最近有个朋友跟我吐槽，说用 GPT Image 2 生成图，乍一看构图惊艳，放大一看全是问题：皮肤那块脏得像是隔了层灰，边缘毛毛躁躁，暗部噪点像老式数码相机开到 ISO 3200 的样子。这个现象太典型了。我前前后后调了上百组提示词，发现绝大多数“脏、糊、噪”的问题，不是模型能力不行，而是提示词压根没写到点子上。
GPT Image 2 这类新一代图像生成模型，自然语言理解能力已经是第一梯队，尤其在真实感渲染、文字排版、复杂场景构图上有很明显优势。但恰恰因为模型细节能力强，它对“画质控制”就特别敏感——你只给一句“一只猫在窗台上”，它会默认按训练数据里的“平均画质”输出，结果就是一部分图带明显的涂抹感、暗部噪点和压缩痕迹。这篇文章就是写给被这个问题折磨的人。不管你是做自媒体配图、电商产品图，还是普通玩家想生成几张能看的壁纸，都能从这里找到一套可以直接复制的提示词模板，以及背后“为什么这么写”的逻辑。
1. 先把问题拆明白：GPT Image 2为什么总是画得“脏、糊、噪”
1.1 三种画质问题的实际成因
先做一个简单的分类。我在大量测试里观察下来，大家抱怨“画质差”，实际上说的是三种完全不同的现象。混在一谈的话，很难对症下药。
**脏，本质上是色彩的问题。**画面的明暗过渡缺乏秩序，暗部发灰、高光溢出、局部颜色偏移，整体看过去就不干净。比如你想生成一杯美式咖啡，杯身明明是深棕色，模型可能把杯子的暗部渲染成墨绿色，或者反光区域溢出成死白。这其实是模型没有接收到明确“色彩管理”指令时的默认行为——它从海量混合风格的训练图片里“平均”出了一个结果。
**模糊，本质上是焦点和锐度的问题。**当提示词里没有说明“什么材质是清晰的主体、哪些区域允许虚化”，模型会把注意力撒到整个画面，结果该锐的地方不锐，该虚的地方也没虚干净。还有一种常见情况是焦段和光圈给得太激进，比如直接写“85mm f/1.2”，模型会大力虚化背景，连主体的边缘也一起“虚化”了，看起来就像对焦失败。
**噪点，本质上是感光度和压缩的问题。**一旦画面里出现暗光、夜晚、室内阴影这类场景，模型倾向于模拟“暗处缺失细节”的物理现象，直接在暗部铺一层颗粒感和红绿噪点。再加上很多生成平台默认用 JPEG 输出，二次压缩会把颗粒感进一步放大。这个现象在低光人像、夜景建筑上最明显。
三种问题的成因完全不同，但有一个共同点：模型都是在“缺少明确指令”的情况下，选择了训练数据里最常见、最平庸的渲染策略。所以解决办法也统一：把成像约束写清楚，让模型没有自由发挥的空间。
1.2 提示词里的“隐形杀手”：哪些写法会让画质变差
我在帮朋友排查提示词时，发现大量画质翻车的问题，其实在写法阶段就已经埋下了雷。最常见的几类：
- 只写“好看、惊艳”这类情绪词。模型拿到“stunning, beautiful”只会提高色彩饱和度和对比度，并不会因此变得更清晰。情绪词是结果描述，不是过程控制。
- 元素堆砌没有主次。一个提示词里塞五六个名词，模型会平均分配权重，最后没有一个细节被认真渲染。
- 风格词互相打架。“真实照片、电影感、梦幻、插画风格”同时出现，模型只能折中，而折中的结果往往就是脏和糊。
- 全用中文抽象描述。GPT Image 2 底层对英文语义的理解更细，中文里“干净”“清晰”这类词很容易被当作装饰词忽略掉。
- 从头到尾没写“不要什么”。模型默认不会主动帮你做减法，你不说 no noise，它就敢给你上颗粒。
注意：排查画质问题时，第一件事不是改参数，而是把提示词里的形容词清理一遍。删掉所有 very、extremely、beautiful、stunning 这类泛化修饰词，往往画质立刻就干净一大截。我实测下来，形容词越克制，画面越可控。
2. 从“写画面”到“写成像”：更可靠的提示词设计思路
2.1 底层逻辑：模型在“渲染一张照片”，不是“画一张插画”
我最早也踩过这个坑：把提示词当成“在描述一张画的内容”。后来反复对比发现，GPT Image 2 对“成像过程”的理解，远比对“画面内容”的理解更精确。
你告诉模型“85mm 镜头、f/2.8 光圈、ISO 100、下午四点的侧光”，它会像一台真正的相机一样，按照这套成像参数去模拟渲染你描述的主体。而你只说“一个人坐在咖啡厅”，它会按训练数据的平均水平去“猜”这个场景，猜出来的画质自然不可控。
打个比方：你请一个街拍摄影师帮忙拍照，只跟他说“拍一栋老楼”，他拍出来的楼不一定是你想要的风格。但如果你补一句“用广角仰拍，上午十点的顺光，后期压高光提暗部”，他立刻知道你想要的是建筑摄影，而不是随手记录。GPT Image 2 需要的，就是这种“摄影师级别的沟通信息”。这也是提示词工程里经常说的：不要描述愿望，描述参数和条件。
2.2 六要素提示词框架：主体、环境、光照、镜头、渲染质量、后期
我把提示词拆成六个模块，每个模块各司其职。这个框架是我从大量 A/B 测试里沉淀出来的，核心思想就是“用写摄影策划案的方式写提示词”。
- 主体（Subject）：对象加动作加状态加着装。越具体越好，但不要堆砌无关细节。比如“一位穿黑色风衣的中年男性，坐在窗边翻书”，比“一个男人”强一个数量级。
- 环境（Environment）：地点、背景、前后景关系。决定画面的纵深与层次。比如“老旧咖啡馆，木桌，窗外是雨天街道”。
- 光照（Lighting）：光源类型、方向、色温、强度。光照是消除“脏感”的核心因素。很多“脏图”其实是光源描述缺失导致的。
