圖片生成提示詞工程 — 通用版
適用於任何現代圖片生成/編輯模型的通用提示詞工程技巧。預設為模型無關模式；當使用者提及模型名稱時，自動切換為模型專屬指引。
無論是哪個模型，好的提示詞都包含相同的結構要素——主體、環境、光線、鏡頭、風格、格式，以及（若是編輯）要保留的部分。不同的是語法層面：Midjourney 使用 --flags，GPT Image 2 偏好結構化 JSON，GPT Image 2.5 會獎勵角色指派參考與鎖定清單，Nano Banana 解析參照圖片的自然語言描述，SDXL 依賴加權詞塊加上負面提示，FLUX 看重文字密度，Ideogram 在排版方面最強。
何時使用此技能
- 使用者要求為任何模型撰寫或改善圖片提示詞
- 使用者想要編輯上傳的圖片（換裝、改背景、保留臉部重製風格、新增/移除物件、局部重繪）
- 使用者要求保留身分的肖像、名人合成、年齡進程序列、多人場景
- 使用者想要 Bento 盒/資訊圖表佈局、等距模型透視圖、爆炸分解圖產品海報、雜誌封面、漫畫格、分鏡腳本網格、電商主圖、YouTube 縮圖
- 使用者需要特定風格的提示詞：電影感、Kodak Portra、動畫、3D 黏土風、像素藝術、巴洛克框、浮世繪、瑞士設計、賽博龐克、RAW iPhone、90 年代傻瓜相機、35mm 直閃
- 使用者提到「保留臉部」、「完全相同的臉」、「只改背景」、「保持姿勢」、「多視角」、「可動人偶盒裝」、「爆炸圖」
- 使用者想要 Raycast 友善的提示詞，其中包含
{argument name="..." default="..."}佔位符 - 使用者明確說出模型名稱（Midjourney、MJ、SDXL、FLUX、GPT Image 2 / 2.5、Nano Banana 等）
模型路由
每當使用者在查詢中提及模型名稱時，讀取 references/models/ 下對應的檔案以了解其語法與特性，然後將其疊加在下方通用結構之上。
| 觸發關鍵字（任一） | 讀取檔案 |
|---|---|
nano banana、nano-banana、gemini 2.5 flash image、gemini image、nano banana pro、纳米香蕉 | references/models/nano-banana.md |
gpt image 2.5、gpt-image-2.5、image 2.5、chatgpt images 2.5、flare、sunburst、gpt-image-2.5-flare、gpt-image-2.5-sunburst | references/models/gpt-image-2-5.md（+ gpt-image-2.md 因為共用語法） |
gpt image 2、gpt-image-2、duct-tape、gpt image 2 prompts | references/models/gpt-image-2.md |
gpt image 1、gpt-image-1、dall-e 3、dall·e 3、dalle 3 | references/models/gpt-image-1.md |
midjourney、mj、--ar、--stylize、--sref、--cref、niji、--niji | references/models/midjourney.md |
stable diffusion、sd 1.5、sdxl、sd 3、sd3、sd3.5、comfyui、automatic1111、forge | references/models/stable-diffusion.md |
flux、flux.1、flux dev、flux schnell、flux pro、black forest labs | references/models/flux.md |
imagen、imagen 3、imagen 4 | references/models/imagen.md |
ideogram、ideogram 2、ideogram 3 | references/models/ideogram.md |
