。
• 10-15% 这个区间恰好足够颜色承担"分组"功能,又不喧宾夺主。

生图的时候 AI 偶尔会偏,不是模型的锅,是概率问题。你拿到图第一件事别看主体,眯着眼扫一遍彩色占比:明显超一成就重生成,太淡了就往提示词里加一句 "grayscale dominant, color only on arrows and labels"。这条阈值守住了,你这张图就守住了 80% 的质感。

七、跟我做：四步从 Meta 眼镜换到你的产品

到这你应该能接受一件事了：这份提示词 80% 的字段都不该动,该动的只有 subject 和 color_coding_arrows。

我给你一个四步流程,下次你要出这种图,按这个顺序走一遍,不靠赌。

第一步 不开 AI,先在纸上分信息流。 你要画的产品有哪几类信息？最多四类，对得上红蓝绿橙。分不清就别急着打开生图工具,分类模糊画出来一定是乱的。

第二步 只动两处:subject 和 color_coding。 把 subject 填成你的产品名,把四色的 value 按第一步的信息流改写。其他字段保持原样。

第三步 跑图。 跑一张看一眼,跑一张看一眼,别一次跑四张。单张迭代比批量试错效率高。

第四步 三件事验证。 ① 眯着眼看,颜色能不能把信息分成组?分不出来就是 color_coding 没写好。 ② 看风格是不是"写实主体 + 手绘标注"两层都在?少一层就是废图。 ③ 把图发到手机上看,9:13 竖版在信息流里尺寸数字能不能看清?看不清就不是社交流能传的图。

三条都过,这张图你就可以发出去了。

下面给你连跑三个案例证明骨架的通用性。从电子产品，到文具，到饮品,一路跨品类。

案例 1:Fujifilm X100VI 复古数码相机

场景判断:为什么这个产品适合这份骨架?因为它有四类泾渭分明的信息流,而且本身就有"精密器械"的气质。红蓝绿橙的语义可以平移过来,不用硬改。

四色重映射(和原版几乎 1:1 对得上,属于小改动):

• RED = 电池/电源回路(NP-W126S 电池、电源分配)
• BLUE = 数据/CMOS 读出(X-Trans CMOS 传感器、X-Processor 5 数据流)
• GREEN = 对焦传感/IBIS 震动感测(相位检测点、5 轴防抖陀螺仪)
• ORANGE = 热量/处理器(处理器散热、机身金属导热)

改完的 JSON 片段:

"subject": "Fujifilm X100VI retro digital camera",
"color_coding_arrows": {
  "RED":    "Power/Battery flow (NP-W126S)",
  "BLUE":   "Data readout from X-Trans CMOS to X-Processor 5",
  "ORANGE": "Thermal dissipation across magnesium alloy body",
  "GREEN":  "Phase-detect AF points and 5-axis IBIS gyro sensing"
}

为什么这么改:X100VI 这台机器的灵魂在"复古金属 + 胶片色彩科学",锚图的铁三角(写实主体 + 手绘标注 + 博物馆展陈)天生适合它。顶盖的黄铜拨盘、取景器切面、CMOS 剖切、镜头内部光路,全都是"值得被手绘标注"的元素。四色重映射几乎不用动,只把电池型号和处理器名具体化,AI 就能把"信息噪音"降为零。

改完什么样:你会看到一个 45° 悬浮的 X100VI,镜头前组做了剖面切开露出内部镜片组,顶盖旋钮被标出"ISO DIAL / SHUTTER SPEED"手绘标签,红色电池箭头从底部电池仓流向处理器,绿色虚线圈住前脸的相位对焦点,橙色从处理器放射出散热纹路,整张图白底、左下 1CM 比例尺,右下 "CLASSIC CHROME / ACROS / REALA ACE" 胶片模拟代号像展牌一样列着。旋钮金属质感 + 手写标注 + 复古胶片色块,三股劲一起上。

