AI 生圖與影片

AI 生圖提示詞：六條規則加動筆前的四個問題

大多數人遇到生成結果不對，會加形容詞、換更大的模型、一直重抽，三條路都貴又常沒用。問題在描述之間互相衝突，或寫法違反模型的運作方式。固定 seed、一次只改一個變因，就能找出是哪兩句在打架。

2026/10/17 ｜ 6 分鐘閱讀 ｜ 適用 Midjourney、Stable Diffusion、ComfyUI 與各家線上工具，約 8 分鐘讀完

一個核心觀念

AI 生圖失敗，多半不是模型不行，是你的描述在互相打架。

遇到結果不對，多數人的反應是三選一：加更多形容詞、換更大的模型、一直重抽。這三條路都花錢花時間，而且經常沒用，因為問題不在「描述得不夠多」，而在描述之間互相衝突，或者寫法違反了模型的運作方式。

驗證方式是一組控制變因實驗：同一個模型、同一個隨機種子（seed）、同樣的取樣參數，只改提示詞的寫法，三個場景各跑兩個版本，共六張。結果兩張明顯變好、一張明顯變糟，而變糟的那張給出了最值錢的規則。

控制變因是關鍵：連 seed 都換了，就永遠分不清「是提示詞改好了，還是這次運氣好」。想驗證任何提示詞技巧，先把 seed 固定下來。大部分工具的進階設定裡都有這個選項。

六條規則

規則 1：一個畫面，最多讓一個角色有複雜姿勢

踩坑：要生成「兩個人隔著車頭互相舉槍對峙」。第一版寫得簡單，成立。第二版想加強張力，給兩個角色各自複雜的姿勢：一個「站定、雙臂伸過車頭」，一個「背抵牆、半蹲在車輪後、持槍的手在抖」。

結果：模型把兩組描述混在一起重新詮釋。「雙臂伸出」被讀成舉手投降，「半蹲」被讀成蹲著撿東西，兩把槍全部消失。

怎麼做：

• 主角給複雜姿勢（動作、朝向、手在做什麼、情緒外顯）
• 第二個角色只給簡單狀態：站著、蹲著、背對、坐著
• 需要兩個都複雜？拆成兩張圖，或改成一個在前景、一個在遠處

規則 2：機位寫「相機站在哪裡」，不要只寫焦段數字

踩坑：寫「85mm 長焦鏡頭，把兩人的距離壓縮」，兩次都完全沒生效。成功的寫法是「相機站在門外，透過門框往裡看」，一次到位。

為什麼：模型理解空間關係遠比理解光學參數可靠。「85mm」對它只是一個數字，「站在門外透過門框看」對它是一個看得見的場景。

怎麼做：把機位寫成三件事。

1. 相機在哪個實體位置：門邊、桌子另一端、車的另一側、貼在地面、樓梯轉角
2. 被什麼擋著：前景有沒有東西切進畫面（門框、欄杆、車頭、樹枝）
3. 高度：貼地、腰、胸、眼睛高度、從上往下看

焦段數字可以放最後當補充，但不要只寫數字。真的需要長焦壓縮的效果，就描述效果本身：「兩人看起來緊貼在一起，背後的牆被壓平推近」。

規則 3：寫「可見的結果」，不要寫「正在做的動作」

踩坑：寫「小孩正在回頭看」（half-turning to look back），小孩沒有回頭。改成「小孩的側臉可見，越過左肩向後看」，一次成功。

為什麼：模型畫的是一個瞬間，不是一段過程。「正在轉頭」是動作的中間狀態，模型不知道要畫哪一格；「側臉可見、越過左肩」描述的是那個瞬間看起來長什麼樣。

怎麼做：寫動作時自問「如果我按下快門，這一格會看到什麼？」然後寫那個。

規則 4：否定式指令無效

踩坑：寫「不要出現天空」（no sky visible），月亮照樣入鏡。在另一個完全不同的模型上驗證過同樣的結論，跨模型成立。

為什麼：多數生圖模型對「不要 X」的處理很弱，有些甚至因為你提到了 X 而更容易畫出 X。還有一個技術原因：某些「快速模式」的模型（turbo、lightning、fast 這類），負面提示詞完全無效，因為它們的引導強度（CFG）設為 1，這個設定下負面提示詞根本不參與運算。

怎麼做：

• 要控制構圖，用正面描述，把那個位置寫滿別的東西。例如不想要天空，就寫「畫面上緣被屋簷和垂落的乾草填滿」
• 不要期待「不要有 XXX」能排除元素
• 不想要的風格詞，最好的做法是不要寫進正向提示詞，而不是塞進負面提示詞

規則 5：光源必須在畫面裡解釋得通

怎麼做：每一處亮的地方，都要能指出光從哪裡來：窗戶、燈具、火、月亮、車頭燈、警示燈、螢幕、投影機。

要避免：

• 沒有來源的輪廓光（人物邊緣莫名發亮）
• 沒有理由的藍橙雙色（除非畫面裡真有一個藍光源和一個橘光源）
• 死黑死白（暗部要保留層次）

加分做法：把曝光壓低一格，暗部保留層次。過亮又均勻的畫面是最典型的 AI 味。

規則 6：留一個「未完成訊息」（CP 值最高）

六張圖裡，這類元素的命中率最高，成本只是提示詞多一句話。

什麼是未完成訊息：一個暗示「這個故事還沒結束」的細節。實測有效的：

• 一隻沒撿起來的鞋，掉在門檻的草地上
• 遠處房子裡一扇還亮著的窗
• 一支掉在水窪裡、螢幕還亮著的手機
• 一個站在那扇亮窗裡的人影（最強的一個，把「他們要走」變成「有人正在看著他們走」）
• 一個人回頭看的側臉