recraft、recraft v3 | references/models/recraft.md |
seedream、seedream 4、seedream 5、doubao image、jimmeng、byteimage | references/models/seedream.md |
| 未指定模型 | 預設使用模型無關的通用模式；詢問使用者是哪個模型 |
如果需要一次掃描所有路由，請先從 references/models/_index.md 開始。
兩個能力等級（通用）
| 能力 | 「標準」等級 | 「專業」等級 |
|---|---|---|
| 寫實肖像 | ✅ | ✅（更銳利的皮膚/毛孔） |
| 多圖融合 | ⚠️ 2–3 張參考圖 | ✅ 5+ 張參考圖 |
| 圖片內文字渲染 | 僅限短標籤 | 長引文、多行文字、CJK |
| Bento/資訊圖表佈局 | 簡單網格 | 8+ 個帶資料欄位的模組 |
| 密集人群場景 | 超過 4–5 張臉會偏離 | 能保持多張臉的身分 |
| 結構化 JSON/YAML 提示詞 | 部分解析 | 可靠解析 |
| 複雜條件規則 | 弱 | 強 |
每個模型中「標準」與「專業」等級的對應關係記錄在 references/models/<name>.md 中。例如：
- Nano Banana = 標準；Nano Banana Pro / Nano Banana 2 = 專業
- GPT Image 1 / DALL·E 3 = 標準；GPT Image 1.5 = 標準+；GPT Image 2 = 專業；GPT Image 2.5 Flare = 專業，Sunburst = 專業+（精確編輯、密集完全拷貝）
- Midjourney v6 = 標準；v7 = 專業
- SD 1.5 = 標準；SDXL / SD3 / SD3.5 = 專業
- FLUX.1 [schnell] = 標準；FLUX.1 [dev] / [pro] = 專業
- Seedream 4.0 / 4.5 = 標準；Seedream 5.0 = 專業
經驗法則： 對於資訊圖表、有標題的海報、多角色場景、結構化 JSON/YAML 提示詞以及 CJK 文字，預設使用專業等級。對於單一主體的編輯和簡短提示詞，標準等級就已足夠。
通用提示詞結構
每個強大的提示詞都包含以下區塊。順序可靈活調整；當上下文明確時，標籤可省略。
[主體] 誰/什麼 — 參考圖處理（「100% 保留臉部」）
[動作/姿勢] 他們的動作、身體方向
[服裝] 衣服、配件、材質、顏色
[環境] 地點、道具、地面、背景牆
[光線] 主光/補光/邊光、時間、品質（硬/軟）、色溫
[相機/鏡頭] 85mm f/1.4、空拍俯視、正交投影、平視
[風格參考] 底片型號（Kodak Portra 400）、導演、年代（2000 年代）、渲染引擎
[格式] 長寬比（1:1、16:9、9:16）、解析度（1080x1080、8K）
[保留] （編輯模式）不得改變的部分
[負面提示] 反偽影：「無文字」、「無第二物件」、「無變形」
最小可行模板 — 生成
一個 {風格/媒材} 的 {主體} 在 {環境} 中 {動作}。
{服裝 + 道具}。
光線：{主光 + 邊光 + 氛圍}。相機：{鏡頭、角度}。
{長寬比}，{解析度}。{風格參考}。
最小可行模板 — 圖片編輯
對附圖片的 {目標區域} 執行 {編輯動作}：
{具體變更}。
保留：臉部/身分、姿勢、服裝、背景光線 — 完全不改變。
僅修改：{明確區域}。
與原始圖片的 {光線邏輯 / 色調 / 透視} 保持一致。
參考輸入（按模型區分）
如何指定上傳的參考圖片因模型而異。通用模式適用於大多數自然語言模型；基於標記的模型需要明確的語法。
| 模型家族 | 措辭 |
|---|---|
| Nano Banana / Gemini | 「上傳圖片中的人物」、「與參考圖的臉部 100% 相同」— 自然語言 |
| GPT Image 2 | 「基於此角色」、「使用這張肖像照」、「上傳來源圖片」— 自然語言 |
