网上找到了一些好看的图标，但是苦于自己没有办法提炼出来他的提示词？又或者需要垫图的方式实在是不太方便，也不方便分享来用？

经过我的探索，我找到了一种通过不断迭代的问题生图提示词模板的工作流，基本上任何一个人都可以操作，没有技术门槛，只要你有耐心。

可交付的提示词模板

我理解真正可交付的提示词模板，至少要满足三个条件：

  • 它的结构是稳定的。比如主体、构图、镜头、材质、光影、色彩和背景这些信息，各自放在比较明确的位置。

  • 它的变量是清楚的。哪些地方可以换，哪些地方不要乱动，最好用【】直接标出来。

  • 它经过测试。不是只在当前对话里跑出一张好图，而是换到新对话里再测，依然能保持大体方向。

这很显然，我们要有不断测试并反馈的循环过程，理论来说是可以让 AI 自己去迭代的，这很像一个 Agent loop（如果你对此感兴趣，可以查看我的 Harness 笔记：https://harness-learn.pages.dev/），但是这还是不太好，经过我的实践我发现：

  • AI 只擅长输出，但是在多模态输入上，远不如人精细，它往往认为就是一样的（因为主体和大概的配色是一致的）；

  • 不经济，多模态模型更贵，相比人去做对比，也更花时间。

下面，我们来介绍整个操作流程

寻找参考并交付 AI

第一步很简单，先找到你想学习的参考图，你可以去花瓣、小红书或者 x 上去找你喜欢的、想要沉淀成模板的参考图。但这里要注意，参考图不能太含糊。你至少要知道自己想保留什么。比如你想要的是它的低饱和配色，还是中心构图，还是产品像素级的材质表现，还是那种柔和但有层次的光影。

我这里以 Codex 为例，当然你使用其他 AI 工具都是可以的，接下来，再把参考图直接交给 Codex，让它先做一件事：分析这张图为什么成立，然后基于分析生成一条可测试的提示词。

这一步不要只让它“帮我写提示词”，最好明确要求它拆解画面。因为我们要的不是一堆漂亮形容词，而是让模型知道哪些信息需要固定下来。

请分析这张参考图，拆出主体、构图、色彩、材质、光影、镜头语言、背景复杂度和整体风格，然后生成一条适合用于生图测试的完整提示词。提示词要具体、可执行，不要只写抽象风格词。

这样做的好处是，Codex 不会只给你“高级感、电影感、精致”这种泛词，而是会尽量把参考图里的具体特征转成提示词结构。

提示词测试

拿到提示词之后，我会把它放到 ChatGPT 的生图能力里测试，当然你也可以用即梦、可灵等等任何你想要用来生图的 AI，不过我个人的经验是不同的 AI 想要达到同一张图的效果提示词是不同的，因此提示词具有强依赖模型的特点。

不过有一个小细节要注意，每一次测试，都要新开一个对话。每一次测试都新开对话，目的是防止上下文污染。不要在同一个对话里连续测试很多版本，否则前面的参考、失败结果和修改要求，都可能影响你对提示词真实稳定性的判断。

如果测试结果不满意，不要说类似“这张不好，再改改”。这句话基本没有信息量，Codex 也只能猜。

我的做法是把测试出来的图复制回 Codex，然后明确告诉它：这张图和参考图到底差在哪里，为什么不一样，例如下面这些反馈维度：

反馈维度

不建议这样说

更建议这样说

构图

构图不对，再改改

参考图里主体占画面大约 70%，测试图主体太小，画面留白过多，需要拉近镜头并加强中心构图。

色彩

颜色不好看

参考图是低饱和冷灰调，测试图偏高饱和橙色，整体更像广告海报，需要压低饱和度并减少暖色面积。

光影

光感不高级

参考图是柔和侧光，有明显明暗层次；测试图光线太平，材质没有体积感，需要加入侧向柔光和更清楚的高光边缘。

风格

不像参考

参考图更偏真实产品摄影，测试图变成了插画质感，需要减少手绘感、增强真实材质和镜头景深。

你会发现，反馈越具体，下一轮提示词就越容易收敛。因为 Codex 需要的不是情绪判断，而是可操作的差异信息。

这次测试图和参考图主要有三个差异：
1. 参考图主体更大，几乎占据画面中心区域，测试图主体太小。
2. 参考图的色彩更克制，偏低饱和冷灰，测试图颜色太鲜艳。
3. 参考图是柔和侧光，测试图光线太平，材质没有层次。

请基于这些差异重写提示词，优先修正构图、色彩和光影，不要改变原来的主体方向。

稳定后抽离模板

当你觉得测试结果已经比较稳定，就可以进入最后一步：让 Codex 把这条提示词提炼成模板。

这里的重点是，把可以替换的部分用【】括起来。比如【主体】、【主色】、【背景】、【材质】、【画幅比例】、【使用场景】。而那些决定风格稳定性的内容，比如构图方式、光影结构、镜头语言和质感要求，就尽量保留下来。

请把这条已经测试稳定的提示词提炼成一个可复用模板。把可替换的内容用【】括起来，例如【主体】、【主色】、【背景】、【材质】、【画幅比例】。请保留影响风格稳定性的固定描述，例如构图、镜头、光影、材质质感和画面复杂度。

一个提炼后的模板，可能会长这样。

为【主体】生成一张【画幅比例】的视觉图。画面采用【构图方式】，主体占据画面中心主要区域，背景保持【背景复杂度】。整体色彩以【主色】为主，饱和度克制，避免过度鲜艳。材质表现为【材质】，需要真实、细腻、有清晰的高光和阴影层次。光线采用柔和侧光，保留自然景深和产品摄影感。整体风格接近高质量商业视觉，不要插画化，不要过度装饰。

注意，这只是一个示例。真正的模板一定要从你前面测试稳定的提示词里提炼，而不是凭空套一个万能格式。

不过要注意的是，我个人有一个习惯，那就是提炼成模板后最后再测一次。因为把完整提示词改成模板之后，变量位置可能会影响稳定性。

总结

这套方法看起来有点慢，但它解决的是一个很关键的问题：不要让生图变成每次都重新抽奖。参考图负责提供方向，Codex 负责把方向拆成语言，ChatGPT 负责测试效果，而你自己的反馈负责把提示词一步步收敛。整个流程里最重要的不是工具，而是你能不能把“哪里不对”说清楚。

主要的 2 个细节最后想再说明一下：

  • 每一次正式测试都新开对话，避免上下文污染；

  • 反馈一定要具体，不要只说“不好”“再改改”。你要说明具体差异，也要说明为什么它和参考图不一样。

当这两点做好之后，提示词就不再只是一次性的文字，而可以变成一个能交付、能复用、能继续迭代的生图模板。

如果你有兴趣，也可以看看我自己反推出来的以及收集到的不少提示词模板：

生图提示词汇总用 “我来” 搭建一站式协作平台，团队知识库、仪表台、工作流、内部应用、外部网站与个人云端笔记、待办……开箱即用！