- 镜头（Lens）：焦段、光圈、快门速度。直接决定景深和锐度分布，也是控制“哪里清晰、哪里虚化”的最直接手段。
- 渲染质量（Render Quality）：照片还是插画、分辨率、动态范围、噪点控制。这五步中有四步属于“内容描述”，这一步才是在直接管理画质。
- 后期（Post-processing）：调色风格、锐化策略、降噪强度。模型对“后期路径”很敏感，你写“film grain”它就会加颗粒，你写“clean digital output”它就会给你干净的数码味。
写的时候不需要每个模块平均用力。根据主体类型分配权重：人像重点写镜头和后期，产品图重点写环境和渲染质量，建筑风景重点写光照和镜头。这个分配逻辑，本质上是模拟不同摄影门类的经验权重。
2.3 负面约束怎么写才有效
先说一个误区：GPT Image 2 目前大多数接口没有专门的 negative prompt 参数。但你可以把“不要什么”直接写进提示词里，比如在末尾加一段：
no noise, no grain, no compression artifacts, no oversharpening, no blur, no text, no watermark这个写法我实测下来，对“噪点”“水印”这类模型感知较强的概念，约束率相当高。但对“不要让文字乱码”这类复杂任务，效果就弱很多。
更好的做法是“正面替代”：与其写 no noise，不如写 sensor-clean、noise-free。因为模型对否定词的理解，本质上是“绕一圈去理解那个被否定的概念”，容易被绕晕；而正面引导直接激活对应的视觉概念，命中率更高。
经验法则：提示词里正面描述占八成，负面描述补两成。负面描述放在最后，作为补充边界。顺序也有讲究，我会在实操部分详细说。
3. 直接可抄的降噪模板与参数配置
3.1 一套拿来即用的通用高清写真模板
下面这套模板是我目前最常用、出图最稳的一套。以英文为主，因为模型对英文语义的颗粒度更细。你直接复制，把方括号里的内容替换成你的主体即可。
A [subject description], shot on a full-frame camera with a [focal length]mm lens at f/[aperture], shutter speed 1/[speed]s, ISO [iso]. [Lighting description]. [Environment description]. [Composition/framing description]. The image is rendered as a high-resolution digital photograph with clean color grading, smooth tonal transitions, accurate white balance, precise focus on [key detail], fine texture detail preserved. No noise, no grain, no compression artifacts, no oversharpening, no haloing, no blur, no text, no watermark.逐个字段说明一下：
- 主体描述：一个名词短语加两三个修饰词，别超过一行。写太多反而会分散模型注意力。
- 镜头参数：人像类用 85mm f/1.8，产品类用 100mm f/8，风景类用 24mm f/11。这个参数决定景深，也决定哪些区域该清晰、哪些该虚化。
- ISO：人像和产品写 100，夜景可以写到 400 到 800，但别写太高。数值一高，模型就容易往画面里加噪点。
- 光照：精确到“方向加色温加强度”，比如“soft golden hour side light from the left, warm tone”。
- 渲染质量段：这是整个模板的核心。我特意写了 clean color grading、smooth tonal transitions、precise focus on 这三句，分别对抗“脏、糊、噪”三大问题。smooth tonal transitions 管的是色彩断层和脏色，precise focus on 管的是对焦主体，后面接你希望最清晰的那个位置。
- 负面描述：no noise、no grain 压噪点，no oversharpening、no haloing 防“锐化过度”的塑料感，no text、no watermark 防止凭空冒出来的水印文字。
3.2 分场景模板：人像、产品、风景的差异化写法
同一个框架，不同场景的写法和参数差距很大。
人像场景，重点是“皮肤纹理”和“眼神清晰度”：