| GPT Image 2.5 | 「圖片 1 = 產品（形狀、標籤）；圖片 2 = 僅光線/顏色；圖片 3 = 僅佈局」+ 衝突優先順序；說明每個參考圖片不可貢獻什麼 |
| Midjourney | --cref <url> 用於角色參考，--sref <url> 用於風格參考，--cw 100 權重 |
| Stable Diffusion / FLUX | 在工作流程層級使用 IP-Adapter / ControlNet，不在提示文字中 |
| Imagen / Ideogram / Recraft | API 層級的 referenceImages 酬載；提示文字中透過「提供的參考」來引用 |
確切語法請參閱 references/models/ 下對應的檔案。
分類目錄
詳細的模板與範例位於 references/。
references/patterns.md— 通用詞彙：光線、相機、比例、風格標籤、構圖慣用語、單一物件規則、多參考圖融合、負面提示詞彙references/templates.md— 18+ 種常見類別的填空模板（肖像、產品、海報、透視模型、資訊圖表、漫畫網格、爆炸分解圖、電商主圖、YouTube 縮圖、角色設定表、分鏡腳本等）references/identity-preservation.md— 臉部鎖定用語、失敗模式、修復方法、多人處理、混合風格的臉部保留、年齡進程序列references/structured-prompts.md— JSON/YAML/XML 格式以及哪些模型能可靠解析它們references/text-rendering.md— 在圖片中放入可讀的標題、引文、CJK 文字，以及各模型的能力等級限制references/editing-workflow.md— 非破壞性編輯、局部重繪、多圖融合、前後對比、跨面板的角色一致性references/examples.md— 按分類整理的經過驗證的提示詞範例，附帶出處與產生該範例的模型references/workflows.md— 直接生成、內容插圖（文章/影片 → 圖片）以及改編/個人化的對話模式references/external-corpora.md— 指向公開提示詞庫的連結（YouMind 12k+、EvoLink ~3k、Awesome 清單），當使用者想要經過驗證的提示詞而非重新創作時使用references/models/— 各模型的特有癖好、語法、參數、反面模式（gpt-image-2-5.md補充了 Flare/Sunburst 選擇、API 尺寸/品質規則、10 種模式、12 個模板、已知失敗案例、審查清單）
快速規則（模型無關）
- 段落 + 約束行勝過標籤湯：適用於自然語言模型（Nano Banana、GPT Image 2 / 2.5、FLUX、Imagen）。對於 Midjourney 和 SDXL，密集的逗號分隔標籤區塊加上標記仍然有效。
- 明確指定長寬比 —
1080x1080、16:9、9:16，或在 Midjourney 中使用--ar 9:16。不要依賴預設值。 - 每次編輯都要錨定身分。「與參考圖的臉部 100% 相同」、「保持面部特徵完全一致」、「不要改變臉部」。
- 非破壞性編輯需要一個允許清單。 明確說明什麼改變以及什麼被保留——否則大多數模型會在服裝/姿勢上產生偏移。
- 鏡頭 + 光線 = 寫實感。
85mm f/1.4、Kodak Portra 400、三點式打光、黃金時刻邊光、強烈的機頂閃光燈在所有模型上都具有實際影響力。 - 單一物件約束必須重複強調。 如果你只想要一個物件，請撰寫一個明確的嚴格單一物件區塊（參閱
references/patterns.md#single-object-rule）。 - 圖片中的文字 = 精確引用。 將確切字串包裹在雙引號中：
serif 字體顯示「Stay Hungry, Stay Foolish」。對於 CJK，偏好使用專業等級模型。 - 使用
[佔位符]（方括號、大寫）用於可重複使用的模板。使用{argument name="x" default="y"}用於 Raycast 片段—Nano Banana、GPT Image 2 / 2.5 以及任何自然語言模型都支援作為文字佔位符。 - 對於 Bento/資訊圖表佈局，列舉模組（M1…M8）並指定每個儲存格的內容類型—這強烈偏向專業等級模型。
