Prompt Engineering：AIGC 设计师的核心竞争力

上周，我的学员小林发来一张图——用 Midjourney 生成的“赛博朋克城市夜景”，画面灰蒙蒙，建筑歪斜，霓虹灯像没干透的油漆。他抱怨：“明明写了‘cyberpunk city night’，为什么效果这么差？”我问他：“你给 AI 的指令，是‘命令’还是‘对话’？”他愣住了。

这正是很多设计师的困境：手握强大的 AIGC 工具，却因为不懂“沟通”而频频翻车。Prompt Engineering（提示工程）不是玄学，而是一套可复用的技术框架。今天，我们就从两个实操案例入手，拆解如何用提示词让 AI 真正听懂你的设计意图。

一、从“关键词堆砌”到“结构化提示”：一个电商海报的蜕变

案例背景

学员要求生成一张“高端护肤品电商海报”，主推一瓶金色精华液，背景需体现“科技感”和“自然纯净”的结合。初始提示词是：“golden serum bottle, high-end skincare, tech background, natural elements, product photography, white background, 8k”。结果：瓶子像塑料玩具，背景是生硬的科技网格加几片塑料树叶，毫无质感。

错误分析

这类“关键词堆砌”式提示词存在三个致命问题：
1. 缺乏主体优先级：AI 不知道哪个元素是焦点。
2. 风格描述模糊：“high-end”和“8k”无法定义具体美学流派。
3. 光影与材质缺失：没有指定光照方向、表面反射率、景深等物理参数。

解决方案：构建“四层提示结构”

我教小林改用 SPFT 框架（Subject-Purpose-Form-Technique），这是我在 Midjourney v6.1 和 DALL·E 3 中验证过的有效结构。

最终提示词（Midjourney v6.1）：

/imagine prompt: 
Subject: One golden serum bottle, frosted glass texture, metallic gold cap, liquid inside with bubbles, placed on a polished obsidian pedestal.
Purpose: High-end skincare product advertisement, minimalist luxury, natural-meets-tech concept.
Form: Cinematic product photography, 85mm macro lens, f/2.8 aperture, shallow depth of field, focus on bottle label.
Technique: Soft studio lighting from top-left, rim light on bottle edge, volumetric fog with subtle green particles (representing natural extracts), color palette: champagne gold, emerald green, charcoal black.
--ar 3:4 --v 6.1 --style raw --stylize 250

效果对比：

  • 瓶子材质：Frosted glass 和 metallic gold 让瓶身有了真实触感。
  • 背景：Volumetric fog + green particles 实现了“科技自然”的融合，而非生硬叠加。
  • 光影：Rim light 勾勒出瓶身轮廓，避免了扁平感。

    • 电商海报生成对比

    关键参数说明

  • `–style raw`：减少 Midjourney 默认的美化滤镜，保留更多摄影真实感。
  • `–stylize 250`：在 0-1000 之间，数值越低越忠于提示词，这里 250 在“忠实”和“创意”之间取得平衡。
  • `–v 6.1`：必须指定版本，v6.1 对材质和光影的理解远优于 v5。

    • 二、控制“角色一致性”：用 Stable Diffusion 生成系列插画

    案例背景

    设计师需要为一款儿童绘本生成 5 张风格统一的插画，主角是一只戴眼镜的蓝色小熊。初始尝试：每张图单独写提示词，结果小熊的毛色、眼镜形状、画风在每张图中都不同。

    工具选择

    这里我们使用 Stable Diffusion WebUI v1.9.4，配合 ControlNet v1.1.450 和 IP-Adapter 插件。相比 Midjourney，SD 在角色一致性控制上更灵活。

    操作步骤

    步骤1：生成角色参考图

    首先用以下提示词生成一张高质量的小熊正面照：

    masterpiece, best quality, 1blue bear character, wearing round glasses, soft fur texture, cute expression, front view, simple background, flat illustration style, vibrant colors, cel shading, --ar 1:1

    得到满意的图后，保存为 `blue_bear_ref.png`。

    步骤2：提取角色特征（Embedding 训练）

    1. 在 SD WebUI 中安装 DreamArtist 或 Textual Inversion 插件。
    2. 准备 5-8 张小熊不同角度的图片（正面、侧面、3/4 侧、坐姿、站姿），每张图需手动裁剪至 512×512 像素。
    3. 设置训练参数：
    – 学习率：5e-4
    – 训练步数：1500
    – 保存间隔：500 steps
    4. 训练完成后，得到一个 `.pt` 文件，例如 `blue_bear_v1.pt`。

    注意：如果不想训练，也可以使用 IP-Adapter 的 Face ID 模式，但角色一致性会略低于 Embedding 方法。

    步骤3：用 ControlNet 控制构图

    生成第一张场景图（小熊在森林中）：

    Prompt: 1blue_bear_v1, walking in enchanted forest, holding a glowing map, mossy ground, fireflies, magical atmosphere, flat illustration style, vibrant colors, cel shading.
Negative prompt: ugly, deformed, bad anatomy, extra limbs, blurry, low quality.
ControlNet 0: Canny (low threshold 100, high threshold 200), input image: blue_bear_ref.png, weight: 0.8
ControlNet 1: IP-Adapter (style mode: style+composition), input image: blue_bear_ref.png, weight: 0.6

    参数解读：

  • Canny 边缘检测保留小熊的轮廓，确保眼镜、耳朵等细节位置正确。
  • IP-Adapter 的 style+composition 模式，既保留原图的画风（flat illustration + cel shading），又约束构图（小熊在画面中的位置）。

