系列：AI工程化学习助手实战 · 番外篇
时间：5月20日，一个工程师也会矫情一下的日子
520，我用 AI 生了张图
今天是 520。
朋友圈里，有人发玫瑰，有人发旅行照，有人发自拍。
我发了一张 AI 生成的图。
评论区第一条：**"这哪来的？好好看。"**
第二条：**"发你女朋友了吗？"**
……没有。但图确实好看。
学了半天 AI 工程化，终于干了件人事
学 LangChain、搞 RAG、研究 Agent Loop——说出去没几个人听得懂。
但"帮我生一张图"这件事，人人都能感受到。
AI 生图/生视频这条路，门槛低、反馈快、效果直接。唯一的坎是：
你得把"想法"翻译成模型能听懂的语言。
这件事有个正式名字，叫 Prompt Engineering——没错，就是 AI 工程化里那个"控制层"。
提示词≠说人话
很多人第一次用 Midjourney 或者 Stable Diffusion，都会犯同一个错：
把它当搜索框用。
# 你输入的
一个女孩站在夕阳下
# 你以为会出来的
《请回答1988》海报级别的温柔画面
# 实际出来的
一个轮廓模糊、表情诡异、手指数量存疑的人形生物
站在某个说不清是日出还是日落的橙色背景前
模型不会"脑补"你没说的东西。或者说，它会脑补，但脑补的方向不一定和你一致。
Prompt 的本质，是消除歧义。
拆解一条好的生图提示词
我把提示词结构拆成五层，记忆方式：主风光构情。
主体 ── 画面里有什么，在做什么
风格 ── 用什么画风/美学来呈现
光线 ── 光从哪来，什么感觉
构图 ── 镜头怎么摆，拍什么角度
情绪 ── 整张图要传达什么氛围
举个例子，同样是"女孩 + 夕阳"：
❌ 模糊版
一个女孩站在夕阳下
✅ 工程化版
一位年轻女性站在屋顶，黄金时刻光线，
电影胶片摄影风格，温暖逆光，
柔和镜头光晕，仰角广角构图，
怀旧温柔的氛围，35毫米胶片颗粒感，
高细节，富士胶片色调
同一个模型，提示词不同，出来的东西是两个世纪的产物。
五层结构，逐层拆解
第一层：主体——说清楚"谁在做什么"
不要只写名词，要写状态。
❌ 一只猫
✅ 一只蓬松的橘猫蜷缩着睡在一把复古木椅上，阳光从窗户斜射进来
加上动作、状态、细节，模型才知道你要的是哪个平行宇宙里的猫。
第二层：风格——告诉模型"往哪个方向想象"
风格是提示词里最有杠杆效应的词。一个风格词，能把整张图的气质拉到完全不同的频道。
常用风格速查：
| 你想要的感觉 | 怎么描述 |
|---|---|
| 电影质感 | 电影胶片风格、变形宽银幕镜头、柯达色调 |
| 日系温柔 | 富士胶片色调、柔和马卡龙色、日系胶片美学 |
| 赛博朋克 | 霓虹黑色电影风格、赛博朋克、银翼杀手氛围 |
| 油画厚重 | 油画风格、厚涂肌理、伦勃朗光影 |
| 极简现代 | 极简主义、大面积留白、包豪斯风格 |
| 插画手绘 | 数字插画、扁平设计、吉卜力工作室风格 |
⚠️ 风格词不要堆太多。三个以上开始打架，出来的是"风格大杂烩"。
第三层：光线——最容易被忽视，但差距最大
摄影师会告诉你：光线决定一切。
AI 生图也一样。同一个场景，光线描述不同，出图天壤之别。
黄金时刻光线 → 傍晚温暖橙光，人像最友好
蓝色时刻/暮色 → 蓝调薄暮，忧郁文艺
戏剧性侧光 → 单侧强光，有张力有戏剧性
柔和散射光 → 阴天柔光，细腻、无阴影
霓虹逆光 → 霓虹逆光，赛博感拉满
伦勃朗三角光 → 经典三角光，古典画质感
第四层：构图——决定"镜头从哪看"
特写人像 → 突出表情和细节
广角风景 → 强调空间和环境
航拍视角/鸟瞰 → 适合城市、自然场景俯拍
低角度仰拍 → 让主体显得有力量感
三分法构图 → 视觉平衡，最稳妥的选择
加上构图词，等于你直接告诉模型"摄影师站在哪"。
第五层：情绪——把感受说出来
这是最玄的一层，但也是最关键的。
怀旧感伤 → 暖色调、颗粒感、略微褪色
空灵梦幻 → 低饱和度、薄雾、柔焦
活力四射 → 高饱和度、强对比、动感构图
宁静祥和 → 大面积留白、低对比度、自然光
神秘电影感 → 强暗部、冷色调、戏剧性光影
情绪词不是装饰，是在告诉模型"这张图要让人感受到什么"。模型会把这种情绪融进配色、构图、光影里。
SRE 视角的提示词经验
学了 AI 工程化之后，我看提示词有了不一样的角度：
提示词 = 接口定义
你写的提示词，就是你和模型之间的接口。接口设计模糊，行为就不确定。这和写 API 文档是一回事：
- 字段越清晰，响应越稳定
- 歧义越多，结果越随机
- 加上负面提示词，等于加了参数校验
负面提示词 = 输入过滤
Stable Diffusion 有个负面提示词功能，告诉模型"不要出现什么"：
不要出现：模糊、丑陋、变形的手、多余的手指、
水印、低画质、卡通风格、过曝、噪点过重
这和 SRE 做输入过滤的逻辑一模一样：与其期望模型自己猜对，不如把不想要的情况明确排除掉。
写在最后：520 的一点感慨
技术这东西，学起来枯燥，用起来的时候，有时候也挺有意思的。
提示词本质上是一件很有趣的事——你要学会用语言精确描述你脑子里的画面，然后把它传递给一个从来没见过这个世界的模型。
这件事，工程师干起来，其实比想象中更顺手。
因为我们本来就习惯把模糊的需求，变成精确的指令。
下一篇：《Function Calling 实战：让 AI 真的能"做事"，而不只是"说事"》
点击关注，持续更新中……
关于作者 SRE / 运维工程师，AI 工程化学习者。 相信每一行可靠的代码背后，都有一个工程师在认真思考。
