我写提示词时,不再只靠感觉了 ✍ VoxCat🕐 2026-05-14📦 6.7 KB 🟢 已读 𝕏 文章列表 文章探讨了提升AI提示词(Prompt)质量的思考,对比了“情绪法”与“结构法”的区别。作者指出,单纯依赖情绪词汇虽能营造氛围但缺乏稳定性,而结构法通过定义载体、光线、构图等参数确保结果可控。最终提倡“混合法”,即用结构锁定画面骨架,再用情绪补足灵魂,将提示词从“许愿文”转化为精准的“视觉合同”。 提示词提示词工程AIGC图像生成结构法情绪法工作流技巧 # 我写提示词时,不再只靠感觉了 **作者**: VoxCat **日期**: 2026-05-13T09:12:21.000Z **来源**: [https://x.com/VoxcatAI/status/2054489918093877323](https://x.com/VoxcatAI/status/2054489918093877323) ---  很多人写提示词,第一反应是写感觉。 比如: 一个孤独又优雅的角色,站在午夜城市里,气氛神秘、怀旧,像一段被遗忘的旧电影。 这当然没错。 情绪词很重要,它能给画面一个方向:孤独、优雅、神秘、怀旧。 但问题是,只写感觉的时候,模型并不知道该用什么方式实现这个感觉。 它可能给你一个夜景。 也可能给你一张电影海报。 也可能给你一个很好看、但下次完全复现不了的随机结果。 这就是我后来慢慢意识到的事: 提示词不是只有“情绪”,它还需要“结构”。 ## 1. 情绪法:先告诉模型我要什么感觉 情绪法的核心是: 我要什么气质。 比如: 孤独、优雅、神秘、怀旧,像午夜后才会出现的一期私人刊物。 这种写法的优点是自然。 它不像技术说明书,更像在给模型一个气氛。 适合做风格探索,也适合那些你还不想控制太死、想让模型自由发挥的画面。 但它的问题也明显: 它不稳定。 因为“神秘”可以有很多种神秘。 可以是黑色电影。 可以是哥特画像。 可以是赛博夜景。 也可以是一本旧杂志封面。 如果你只写感觉,模型会自己补画面骨架。 补得好,你会觉得它很有灵气。 补得歪,你会觉得它完全没听懂。 ## 2. 结构法:直接告诉模型画面怎么成立 结构法不先问“什么感觉”,而是先问: 这张图靠什么视觉机制成立? 比如同样是复古神秘感,我可以写成: {角色},复古黑色电影 + Art Deco 杂志封面,1930s-1940s editorial magazine cover,竖版 3:4。主体居中,深色背景,几何 Art Deco 装饰线条,真实旧杂志印刷质感。 中画幅胶片摄影,Hasselblad 500C/M,80mm f/2.8,Kodak Tri-X 400 black and white film look。主光从画面左前方 45 度、略高于眼睛打来,右侧保留深阴影,背后右侧细窄轮廓光。 顶部标题 “MIDNIGHT REVIEW”,底部小号签名 “voxcat”,自然融入版式。 这就不是单纯在写感觉了。 它把画面拆成了几个可执行条件: - 角色是谁 - 是什么载体 - 什么时代风格 - 什么构图 - 什么摄影器材质感 - 光从哪里来 - 字体和签名放在哪里 - 哪些东西不要出现 这类提示词更像一张拍摄执行单。 它的好处是稳定。 你换一个角色,画面仍然知道自己是一张复古杂志封面。 你换一套衣服,光线、版式、媒介质感仍然在。 所以结构法特别适合封面、海报、包装、角色设定板、系列图。 ## 3. 情绪法和结构法的区别 我现在会这样区分: 情绪法:管感觉 结构法:管画面骨架 情绪法像是在说: 这张图应该让我感到什么。 结构法像是在说: 这张图应该怎么被拍出来、排出来、印出来。 所以情绪法更容易出惊喜。 结构法更容易出稳定结果。 情绪法适合探索。 结构法适合复用。 情绪法让模型有空间。 结构法让模型有边界。 ## 4. 真正好用的是混合法 但实战里,我很少只用其中一种。 我更常用的是混合法: 先用结构锁画面,再用情绪补灵魂。 比如: {角色},复古黑色电影 + Art Deco 杂志封面,左前方 45 度主光,Kodak Tri-X 400 黑白胶片质感,旧杂志印刷纹理。整体气氛克制、神秘,像午夜后才会出现的一期私人刊物。 前半段是结构。 它告诉模型:这是杂志封面、黑白胶片、Art Deco、左前方主光、旧印刷。 后半段是情绪。 它告诉模型:不要只做成普通复古图,要有克制、神秘、私人刊物的气质。 这时候画面既不容易飘,也不会太机械。 ## 5. 除了这三种,还有几种常用写法 后来我发现,提示词其实可以分成很多种组织方式。 比如: 结果法 直接描述最终画面长什么样。 一张复古杂志封面,中央是一位黑衣侦探,顶部有大标题,整体像旧电影海报。 过程法 按拍摄或制作过程写。 用中画幅胶片相机拍摄,左前方柔光箱打光,后期保留胶片颗粒和纸张印刷质感。 参考法 用时代、媒介、流派、类型做锚点。 1930s Art Deco 杂志封面,黑色电影摄影,Kodak Tri-X 黑白胶片。 