北京
同一句提示词，有人生成出海报级的画面，有人拿到的却是一张构图散乱的图。差别往往不在模型，而在提示词里漏掉了什么。
一套被反复引用的结构化公式把这件事讲得很直接：好提示词 = 主体 + 场景 + 风格 + 文字/排版 + 技术参数。五个要素，缺一个，AI 就会替你做决定。
五个维度，各管一段
这套框架的核心动作是"拆解"——把一张想要的图，拆成几个可以分别描述的维度。
- 主体：画面里到底是谁、是什么
- 场景：主体处在什么环境里
- 风格：视觉语言走哪一路
- 文字/排版：画面中的文字内容与版式安排
- 技术参数：影响成像结果的技术层面设定
拆得越细，可控的部分就越多。这套公式并不承诺某种画风或效果，它解决的是"描述完整度"的问题。
你不写，AI 就自己填
框架里最值得记住的一句判断是：一个完整的提示词必须包含这五个要素，否则 AI 会为缺失的部分做出随机选择。
这就是"控制与随机"的分野。提示词里没有明确指定的参数，不会留白等着你补，而是被模型用某种它自己选定的方式填上。填得对不对，全看运气。
很多人把生成结果不理想归因于模型能力，但按这套逻辑，问题可能出在描述本身：你只说了主体，场景是模型猜的；你只说了风格，排版是模型猜的。猜错的那些部分，最后都体现在成图上。
把"随机"换成"指定"
这套框架的实用价值在于，它把提示词写作从"想到什么写什么"变成了一次逐项检查。
写完之后对照五个维度过一遍：主体写清楚了吗？场景交代了吗？风格定了吗？文字和排版有没有说明？技术参数是否给到？哪一项空着，哪一项就交给了随机。
对于需要稳定产出、反复调整同一张图的场景，这种逐项对照的方式比反复试错更省时间——每次只改一个维度，就能看出是哪个参数在影响结果。
提示词工程被讨论得很多，但落到操作层面，往往就是这句话：把你能决定的都决定掉，剩下的才交给模型。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