案例 2:Moleskine 笔记本 + Pilot Custom 823 钢笔

场景判断:这是非电子产品的一次试水。你可能会怀疑,笔记本和钢笔根本没电、没数据、没处理器,四色还能用吗?能。照第三节那个原则办:把"能量/连接/感知/处理"重新命名成这个品类自己的四条物理流。 这里换成"吸收/装帧/触感/压痕",还是四条互斥、可视化、代表一类信息的叙事线,骨架没动,只是维度换了名字。

四色重映射(中等改动,保留字段名,只改语义):

• RED = 纸纤维/墨水吸收(棉浆纤维走向、墨水毛细渗透)
• BLUE = 装帧线/网格骨架(线装结构、点阵/方格系统)
• GREEN = 笔尖弹性/摩擦(14K 金尖形变、纸张摩擦系数)
• ORANGE = 纸张克重/压痕(80gsm 纸密度、笔尖下压形变)

改完的 JSON 片段:

"subject": "Moleskine Classic notebook with Pilot Custom 823 fountain pen",
"color_coding_arrows": {
  "RED":    "Ink absorption through cotton pulp fibers",
  "BLUE":   "Binding threads and dot-grid layout system",
  "ORANGE": "Paper weight (80gsm) and nib pressure deformation",
  "GREEN":  "14K gold nib flex and paper-tip friction"
}

为什么这么改:笔记本和钢笔讲的是纸纤维、墨水、笔尖和压力这四条物理流。红色从电流换成墨水渗透,还是"能量 / 流动"的那根叙事线:墨水在纸上渗开,是液体的能量扩散。绿色从传感器换成笔尖弹性,还是"感知"那根线:钢笔尖是人手和纸之间的触觉接口,写字写得顺不顺全靠它。维度的骨架没换,换的是物质载体。

改完什么样:

画面里是一本摊开的 Moleskine,页面一角是手写的潦草行,旁边横放一支 Pilot Custom 823(真空吸墨那根,琥珀色笔杆半透明能看见墨水),笔盖摘开悬在上方。

笔尖下放大一个圆形特写,露出 14K 金尖的两片分叉和呼吸孔,绿色虚线标出 "NIB FLEX 0.3MM"。笔杆透明部分的墨水被红色波浪箭头标出 "INK CAPACITY 2.0ML"。

橙色箭头从笔尖指向纸面,标注 "80GSM PAPER / PRESSURE 120G"。蓝色线条沿着笔记本脊线和页面点阵网格走,标出装帧结构。右下角材料说明 "IVORY PAPER / 14K GOLD NIB / ACRYLIC RESIN"。

纸纤维手感 + 金尖光泽 + 墨水在纸上的晕染,三种不同的工艺感同框。

案例 3:Baileys 百利甜酒

场景判断:这是跨度最大的一次。饮品,没有任何可拆解的"硬件"。你以为没戏?反而最过瘾。当产品是液体,"信息流"就变成"风味流"和"化学流"。 这一案例能跑通,这份骨架就算经过终极压力测试了。

四色重映射(大改动,语义完全换一个维度):

• RED = 酒精挥发/酯化反应(14% ABV 乙醇在瓶口的蒸汽带)
• BLUE = 乳脂流动/悬浮系统(鲜奶油乳化漩涡、稳定剂分散)
• GREEN = 口感分层/入口触感(舌尖、中段、喉韵三段在杯口的空间定位)
• ORANGE = 温度曲线/醇化(冰块凝结、饮用温区)

改完的 JSON 片段:

"subject": "A bottle of Baileys Irish Cream liqueur with a whiskey glass and ice",
"color_coding_arrows": {
  "RED":    "Alcohol vapor band rising from bottle neck (14% ABV)",
  "BLUE":   "Dairy cream emulsion swirl and stabilizer suspension",
  "ORANGE": "Serving temperature zone and ice-condensation",
  "GREEN":  "Palate layers: tip-of-tongue, mid-palate, finish (mapped on glass rim)"
}