变量模板法 把角色、风格、场景做成可替换槽位。 {角色},{时代风格}杂志封面,{光线},{材质},底部签名 voxcat。 约束法 重点写不要什么。 避免赛博朋克、避免卡通、避免现代手机海报感、避免文字乱码。 叙事法 给画面一个隐含故事。 像午夜档案里被重新发现的一期杂志封面,角色刚从一场秘密会面中归来。 媒介法 先锁作品载体和质感。 真实旧杂志扫描图,纸张纤维、印刷网点、轻微褪色边缘。 设计系统法 把画面当成版式系统来写。 顶部大标题,左右栏目文字,底部小号签名 voxcat,版式克制、留白清晰。 ## 6. 我的实战顺序 如果只是快速玩一张图: 情绪法 + 参考法 如果要批量换角色: 结构法 + 变量模板法 + 约束法 如果是封面、海报、包装: 结构法 + 媒介法 + 设计系统法 如果想要稳定,但又不想失去气质: 结构法 + 情绪法 + 媒介法 + 约束法 也就是: 先锁画面,再补气氛,再锁质感,最后防跑偏。 ## 7. 最后 我现在越来越觉得,好提示词不是堆词。 也不是把所有漂亮形容词都塞进去。 真正有效的提示词,是知道每句话在控制什么。 有些词负责情绪。 有些词负责结构。 有些词负责媒介。 有些词负责版式。 有些词负责收口。 当你能分清这些词的职责,提示词就不再是一段许愿文。 它会更像一份清楚的视觉合同。 情绪负责让画面有灵魂。 结构负责让画面能稳定出现。 而最好的结果,通常发生在两者刚好握手的时候。 ## 相关链接 - [VoxCat](https://x.com/VoxcatAI) - [@VoxcatAI](https://x.com/VoxcatAI) - [26K](https://x.com/VoxcatAI/status/2054489918093877323/analytics) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [5:12 PM · May 13, 2026](https://x.com/VoxcatAI/status/2054489918093877323) - [26.8K Views](https://x.com/VoxcatAI/status/2054489918093877323/analytics) - [View quotes](https://x.com/VoxcatAI/status/2054489918093877323/quotes) --- *导出时间: 2026/5/14 16:43:00*
A AI 内容创作变现零基础入门指南 这是一篇面向零基础新手的 AI 内容创作变现指南。文章提出“人只做判断,AI 包办执行”的核心思路,并详细拆解了短文、长文、图片、短视频、长视频五种内容形式的变现路径。针对每种形式,作者分析了 AI 适配的原因、实操工作流及相关工具,涵盖了从选题侦察、资料搜集到成品分发的全流程自动化策略。 技术 › LLM ✍ Ren🕐 2026-07-13 AI变现内容创作AIGC工作流提示词短剧效率工具自媒体视频剪辑图文设计
开 开源一个文章配图 Skill:歸藏材质插画 作者开源了一款名为“歸藏材质插画”的 Skill,旨在解决文章、汇报及教学中概念解释难的问题。该工具通过调用 GPT-Image 2.0,能将文本转化为风格统一、带中文标签的 3D 材质解释图。文章详细介绍了其在处理冷门概念检索、图表数据重绘以及防止 AI 乱写标签等方面的技术优化。 技术 › Skill ✍ 歸藏🕐 2026-07-08 AIGCClaudeAgent图像生成开源工具提示词工程数据可视化设计
C Codex自动化剪辑从0到1:开源抖音5W+剪辑工作流 文章详细介绍了基于 Codex 的视频自动化剪辑工作流。通过拆解爆款视频结构,利用 AI 进行素材视觉匹配、自动生成配音与字幕,并能直接导出剪映草稿。该方法将剪辑效率提升5倍,适合电商带货和混剪类内容。文中提供了完整的环境准备、操作步骤及 Prompt 模板。 技术 › Codex ✍ xilo🕐 2026-07-08 自动化剪辑工作流视频制作AIGC剪映Python提示词工程电商带货效率提升
使 使用文本生成视频模型革新影视前期制作 文章详细介绍了如何利用文本生成视频模型(如LTX-2.3)加速影视前期制作流程。通过将剧本转化为动态分镜和参考片段,制作团队可以在数小时内生成动态预览,有效解决传统手绘分镜迭代慢的痛点。文中涵盖了脚本转提示词的技巧、拍摄类型描述、多镜头迭代筛选以及动态分镜组装的完整工作流,并讨论了该技术在VFX预演和美术设计参考中的应用。 技术 › LLM ✍ LTX.io🕐 2026-07-07 AIGC视频生成影视制作工作流LTX-2.3分镜文生视频预演提示词工程
