分享一种批量生成高质量AI绘画提示词的方法

背景

在 AI 绘画（如 Midjourney、Stable Diffusion）的创作实践中，用户往往面临“想法简单但画面复杂”的痛点。直接输入如“泳池、红色泳衣、性感”等简短关键词，生成的图片通常缺乏细节、光影逻辑混乱或风格不统一。为了解决这一“提示词工程（Prompt Engineering）”中的质量瓶颈，社区分享了一种利用大型语言模型（LLM）作为“提示词扩写器”的工作流。该工作流的核心在于通过精心设计的系统提示词（System Prompt），将 LLM（如 Gemini）转化为具备专业摄影知识和 AI 绘画底层逻辑的专家，从而将用户的极简描述转化为结构严谨、细节丰富的专业级绘画提示词。

核心内容

该分享展示了一个完整的“输入-处理-输出”闭环，旨在通过 AI 辅助生成高质量的 Midjourney 或 Stable Diffusion 提示词。

1. 工作流演示

• 用户输入：极简关键词组合，例如“泳池，红色泳衣，金丝眼镜，性感，身材好，真人写真”。
• 中间处理：用户将这些关键词输入给经过特定指令配置的 AI（文中提到先给 AI 输入，再复制到 Grok 生成图片，但核心逻辑是利用 LLM 扩写提示词）。
• 最终产出：一段长达数百字、包含摄影器材、光影、人物细节、环境氛围及参数设置的复杂提示词。例如，将简单的“红色泳衣”扩写为“极其紧致且剪裁大胆的酒红色连体露背泳衣，材质呈现出半透明的湿水质感……”，将“泳池”扩写为包含“波光粼粼的露天私人泳池边”、“午后刺眼的阳光”、“光影在水底折射出梦幻的网格纹理”等具体视觉元素。

2. 核心工具与配置（Gemini Gems） 分享者建议在 Google 的 Gemini 平台中创建一个新的 Gems（Gemini 的高级自定义功能），并填入一段详细的“系统提示词”。这段提示词定义了 AI 的角色、任务、输出结构及参考案例。

3. 提示词结构公式（Structure Formula） 该工作流成功的关键在于强制 AI 遵循一个标准化的七段式结构，确保生成的提示词涵盖所有视觉要素：

1. 摄影风格与器材：定义整体风格（如日常快照、电影感）及硬件特征（如专业 CCD、闪光灯、非自拍视角）。
2. 主体基础特征：明确景别（近景/半身/全身）、年龄、体型、国籍/种族。
3. 面部与皮肤细节：描述肤色（如冷白皮）、肤质（水润、透亮）、特定的面部模型触发词（如 (urfaceid)），以及发型状态（湿发、凌乱感）。
4. 环境与光影：具体场景描述、背景元素及光照条件（如午后阳光、水底折射）。
5. 穿搭与配饰：服装材质、款式、穿着状态（紧致、半透明）及饰品细节（金丝眼镜、水珠反光）。
6. 情绪与气质：人物表情、姿态及氛围感（如纯欲、御姐、高贵优雅）。
7. 画面色调与参数：色彩基调（如复古胶片、高饱和度对比）及图像比例参数（如 --ar 9:16）。

4. 示例对比

• 原始输入：“帮我生成一个赛博朋克风的短发酷女孩”
• AI 扩写后：AI 会依据上述公式，脑补并生成包含霓虹灯光、机械义肢细节、雨夜街道背景、冷色调光影及特定相机参数的完整段落，而非仅仅输出“赛博朋克女孩”。

关键要点

• 角色设定专业化：系统提示词必须明确 AI 的身份为“顶级 AI 绘画提示词专家”，并强调其精通 Midjourney、Stable Diffusion 等工具的底层逻辑。
• 结构化输出强制：通过列出详细的“提示词结构公式”，限制 AI 的自由发散，确保每次生成的提示词都包含摄影、主体、细节、环境、穿搭、情绪、参数这七个必要维度。
• Few-Shot Learning（少样本学习）：在提示词中提供“参考示例”，展示一个从简单描述到复杂提示词的完美映射案例，帮助 AI 理解预期的输出风格和详细程度。
• 语言具象化要求：明确要求 AI 使用生动、具象的词汇，多用形容词和名词叠加，避免抽象概念，以增强画面的可执行性。
• 特定触发词保留：在示例中保留了如 (urfaceid) 这样的特定模型触发词（Trigger Words），提示 AI 在生成时可根据需要保留或替换此类专业术语。
• 参数标准化：强制要求输出包含图像比例参数（如 --ar 9:16 或 ar9:16），确保生成的提示词可直接复制用于绘图软件。

意义与影响

1. 降低创作门槛：普通用户无需掌握复杂的摄影术语（如“CCD”、“景深”、“色温”）或 AI 绘画的特定语法，只需提供简单的创意核心，即可通过 LLM 获得专业级的视觉描述。
2. 提升出图一致性：通过标准化的结构公式，避免了传统提示词中常见的要素缺失（如忘记加光影或比例），显著提高了 AI 绘画的一次成功率（Success Rate）和画面完成度。
3. 激发创意细节：LLM 的扩写能力能够补充用户未想到的细节（如“镜片上的水珠”、“发丝的凌乱感”），使生成的图像更具故事感和艺术张力。
4. 工作流标准化：该分享提供了一种可复用的“提示词工厂”模式。用户只需配置一次 Gemini Gems，即可将其作为个人专属的提示词生成助手，适用于各种人物、场景的批量生成需求。
5. 跨平台兼容性：虽然示例中提到了 Midjourney 和 Stable Diffusion，但这种基于自然语言的结构化扩写方法同样适用于 DALL-E 3、Flux 等其他主流 AI 绘画模型，具有广泛的适用性。