文生图Prompt的核心设计逻辑是：将脑海中的视觉意象，分解为图像模型能理解的参数化描述 。基于扩散模型架构（Stable Diffusion、即梦AI等）的图像生成，高度依赖Prompt词语的位置权重------靠前的描述获得更高的注意力权重，主体描述应前置。
1、主体描述（Subject）
精准界定画面的核心对象，一般需覆盖：
-
身份/物种：人物（年龄、性别、职业）、动物（种类）、物体（品类、型号）；
-
外形细节：人物需包括体型、发型、面部特征（如酒窝、眼神）、服饰款式和材质；
-
数量、姿态：明确主体数量，描述站立/坐/奔跑等具体姿态；
语序权重原则（重要）：Diffusion架构模型对Prompt前部的词语赋予更高关注度。若主体描述写在提示词后半段，主体特征容易被前文的场景描述稀释，导致主体在图中占比过小或细节丢失。正确做法：主体描述置于Prompt最前端。
示例（正确写法）：
满是凝结水珠的冰凉饮料瓶特写，瓶身清晰可见，前景主体占画面70%，
背景是模糊的夏日海滩，浅焦背景虚化，清新夏日氛围2、场景描述（Scene）
构建主体所处的三维空间环境：
-
地理与空间：具体地貌（沙漠绿洲/工业厂房/哥特教堂中殿）、室内外、开阔/封闭；
-
时间与气候：季节（飘落樱花的早春）、时刻（蓝调时刻的黄昏）、天气（雾霾/暴雨/晴空）；
-
空间层次：前景、中景、背景的元素分别描述，有助于构建景深感；
3、风格化控制（Style）
风格控制决定图像的艺术语言，分多个维度：
| 维度 | 示例词汇 |
|---|---|
| 艺术流派 | 写实主义、印象派、超现实主义、新艺术运动、赛博朋克、水墨风格 |
| 技术手法 | 3D渲染、水彩手绘、版画印刷、像素艺术、矢量插画、胶片质感 |
| 色彩调性 | 莫兰迪色系、高饱和赛博朋克配色、冷色调、暖橙色调 |
| 质感表现 | 哑光、金属镜面、丝绒质感、宣纸颗粒感 |
| 参考大师 | 宫崎骏动画水彩质感、梵高厚涂笔触、卡拉瓦乔明暗对照 |
示例："AI塑料感"的解决方案：AI生成的人像常出现皮肤过于光滑、毫无瑕疵的"橡胶娃娃感"。解决方法是主动描述肌肤的真实细节：加入"皮肤纹理、毛孔、雀斑、细纹"等关键词，同时加入"胶片颗粒感（film grain）"来引入自然噪点。这与堆砌"8K超高清/超精细"等画质词相反------后者会让AI更积极地去噪平滑，反而加剧塑料感。
4、镜头语言（Lens / Camera）
模拟摄影器材的光学特性，为AI提供空间布局指引：
| 镜头语言要素 | 说明 | 效果 |
|---|---|---|
| 景别 | 特写/中景/全景/大远景/航拍 | 控制主体在画面中的占比与信息量 |
| 视角 | 平视/仰视/俯视（俯拍）/鸟瞰 | 仰视增强崇高感，俯视展现全局 |
| 焦距效果 | 微距（超近细节）/长焦（压缩背景）/广角（宏大场景） | 影响空间感和景深 |
| 鱼眼镜头 | 超广角，画面中心正常，边缘强烈弯曲内凹，产生球形畸变 | 增强视觉张力，但不产生速度感（动感模糊才是速度的关键） |
| 追焦/动态模糊 | 主体清晰，背景呈现方向性拉丝 | 表现速度感（赛车、奔跑）的核心技法 |
| 景深（浅焦/深焦） | 浅焦：主体清晰+背景虚化（焦外散景Bokeh）；深焦：全景清晰 | 浅焦突出主体，深焦展现场景全貌 |
示例：速度感的表达：表现赛车或奔跑的速度感，核心技法是追焦（Panning Shot）+ 动态模糊（Motion Blur）------主体本身保持相对清晰，背景呈现横向拉丝。单纯的"超高清/锐利"反而会让画面看起来像静止定格。鱼眼镜头增加视觉张力但不直接制造速度感，需配合动态模糊。
