提示词(Prompt)
提示词(Prompt)是什么？
提示词是你在 AI 生成工具里输入、用以描述你想让它创造什么的文本。更好的提示词(更具体、更详尽、结构更好)产出更好的结果。
一图看懂
- 别称
- Text promptGeneration promptInput promptQuery (in some contexts)
- 主要用途
- 指示 AI 模型生成特定的图像、视频或文本向生成模型传达创意构想、风格、构图与质量要求人类意图与 AI 生成能力之间的主要接口
- 常用工具
- All AI generation interfaces (midjourney, stable diffusion, ChatGPT, claude, kling, runway, morphic)Prompt builders and structured prompt toolsPrompt libraries and community resources
- 相关术语
- Prompt engineeringNegative promptCFG scaleSeedModelIteration
准备好开始创作了吗？
执导场景、设计角色、完成整部影片
一站式 AI 创作平台，定价简单透明，无速度节流，搭配无限 Canvas，让创作发挥到极致。
对比与差异
Compared with related concepts
提示词之于 AI 生成模型,就如同简报之于人类创意工作者:它传达需要什么、以何种风格、达到什么标准、为何而做。正如一份好的创意简报比含糊的简报产出更好的创意工作,一条好的提示词也比含糊的提示词产出更好的生成。区别在于,人类创意工作者可以追问澄清;而生成模型只依据所提供的信息工作。这正是提示词质量如此直接重要的原因:面对含糊,模型别无他法,只能从其训练分布中填补空白,而这未必契合创作者的意图。
可以这样理解…
提示词就像给一位能力极强但极其字面化的助手下指令,他会丝毫不差地照你描述去做,既不多也不少:因此他产出的质量完全取决于你所给指令的质量。如果你要“一幅房子的画”,你会得到某座房子。如果你要“一幅暖调油画,描绘暮色中一栋维多利亚式联排住宅,窗内透出灯光,花园杂草丛生,印象派笔触”,你会得到远更贴近你真实构想的画面。
实用提示
从最具体、最关键的信息开始构建提示词(主体、关键视觉特征与风格),然后再添加次要细节。在许多实现中,模型对提示词靠前的元素比靠后的元素关注得更一致,因此把你最重要的描述埋在长提示词的末尾,可能会削弱它们对输出的影响。用你的具体模型来测试这一点,把信息相同但顺序不同的提示词作对比,逐步理解你所选模型如何对提示词位置加权。
类型与变体
简单提示词是一段结构极少的简短自然语言描述:对较新、更善于遵循指令的模型最有效。结构化提示词把信息组织成明确的类别:主体、环境、风格、光照、情绪、技术品质。加权提示词使用语法来标示不同元素的相对重要性:用圆括号或方括号来增强强调,特定平台也提供各自的加权语法。对话式提示词(主要见于语言模型场景)把请求框定为自然对话而非结构化指令。负向提示词指定要避免或排除的元素(见 Negative Prompt 条目)。
准备好在 Morphic 里做第一个场景了吗？
试用 Morphic常见使用场景
提示词是每一项 AI 生成任务的根本输入:为商业、编辑或创意用途生成图像;为影片、内容创作或营销制作视频序列;为写作、编辑、编程或研究辅助生成文本;通过生成式音频工具创作音频、音乐或声音设计;以及任何需要把人类意图传达给模型以产出特定输出的 AI 生成应用。撰写有效提示词的能力,是任何使用 AI 生成工具的创作者最具普遍意义的技能。
准备好开始创作了吗？
执导场景、设计角色、完成整部影片
一站式 AI 创作平台，定价简单透明，无速度节流，搭配无限 Canvas，让创作发挥到极致。
常见问题（FAQ）
提示词是提供给 AI 生成模型、指示其产出特定输出的文本输入。它是人类创意意图与模型生成能力之间的主要接口:创作者借此告诉模型要生成什么、以何种风格、具备什么特征。提示词的质量与具体程度,直接影响输出的质量与相关性。
提示词应包含足够的细节,就所需输出最重要的方面给模型清晰、具体的引导:主体、风格、构图、光照、情绪、品质。除此之外,最佳的细节程度取决于模型与任务。有些模型对非常详尽、关键词丰富的提示词响应良好;另一些在自然语言描述下表现更好。逐步测试:从核心描述起步,逐渐增加细节,评估在哪里额外的具体程度有改善作用、在哪里则过度约束了输出。
一条好的图像生成提示词通常包括:清晰的主体描述、构图与取景说明(镜头类型、角度)、视觉风格与美学描述、光照描述、情绪或氛围,以及品质指示。它使用具体、有画面感的词汇而非含糊用语:“温暖的午后晚段黄金时刻侧光”比“好看的光”传达得更多。它避免自相矛盾(指定互不相容的元素),并按最重要信息在前的顺序排列。
提示词(正向提示词)描述生成应当包含什么、应当是什么样子。负向提示词描述生成应当避免或排除什么:伪影、不想要的风格、特定元素。两者协同工作:正向提示词把生成拉向期望的结果;负向提示词把它推离不想要的结果。大多数生成平台都支持把两者作为独立的输入字段。
是的,差异很大。不同模型有不同的训练数据、架构与微调,这影响它们如何解读和响应提示词的词汇与结构。有些模型对电影化术语与风格词汇响应强烈;另一些对自然语言描述响应更好。有些对提示词顺序与权重敏感;另一些则大致同等对待所有提示词元素。熟悉某个具体模型如何解读提示词,与理解通用提示词原则同等重要。
可以。在图像与视频生成中,提示词可以包含电影摄影规格:镜头类型(特写、广角、过肩)、镜头特性(浅景深、35mm 镜头、变形宽银幕)、机位(低角度、鸟瞰)、布光方案(三点布光、伦勃朗光、黄金时刻),以及胶片或摄影风格(35mm 胶片颗粒、电影感调色)。这些规格往往能非常有效地把模型导向特定的视觉品质。
提示词加权是一种技术,使用生成平台支持的语法,对提示词中的特定词或短语增强或减弱强调:通常用圆括号增加权重、方括号减小权重,有时配以数值(word:1.5 表示 150% 权重)。它让创作者能够控制提示词中哪些元素对生成施加更强的影响,提升表现不足的描述,并减弱那些在输出中过度主导的元素的影响。
有效的提示词撰写是一项通过实践、观察与钻研发展出来的技能。特定生成工具(Midjourney、Stable Diffusion)的社区平台与 Discord 服务器,包含大量共享的提示词资源与范例。Anthropic 位于 docs.claude.com 的提示词文档,深入讲解了面向语言模型的提示词撰写。专门的提示词工程资源、模型专属指南,以及在你所选模型上系统测试提示词变体的实践,都是有效的学习途径。
