用提示词终结AI绘画废片：从结构搭建到参数校准的完整指南

刚开始接触AI绘画那段时间，我没少在“出图五分钟，废片一千张”的状态里挣扎。所谓废片，是指那些结构崩坏、手部乱飞、主体被莫名融合、光影互相打架、画风突然抽风的生成结果。后来反复调整提示词，逐渐把废片率从动不动七八成压到了两成以内，才真正体会到：提示词写得好不好，基本决定了AICG出图的上限和稳定性。这篇文章就是围绕“通过提示词减少AICG废片痛点”这个主题，把我在几百次实测里总结出来的写法、参数配合、排错方法完整过一遍，适合所有被废片折磨过的新手，也可以帮有一定基础的玩家重新梳理自己的生成流程。

1. 先理解造废片的根因，再谈提示词怎么办

1.1 为什么模型会“一键”掏出废片

想减少废片，不能只把提示词当成黑魔法咒语死记硬背。要理解的是：大部分主流的AI绘图模型本质上是扩散模型，工作过程是从一团随机噪声开始，一步步去除噪声，把图像从模糊推到清晰。提示词的作用，是在这个去噪过程中不断给出“方向”，告诉模型哪个像素区域更靠近我们描述的内容。

问题就出在“方向”不只有一个维度。一段提示词至少包含主体、环境、风格、光照、构图、画质几个层面的信息，模型需要在几十步迭代中同时满足所有描述。只要有一点歧义或者多个词之间存在冲突，模型就可能自作主张地“折中”，结果就是某个部件崩了，某个区域出现信息乱串的“融合体”。

我见过最多的废片类型大概是这么几类：

1. 结构型废片：手指数目不对、肢体角度反关节、腿环抱在一起分不开。
2. 融合型废片：两个人或多个物体粘连，边界消失，身上的元素互相“传染”。
3. 文字型废片：模型尝试渲染字母或中文，结果生成一堆乱码招牌和扭曲字母。
4. 画风型废片：同时要求厚涂、赛博朋克、水彩、摄影，结果一张图里四不像。
5. 构图型废片：主体被裁掉半个头，或人物强制居中导致画面失衡。

这些废片看似都是“运气差”，但背后其实有迹可循：提示词信息密度越高、相互矛盾越多、前置关键信息越弱，模型就越容易在采样空间中迷失，走向废片方向。

1.2 先建立“成片率”思维，再追求出大片

做AICG的人一般会追求“每张都惊艳”，但我建议先建立“成片率”思维。成片率不是指图片画得多好看，而是指有多少生成结果基本符合你的描述、结构完整、能作为继续精修的基础。

很多大佬能稳定输出，不是靠运气或疯狂抽卡，而是把提示词写成一套“低歧义、高约束”的结构，再配合参数控制乱跑方向。提示词在其中的位置，相当于施工图纸中的文字标注：图纸越清楚，施工方的自由发挥空间越小，废品率自然下降。

换个生活化的类比：你让一个新手厨师做一道菜，如果说“做一道好吃的菜”，他可能端出任何东西；如果说“少油清炒西兰花，加蒜片，三分钟内出锅”，他就算手艺一般，也大概率能做出一盘至少合格的菜。提示词对于AI绘图模型，就是这条尽量精确的指令。

2. 提示词结构：这是废片最少、成图最稳的基础

2.1 顺序和前段的权重：重心一定要放前面

提示词不是“说了就行”，顺序对结果的影响非常明显。模型在解析提示词时，一句话靠前的词往往获得更高的注意力权重，尤其是英文为主的本地模型，前几个词基本决定了画面主体。

所以写提示词的第一条铁律就是：把最重要的主体放在开头第一句，不要让一堆形容词盖过主语。

我建议的通用结构是：

• 第一段：主体 + 核心动作
• 第二段：主体细节描述
• 第三段：环境场景
• 第四段：风格与光影
• 第五段：画质附加词

举个例子，如果你想画“一个穿着黄雨衣的男人站在雨后街道边，仰望天空”，不要一上来就堆“绝美、杰作、超精致”等质量词，那只会让模型把精力花在“漂亮”上，反而忽略主体。正确顺序应该是：

a man in yellow raincoat standing at a rainy street corner, looking up at the sky, holding a transparent umbrella, wet asphalt reflections, evening blue hour, street lamps glowing, cinematic lighting, photorealistic, highly detailed, 8k, sharp focus

整个句子把“a man”放在最前面，环境词跟着人物走，光影和画质词放在后面作为补充。实测下来，这种写法生成的图，主体出现概率和构图稳定性都比“highly detailed…然后才写man”高出一截。