5、光影设置（Lighting）
光影是决定图像情绪和质感的关键要素：
| 光影效果 | 适用场景 |
|---|---|
| 丁达尔光（Tyndall Effect） | 林间/仓库/窗缝的光束，温暖、神圣感 |
| 逆光（Backlit） | 剪影效果，艺术感强 |
| 伦勃朗光（Rembrandt Lighting） | 人像摄影：侧面一道三角形光斑，经典戏剧质感 |
| 霓虹灯光 | 城市夜景、赛博朋克风格 |
| 柔光（Soft Light） | 美食、产品摄影，减少硬阴影 |
| 强烈顶光（Harsh Top Lighting） | 正午阳光，树叶投下斑驳阴影 |
6、垫图（Image-to-Image）的使用逻辑
垫图是将一张参考图像作为"结构先验"输入，引导文生图模型在生成新图时参考原图的构图、色彩或主体形态。
| 重绘幅度 | 模型行为 |
|---|---|
| 低重绘幅度 | 强烈保留原图结构，只微调色彩或纹理 |
| 中等重绘幅度（默认） | 原图提供结构骨架，文本引导内容和风格修改 |
| 高重绘幅度 | 原图仅提供松散参考，文本主导生成 |
多模态冲突（垫图与文本语义冲突）：当垫图内容（如白色飞机）与文本描述（绿色游艇）产生语义矛盾时，在中等重绘幅度下，模型无法完全服从任何一方------通常表现为：原图形状（白色飞机）被保留，但颜色和部分纹理向文本描述（绿色、游艇纹理）妥协，产生"绿色苹果"或"苹果形状的梨"这类混合结果。这是扩散模型在条件冲突时的典型行为模式。
7、局部重绘（Inpainting）
局部重绘是解决图像局部问题的精准工具：使用画笔遮罩精确覆盖需要修改的区域，仅重新生成遮罩内的内容，其余区域完全保持原样。
使用场景：修复局部模糊区域（如海报上文字不清晰）、替换背景中的特定元素、生成特定区域的高清细节。
局部重绘的核心优势：画笔选区提供空间约束 + 局部Prompt提供内容引导，两者结合，使AI的修改精确定位在指定区域，同时保证与周边内容的无缝融合。
常见误区 ：对于局部信息缺失（如红包上的"福"字已模糊），"整体超分辨率增强"无法补出不存在的信息，只能放大已有的模糊------局部重绘才是精确修复指定区域的正确工具。
8、视觉问题的诊断框架
面对AI生成图像的质量问题，需要先判断问题出在哪个维度，再选择对应的解决方向：
| 问题表现 | 根因诊断 | 正确的修正方向 |
|---|---|---|
| 主体太小/构图不对 | 主体描述靠后 / 镜头语言描述缺失 | 主体前置 + 明确景别（特写/全景） |
| 没有速度感 | 缺少追焦/动态模糊描述 | 加入"追焦、运动模糊、背景拉丝"描述 |
| 人像"AI塑料感" | 皮肤过度平滑、缺少真实纹理 | 加入"毛孔、雀斑、胶片颗粒感"等真实纹理词；减少"8K超高清"等去噪词 |
| 产品换背景后"悬浮感" | 主体与新环境无光影/反射交互 | 先智能抠图，再做场景合成，并在Prompt中描述"地面反光、环境光色温与主体一致" |
| 大面积内容缺失/结构损坏 | GAN无法重建全局语义 | 换用Diffusion模型/局部重绘 |
示例：产品换背景的工作流：不应让模型"在一轮图生图里同时重建产品和背景"。正确流程是：① 智能抠图保留产品主体 → ② 单独生成新场景背景 → ③ 场景合成时描述光影与产品的交互细节（如地面投影、反射光）。这样能最大程度保留产品Logo/外形，同时使合成结果自然融合。