提升 AI 生图质量最快的方法不是换模型，而是重写提示词。大多数人写到 15 个字就停了，结果出图很普通，于是他们怪模型，再抽一次，结果还是很普通。
这篇文章就是解药。下面是 12 个具体且实测过的技巧，能把 GPT Image 2 的输出从"还行的初稿"推到"可以发布的成片"。每张示例图都由 GPT Image 2 用文中描述的同类提示词生成。
1. 写得具体。再具体一点。
"沙漠里的一辆车"不是提示词。模型只能去猜车型、年代、颜色、取景和光线时间。把这些都钉死：
一辆 1965 年款樱桃红敞篷野马，停在黄昏沙漠公路上，
后轮卷起的尘土，远处是平顶台地，低角度仰拍，
阳光在镀铬保险杠上爆开光斑。
每一个限定词（"1965""樱桃红""敞篷""低角度仰拍"）都帮模型省掉一次乱猜。结果就不再是一张"通用图"，而是 那张 图。
2. 写焦段，不要写"感觉"
85mm 镜头、35mm 镜头、24mm 广角、100mm 微距 是图像提示词中性价比最高的几个词。一个词同时控制取景、空间压缩、景深和边缘畸变。
- 85mm——讨喜的人像，柔和的背景虚化
- 35mm——自然的环境照，温和的画面信息
- 24mm 广角——风景，沉浸式的室内
- 100mm 微距——产品特写，材质纹理
如果一张提示词卡住了，先换镜头，再改其他东西。
3. 像摄影指导那样指挥光线
"打光好"是没有意义的。电影术语才有效：
伦勃朗光——单一硬光源，脸颊上的阴影呈三角形明暗对比 / chiaroscuro——强烈对比，黑暗环境，单一被照亮的主体背后的描边光（rim light）——剪影感，主体与背景分离阴天散射光——柔和均匀，无硬阴影黄金时刻逆光——暖色光斑，长投影
上面这张图的关键词是：single tungsten spotlight from above, deep shadows wrapping the rest of the room, Rembrandt lighting。三个词，定向产出。
4. 用构图语汇
图像模型懂经典构图词汇：
三分法构图，主体在右下三分位居中对称构图从前景延伸到地平线的引导线画面左侧 2/3 留白
上图中渔夫所在的位置，正是提示词里指定的：主体位于画面右下三分位，平静的雾气湖面占据上方三分之二。
5. 用 3–5 种颜色命名一个色板
模糊的颜色描述只会得到模糊的颜色。短而具体的命名色板，能精确出图：
色调：樱桃红、沙土赭、金色天空、深棕褐阴影用冒号加逗号分隔的颜色名。十六进制色值也能用，但稳定性不如常用色名。颜色不要超过 5 个——列得越多，模型对每一个的承诺就越弱。
6. 文字加引号，并写明字体风格
图里需要有文字时，做两件事：
- 把字面内容放进引号：
"FRESH BREAD DAILY" - 用日常话描述字体风格：
优雅手绘衬线字体
每行文字控制在 6 个词以内。长句仍然会糊。
7. 把主体钉在一个具体的台面上
产品图、美食图、静物图，永远写出台面是什么。台面有材质属性，模型会拿来用：
带奶白和金色纹理的粉色大理石板带可见木纹的未上漆橡木桌夜晚潮湿的柏油路面，街灯倒影亚麻桌布，柔和的褶皱
模糊的"桌子"，是图库照片和编辑级图片之间的差距。
8. 用一个物理关系动词把主体连起来
画面里有两个主体时，不要只把它们列出来。给模型一个空间动词，告诉它两者怎么连接：
靠在从…升起倒映在缠绕在俯瞰着
这就是"一只猫，一扇窗"和"一只猫蜷在窗台上，爪子搭在玻璃上"的差距。
9. 描述画面里 没有 什么
负向描述和正向描述同样重要。在场景描述之后加一小句：
标签上无文字，无 logo，无水印，背景无人GPT Image 2 一般能干净地遵守 no text 和 no logos。任何商用图都建议加上，避免无意义的水印混进画面。
10. 有意识地融合风格——但要选一个基调
风格融合是模型最有表现力的玩法之一，前提是你必须先选一个 主 风格，再叠一个 次 风格作为修饰：
风格化插画：吉卜力水彩美学，叠加赛博朋克霓虹高光，
柔和水彩感的云层，搭配锐利的霓虹招牌。
如果你把两个风格平等地列出来（"吉卜力 AND 赛博朋克"），模型会把它们平均掉，画面会很扁。用"基础风格 + 修饰风格 高光"这种结构，画面才能保持连贯。
11. 在用要点列表之前，先用一段散文
我把最好的提示词都存成一段 4–6 行的散文，而不是要点列表。两个原因：
- 散文能逼出自相矛盾。"明亮欢快的厨房，黑暗压抑的光线"作为句子读出来明显错了；写成要点反而不易察觉。
- **模型把逗号当做边界。**一个连贯的句子可以让从句之间的关系延续过去（"在大理石上，被叶片环绕，带有水珠"），而三个独立片段做不到。
要点式提示词适合纯标签式的模型。GPT Image 2 不是这种模型。
12. 一次只改一个变量
最后这条是工作流规则，不是写作规则。当一张图"差一点就对了"：
- 只改 一个变量——镜头、光线、时间、台面——然后重新生成
- 并排对比
- 锁定这个变量，再改下一个
大多数人迭代失败的两个原因：要么一次改了 3 个参数，分不清是哪个改动起了作用；要么每次都从零文生图，而不是用上一稿作为参考做图生图。两件事都能在一个下午的练习里改掉。
一个一目了然的"前/后"对比
差的提示词：
一个人在酒吧弹钢琴好的提示词（用了第 1、2、3、5 条技巧）：
电影级明暗对比人像：一位中年爵士钢琴师坐在昏暗烟雾缭绕酒吧的三角钢琴前，
头顶单一暖色钨丝聚光灯切出温暖光线打在脸和手上，
房间其余部分裹在深邃阴影中。85mm 镜头，照片级皮肤纹理。
色调：暖琥珀、深酒红、近乎黑色的阴影。同样的模型、同样的生成次数——出图天差地别。这就是提示词工程的全部前提：模型没问题，瓶颈在你的提示词。
上手试试
打开 GPT Image 2 文生图，挑上面任意一段提示词粘进去，生成。然后只改一个变量——镜头、光线、色板——再生成一次。10 次以内你就会对"哪个杠杆对你的审美最有效"有内在的判断。
这种判断力，就是"会做 AI 图"和"会做图"之间唯一的区别。