2.2 括号、权重、数值的写法

很多绘图工具支持使用权重语法调整单词的重要性。最常见的三种形式是：

• (keyword)：给关键词增加注意力权重
• ((keyword))：双括号进一步加强
• keyword:1.2：数值形式指定权重

这套语法在不同工具里兼容性稍有差异，但思路一致：需要强调的关键词可以适当加点权重，但千万别全文疯狂加括号。原因很简单，当你把所有词都加权，等于没有加权，模型反而不知道该优先满足谁，废片率会直线上升。

我建议只给两类词加权：

1. 核心主体词：比如人物的身份、物体名称。
2. 关键环境词：比如宽阔视角、特定视角、单点光源。

其他的修饰词保持普通状态。另外，权重数值也不是越大越好，一般1.1到1.4是比较安全的区间，超过1.6容易出现颜色过饱和、结构过锐化变形的问题。

还有一个小细节：逗号不要滥用。逗号的作用是分隔语义单元，应该拿来切分“一个描述块”，而不是每个单词后面都加逗号。把一整句话用逗号碎片化，容易让模型把描述当成并列清单，元素之间失去逻辑关系，生成结果会像把六个不同的东西硬塞进一张画布。

2.3 用负面提示词把“废”直接排掉

减少废片最直接的手段之一，是写好负面提示词。负面提示词的作用是告诉模型：这张图里不允许出现哪些元素。它最大的价值在于，可以把最高频的废片特征提前挡在门外。

我建议所有人的负面提示词里都放上一组基础防护：

lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry

可能有人说，这串词每次都要写太麻烦，但很多工具支持把常用负面提示词保存成预设或模板，直接一键调用。

写负面提示词同样有讲究。第一，避免使用跟正向提示词相反的词，比如你在正向里写了“wet street”，负面里又写“dry”，模型会非常困惑，很容易在两个方向上反复摇摆，产生水光斑与干燥区混杂的怪图。第二，负面提示词不要疯狂堆叠同义词，有一组覆盖基础问题的就够了，写太多反而占据attention资源，干扰画面主体。

顺着这个逻辑往下想，提示词优化的最终目标，其实就是在“尽量描述清楚我想要的画面”与“尽量挡住我不要的画面”之间找到一个平衡点。

3. 把提示词写对：一个能直接复用的“防废”模板

3.1 主体描述：先告诉模型画的是谁、什么状态

很多废片的核心问题是“主体不明确”。比如你写“一个舞者，穿裙子，跳起来，背后是舞台”，模型可能生成四个人叠在一起，或是一个舞者三条腿。要解决这个问题，主体描述必须包含三个层面：身份、状态、动作。

以人物为例，推荐格式是：

• 主体身份：a young woman / an old man / a soldier
• 主体状态：wearing a yellow raincoat / with curly hair / holding a sword
• 主体动作：jumping on the street / sitting by the window / looking at viewer

三个部分放在句子开头，或者紧跟着开头前3个词。这样模型才会优先建立“一个人物”的框架，再往里填充细节，而不是先画出一堆衣服、配饰、光影，最后才拼一个人。

非人物场景也一样。画一只猫时不要写“cute, fluffy, small”等一堆形容词，先把“an orange cat”放在最前面，再写它蹲在窗台、回头看向镜头等具体状态。主体框架稳定了，后面的修饰才有意义。

3.2 场景与环境的提示词：把画面钉在这个坐标上

人物的动作和身份确定了，只是第一步。接下来要用场景词“钉住”画面的时间、地点、天气和视角。我管它叫“坐标词”。

为什么要写坐标词？因为模型默认生成的内容是有“锚点”的，不写场景时它可能会把人物扔到一片抽象虚空里，或者背景疯狂糊成一团。给一组清晰的坐标词，相当于告诉模型：背景区域应该往这个方向走。

实用坐标词分四类：

• 时间亮度：night, sunrise, dusk, blue hour, bright midday
• 地点空间：street corner, dense forest, empty room, seaside cliff
• 天气氛围：rainy, foggy, windy, clear sky, snow-covered ground
• 镜头角度：front view, low angle, eye-level view, looking at viewer

写场景时同样有优先级。先写大范围（地点），再写中范围（天气、光线），最后写小细节（地面反射、路灯光晕）。顺序反过来也有效，但要保持逻辑链条一致。如果把“街道”“星空”“海底”这三个完全不在同一空间层次的词并列，模型就可能生成一条悬浮在星空下的海底街道——看起来创意，但大多数情况下是废片。

3.3 风格、画质与负面提示词的组合

风格词是双刃剑。一个明确的风格词能让画面统一，但多个互相冲突的风格词就是废片制造机。

我常用的做法是“一个主风格 + 零到两个风格细节”。比如“photorealistic”是一种风格，“cinematic lighting”是一种光影处理方式，“8k, highly detailed”是画质词。这三类词来自不同层面，可以共存。但“photorealistic, anime style, oil painting, pixel art”这四个完全不同体系的风格词同时出现，模型大概率会给你一分“大杂烩”废片。

