简介：《AI艺术与ChatGPT提示工程指南》是一份面向AI绘画与对话式提示学习者的PDF读物，适合初学者入门，也适合希望提升提示设计能力的创作者，用于理解提示构成、主题与修饰符作用，并解决Midjourney等工具中提示编写与迭代优化的问题。资源包仅含1个PDF文件，大小约2.31MB，便于单文件查阅与随身学习。内容围绕提示工程基础、负提示与零提示、ReAct提示、Midjourney等AI艺术提示设计、迭代式细化、ChatGPT对话式提示展开，还涉及语言与意象的表达力量、Leonardo应用案例及示例提示。已有69人学习，读者可借此建立从提示结构到工具实操的系统认知，参考书中的案例理解如何细化提示、比较不同提示策略，并迁移到个人创作与对话应用场景中。
1. 先搞懂一件事：提示工程到底是在跟谁说话
很多人第一次接触 AI 绘画和 ChatGPT，心里都会冒出一句：不就是打几个字描述一下吗，这也要学？我第一次用的时候也这么想，输入“画个好看的海边日落”，出来的东西像十年前景区卖的劣质挂历。问题不在 AI 笨，而在我那句话里，一半是它没法判断的主观词（“好看”），一半是它必须自己猜的空白（几点、什么视角、有没有人）。提示工程要解决的，就是把这些“猜”变成“告诉”。它是一套跟 AI 沟通的写法：主体说清楚、修饰词加到位、不要的东西提前排除、效果不满意就一轮轮改。这套写法适合所有不打算写代码、只想把 AI 当工具用的人——做设计的、写文案的、做自媒体的，还有只想让 AI 帮自己省点力气的普通上班族。
2. 搭一副能用的提示骨架：主体、修饰符、固化词
上一章说“把猜变成告诉”，但真到动手，多数人卡在同一个地方：脑子里有画面，落到输入框里只剩一句干巴巴的话。这一章就把一句话拆成三个零件——主体、修饰符、固化词，先学会拼，再去谈风格和创意。零件不多，但顺序不能乱，乱了一整条提示就散架。
2.1 主体提示：先决定“画面里到底有什么”
主体就是这条提示的核心对象：一个人、一个地点、一个物件、一个论点。它是整条提示的锚点，锚没抛下去，后面的修饰词全是浮的。你可以做个对照实验：先输入“画个风景”，再输入“一座白色灯塔立在黑色礁石上，海面有雾”。第一句里 AI 只能给你一个“风景的平均值”，因为它不知道你要山还是海、要晴还是要阴；第二句里它至少有五个点可以落地——灯塔、白色、礁石、海面、雾。差别不在文采，在于你到底给了它多少个可判断的信息。
定主体的时候，别只想着“我要什么”，还要想“给谁看”。同样是讲一杯咖啡，给咖啡馆写宣传语和给食品科普号写介绍，主体词的选择完全不同：前者要“手冲、单品豆、木质吧台”，后者要“咖啡因含量、烘焙度、萃取时间”。先想清楚受众，你才知道哪些词值得留在句子里。
选关键词有个笨但好用的办法：从大词往小词拆。以“猫”为例，第一层是“猫”，第二层是“橘色短毛猫”，第三层是“一只橘色短毛猫蹲在旧木窗台上，尾巴垂下来”。每往下拆一层，AI 的自由发挥空间就少一截，出来的东西就离你脑子里的画面近一截。很多人写提示失败，不是词不够多，是拆得不够细，一直停在大词那一层。
还有一点特别容易被忽略：语言的精确度。模糊词和可执行词是两回事。“高级感”“氛围感”“有艺术气息”这类词，AI 没法把它们翻译成具体像素，最后只能用它训练数据里的平均值来糊弄你。而“低饱和”“侧逆光”“浅景深”“35 毫米视角”这类词，每一个都对应着明确的视觉特征。写作上也是同理，“写得生动一点”不如“每段加一个具体的动作细节”来得管用。入门阶段最值得养成的习惯，就是每次想写形容词时停两秒，问自己：这个词能不能换成看得见、数得出来的东西？
2.2 修饰符提示：一句话怎么变成一张海报
修饰符是加在主体周围的补充词或短语，作用有三个：给上下文、提清晰度、定具体性。同样一个主体，修饰符换一换，出图能从一个静物照变成一张电影海报。新手不用记太多分类，先掌握四类就够用：
| 修饰类型 | 作用 | 例子 |
|---|---|---|
| 风格 | 决定画面或文字的调性 | 胶片摄影、水彩、极简排版、纪实口吻 |
| 光线与色彩 | 决定明暗和情绪 | 清晨侧光、暖橘色调、冷蓝阴影 |