為什麼重要：這是「一張漂亮的圖」和「一格電影」之間的分界線。沒有未完成訊息的畫面是海報，不是故事。

動筆之前，先回答四個問題

寫任何提示詞之前先答完這四題。答不出來，代表場景還沒想清楚，寫出來一定是空話。

1. 敘事：這個瞬間發生什麼？

• 上一秒發生了什麼？當前動作是什麼？下一秒可能發生什麼？
• 這個人為什麼在這裡？他要做什麼決定？
• 未完成訊息是什麼？

紀律：一個主線索、一個次線索，其餘可以平淡、暗、柔、被遮擋或空白。每個畫面只給 2–3 個具體細節。堆滿名詞是 AI 味的第一來源。

2. 光線：這一刻為什麼被照亮？

• 光源是什麼？（必須在畫面裡解釋得通）
• 時間、天氣、方向、硬度
• 暗部有沒有保留層次？

3. 空間：畫面怎麼從前景走到後景？

• 前景、中景、遠景三層都有東西嗎？
• 前景的遮擋有沒有敘事理由，而不是純裝飾？
• 用什麼框住畫面：門框、窗洞、柱列、走廊、車體、樹枝
• 人物尺度：大空間裡的小人物，還是親密的近距離？

4. 鏡頭：觀眾站在哪裡？

• 相機在哪個實體位置？（見規則 2）
• 被什麼擋著？
• 高度？

加問一題（常被忘記）是色彩：主色加輔色加一個點綴色，控制在 2–3 個關係。低飽和、暗部偏深但留層次，色彩要來自場景的實際光源。

提示詞組裝順序

四題答完後，照這個順序組成一段（建議 120–180 字，不超過 200）：

1. 敘事瞬間（誰、在做什麼、未完成訊息）
2. 前景：擋在前面的東西
3. 中景：主體
4. 遠景：背景
5. 相機位置（站在哪、被什麼擋著、高度）
6. 光線（光從哪來）＋ 曝光（壓低一格，暗部保留層次）
7. 色彩（主色、輔色、一個點綴色）
8. 質感／髒污（只選一種）
9. 畫幅

為什麼是這個順序：先故事後風格、先場面調度後色彩。模型讀提示詞有「前面權重高」的傾向，敘事放最前面才不會被質感詞蓋過去。質感／髒污選一種就好（灰塵與乾刮痕、雨水與濕反光、煙霧、褪色布料與剝落漆），全部混在一起是典型 AI 味。

你一定會踩的坑

坑 1：以為加更多形容詞會更好

highly detailed、intricate、epic、masterpiece、8k、ultra realistic 這類詞不會讓畫面更好，只會讓模型把「均勻的高級感」鋪滿整張圖，那正是 AI 味的來源。解法：直接不要寫，用具體的場景描述取代抽象的品質形容詞。

坑 2：negative prompt 寫一大串卻沒效果

用 turbo、lightning、fast 這類快速模型時，負面提示詞很可能完全不生效（CFG=1 時不參與運算）。解法：先確認模型設定。CFG 是 1 就別浪費時間寫負面提示詞，改成「不要把不想要的詞寫進正向」。

坑 3：換了模型才發現不能商用

這是最貴的坑。開放權重不等於可以商用：有的旗艦版是非商用授權、只有小模型寬鬆；有的有營收或流量門檻；有的要求輸出標示 AI 生成；GitHub 上更有一堆高星專案根本沒有 license，沒有 license 等於預設保留所有權利，不能商用。解法：要用在營利用途的模型，動手前先讀它的 LICENSE 原文，不要看二手介紹。

坑 4：靠重抽解決問題

同一個提示詞抽 20 次只是賭運氣，每次都花錢或花時間。解法：固定 seed，一次只改一個變因，看哪個改動真的有效。三次有方向的實驗，勝過二十次盲抽。

萬用救援：卡住怎麼問 AI

任何一步卡住，把下面這段複製給 AI，把 [] 換成你的情況：

我在用 [工具名稱，例如 ComfyUI / Midjourney / Stable Diffusion WebUI] 生圖，
我的作業系統是 [Windows / macOS]，我是新手，請一步一步告訴我怎麼做。

我想達成的效果是：[描述你要的畫面]
我現在的提示詞是：[貼上完整提示詞]
實際生成出來的結果是：[描述哪裡不對]

請幫我：
1. 判斷是提示詞的問題還是設定的問題
2. 如果是提示詞，直接給我改好的版本，並說明你改了什麼、為什麼
3. 如果是設定，告訴我要點哪裡、改成什麼值

不要只給我原理，請給我可以直接照做的步驟。

如果是錯誤訊息，把原文完整貼上（不要只寫「它報錯了」），並加一句：「這是完整的錯誤訊息，請告訴我最可能的原因，以及第一步該檢查什麼。」

一句話總結

不要用更多形容詞去修一張不聽話的圖，用固定 seed、一次改一個變因，找出是哪兩句描述在互相打架。六條規則裡只能記一條的話，記這個：留一個未完成訊息。成本一句話，效果最大。