画质词的使用也要克制，建议从这三个层级里选：

• 基础级：masterpiece, best quality, highres
• 细节级：highly detailed, intricate details, sharp focus
• 增强级：8k, ultra detailed, cinematic lighting

如果你用的是本地开源模型，它的训练集已经包含大量质量词，不需要靠十多个“best quality”来堆。平均一个提示词里出现三到五个不同层面的画质词就够了。有一次我为了让图片“更精致”，一口气加了七八个画质词，结果主体边缘出现了一圈奇怪的涂料感，后来删掉一半词，效果反而干净。

负面提示词配合风格词时也要注意。确定了摄影风格后，负面提示词里加上“cartoon, illustration, painting, lowres”,能有效防止模型在采样过程中偷偷切到别的画风。

3.4 一个可以直接抄的“防废”模板

综合上面的思路，下面这套模板我基本每次生成都先套用一遍，再根据具体主题替换内容：

[主体身份] + [主体状态] + [主体动作], [环境地点] + [时间/天气], [光影氛围] + [镜头角度], [风格主方向] + [画质细化词]

一个实际案例：生成“一只趴在旧书堆里的橘猫，从窗户透进来的午后阳光斜照亮它的脸”。

an orange tabby cat lying on an old book pile, resting its head on a worn out book, cozy study room, afternoon sunlight through window, warm color tone, soft shadows, eye-level view, realistic fur texture, highly detailed, sharp focus, masterpiece quality

负面提示词：

text, watermark, signature, bad anatomy, mutated hands, extra limbs, deformed ears, flat lighting, dull colors, blurry, lowres

这个案例里，主体身份“an orange tabby cat”放最前面，状态“lying on an old book pile”紧跟其后，环境“cozy study room”和光线“afternoon sunlight through window”用来锁定背景，最后是画质词。写作顺序从“主体”到“环境”到“画质”，逻辑链条完整，实测废片率明显低于随手堆词。

这套模板适合大部分需要快速出图的生产场景。严格来说它不是什么神奇咒语，只是把模型最容易产生歧义的几个环节提前堵住了。

4. 提示词之外的组合工具：成片率不只靠写词

4.1 关键参数一定要校准

如果觉得提示词写得无可挑剔，废片率还是高，那大概率是参数设置出了问题。生成参数和提示词是互相配合的关系，有几个参数对废片影响极大，建议每次开跑前检查一遍。

第一个是生成步数。过少的步数会导致细节没完全渲染，画面发糊甚至结构半成型；过高的步数又可能在稳定后继续加入伪影，让画面冒出不自然的纹理。对于大多数常用模型来说，20到30步是一个相对安全区间，我一般用26步作为默认值。

第二个是CFG引导系数，也就是提示词对画面的约束强度。很多人以为CFG越高越能“咬死”提示词，结果把CFG拉到15甚至20，然后发现画面对比度爆表，人物像被过度修图一样，边缘出现明显色彩断层，过度锐化产生的伪影也更明显。比较稳的范围是5到8，如果需要让提示词的约束更强，一般加到9或10也就到头了。过高的CFG往往会把“风吹草地”的层次感抹掉，画面变得僵硬——这种废片不是结构崩坏，而是“审美废片”。

第三个是分辨率。每个模型都有训练时的常用分辨率，生成时如果设置的边长和训练尺寸差异太大，模型容易把主体拉伸变形，甚至导致重复物体、裁切头部的情况。最稳妥的做法是使用模型默认分辨率附近的值，生成后再用高清修复放大。不要一上来就拉超高分辨率，那个步骤放到“选完草稿再升级”的阶段更好。

第四个是种子值。种子控制了初始噪声图。如果失败成图里的构图其实很有潜力，只是某个部位崩了，可以把种子固定，通过局部修复或小幅修改提示词来精修。养成记录种子值的习惯，是减少废片概率里非常划算的一个动作。

4.2 “稳一下、修一下”两步流：别让废片毁掉整张图

提示词写得再好，也不可能保证每一张都完美。所以我更愿意把AICG生成理解成一个“草稿到精修”的两步流程，而不是一步到位。

具体操作是这样的：先用低分辨率、低步数、较低CFG快速跑上几张或者一批候选图，此时追求的不是画面细节，而是检查整体构图、人物结构、主体位置是否成立。在这个阶段选出一张“骨架正确”的图，接下来才进入精修。

第二步建议开启高清修复，或者把选中的图拖进局部重绘/图生图节点，只针对有问题的地方修。比如手部结构崩了，就框选手部区域，降低重绘幅度，重新生成那一片；如果面部表情僵硬，就选中脸部区域稍加重绘。