从 从0到1制作AI短片/短剧基础SOP 本文详细介绍了从0到1制作AI短片/短剧的完整工作流,涵盖剧本大纲生成、资产物料准备、分镜脚本制作、视频生成及后期剪辑五大环节。作者分享了使用Seedance 2.0等工具保持人物场景一致性、处理打斗画面及节省积分的实操技巧,适合AI视频制作新手入门。 技术 › AI短剧 ✍ 探路AI🕐 2026-07-03 AIGC短剧制作视频生成Seedance工作流Midjourney分镜后期剪辑提示词
F Fable 5 深度测评:从翻车现场到 Skill 工作流的系统级重构 本文作者使用回归的 Fable 5 模型对自己开发的“AI 视觉风格导演” Skill 进行了 V3 升级。文章展示了 Fable 5 在处理复杂、多文件工程任务上的独特优势:它不仅能发现 V2 版本中缺失的 frontmatter 等基础 Bug,还主动补齐了双引擎编译、视频模型路由和风格资产沉淀等三层关键逻辑。作者认为,Fable 5 在生产链路判断和工程品味上超越了传统模型,适合用于解决高复杂度的“硬骨头”任务。 技术 › LLM ✍ 波妞PONYO🕐 2026-07-03 Fable 5SkillAgent工作流AIGC提示词工程视觉风格模型测评复盘ZenMux
最 最强视频创作工作流:Image2 + Seedance 2.0 闭环实践 本文介绍了一套用于跨境电商视频创作的顶级工作流,利用 Topview 平台串联 Image2 和 Seedance 2.0,实现了从产品图到直播视频、品牌短片的一键生成。文章详细拆解了 Image2 负责静态画面精确控制、Seedance 2.0 负责动态运镜的互补逻辑,并提供了多宫格分镜、数字人带货、Live 图制作等实战案例及提示词模板。 技术 › 工具与效率 ✍ 饼干哥哥AGI(2.0)🕐 2026-07-01 视频生成AIGC跨境电商SeedanceTopview提示词工程工作流数字人Image2实战教程
F FPV沉浸式视频生成实战:把提示词思维做成Skill 本文介绍了作者制作 FPV 沉浸式视频的实战经验。作者通过开发一个 Skill,解决了 AI 视频生成中“镜头运动轨迹”易翻车的痛点。文章分享了“编号停靠点”与“红线路径”两种模式的适用场景,强调了像设计游戏关卡一样设计空间逻辑的重要性,并提倡将工作流沉淀为 Skill 以应对未来的模型变化。 技术 › Skill ✍ zhouluobo🕐 2026-06-12 FPV提示词工程Seedance视频生成AIGC工作流空间设计开源GPT Image 2
四 四模态喂料工作流:从抽卡到稳定出片 文章指出提示词时代正在退场,掌握“喂料能力”才是 AI 视频创作的关键。作者以 Seedance 2.0 为例,详细介绍了四模态(图、视频、音频、文本)的混合喂料方法,阐述了如何通过分别控制长相、运镜、情绪和剧情来提高出片稳定性。此外,文章推荐了 Edimakor 工具来实现从素材生成到后期缝合的工业化工作流。 技术 › 工具与效率 ✍ 波妞PONYO🕐 2026-06-11 AI视频Seedance工作流AIGC喂料视频生成Edimakor提示词多模态
1 10分钟制作电影级城市宣传片的AI工作流 文章分享了一套无需剪辑基础即可制作电影级城市宣传片的AI工作流。核心思路是将60秒视频拆分为6个片段分别生成,利用ChatGPT策划脚本,GPT Image生成分镜图,Seedance/豆包生成视频片段,最后通过Codex合成及剪映添加音效。该流程有效提升了画面控制力和生成稳定性。 技术 › 工具与效率 ✍ 比特HODL🕐 2026-05-26 AIGC视频制作工作流Seedance剪映ChatGPT提示词视频合成Codex教程
如 如何使用 Claude 构建你的首个 AI 团队(完整教程) 这是一篇关于如何不写代码、仅利用 Claude 的 Cowork 功能构建 AI Agent 的完整教程。文章首先澄清了 AI Agent 与普通聊天机器人的区别,指出构建 Agent 是目前高价值的技能。随后,教程将 Agent 拆解为角色、指令、工具和记忆四个核心组件,并以“内容研究 Agent”为例,手把手演示了从定义角色到测试优化的全过程。最后,文章展示了如何将多个具有不同角色的 Agent(如研究员、大纲师、撰稿人)组合成一个高效的“内容生产团队”,实现工作流自动化。 技术 › Agent ✍ Khairallah AL-Awady🕐 2026-05-23 ClaudeAI Agent零代码自动化教程Cowork工作流提示词工程团队协作AIGC
完 完美逆向文生图提示词的方法找到了 文章介绍了一种利用 Codex 创建两个子智能体(逆向提示词智能体 A 和监督智能体 B)的方法,通过 A 生成提示词、B 生图并对比找差异的循环迭代机制,将任意图片精准逆向为可复用的文生图提示词。实验表明,通过 3 轮迭代,成功将风格描述升级为版式锁定和视觉重心的精确约束,实现了 95 分的高保真复刻。 技术 › LLM ✍ Bridge Wang🕐 2026-05-21 文生图提示词工程AI工作流多智能体图像生成Codex逆向工程版式设计AIGC