| 构图与视角 | 决定观看位置 | 俯拍、特写、广角、居中构图 |
| 情绪与用途 | 决定它像什么东西 | 安静、怀旧、用于公众号头图 |
为什么加几个词就能起这么大变化？因为模型生成内容时是在一个巨大的可能性空间里选路，修饰符相当于给它画了路标。不加路标，它就走最平庸的那条大路；加了三五个准确的路标，它才会拐进你想要的小巷。原文里提到一个思路我特别认同：把“健康饮食”改成“简单实用的健康饮食建议”，输出立刻从泛泛而谈变成了能照着做的清单。差别就在于“简单实用”这四个字把范围收窄了。
修饰符也不是越多越好。新手最容易犯的毛病是往上堆十几个词，最后出来的东西四不像。我自己的经验是：主体之后加三到五个修饰符，先跑一版，看哪一块不对再补。堆词属于典型的用勤奋掩盖方向错误，方向对了，五个词比十五个词管用。
顺便说一句，修饰符在写作场景里同样好使。让 AI 讲一个历史事件，加一句“重点讲它对普通人生活的影响”，输出深度立刻不一样；让它写一段公园散步，加一句“带一点奇幻色彩，出现一只会说话的小动物”，出来的就是另一个故事。同一个技巧，换个场景就换个用法，这也是它值得先学的原因。
2.3 固化词与模板：把好用的提示存下来
固化词指的是提示里那些固定不变的结构性部分，比如“请以……的身份”“输出格式为三条要点”“不要使用感叹号”。它们不负责创意，负责稳定性。创意负责让每次不一样，固化负责让每次都不跑偏，两样都得有。
下面这段小脚本，是我建议每个新手都先跑一遍的东西。它不调用任何接口，只是把提示拆成四块拼起来，方便你反复改其中一块：
# 把提示拆成四块，改哪一块一目了然 subject = "a lighthouse standing on a rocky cliff" # 主体：画面核心对象 style = "cinematic photography, 35mm lens" # 修饰：风格与镜头感 light = "soft morning light with light fog" # 修饰：光线与氛围 negative = ["text", "watermark", "blurry"] # 负提示：不想出现的东西 prompt = f"{subject}, {style}, {light}" if negative: prompt += " --no " + ", ".join(negative) # 以支持 --no 的写法示例，换工具时改这里 print(prompt)运行后你会得到一整条提示，例如a lighthouse standing on a rocky cliff, cinematic photography, 35mm lens, soft morning light with light fog --no text, watermark, blurry。
几个参数需要说明一下。subject是主体，改它等于换画面主角；style和light是两组修饰，分开写是为了让你能单独调整，不用每次重写整句；negative是一个列表，往里加一项就多排除一样东西，join的作用是把列表拼成逗号分隔的字符串。末尾的--no是部分绘画工具排除元素的写法，不同工具的叫法和位置不一样，有的是单独一个“反向提示词”输入框，换工具时只改这一行，其余不用动。
这段代码真正的价值不在代码本身，而在它逼你把提示结构化。等你用熟了，可以把它扩展成一个模板库：给文件起名叫“封面图_冷色调”“文案_产品介绍_口语版”，每类存三五条跑通过的模板，下次开工先翻模板再改，比每次从空白框硬想快得多。我第一次整理模板库的时候只有六条，三个月后攒到四十多条，回头率最高的永远是那六条里最朴素的。
3. 零提示与负提示：把“要什么”和“不要什么”分开写
骨架搭好之后，接下来要处理两个方向：正面告诉 AI 你要什么，反面告诉它别给什么。这两个方向经常被新手混在一起写，结果就是提示越长越乱。分成两块写，思路会清楚很多。
3.1 零样本提示：什么都不给，它凭什么答对