    • 步骤4：批量生成后续场景

    保持相同的 ControlNet 设置，只需修改场景描述词（如“crossing a rainbow bridge”“meeting a talking rabbit”），即可生成角色一致、场景不同的系列图。

    角色一致性插画生成

    进阶技巧：用 LoRA 微调风格

    如果希望小熊在不同场景中有细微的表情变化（如开心、惊讶），可以训练一个 LoRA 模型（权重 0.6-0.8），与 Embedding 叠加使用。LoRA 的优势在于：训练速度快（仅需 200-500 步），且不会破坏角色基础特征。

    三、Prompt 的“元规则”：设计思维的底层逻辑

    规则1：AI 是“极度字面”的翻译器

    很多人写“a beautiful dress”，AI 会随机选择一种“美”的定义——可能是维多利亚时期的蓬裙，也可能是未来主义的紧身衣。具体化到材质、剪裁、时代、颜色：

  • ❌ `a beautiful dress`
  • ✅ `a silk A-line dress, 1950s Dior silhouette, pale lavender, with subtle floral embroidery at the hem`

    • 规则2：用“负面提示词”做减法

    在 Stable Diffusion 中，负面提示词（Negative prompt）是必填项。常用负面词库：

    ugly, deformed, bad anatomy, extra limbs, blurry, low quality, watermark, text, signature, worst quality, jpeg artifacts, monochrome, grainy

    在 Midjourney 中，可以用 `–no` 参数：

    /imagine prompt: ... --no text, watermark, blurry, deformed

    规则3：版本决定上限

  • Midjourney v6.1：对自然语言理解大幅提升，可以写长句（如“a cat sitting on a windowsill, looking at rain, melancholic mood”），而 v5 更适合短关键词。
  • DALL·E 3：支持更复杂的场景描述，但风格控制弱于 MJ。
  • Stable Diffusion XL 1.0：分辨率直接生成 1024×1024，细节优于 SD 1.5。

    • 规则4：迭代比一次完美更重要

    不要期待一次提示词就出完美结果。标准流程：
    1. 生成 4 张变体（Midjourney 的 –v 或 SD 的 batch size=4）
    2. 选择最接近的一张，用“Vary (Subtle)”或“Vary (Strong)”微调
    3. 用同种子（seed）锁定构图，修改局部描述
    4. 最后用 Photoshop Generative Fill 或 Inpainting 修复瑕疵

    四、总结与进阶建议

    Prompt Engineering 的核心，不是学会“魔法词汇”，而是建立 “设计意图 → 技术参数 → 视觉反馈” 的闭环思维。当你看到一张 AI 生成的图时，不要只评价“好看/不好看”，而要问自己：它为什么不好看？是材质不对？光影单调？还是构图失衡？ 然后对应修改提示词中的某个参数。

    学习路径建议

    1. 基础阶段（1-2周）：掌握 SPFT 框架，在 Midjourney 中每天生成 20 张图，对比不同 `–stylize` 和 `–v` 的效果。
    2. 进阶阶段（3-4周）：学习 Stable Diffusion 的 ControlNet 和 Embedding，用同一主题生成 10 张以上角色一致的系列图。
    3. 高阶阶段（1-2个月）：训练自己的 LoRA 模型，结合 ComfyUI 的工作流节点，实现从“文字到视频”（如 AnimateDiff）的完整管线。

    推荐资源：

  • 工具：Midjourney v6.1、Stable Diffusion WebUI v1.9.4、ComfyUI
  • 插件：ControlNet v1.1.450、IP-Adapter、DreamArtist
  • 学习社区：Civitai（模型下载）、PromptHero（提示词灵感）

    • —

    常见问题 FAQ

    Q1：为什么我用相同的提示词，不同时间生成的结果不一样？
    A：AI 模型每次生成都有随机性（除非指定 seed）。Midjourney 中可以用 `–seed 12345` 锁定种子，Stable Diffusion 中在“Seed”栏填入固定数字。注意��即使 seed 相同，不同版本的模型（如 v6.0 vs v6.1）也会产生差异。

    Q2：提示词写得很详细，但 AI 总忽略部分描述，怎么办？
    A：权重分配问题。在 Midjourney 中，用 `::` 分隔不同部分并赋予权重，例如 `golden bottle::2 glass texture::1.5`。在 SD 中，用 `(keyword:1.2)` 或 `(keyword:1.5)` 提高权重。另外，把最重要的元素放在提示词开头。

    Q3：如何避免 AI 生成“六指”等畸形手部？
    A：这是常见问题。Midjourney v6.1 已大幅改善，但仍不完美。可用 `–no deformed hands` 或 `–no extra fingers`。Stable Diffusion 中，推荐使用 Hand Refiner 插件，或后期用 Photoshop 修复。更高阶的方法：训练手部 LoRA。

    Q4：商业项目中，生成图可以直接商用吗？
    A：取决于工具条款。Midjourney 付费用户拥有生成图的商业使用权（但需遵守内容政策）。Stable Diffusion 开源的模型（如 SDXL）可以商用，但基于他人训练的 LoRA 需查看原作者的许可证。强烈建议：对重要商业项目，用生成图作为灵感参考，再人工重绘核心元素。

    Q5：学 Prompt Engineering 需要编程基础吗？
    A：不需要。核心是设计思维和参数理解。但如果你能掌握 Python（用于批量处理、API 调用），以及 ComfyUI 的节点式工作流，可以大幅提升效率。建议先专注视觉输出，再逐步拓展技术边界。

    声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。