为什么这么改:第三节说过,红蓝绿橙的"能量/连接/感知/处理"是参考模板,不是铁律。到饮品这儿,维度自然换成了"挥发/乳化/口感/温度"四条物理-感官流。这里有一个坑我替你先填了:绿色别指向香气分子。气味在画面上不可见,AI 画出来就是编造的彩色烟,一脚踩进"逻辑噪音"坑。所以我把绿色改成"口感分层",映射到杯口一圈可视化的"舌尖-中段-喉韵"三段。这三段在威士忌品鉴里是有空间位置的,落在杯沿、杯中、杯底,箭头能指向真实几何位置,才不是画不可见的东西。

改完什么样:

画面中央一瓶 Baileys,经典圆肩瓶型,标签上 "THE ORIGINAL IRISH CREAM" 清晰可辨。瓶身做剖面,露出琥珀色液体内部一圈乳白色奶脂漩涡,蓝色箭头沿漩涡走向标 "CREAM EMULSION / STABILIZER"。瓶口上方一条红色蒸汽带,标 "14% ABV ETHANOL BAND"。

旁边一个威士忌酒杯,杯底两块方冰,冰块外表面凝着水珠,橙色箭头从冰块指向酒液标 "SERVING 4-8°C"。绿色三道弧线分别指向杯沿/杯腹/杯底,标 "TIP / MID / FINISH",像品酒手册的口感示意。

左上角手绘方框 "OBJECT: BAILEYS IRISH CREAM",左下 1CM 比例尺(用来标酒杯规格),右下材料说明 "DAIRY CREAM / IRISH WHISKEY / COCOA EXTRACT"。

琥珀色液体 + 乳白色漩涡 + 冰块凝水 + 品酒三段弧线,四股质感挤在一张白底图上,又不混乱。

三个案例,一份骨架,三次"停下来发 wow"。你看清楚了吧:subject 变了三次,color_coding 跟着换了三次语义维度,其他字段一个字没动。

八、四个最容易翻的坑

讲到这你已经掌握方法了。但方法不等于不翻车。我把踩过的坑列出来,你拿去自查。

坑 1:只改 subject,color_coding 原封不动。 把 subject 换成"戴森吹风机",色码还写着 Power/Battery flow。AI 会硬给吹风机画一根不存在的"数据流蓝箭头"。画面看着像那回事,细看全是编造。自查动作:换产品先列信息流,色码必须跟着重映射。

坑 2:把 10-15% 当摆设。 AI 偶尔会把箭头、标签、主体全涂上颜色,整张图变儿童涂色书。自查动作:生成后肉眼扫一眼,彩色超一成就重生成。

坑 3:漏掉比例和分辨率字段。 你以为比例是"最后裁一下"的事。不是。比例直接影响 AI 的构图布局,出来 1:1 或 16:9,信息图立刻被压扁或拉空。另外 9:13 只是 Maercih 当时给 X 选的,不是万能比例。自查动作:subject 改完立刻检查 output_specs 还在不在;要换发布平台就把比例换掉,小红书 3:4、IG 4:5、X/竖屏 9:16,不要傻傻留着 9:13。

坑 4:style_fusion 三条只留一条。 以为三条是同义重复,删掉两条只留"Realistic photoreal render"。出来是一张普通产品渲染图,没有手绘标注的冲击力,整张图变"合格但无感"。自查动作:铁三角不可删,改 subject 时只动主体描述。

四个坑的共同根因只有一个:没把提示词当"信息设计文档"看,还在当一串"风格词"对待。

九、收束:真正的模板

我们从一个行为讲起:你复制了这份 JSON,改了 subject,按生成,差口气。

现在你知道差在哪了。

这份提示词真正的模板,不是 "Meta 眼镜" 四个字,是那 4 行颜色编码。subject 是皮,color_coding 是骨。学会把颜色当信息分类轴用,把 subject 换成相机,你得到一张同款质感的相机拆解图;换成笔记本,得到一张笔记本拆解图;换成一瓶酒,得到一张酒的拆解图。

Maercih 用 Nano Banana Pro 出的那张 Meta 眼镜图,不是他找到了"神奇词",是他做完了信息设计。你要复刻的不是他的图,是他的那一步。

下次你再复制一串 JSON,知道该动哪两行了。

本文参考:Maercih 的内容 | https://x.com/Maercihh/status/2025865841804464210