很多人容易犯的错误是：草稿阶段就跑超高分辨率，一张图渲染半天，结果发现整个构图不行，只能白白浪费时间。先低后高，等于先用很少的资源做一次“废片粗筛”，把宝贵的算力留给通过的图。流程顺手之后，你会发现自己对废片的焦虑会大大下降，因为你知道后面还有很多修图手段兜底。

4.3 用“控制变量法”做抽卡策略

废片率的另一个来源是“全变量乱飞”。很多人每次生成都会同时换动作、换场景、换风格、换渲染参数，结果看到一张好图，根本不知道是哪个词起了作用；看到废片，也不知道是哪个词出了问题。

我建议把提示词当成“实验变量表”，每次抽卡只改一个变量，其他全部保持不变。比如这一轮固定主体描述，只测试不同光照词对画面氛围的影响；下一轮固定光照，只改画风词。这样每次生成的成片率和废片类型都能被准确归因，慢慢就会形成自己的“可用词库”和“翻车词库”。

目前我每次跑完一个主题，会把每个通过结构的图对应的“提示词+种子+参数”存进一个笔记，方便后面回溯。这套方法算不上高科技，但长期积累的价值非常大。很多人觉得AICG有运气成分，其实随机性是可以被管理和驯化的，方法无非就是控制变量、记录结果、不断迭代。

5. 高效减少废片的实战问题排查

5.1 高频废片问题速查表

把平时遇到的问题整理成一张速查表，可以少走很多弯路。下面这张表覆盖了我自己踩过的绝大部分坑，供参考：

这张表不一定覆盖所有模型，但排查顺序是通的：先查主体结构，再查环境光照，再查画风冲突，最后去查参数设置。

5.2 几个非常重要的避坑技巧

下面这些属于我在实际测试里总结出的经验，不一定出现在常规教程里，但都很实用。

第一，不要在一个提示词里混用中英文复杂长句。很多本地模型对中文的分词和理解能力比英文弱，长中文句子容易产生语义粘连。中文适合写大概念，英文适合写细节词和质量词。如果你已经在用英文提示词，就尽量统一用英文；如果你习惯中文写主体，那就保持“中文主体短句+英文质量词补充”的稳定组合。最忌讳的是中文长句里穿插英文长句，模型很容易被割裂的语序带偏。

第二，不要写“绝对不可能同时出现”的物理状态。比如“一个人悬浮在真空里同时被雨水淋湿”，模型为了同时满足两个条件，可能会把水滴画成漂浮的鱼眼群，或者画面整体崩坏。想表达魔幻氛围，可以适当用抽象词，但别用物理上互相冲突的词组去挑战模型的常识。

第三，主体词的权重不要牺牲在细节词堆里。很多人会为了画质疯狂加“cinematic, volumetric lighting, god rays, dramatic sky, sweeping composition”，结果人物主体完全被环境细节压制。建议你把主要环境词控制在4到6个以内，如果确实需要丰富背景，把环境和人物的描述通过逗号清晰切开，让模型知道哪些词该作用在背景、哪些词该作用在主体上。

第四，写负面提示词时不要“照抄神词”就完事。不同的模型训练集不同，某些负面词在你用的模型上可能无效。比较好的节奏是，固定一个基础负面词模板，然后根据你实际看到的废片类型逐步添加。举个例子，如果模型经常把人物眼睛画小，就可以单独在负面提示词里加“small eyes”；如果经常出现“斗鸡眼”，那就把“cross-eyed”加进去。你越贴近自己的废片样本去精确排错，负面提示词就越有效。

第五，遇到废片先归类再动手，而不是盲目重抽。废片分为“提示词问题”和“参数问题”，如果构图和主体都是对的，只是局部崩了，优先用重绘修复；如果主体完全偏离描述，才需要改提示词或提高CFG。很多新手一看到废片就重新抽卡，抽了十几次还是一堆废片，根本原因是没有去追问到底是哪一环出了问题。

最后分享一个小技巧：在写主体词时，把“手”这件事从“hand”改成更具体的“holding a spoon”“resting on the table”这类动作短语。我发现当手部有明确动作指向时，模型生成结构健康的概率会明显提高，原因可能是“动作短语”给手部提供了空间位置和物体参照，而单单一个“hand”在模型里是悬空概念，容易随机发挥。这个细节我在大量测试里反复验证过，如果你想进一步压低手部废片率，可以多试几次。

现在回头看，减少AICG废片，本质上是一个系统工程。提示词负责降低画面歧义，参数负责控制生成稳定性，抽卡流程负责提高挑选效率，重绘修复负责兜底。几件事叠加在一起，成片率才能稳稳提高。指望单靠一句“神仙提示词”就永远告别废片，是不现实的。养成写好基础模板、固定变量、记录结果的习惯，慢慢你会发现废片越来越少，生成过程也越来越可控。