有一套六段式结构，把"像廉价素材"的 AI 图像，和"像经过美术指导"的 AI 图像区分开来。大多数人只打一个主体加一种氛围，然后纳闷为什么结果如此平庸。解方不是什么秘密关键字，而是给模型一份人类设计师同样需要的简报：主体、构图、风格、光线、色彩与限制，并依这个顺序排列。
为什么 2026 年详细的提示会胜过简短的提示？
详细的提示之所以胜出，是因为当今顶尖的图像模型是为"遵循指令"而设计，而非猜测你的意图。GPT Image 2 与 Google 的 Nano Banana Pro（Gemini 3 Pro Image）都奖励完整的描述性句子，两者也在目前 lmarena 的图像排名中，于"提示遵循度"上领先。模糊的提示，等于放手让模型用它最平庸的猜测填补空缺。
这个转变之所以重要，是因为过去堆叠逗号分隔关键字的习惯，是为旧模型调校的。新模型会像人一样读取脉络与细微差别，因此一份清晰的简报，表现远胜于一盘关键字沙拉。
先说一个例外：Midjourney V8.1 是特例。它仍偏好简短、高信号的短语搭配参考图，因此以下结构最直接适用于 GPT Image 2 与 Nano Banana Pro，用于 Midjourney 时则需精简。
第一部分：用一句话说清主体与用途
每个提示都以一句话开场，点明主体以及这张图的用途。用途会告诉模型该套用哪一套惯例，因为产品主视觉与博客页首遵循的视觉规则截然不同。省略这一步，正是图像显得漫无目的最常见的原因。
比较"一个咖啡杯"与"一张为高端咖啡店 Instagram 拍摄的雾面黑陶瓷咖啡杯产品主视觉"。后者在你加上任何一个风格字之前，就已经隐含了取景、质感与氛围。
写出真正的用途：主视觉、缩图、横幅、图标、情绪板或编辑插画。这一句话，比你之后加的任何形容词都更管用。
第二部分：指挥构图与长宽比
构图告诉模型元素该放在哪里、画面如何裁切。缺乏指示时，模型会预设把主体置中、背景浅景深，这正是众多 AI 图像看起来一模一样的原因。点明版面与长宽比，才能让一张图显得是"刻意拍出来的"。
明确指定取景与比例："宽 16:9 构图，主体置于左侧三分之一，右侧预留充足负空间以放置文字。"
像摄影师一样思考。说明镜头类型（特写、广角、俯拍平放）、你想要的法则（三分法、置中对称），以及若你打算稍后加字，空白该留在哪里。
第三部分：锁定风格与媒材
风格与媒材决定了输出读起来像照片、3D 渲染、扁平向量，还是油画。这是对整体外观影响最大的单一杠杆；不写明它，正是图像会飘向一种没人要求的油亮预设风格的原因。
明确指出媒材以及任何参考的年代或类型："以 50mm 镜头拍摄，编辑摄影风格"，或"扁平向量插画，极简线条，双色调配色"。
若你想要摄影感的结果，就直说，并点名镜头或相机质感。若你想要插画，就点名技法。媒材越精确，模型就越不会退回它那套通用的内建风格。
第四部分：设定光线与色彩
光线与色彩，正是让一张图显得昂贵或廉价的关键。这两个元素承载了大部分的情绪基调，却是初学者最常留白的部分。点明它们，能把一张平板的渲染图，变成有氛围的作品。
把光源与配色一起写出来："来自左方的柔和温暖晨光，轻柔阴影，以奶油白、赤陶橙与鼠尾草绿构成的柔和大地色系。"
"柔和""戏剧性侧光""逆光"或"阴天"这类光线词，能瞬间改变氛围。把它们与三个具名色彩搭配，可防止模型游走到一个与你品牌冲突的随机配色。
第五部分：处理文字与事实限制
如果你的图需要文字，就用引号把字逐一写出，并说清它们放在哪里。GPT Image 2 在文字渲染上领先，Nano Banana Pro 也很强，但两者仍需要精确的字串与位置，否则就会凭感觉近似。这正是实战使用者最容易在反复重跑上耗掉时间的环节。
把文字指令直白地写出："加上文字'夏季特卖'，粗体无衬线字型，置于下三分之一中央，深色横带上的白字。"
限制也涵盖"不能出现什么"："不要标志、不要多余文字、背景不要人物。"告诉模型该排除什么，跟告诉它该包含什么一样有用。
完整的六段式提示长什么样子？
六个部分叠在一起，就成了一份可重复、可套用于任何图像的简报。顺序很重要：主体在前、限制在后，让模型先读意图、再读规则。把这个骨架存下来，每次替换细节即可。
现在就在 GPT Image 2 或 Nano Banana Pro 试试以下提示：
主体与用途：一张为电商登陆页拍摄的不锈钢水瓶产品主视觉。
构图：宽 16:9，水瓶置于左侧三分之一，右侧留干净负空间以放标题。
风格与媒材：高端产品摄影，以 50mm 镜头拍摄，焦点锐利，下方表面有淡淡倒影。
光线与色彩：来自左上方的柔和棚拍光，冷灰至白的柔和渐层背景，配色低调。
文字与限制：不要文字、不要标志、不要杂物。只保留水瓶与它的倒影。
先跑一次，然后一次只改一个部分。调整单一变数，能让你精确学会每一行控制什么，远比重写整个提示快得多。
这套结构在哪里会失灵？
六段式结构能提升一致性，但仍有极限。物件众多、彼此互动的复杂场景，至今仍会难倒每一个现行模型；而精确的空间关系（这个恰好在那个后面）往往需要多次尝试或手动修图。更多细节有帮助，却无法保证一次到位。
文字渲染虽已大幅改善，长字串与小字型仍会失败。凡是超过几个字的内容，请计划自己在设计工具里加字，而不是跟模型硬拼。
至于 Midjourney V8.1，记得要精简：保留高信号的名词与风格提示，舍去完整句子，改为倚赖参考图。这套结构是一个思考工具，而不是一份到处贴上的死板范本。
把它变成一项可重复的技能
把这六个部分变成你按下"生成"前会跑一遍的检查清单：主体、构图、风格、光线、色彩、限制。一旦它变成自动反应，你的命中率会攀升、重跑次数会下降，而真正的省时效益就藏在这里。
更大的启示是：出色的 AI 图像来自出色的指导，而非运气或一份魔法字表。那些拿到惊艳成果的人，只是像简报设计师一样去简报模型，而这是任何人都能培养的技能。
在 UD，我们看待 AI 的方式也是如此。懂AI，更懂你 UD相伴，AI不冷。
与 UD 一起把 AI 图像技能变成真正的工作流程
懂得结构是一回事，把它建成一条为你品牌服务、可重复的内容生产线又是另一回事。UD 团队手把手带你完成每一步，从提示范本、品牌一致的风格，到为每项任务挑选正确的模型，并把它整合进团队的日常产出。