零提示（zero-shot）指的是不给任何示例，只给任务描述，让模型直接干活。比如“把下面这段话压缩成三句，保留所有数字”，这就是一条标准的零提示。它凭什么能答对？因为模型在训练时见过大量同类任务，你的描述相当于一把钥匙，把对应的能力调出来。
零提示能不能用好，取决于三件事。第一是动词要明确：是“总结”“改写”“列出”还是“对比”，一个动词定死一个动作，别写“帮我看看这段文字”。第二是输出格式要提前说：要几条、多长、要不要分点、用什么语气，这些都在同一句里交代清楚。第三是边界要划出来：不允许编造、不确定就说不知道、只依据我给的材料。这三条加进去，一条零提示的稳定性会明显提升。
零提示的局限也很明显：任务越偏门、格式越特殊，它越容易自由发挥。这时候补一个例子（也就是常说的给样本）比反复修改措辞有效得多。入门阶段不用纠结概念区别，记住一句话就够：能一句话说清的任务用零提示，说不清的补个例子。
3.2 负提示：把“不要”说在前面
负提示是明确告诉模型哪些东西不要出现。在 AI 绘画里它几乎是刚需，因为模型的默认审美会自作主张地加东西：莫名其妙的文字、角落的水印、多余的手指、过曝的高光。你不说，它就当你要。
不同工具的表达方式不同，有的用--no后面跟一串词，有的给一个独立的“反向提示词”输入框，有的写在括号里加权重。叫法不一样，逻辑一样：列出你不要的元素。新手最常排除的几类可以先用这张表打底：
| 类别 | 常见排除项 | 什么时候加 |
|---|---|---|
| 文字类 | 文字、水印、签名、logo | 做纯画面、做背景图时必加 |
| 质量类 | 模糊、噪点、畸变、低分辨率 | 出图发糊、边缘变形时加 |
| 结构类 | 多余的手指、多出来的肢体、重复物体 | 画人物、画手时加 |
| 风格类 | 卡通、3D 渲染、过度锐化 | 想要真实摄影感时加 |
负提示最常见的误用是“把不想要的全写上去”。排除项太多，模型会被一堆否定词绕晕，反而丢掉你要的主体细节。我的建议是先从三到五项起步，出问题再加，一次只加一类。另外，负提示在文字对话里的用法要克制，写“不要啰嗦”比写“不要使用复杂句式、不要用被动语态、不要出现专业术语”更有效，后者容易让模型顾此失彼。
3.3 动手：同一主体跑三版提示做对比
光看概念没用，做一次对比实验就全明白了。步骤很简单：
- 选定一个主体，比如“雨天的公交站台”。
- 第一版只写主体，不加任何修饰和负提示。
- 第二版加上风格、光线、构图三类修饰符。
- 第三版在第二版基础上加三到五项负提示。
- 三版结果放一起看，记下每一版分别解决了什么问题。
用脚本把三版一起打印出来，方便你复制粘贴：
# 三版提示对照：只写主体 / 加修饰 / 加负提示 base = "a bus stop on a rainy evening" v1 = base v2 = base + ", cinematic photography, wet asphalt reflections, warm street light" v3 = v2 + " --no text, watermark, extra people, blurry" for name, p in [("v1 只有主体", v1), ("v2 加修饰", v2), ("v3 加负提示", v3)]: print(f"{name}:\n{p}\n") # 逐版打印，方便对照复制base是不动的常量，保证三版对比只有一个变量在变；v2加的是一组视觉特征词，负责把画面从“平均的雨天”推向“电影感的雨天”；v3只做减法，不加新元素。跑完这一轮，你会很直观地看到：修饰符决定画面往哪走，负提示决定画面少什么，两者不能互相替代。
对比的时候别只看“哪版更好看”，要看“哪一版更接近我脑子里的画面”。好看是玄学，接近才是可复现的。每次对比完顺手记一句结论，比如“暖光词让画面变糊，下次换成柔光”，这类笔记攒十条，比看十篇文章管用。
4. 从单句到对话：ChatGPT 里的多轮追问与 ReAct 写法
前面三章都在打磨“一句话”。但真实使用中，你很少一句话就拿到能用的结果，更多时候是一来一回地聊。这一章讲两件事：怎么把单句提示变成一段有来有回的对话，以及怎么让模型在回答前先把自己的思路摆出来。