Portrait of [a young woman with natural makeup], shot on full-frame camera with 85mm lens at f/1.8, ISO 100, soft window light from the left, neutral background, shallow depth of field, natural skin texture with fine pores visible, eyes tack sharp, clean color grading, no heavy retouching, realistic skin tone, no noise, no airbrushing, no blur.这里有一个关键点：我写了 natural skin texture with fine pores visible，这能有效防止模型把皮肤磨成塑料。很多玩家说生成的人像“假”，就是因为少了这句皮肤纹理描述，模型默认会往商业精修图方向靠，磨皮磨到没有质感。
产品场景，核心是“细节锐利”和“背景纯净”：
Product photo of [a matte black wireless earbuds case], on a clean light gray background, studio lighting with two softboxes, 100mm macro lens at f/8, ISO 100, sharp focus on the product label, metallic texture clear, soft shadow, pure white background, commercial photography, catalog quality, no reflections, no noise, no distortion, no text.注意我写了 soft shadow 而不是 no shadow。完全没有阴影的产品图会显得很飘，有影才真实。真正要消灭的是硬反射和畸形高光，而不是阴影本身。这个区别，新手很容易踩。
风景场景，重点是“动态范围”和“暗部细节”：
Landscape of [mountain lake at sunrise], shot on 24mm lens at f/11, ISO 100, long exposure, deep depth of field, crisp mountain ridges, smooth water surface, high dynamic range, clean shadows with detail, vivid but natural color, professional landscape photography, no noise, no grain, no color cast, no oversaturation.clean shadows with detail 是风景防脏的关键词。风景图最容易脏的地方就是山体背光面和树林暗部，加上这句之后，暗部会保留层次而不是糊成一片。
3.3 生成参数怎么调才能真正减少噪点
提示词之外，生成参数对画质的影响同样不可忽视。
我以 API 调用为例，目前常见的 GPT Image 生成接口会有这几个参数：
| 参数 | 推荐值 | 说明 |
|---|---|---|
| quality | high | 低档位会明显损失细节，生成草图时可以用 low，正式出图务必 high |
| size | 选择接近最终用途的比例 | 生成后再裁切，不要拿低分辨率小图硬放大 |
| output_format | png | PNG 无损，JPEG 会产生二次压缩噪点。如果平台只支持 JPEG，选最高质量档 |
| background | 需要透明背景才选 transparent | 透明 PNG 的边缘容易出现伪影，非必需不选 |
这里有一个容易被忽略的点：输出尺寸的选择会影响最终构图。如果你要发小红书这类 3:4 比例的平台，直接生成 3:4 的图，比生成 1:1 后再裁切要清晰得多，因为裁切会损失像素。
另外建议“多生成少修图”。与其硬修一张已经糊掉的图，不如在同一主题下生成三四张，挑一张最干净的做微调。用软件强行救回一张对焦失败的图，效果远不如重新生成一张。
4. 进阶：把提示词技巧固化成可复用能力
4.1 让“写提示词”变成一套可持续使用的工作流
提示词写得再好，每次手工粘贴也很累，而且不同时间写的风格会有波动。我现在的方法，是把整套模板沉淀成类似“技能（Skill）”的资产。比如用 WorkBuddy 这类 Agent 工具里的 Skill-Creator，只需要用自然语言描述“你是一个专业摄影提示词优化器”，把六要素框架、场景模板、负面约束规则全部写进去，保存成一个 Skill。之后我只需要输入一行需求，比如“生成一张机械键盘的产品图”，它就会自动套用产品场景模板，补全镜头参数和渲染质量描述，再把英文提示词输出给我。
这个思路的本质，是把“提示词工程”产品化：把零散的个人经验，变成可复用、可传承的标准化资产。对内容创作者来说，这意味着即便隔了三个月回头再做同一类图，出图风格和画质也能保持一致，不会因为忘了当初怎么写的而翻车。
当然，并不是非要用 Agent 工具不可。用一个简单的 Markdown 文件，或者备忘录，把模板和参数说明存起来，效果类似。关键是“固化”这个动作，而不是工具本身。
4.2 一份高频短语库：随时查，随手用
我把调试中验证过有效的高频短语整理成了一份速查表。遇到画质问题，直接对照着加关键词：
| 目标 | 短语 | 使用场景 |
|---|---|---|
| 防噪点 | noise-free / sensor-clean / low-light without grain | 夜景、暗光场景 |
