构图是语法，故事是语义：AI生图的双层视觉导演法（上）
文章指出当前AI生图普遍存在“好看但空洞”的问题，原因在于创作者过度追求光影等构图“语法”，却忽略了元素间关系的叙事“语义”。作者强调，要将抽象情绪转化为模型可理解的视觉动作，并在下篇探讨如何写出兼具构图与故事感的提示词。
相关文档
构图是语法，故事是语义：AI生图的双层视觉导演法（下）
本文深入探讨了如何为AI生图编写具有故事感和叙事性的提示词。作者提出在思考时顺应直觉，而在编写提示词时应按照画面容易出错的风险程度排序：先确立人物身份、位置和动作等硬约束，再将抽象情绪转化为具体的视觉证据（如道具、视线、动作停滞点），接着分配具体的构图任务，最后补充风格与氛围。文章还提供了可以直接套用的静态图与视频分镜提示词模板，帮助读者从“会写生图提示词”进阶到“会做画面叙事”。
AI 写真方法论：从“抽卡”到“摄影指挥”
作者分享了生成上千张 AI 写真图片后的总结。文章指出，编写 AI 提示词不应像在许愿池盲目许愿，而应像导演一场拍摄：关注画面的“成立点”，构建具体场景的三层空间，描述成像方式而非空泛风格，以及确立妆容和动作的骨架。通过让画面元素产生关联而非堆砌清单，可以让 AI 生成更有现场感和质感的照片。
提示词不用写得专业，要写到你自己能读懂
作者以AI生图的窗边咖啡馆人像提示词为例，讲解如何整理AI生成的冗长提示词。核心方法是：删流程、合重复、换实景、测删除。要点包括：去掉分栏小标题后整体通读，合并重复表达同一意思的形容词；把'不要杂乱'等否定句改写为具体的正面画面描述；将'高级感、电影感'等笼统大词拆解为具体的光线、配色和构图要求；一次只删一句，对照出图验证效果，但不要为了精简丢掉关键的安排。最终目标是写出自己能读懂、出了问题知道从哪句下手的提示词。
把摄影里的机位讲明白，写 AI 人像提示词就有思路了
文章讲解如何用摄影机位知识写好 AI 人像提示词。作者把机位拆解为相机高度、拍摄方位、镜头朝向和景别四个检查项，指出"换个角度"这类描述信息量几乎为零，"低机位"等模糊标签会让 AI 乱猜。核心观点包括：相机贴地不等于低机位，应以拍摄目标中心为锚点判断平视；距离需与焦距、景别结合描述；景别决定观众第一眼看什么。文末给出可复用的机位提示词模板，帮助写出生成效果可控的人像提示词。
我把摄影里的美姿经验，写成了 AI 能用的短提示词
作者将摄影中的美姿技巧转化为 AI 生图提示词方法。指出人物姿势不美观多因头、身、腿处于同一平面，缺乏张力。提出“转、弯、顺、露”四字口诀：转即破面，让脸和身体错开朝向；弯即破线，让某个部位微弯增加错落；顺即保持手腕脚尖线条流畅；露即让手有明确落点、手指可见。并给出姿态模板“站坐+朝向+动作”及完整画面模板，还介绍了通过动作收放（上松下紧、上紧下松）来调整画面气质的方法。
监控视角摄影 Skill：激发神秘感和好奇心的 AI 生图提示词
文章介绍了近期火爆的「监控视角视频/图片」风格，并交付一套完整的 Skill 提示词，可直接用于任何生图模型。核心思路是利用固定机位、超广角畸变、低分辨率画质、时间戳叠加等元素营造「机器一直在看」的观察感。流程为：定主体锚点、选摄像头类型、写事件道具、叠加时间戳、批量出图。支持 n=10 模式（同一主体 10 种机位）和 series=9 模式（同一摄像头连续 9 天），并详细给出主体锚点规则、摄像头类型库、事件库、画质缺陷和输出规范，附橘猫和 2B cos 两组实例效果。
AI 做海报、HTML 构图手册：16 种控制网格、图文关系与信息密度的海报构图——下册
本文是海报构图系列的下册，涵盖第 17–32 种构图方法，重点讲解 Grid System 与构图的关系。上册聚焦焦点、平衡与视线动势，下册处理内容增多时的秩序问题。文章分为三部分：分割与条带（上下分屏、水平带状）、网格系统（单栏手稿、多栏编辑、模块网格、瑞士非对称网格、Bento 层级卡片、棋盘交替）以及图文关系（满版主视觉、大字主导等）。每种构图均提供视线路径分析、适用场景、避坑指南，并给出图像模型提示词和可直接落地的 HTML/CSS 提示词两套表达方案。
AI 内容生产线：如何约束智能体输出高质量文案
作者提出 AI 内容创作的核心不是让 AI 一口气写稿，而是搭建一条有约束的生产线。文章将内容生产拆解为 6 个文件步骤：01 输入约束整理、02 内容约束卡、03 人的原始角度、04 角度合并与验证方案、05 实测记录与素材证据、06 正式内容包。核心原则是先锁约束、再进人的原始判断、查证实测后才让 AI 成稿，避免 AI 过早总结、剔掉细节、编造体验。同时强调 Skill 的价值在于在正确阶段调用正确的工作方式，最终让人回到更值钱的判断位置，把一次思考沉淀为可复用的内容资产。
为什么你加了「真实皮肤」，脸还是塑料感？
文章探讨了在AI生图中使用提示词「真实皮肤」反而导致脸像塑料的原因。指出问题在于该词义模糊，模型倾向于过度磨皮和铺高光。作者建议将皮肤拆解为纹理、高光位置、哑光基调等5个变量进行控制，并提供了具体的Prompt模板以实现更真实的人像质感。
AI 七宗罪全网最全审判指南：从入门到榨干
文章总结了 AI 在执行任务时的七大常见毛病：抢答、脑补、独断、加戏、话痨、失忆和报喜。针对每一宗罪，作者提供了具体的提示词和解决策略，旨在通过规范流程让 AI 问清需求、抓住重点、精准执行并凭据交付，最终提升工作效率。
我的 Skill 自动化长文创作方法：告别 AI 味
文章分享了一套名为 noah-writing 的自动化写作工作流，旨在解决 AI 生成文章缺乏人味和观点的问题。该方法通过将写作拆解为选题、定标题、定配方（结构/情绪）、素材预检、写作润色及测试传播六个阶段，让 AI 负责执行，人负责决策。作者结合自研的标题生成技能和文风拆解技术，将写作效率提升 80%，并实现了从隐性写作感到显性规则化的认知升级。
耗时1000小时！硅谷技术负责人总结的AI提示词六大黄金法则
本文基于硅谷技术负责人Amit Rawal的实战经验，提炼出KERNEL框架六大提示词法则（简单、可验证、可复现、窄范围、明确约束、结构化）。该框架通过标准化指令，解决了AI输出不稳定的痛点，实测首次输出成功率大幅提升，Token用量显著降低，适用于代码开发、数据分析等确定性工作场景。