用 AI 生图最让人崩溃的不是出图丑，而是出图不稳定。同样一句提示词，跑十次出来十张不同的脸，风格飘忽不定，有时候甚至连构图都差很远。我在库拉KULAAI（t.kulaai.cn）上反复测试 GPT-Image-2 之后，摸索出一套结构化的 Prompt 写法，能把出图一致性从"开盲盒"拉到"可控生产线"的水平。
这篇文章不讲玄学，只讲方法。
为什么你的 Prompt 会"飘"？
先理解问题根源。GPT-Image-2 的生成过程本质上是一个概率采样过程——模型根据你的文字描述，在一个巨大的可能性空间里"选"一张图。你的 Prompt 越模糊，可能性空间就越大，出来的结果自然就越随机。
打个比方：你说"画一只猫"，模型面对的是一个银河系；你说"画一只坐在红色沙发上、侧脸望向窗外、午后阳光照射的橘色英短猫"，模型面对的就只是一间客厅。空间越小，一致性越高。
所以核心问题就是：怎么把 Prompt 写得足够精确，同时又不至于把模型"写死"让它失去创意？
结构化模板：五层洋葱模型
我总结了一个五层结构，从内到外逐层收窄可能性空间：
第一层：主体（Subject）。 这是最核心的一层，必须清晰、具体。用"一个穿黑色皮夹克的亚洲年轻女性"而不是"一个女孩"。主体描述越精确，人物一致性越高。如果要保持多张图的连贯性，主体描述必须固定不变。
第二层：动作与姿态（Action & Pose）。 "站立""坐姿""回头""伸手触摸花朵"。这层决定了画面的动态感。同一主体，换一个动作就是一张新图，但因为主体不变，人物特征是连续的。
第三层：环境与场景（Environment）。 "在东京涩谷的十字路口""在北欧风格的书房里""在雨后的石板路上"。场景提供叙事语境，也影响光影和色调。一个常见错误是场景描述太泛——"户外"和"秋天的银杏大道"出来的东西完全不同。
第四层：光影与氛围（Lighting & Mood）。 "金色侧逆光""阴天漫射光""霓虹灯光源""烛光暖调"。这层直接决定画面的情绪质感。很多人忽略光影描述，但其实光影对出图一致性的影响巨大——同一场景、同一主体，光影不同可以像两个世界。
第五层：风格与技术参数（Style & Technical）。 "油画风格""赛博朋克""水彩插画""电影色调，35mm胶片颗粒感"。这是最外层，负责整体视觉语言。技术参数可以更细："8K""超写实""浅景深""广角畸变"——但一般场景下不需要这么精确。
实际操作：固定 vs 可变
结构化的真正威力不在于单张图的质量，而在于批量出图的一致性。
具体做法是：把五层 Prompt 拆成"固定部分"和"可变部分"。固定部分在整个系列中保持不变，可变部分逐张调整。
比如你要做一个"四季少女"系列：
固定部分：一个穿白色连衣裙的亚洲长发少女，水彩画风格，柔和的漫射光，中景构图
可变部分：
- 春：
站在樱花树下，花瓣飘落，粉色和嫩绿色调 - 夏：
站在向日葵花田中，阳光强烈，金黄色调 - 秋：
走在铺满落叶的小路上，暖橙色调，逆光 - 冬：
站在雪地里，围巾飘动，冷蓝色调，黄昏
四张图，主体一致，风格一致，场景和氛围按季节切换。出来的效果是同一个人在不同季节的连续叙事，而不是四张毫无关联的随机图片。
两个容易踩的坑
坑一：描述自相矛盾。 我见过有人写"极简风格，画面丰富细节，大量装饰元素"——这不是丰富，这是打架。模型不知道该听谁的，结果就是哪边都没做好。每个层面的描述必须内部自洽。想要极简，就精简场景和道具；想要丰富，就大胆堆叠细节。但别在同一层里自相矛盾。
坑二：提示词过长。 GPT-Image-2 对长提示词的处理比 Image-1 好很多，但依然有临界点。我测试下来，中文提示词控制在 150 字以内效果最稳定。超过 200 字，模型开始"选择性忽略"部分描述，你不知道它忽略了哪部分，出图就又不可控了。
如果确实需要大量细节，用分层策略：把核心描述放在提示词前半段（权重更高），次要细节放在后半段。模型对前面内容的遵循度明显更高。
和 Midjourney 的参数化思路对比
Midjourney 的控制方式是"提示词 + 参数"——你用自然语言描述画面，然后用 --ar 16:9 --style raw --chaos 20 这类参数来精确控制。这套系统成熟、可控，但学习成本高，而且参数之间有复杂的交互关系。
GPT-Image-2 目前没有这么丰富的参数系统，控制几乎全靠自然语言。这是劣势，但也意味着门槛更低——你不需要记一堆参数，只需要把话说清楚。
我的判断是：GPT-Image-2 未来大概率也会走向参数化，但在那之前，结构化 Prompt 就是你手边最好的"穷人参数系统"。
趋势：从"写 Prompt"到"设计 Prompt 系统"
行业里一个明显的趋势是，Prompt Engineering 正在从"写一句好描述"变成"设计一套可复用的描述系统"。
早期大家玩 AI 生图，追求的是"这张图真好看"。现在越来越多的商业场景——电商、品牌、自媒体——需要的是"这一批图风格统一、质量稳定、可批量生产"。这不是单次灵感的问题，而是工程化流程的问题。
能做好单张图的人很多，能做好一百张一致性图的人很少。差距就在结构化思维上。
最后说一句
结构化 Prompt 不是为了消灭创意，而是为了让创意可控。当你不用再担心"这次出来会是什么鬼"的时候，你才能把精力真正放在"我想表达什么"上面。这才是工具应该做的事情——退到幕后，让创作者走到台前。
