打造高质量 AI 图像的提示词公式

当你一天要交付 moodboard、广告海报和教育解说图，根本没有时间每次都从零写提示词。因此我们建立了一套可复用的提示词公式库。它像积木一样，由场景框架、主体描述、灯光方案和后期控制模块组合而成。面对不同需求，只需要替换相关模块，而不必重新组织语言，生产效率大幅提升。

4C 公式

我们最常用的模板之一是 4C：Character（角色）、Context（场景）、Camera（镜头）、Controls（控制）。每个部分用一句话描述。

把四个模块拆开后，我们就能快速替换。例如把产品海报改成赛博朋克户外广告，只需替换 Context 句子；将 Nano Banana 提示词迁移到 GPT-4o，也只需要在 Controls 里交代字体渲染和高分辨率细节。

• 角色：描述人物或主体的姿态、情绪、关键特征。
• 场景：环境、道具、时代背景或叙事钩子。
• 镜头：构图、焦段、景深、运动方式。
• 控制：技术指令，包括光线布置、渲染参数、负面提示。

RISE 评分表

为了确保公式不过度模板化，我们用 RISE（Relevance、Instruction density、Specificity、Evidence）给每条提示打分。Relevance 检查是否所有内容都与目标相关；Instruction density 确保每句只包含一个动作；Specificity 要求尽量使用可量化的描述；Evidence 则提醒我们引用具体素材编号、色码或草图链接，为模型提供锚点。

多公式堆叠

在分镜或连贯场景中，我们会堆叠多个公式。开场画面使用 4C，转场画面套用 Motion 公式，强调动态连续性（例如 "主体从左向右移动，拖尾模糊 20%"）；高潮画面调用 Lighting 公式，写出多点光源的协作方式。每个公式都模块化记录，团队成员可以随时接手，避免解读复杂长段落。

生成前的核对清单

即便套用了公式，我们仍会花 90 秒做起飞前检查。确认模型版本、输出比例、是否需要 GPT-4o 的排版能力；把提示词交给 LLM 做歧义检测；最后核对 sitemap 清单，确保新案例会落入正确的分类标签。通过这些步骤的提示词，通常只需一轮修订就能交付。

• 自检动词是否冲突（替换 vs 保留）。
• 确认负面指令放在结尾，例如禁止水印、禁止额外肢体。
• 评估参数是否超出模型能力（如 Nano Banana 不擅长细小文字）。
• 记录种子值以便后续 AB 测试。

公式并不会取代创意灵感，它只是帮你腾出脑力处理更有价值的设计决策。搭配我们画廊里真实可复现的案例，你会拥有一套即插即用的提示词工具箱，在任何紧凑节点中都能保持作品品质。