4.1 为什么单轮提示总差一口气
单轮提示的问题在于，所有要求都得塞进一段话里：任务、格式、语气、长度、禁止事项。塞得越多，模型越容易顾此失彼。多轮对话把这件事拆开了：第一轮定角色和任务，第二轮补材料和限制，第三轮改格式和语气。每一轮只解决一个问题，出错时也知道该回头改哪一句。
多轮还有一个隐藏好处：上下文会累积。你在第二轮说的“按刚才那个风格”，模型能接得住。这意味着你能用“再短一点”“换成更口语的说法”“保留结构，把例子换掉”这类极短的指令做微调，不用每次重写整段。新手常见的做法是每改一次就开一个新对话，结果每轮都在重复交代背景，效率极低。
不过多轮也有代价：聊得太久，前面的约束会被稀释，模型开始自由发挥。我的习惯是每聊五六轮就让它复述一遍当前的任务要求，确认没跑偏再继续。这一步很多人嫌麻烦，但它能省下后面大量的返工。
4.2 ReAct 提示：先想、再做、再回头查
ReAct 这个写法拆开看就三步：先让模型说清楚它打算怎么做，再让它给结果，最后让它自己检查一遍有没有漏。听起来像废话，实际效果差别很大，因为模型一旦被要求“先写思路”，它的输出就会从凭感觉变成有依据。
具体怎么写？给一个三段式的模板：
- 第一段固定角色和任务：“你是一名资深的图片提示词顾问，任务是帮我把一句模糊描述改写成可用的绘画提示。”
- 第二段要求先列思路：“先用三条说明你打算补充哪些信息，再给出改写结果。”
- 第三段要求自检：“最后检查一遍，指出这条提示里最可能出问题的一个地方，并给出替代写法。”
第三段的自我检查是很多人会漏掉的一步，但它的价值最高。模型指出来的那个“最可能出问题的地方”，经常正好是你自己也没想清楚的地方。
下面是把这套模板拼成字符串的写法，你可以直接改里面的任务描述：
# ReAct 三段式模板：角色 → 思路 → 结果 → 自检 task = "把'一只猫'改写成一条能出图的绘画提示" template = f"""你是一名资深的图片提示词顾问。 任务：{task}。 请按以下顺序回复： 1. 用三条说明你打算补充哪些信息（主体细节、风格、光线、构图）； 2. 给出改写后的完整提示词； 3. 自检：指出这条提示里最可能出问题的一处，并给出替代写法。 不要跳过第 1 步和第 3 步。""" print(template)task是唯一需要经常改的变量，其余部分固定不动，这就是前面说的固化思路。不要跳过第 1 步和第 3 步这句话看着多余，实际上很关键，模型在追求简短时最先砍掉的就是思路和自检，明确禁止之后它才会老老实实保留。
4.3 亲手跑一轮三步对话
把模板发出去之后，接着走三步：
第一步，拿到它列的三条思路，先别急着看结果，检查这三条是不是你真正需要的。如果它补的是“赛博朋克风格”而你想要的是自然光摄影，就在这一轮直接纠正，别等出图了再返工。
第二步，看改写后的完整提示，逐段对照你原来的意图：主体有没有被改掉，修饰符是不是你想要的方向，有没有多出你没要求的东西。
第三步，认真读自检那一段。它往往会说“这条提示光线描述不够具体”或者“风格词之间可能冲突”，这些提示比结果本身更有用，因为它暴露的是你思考里的盲区。
跑完一轮之后，把满意的结果存进模板库，不满意的记一句差在哪。三五轮下来你会发现，真正让效果变好的不是某个神奇的关键词，而是“先想清楚再输出”这个习惯本身。
5. 新手最容易翻车的五个地方：提示工程避坑清单
前面讲的都是怎么写对，这一章讲怎么写错。下面五条是我见过出现频率最高的，每条按“现象、原因、解决”说清楚，对号入座就行。
5.1 写提示阶段最容易踩的三个坑
坑一：提示太笼统，每次结果都不一样。
现象：同一句提示跑五遍，出来五个完全不搭的东西，没法复现。原因：提示里全是主观判断词和空缺信息，模型每次都在自己猜，猜的结果自然随机。解决：把主观词换成可执行的具体项，主体写到第三层，修饰符至少覆盖风格和光线两类。判断标准很简单：这条提示换个人来读，能不能大致想出画面长什么样。想不出来，说明还太笼统。
坑二：形容词堆成山，主体反而被淹没。
