Visual Prompts 方法论
视觉提示词方法：从画面意图到可复用 Prompt
视觉提示词不是关键词清单，而是一份描述主体关系、空间结构、材料、光线、镜头与限制条件的画面说明。稳定的 Prompt 先解决视觉逻辑，再适配具体模型。
一、先写画面意图
用一句话说明画面要表达什么、给谁看，以及最重要的视觉证据。主体应当明确，主体之间的动作、距离、尺度和因果关系也要明确。
例如“把科学原理做成可观察的微缩模型”比“科学、微缩、漂亮、3D”更容易形成一致结果。
二、用六层结构组织 Prompt
- 主体与关系
- 谁或什么是主角，彼此如何连接、作用或排列。
- 构图与空间
- 视角、景别、前中后景、留白、动线和画面比例。
- 材料与工艺
- 纸、木、玻璃、金属、织物等材料及其真实表面特征。
- 光线与色彩
- 光源方向、软硬、时间、主色与强调色的分工。
- 镜头与版式
- 摄影镜头、景深、透视，以及海报或知识卡的信息秩序。
- 限制条件
- 不需要的文字、水印、错误结构、额外物体和风格污染。
三、保留通用核心，再适配模型
ChatGPT Images 与 Gemini 适合关系清楚的自然语言说明；Midjourney 更适合压缩后的视觉短语与参数；FLUX 和 SDXL 通常需要把正向描述与排除项分开。不同版本会变化，因此应保留一份不依赖模型语法的通用核心稿。
四、按证据验收生成结果
检查主体是否正确、空间是否连贯、材料是否可信、文字是否污染画面，以及关键关系有没有被模型省略。涉及历史、科学、产品或文化事实时，还要把视觉想象与事实陈述分开。
从不同视觉问题开始
常见方法问题
视觉提示词和普通关键词有什么区别？
普通关键词只列出元素；视觉提示词还定义元素之间的关系、构图、材料、光线和限制条件，因此更容易复用和校对。
Prompt 越长越好吗？
不是。长度应服务于必要信息。重复形容词和互相冲突的风格会降低稳定性，清楚的层级比字数更重要。
同一条 Prompt 可以直接用于所有模型吗？
可以共享通用核心，但应根据模型的语言理解、参数体系和负面提示方式调整格式。
什么时候需要写排除项？
当文字污染、结构错误、额外物体或不需要的风格会破坏目标时，应加入少量、具体且可检查的排除项。