提示词写越长越好?关于提示词长度的三个误区
刚接触AI绘画的人,几乎都会经历同一个阶段:第一句提示词只有五个词,出图不准;于是开始加词,加到五十个字;还不对,就加到两百个字,把能想到的形容词全堆上去。
结果是——图变得更差了。人物被挤到画面边缘,光线自相矛盾,构图莫名其妙。
这不是运气问题,而是提示词的运作机制决定的。关于”长度”,有三个几乎人人都踩过的误区。
误区一:词越多,模型”听”得越全
要理解这一点,得先知道文字是怎么进入模型的。
提示词首先会被切成
token,再由文本编码器转成一串向量。关键在于:模型的注意力是有”预算”的。每一层交叉注意力都要把有限的权重分配给所有
token,词越多,每个词分到的权重就越低。
一条 20 个词的提示词,核心主体可能拿到 8% 的注意力;堆到 200
个词,同样那个主体可能只剩
1%。这就是为什么加了一堆”电影感、超写实、8K、杰作、大师作品”之后,画面反而变糊——这些词本来不描述任何具体视觉特征,却实打实分走了预算。
还有一个硬限制:早期 SD 系模型的文本编码器上限是 77 个
token,超出部分会被直接截断。也就是说,你以为写了 200
个字,模型可能只读到了前 60 个。后面那些精心雕琢的细节,全被扔掉了。
结论:提示词的目标不是”说完”,而是”说清”。60 到 90
个汉字,通常是最舒服的区间。
误区二:把所有要求写在一起更省事
第二个误区是结构上的。
提示词里的多个约束并不是叠加关系,而是竞争关系。当你同时写”广角全景”和”面部特写”,”清晨冷调”和”黄昏暖光”,模型不会理解成”分镜”,它只会把这些互相冲突的向量平均一下,得到一个两头不靠的中间态。
这就是很多人抱怨”AI
不听话”的真实原因:不是它没听懂,而是你的指令本身矛盾。
正确的做法是分层,按固定顺序写成六段,每段三到六个词:
- 主体:一个三十岁女性,短发,米色风衣
- 动作:侧身回头,右手扶住门框
- 环境:老式公寓走廊,墙面斑驳
- 光线:窗外单侧自然光,暖调,明暗对比强
- 镜头:35mm,中景,浅景深
- 质感:胶片颗粒,轻微暗角
这个顺序不是随便定的——越靠前的词,在多数模型里权重越高。把最重要的主体放在最前面,是性价比最高的一步优化。
误区三:否定词可以直接写”不要”
第三个误区最隐蔽:在正向提示词里写”不要红色””没有水印””画面里不要有人”。
扩散模型的文本编码器没有逻辑否定算子。它看到”不要红色”,激活的是”红色”这个概念本身;”不要”这两个字几乎不产生抑制作用。所以越强调”不要”,那个东西越容易出现。
正确做法有两条:一是换成正向替代——不说”不要红色”,说”墨绿色调”;二是把否定要求挪到独立的负面提示词(negative
prompt)字段里,那里才是真正做减法的地方。常用的负面词是一组固定搭配:模糊、低分辨率、多余手指、文字、水印、畸变、过曝。
那么,什么时候提示词确实该长
说长度要克制,不等于越短越好。有两类场景,长提示词是必要的:
一是多主体、多关系的复杂构图。
谁在前谁在后、彼此什么动作关系必须逐个写清,否则模型会用最省事的平均构图糊过去。
二是需要精确复现的商业项目。
品牌色号、产品摆放角度、道具数量、服装细节——这些不能靠模型猜,必须写死。
区别在于:该长的是”具体的视觉信息”,不该长的是”抽象的褒义词”。
前者是有效载荷,后者是噪声。
一套可以立刻用上的写法
把上面三条收拢成一套流程,任何人十分钟就能上手:
- 先写最短版本:主体 + 动作 +
环境,一句话,出四张图看方向对不对 - 一次只改一个变量:方向对了再加光线,光线对了再加镜头,别一口气全加
- 固定种子再调词:种子不变,才能判断是提示词起作用还是随机性
- 建立自己的词库:把出图好的提示词存下来,下次改主体即可
- 矛盾检查:写完通读一遍,问自己”这两句能在同一张照片里同时成立吗”
在 AI广告制作
的项目里,这套方法的价值不在于省几次重试,而在于可复现。商业项目最怕的不是出图慢,而是”昨天那张能用的图今天再也调不出来”。当提示词被拆成固定的六段结构、种子被记录、变量被单独控制,出图就从”抽卡”变成了”生产”。
结语
提示词不是作文,它更像一份参数表。写得好的人不是词藻最华丽的,而是最懂得”哪些信息必须给、哪些词其实是噪声”的。
下一次觉得AI不听话的时候,先别急着加词。把提示词删掉一半,看看会不会变好——这个动作,比加十个”大师作品”有用得多。
想看看这套写法落到真实项目里长什么样,可以参考