构建图像提示词
目标：将用日常语言表达的愿望，转化为一个将主体、风格和技巧分离的提示词，并且一次完成。
基于 fokus-KI 的 "Prompts für KI-Bilder"（2026年4月版），并根据实际使用的模型（Z-Image-Turbo、FLUX.2 Klein、SDXL）的限制进行了扩展。
何时加载
- “生成一张……的图像”、“帮我写一个提示词……”
- 结果不理想，需要调整提示词
- 在生成第一张图像之前，当用户只提到主体时
不涉及范围：设置和工具选择（请使用生成技能）、存储到资源库（请使用资源技能）、基于SVG的图形。
六个构建模块
顺序很重要：模型更重视开头部分。主体优先于风格，风格优先于技巧。
| # | 模块 | 问题 | 示例 |
|---|---|---|---|
| 1 | 图像类型 | 照片、插画、3D、绘画？ | photorealistic, flat vector illustration, 3D render |
| 2 | 主体 | 具体是什么，有什么特征？ | tabby cat, green eyes, looking up |
| 3 | 场景 | 在哪里，有哪些道具？ | window sill, blurred garden behind |
| 4 | 时间/光线 | 一天中的时间、季节、光源 | early morning, warm side light from the left |
| 5 | 风格 | 艺术家、时代、氛围、调色板 | in the style of Gustav Klimt, gold tones, calm |
| 6 | 技巧 | 视角、细节程度、构图 | close-up, shallow depth of field, rule of thirds |
规则：1 和 2 是必需的，3–6 是可选的。 如果用户请求本身不支持所有六个模块，强行填写会导致图像变得随意。四个具体的模块胜于六个模糊的模块。
模板
<图像类型> <带有2-3个特征的主体>, <场景>, <光线>,
<风格/氛围/颜色>, <视角/细节/构图>
示例：
Photorealistic: traditional Japanese tea house beside a still pond, blossoming cherry trees, soft late-afternoon light, warm earth tones, slightly elevated perspective, reflections in the water, calm meditative mood.
一句话，不要关键词堆砌。标点符号和逗号足以表示权重；括号、:: 和 --ar 三种模型都不理解。
长度和语言
- 核心 15–50 个单词。 更长会稀释效果：注意力会分散到从句上，而不是主体。
- 英语是安全的默认选择。 风格术语（
golden hour,volumetric light,shallow depth of field）和艺术家名称在训练数据中主要是英语；翻译往往会丢失细微差别。 - 德语也可以，用于多语言文本编码器的主体和空间描述。使用 SDXL 或 FLUX 类模型时，如有疑问请翻译——德语风格术语在那里的表现可能不佳。
- 不要混合使用。 半德语半英语的句子会破坏一致性。每个提示词只使用一种语言。
- 开放问题： 这些模型中，相同种子下德语与英语的对比尚未测量。在此之前，英语是默认选择；如果德语提示词明显效果不佳，请先尝试更换语言，而不是调整步数。
负面提示词：仅在支持该选项的字段中使用
| 工具族 | 负面提示词 | 方法 |
|---|---|---|
| SDXL | 支持 | 在该字段中列出不需要的内容：text, watermark, extra fingers, blurry, deformed |
| Z-Image, FLUX | 不支持 | 以正面方式重述否定内容："no text" → clean surface without lettering |
正面提示词中的 "no …" 通常反而会邀请模型生成相关内容：模型会读取名词，而不是否定词。
迭代：每次只修改一个变量
- 第一次运行使用低步数，并记录种子。
- 指出现象，不要重新描述图像：“缺少蒸汽”是一个现象，“看起来不好”不是。
- 只做一个修改——添加一个主体、修改风格或调整步数。保持种子不变，否则比较毫无意义。
- 只有看到明显缺陷时才进行第二次运行。 不要仅凭猜测就调整。
- 对于精细细节（蒸汽、烟雾、文字），首先增加步数，不要加长提示词。
模型不可靠的地方
| 期望 | 现实 | 解决方案 |
|---|---|---|
| 图像中可读的文字 | 字母会模糊，尤其是六个字符以下时 | 后续使用 SVG 或布局工具添加文字 |
| 手、手指、牙齿 | 数量和形状常常错误 | 裁剪掉手部 |
| 精确数量（“三根蜡烛”） | 有时两根，有时四根 | 在图像中检查数量，否则更换种子 |
| 时代（“1750年”、“江户时代”） | 年份并非特征——背景中会出现电线、金属和太阳能屋顶、混凝土 | 通过材料来指定时代：all roofs thatched with rice straw or dark cedar shingles、hand-hewn wooden posts、unpaved road |
| 品牌标志、真实人脸 | 模糊或扭曲 | 不要追求此效果；注意版权和肖像权 |
| 提示词中的“4K”、“16:9” | 会被当作风格词，而不是度量值 | 在工具中设置 width/height |
发送前的检查清单
- 主体是否位于前十个单词内？
- 图像类型和风格是否分开命名（而不是“一张好看的图片”）？
- 最多一个风格术语和一个光线方向——或者有意选择两个？
- 正面提示词中是否没有否定词？
- 是否少于五十个单词，且不包含工具已经设置的数值？
- 全文是否只使用了一种语言？
故障模式
| 症状 | 原因 | 修复 |
|---|---|---|
| 主体缺失，风景主导 | 场景描述太靠前或太长 | 将主体移到前面，将场景描述压缩到五个单词以内 |
| 图像感觉随意，像“库存照片” | 只有形容词，没有风格 | 命名一个具体的风格或艺术家 |
| 所有元素都清晰且扁平 | 没有视角和光线描述 | 添加 close-up 或 slightly elevated 以及一个光线方向 |
| 颜色漂移 | 两个风格方向冲突 | 只使用一个调色板，一个风格 |
| 文字以涂鸦形式出现 | 提示词中包含了文字需求 | 删除它，后续再添加文字 |
| 微小改动导致结果剧烈变化 | 种子或步数发生变化 | 固定种子，保持步数不变 |
| 背景中出现电线杆、电线或太阳能屋顶 | 年份无法指定时代；模型会从训练数据中填充基础设施 | 以正面方式指定材料（every roof thatched or dark cedar shingles、hand-hewn wooden posts），而不是使用“no power lines”——并且同时检查背景，而不仅仅是主体 |