现象：提示写了三行，出来的图很华丽，但主角不见了，或者比例奇怪。原因：修饰词太多且互相冲突，模型不知道该优先满足哪一条，最后各取一点折中。解决：主体之后先加三到五个修饰，跑一版看效果，缺什么补什么。冲突的词只留一个，比如又要“极简”又要“繁复细节”，这种组合直接删掉一个。
坑三：一次改五个变量，改完不知道是哪个起了作用。
现象：第一版不满意，第二版把风格、光线、构图、比例、负提示全换了，结果变好了，但下次想复用却复现不出来。原因：没有做变量控制，经验无法沉淀。解决：一次只改一处，改完记录一句“这次动的是光线，从冷光改成暖光，画面变柔和了”。这条记录比结果本身值钱，攒够二十条你就有了自己的手感。
5.2 用工具阶段最容易踩的两个坑
坑四：负提示写成一大串，画面反而变差。
现象：听人说负提示有用，就把不喜欢的词全列上，结果细节丢失、画面发灰。原因：否定项过多会挤压模型的生成空间，把主体也一起压掉。解决：从三项起步，只加当前确实出现的问题项。出现文字就加文字，出现多余手指就加手指，没有的问题不用提前防。负提示是灭火器，不是护身符。
坑五：把参数当玄学调，从不回头看记录。
现象：出图不满意就疯狂拖参数、换模型、改权重，调了一下午，最后连哪一版最好都记不清。原因：缺少记录习惯，每次调整都是重新开始。解决：开一个表格，记下版本号、提示原文、改了什么、结果如何，四列就够。翻车不可怕，可怕的是同一个坑翻两次。血泪经验是：调参之前先确认提示本身没问题，八成的问题出在描述上，不在参数上。
6. 迭代式细化：从 60 分提示走到 90 分的下一步
学会写一条像样的提示，大概只需要一个下午。从 60 分走到 90 分，靠的不是背更多关键词，而是一套能反复用的迭代习惯。这一章给你一个可执行的循环，再补一个让提示有画面感的小技巧。
6.1 迭代循环：一次只动一个变量
我用的循环只有四步：跑一版 → 只挑一个最不满意的地方 → 只改这一处 → 记一句结论。四步走完再回到第一步，不要跳步。很多人卡住是因为同时嫌弃五个地方，一起改完，效果变好了也不知道为什么，等于白改。
判断“最不满意的地方”有个优先级：先看主体对不对，再看风格对不对，最后才看细节。主体错了，后面调什么都白搭。风格对了细节差一点，多数场景能接受。顺序搞反，就会在错误的方向上精益求精。
记录可以很简单，一个表格就够：
| 版本 | 改了什么 | 结果变化 | 下次是否沿用 |
|---|---|---|---|
| v1 | 只有主体 | 画面空、没有氛围 | 否 |
| v2 | 加光线和镜头词 | 氛围对了，主体偏小 | 光线词沿用 |
| v3 | 加构图词“特写” | 主体变大，细节清晰 | 是 |
这张表攒到二十行左右，你会发现自己的偏好已经很清晰了，哪些词对你有效、哪些词纯属心理安慰，一目了然。
6.2 语言与意象：给提示装上画面感
90 分的提示和 60 分的提示，差距常常不在技术词，而在画面感。同样是写光线，“明亮”是参数，“午后的光斜穿过百叶窗，在地板上留下条纹”是画面。后者不光告诉模型要什么，还告诉它这些东西之间是什么关系。
练这个能力有个便宜的办法：每天挑一个普通场景，写三句描述，一句只写事实，一句加感官，一句加情绪，然后对比哪一句最容易让你脑子里出现图。写上一周，你写提示的手感会明显不一样。这个方法对写文案同样有效，因为它练的是“把抽象换成具体”的能力，而不是某个工具的专属技巧。
学到这里，接下来的路可以按这个顺序走：先把主体和修饰符练到条件反射，再练负提示的取舍，然后进入多轮对话和自检，最后才是风格化和参数微调。不用一上来就追求大片效果，先把“能稳定复现自己想要的东西”这件事做到，剩下的都是时间问题。
说个我自己的教训。刚开始那阵子，我总觉得效果不好是提示写得不够花哨，于是不断加词、换同义词、抄别人的长提示，越写越长，结果越来越失控。后来我给自己定了个规矩：每次改提示之前，先把上一版和结果并排放在一起看三十秒，确认到底差在哪，再动手。从那以后我每次开新任务，都强制走一遍“先写主体、再加三类修饰、最后加三项负提示”的流程，哪怕只花两分钟，也比我瞎改半小时强。希望这个习惯也能帮到你。
本文还有配套的精品资源，点击获取