| 防模糊 | tack sharp / razor sharp / precise focus on ... | 人像和产品图 |
| 防脏 | clean color grading / accurate white balance / no color cast | 所有场景通用 |
| 防过锐 | no oversharpening / no haloing / natural micro-contrast | 皮肤特写、金属面 |
| 防压缩伪影 | no compression artifacts / lossless output | 大渐变、天空背景 |
| 保皮肤纹理 | skin texture with fine pores / no airbrushing | 人像特写 |
| 保产品细节 | fine texture detail preserved / catalog quality | 产品、金属、织物 |
想强调一下：这些短语不是“魔法词”，它们的作用是给模型提供明确渲染目标。模型在生成时会优先满足“有明确约束”的那部分，所以写不写，差距是真实存在的。但这种差距不是靠某一个词实现的，而是靠多个约束词组合出来的整体效果。
5. 常见问题与排查技巧实录
5.1 画质问题速查表
分享几个我在实际操作里遇到最多的问题，以及对应的排查思路：
| 现象 | 可能原因 | 解决方案 |
|---|---|---|
| 暗部噪点颗粒明显 | 提示词没写 ISO，模型默认高感光度 | 强制写 ISO 100 + low noise |
| 皮肤脏、有杂色 | 缺少色彩管理描述 | 加 accurate white balance、smooth skin tone |
| 画面看起来“假锐”但不干净 | 过度锐化或模型补偿过度 | 删掉多余的 sharp 词，改 no oversharpening |
| 个别区域总是糊 | 光圈太大或焦点描述太笼统 | 降低光圈，明确 precise focus on ... |
| 同一提示词出图风格摇摆 | 提示词内风格词冲突 | 删掉抽象风格词，保留一个成像系统描述 |
| 放大后有明显色块断层 | 输出格式压缩或 quality 不够 | 改用 PNG，quality 调到 high |
这张表我基本贴在电脑前，每次翻车先对号入座，再决定改提示词还是改参数。大部分画质问题都能在两步之内解决。
5.2 已经生成了一张“烂图”，怎么补救才算聪明
生成结果不理想时，我的建议是“先判断值不值得修”。
如果问题出在构图或内容上，比如主体位置不对、元素出错，别修了，重新生成成本更低。如果问题纯粹是噪点和锐度，那么补救的性价比很高：可以用图片降噪工具（比如 Lightroom 的 AI 降噪、Topaz Photo AI）做一遍去噪和细节重建；或者把这个图丢回 GPT Image 2，用一句“重新优化画质”的提示词让它自己重新渲染：
Take this image and render a cleaner version. Keep the composition and content identical, but remove noise, sharpen the main subject, improve color grading, output as a high-resolution clean PNG.这个方法对付模糊和噪点效果不错。但要注意：内容越复杂，重绘时改动的风险越大，所以重绘前务必把构图描述也一并带上，告诉模型“保持原构图，只改画质”。否则它很可能顺手帮你改了主体位置，那就得不偿失了。
5.3 三个容易被忽略的实操细节
最后说三个我踩过的坑，都比较细节：
第一，生成带文字的图片，要明确“文字内容”。GPT Image 2 渲染文字的准确率比以前高很多，但如果你把“带中文招牌的街道”写进风景图，很容易出现乱码汉字。我的习惯是，只要画面里出现文字，就单独写一个约束，比如 the sign reads "COFFEE"，把具体文本内容钉死，让模型照抄而不是自由发挥。
第二，中文提示词可以用，但画质相关的控制词尽量用英文。我试过完全中文写“无噪点、画面干净”，噪点压不住；换成 noise-free、clean color grading，立刻生效。可以中英混写，但涉及镜头参数、渲染质量、后期处理这类“技术动作”，英文的约束力明显更实。
第三，生成的图在手机上看还行，打印出来却糊了，通常是原图分辨率不够。建议正式用途的图片优先生成目标比例的原始分辨率，而不是生成正方形再裁切。尤其公众号头图、小红书封面这类宽幅场景，宽一点的原图裁切时损失更小，保留的画质细节也更多。
我个人实际操作下来的体会是：写 GPT Image 2 提示词，最忌讳的是把它当成许愿机。你堆再多漂亮形容词，都不如把相机参数、光照方向、渲染策略说清楚。画质问题的本质是“信息不足导致模型自由发挥”，你能用一句话钉死的成像规则，就不要留给模型去猜。把这套六要素框架固定成自己的模板，每次只替换主体描述，你会明显感觉到出图质量的下限被抬高了。最后再分享一个四两拨千斤的小技巧：所有画质问题，先用 clean color grading 加 no noise 加 precise focus on 这三个词兜底，八成情况下画面就能救回来一半。