- 負面提示放在最後，作為
NEGATIVE：清單或Do NOT：項目—SDXL/Midjourney 除外，它們有專用的負面提示語法（MJ 用--no，SD 有專用負面提示輸入）。 - 為了呈現自然/非 AI 感：明確要求「自然的皮膚紋理、飛揚的髮絲、輕微的不對稱、無美顏修圖、無濾鏡、無過度拋光的 AI 美學」。GPT Image 2 / 2.5 和 Nano Banana Pro 都會尊重這些要求。
- 每輪編輯只做一個變更 + 一個鎖定清單。 說明單一變更，列舉什麼保持不變，只允許物理上必要的副作用（接觸陰影、反射）。從保存的主版本分支變體。保留是視覺上的，而非像素完美—當像素必須匹配時進行合成。
- 根據具體檢查項目審查每個輸出—檢查全尺寸和手機尺寸的文字、物件/人物計數、樣式化之前的身分、產品幾何、編輯範圍、解碼的 Alpha 通道。
- 為了跨圖片一致性（同一個角色出現在 N 個面板中）：先詳細描述角色一次，然後回頭引用為「與面板 1 中相同的角色」—在 GPT Image 2 / 2.5 和 Nano Banana Pro 上有效；其他模型效果較弱。
反面模式
- 在自然語言模型上使用標籤沙拉提示詞（
portrait, 8k, masterpiece, beautiful, highly detailed）—表現不如結構化段落 - 要求「逼真」但沒有鏡頭/光線描述—產出的是通用渲染圖
- 編輯時沒有保留條款—模型會改變臉部/姿勢
- 一個提示詞中包含多個衝突的長寬比—最終只有一個生效，且難以預測
- 僅使用面部描述（無參考圖）進行換臉—保真度低
- 一個提示詞中塞入超過 10 個命名主體—在標準等級中身份會偏移（超過 5 個），在專業等級中則超過 8 個
- 在標準等級模型上嵌入超過 15 個字的文字—拼寫會出錯
- 將 Midjourney 的
--flags混入 Nano Banana / GPT Image / FLUX 提示詞中—標記會被當作文字解析並污染輸出 - 在拍攝自然生活照時預設使用「拋光 AI」風格—明確否決美顏修圖
- 期望圖片模型輸出 GIF、ZIP、向量圖或 HTML—應生成圖表，然後用程式碼分割/組合（參閱
models/gpt-image-2-5.md模式 6） - 信任「無文字 / 僅此文字 / 無浮水印」而沒有檢查—負面提示僅部分時間被遵守
- 在極短的提示詞中強制使用 JSON—
{"subject":"red apple"}不如A red apple on a white table, studio lighting, 1:1.
對話模式
四種不同的進入點，處理方式記錄在 references/workflows.md：
- 直接生成 — 使用者描述一張圖片；你根據結構 + 模板 + 模型專屬檔案撰寫提示詞。
- 內容插圖 — 使用者貼出文章/影片腳本/播客筆記；你分析主題+語氣，匹配到一個模板，然後進入改編模式。
- 靈感 → 提示詞（重構） — 使用者分享一張他們喜歡的圖片；你根據可見內容撰寫新的簡報，並列出未知項（參考圖、先前的輪次、編輯），而不是假裝恢復原始提示詞。
- 改編 / 個人化 — 選擇模板後，僅詢問相關的個人化問題（性別、年齡、場景、氛圍、職業），並使用使用者的內容改編模板。
如果使用者只想要經過驗證、附有圖片證據的提示詞，而非重新創作，請引導他們前往 references/external-corpora.md 中的可搜尋語料庫（YouMind 上有 12,000+ 個提示詞，EvoLink 上有約 3,000 個 GPT Image 2 案例，wangrunlin / LaplaceYoung / VulcanEon 上有約 250 個 GPT Image 2.5 案例，以及可瀏覽的 Awesome-list 索引）。
工作流程
- 詢問使用者 — 從頭生成、編輯現有圖片、為內容插圖、從靈感圖片重構提示詞，或瀏覽語料庫？
…（翻譯因內容截斷而省略）