你想要的东西画面里都有——猫、咖啡杯、书、笔记本、窗户、绿植、晨光——但整张图就是”视觉一团乱”。眼睛不知道该看哪里。每个对象同等大小、同等清晰、同等显眼，大脑读到的不是”场景”而是”噪声”。
构图杂很少是”模型不会构图”，几乎一定是 Prompt 问题：你列了七样东西，但没给模型任何”哪个最重要”的信号。
TL;DR——最快修法
把 Prompt 重写成一个主角 + 最多两个配角，再加一行景深，让其余元素全部虚焦：
a ginger cat sitting on a desk, sharp focus,
soft morning window light, one out-of-focus coffee cup beside it,
shallow depth of field, f/1.4, creamy bokeh, minimalist composition这一次重写就能解决大部分杂乱问题。如果你已经有一张满意的成图，只是想去掉一两个抢镜的物件，那就别重抽，直接用区域 / 局部重绘编辑器（见下文 Step 7）——Midjourney 的 Vary (Region)、ChatGPT 的框选编辑、或 Gemini 的区域编辑。两条路下面都有详解。
你属于哪一类？
| 输出里的症状 | 最可能的原因 | 跳到 |
|---|---|---|
| 5 个以上对象大小相近、全都清晰 | 名词太多、权重相等 | 原因 1，Step 1-2 |
| 背景道具和主体一样锐 | 没写景深 | 原因 2，Step 3 |
| 好几个东西”都像是主角” | 没明确主角 | 原因 3，Step 2 |
| 画面被东西塞满整框 | 取景广 + 场景词 | 原因 4，Step 1、4 |
| 风格本身就显得杂（平铺、静物） | 风格锚词自带杂 | 原因 5 |
| 一张成图，只需去掉 1-2 个干扰物 | 别重抽 | Step 7 |
常见原因
按命中率从高到低。
1. 对象太多，Prompt 里权重相等
cat, coffee, book, laptop, plant, window light, cozy morning——七个名词、零层次。模型把它们当成同等重要，全部放到画面中央显眼位置。
如何判断：数 Prompt 里的具体名词。超过 3 个且没加权重，输出大概率是杂的。
2. 没写景深
不写景深，模型默认大景深、什么都清晰。结果是边缘元素因为没有视觉后退感，照样和主角抢眼球。
如何判断：Prompt 里没有 shallow depth of field、bokeh、f/1.4、out of focus、blurred background——加一个。
3. 没说”主角是谁”
你说”猫在场景里”，但没说”猫是主角”。模型尤其在多名词时需要这种层次提示。
如何判断：Prompt 里没有 hero subject、main subject、centered、dominant，也没有”大猫”或”小杯子在背景”这种大小修饰词。
4. 取景广 + 场景类词
大全景 + cozy、interior、room、still life、lifestyle scene 这种词，是在邀请模型把画面填满。改成紧框、单名词构图，杂乱立刻减半。
如何判断：Prompt 是大全景且用了场景 / 生活类词。
5. 风格本身就杂
某些风格自带”杂”基因：
still life painting— 桌上一堆静物cozy aesthetic— 大量道具、柔光分层细节flat lay photography— 定义上就是杂wes anderson— 对称式最大主义studio ghibli interior— 居家场景物件多
如何判断：风格锚词单独一念脑海里就是”热闹场景”。
最短修复路径
Step 1：砍到一个主角 + 最多两个配角
修改前：
a cat, a coffee cup, a book, a laptop, a houseplant, a window with morning light, a cozy desk scene修改后：
a ginger cat sitting on a desk, soft morning window light in the background,
one out-of-focus coffee cup beside the cat一个主角（猫）、一个配角（明确写”虚焦”的咖啡杯）、一个氛围词（窗光，不再算作一个具体物件）。
Step 2：显式写”主角是谁” + 大小修饰
通用模板：
"[hero] is the main subject, centered, large in frame"
"close-up of [hero], everything else small and out of focus"
"[hero] in sharp focus, [other objects] blurred in the background"Step 3：加景深
一行就能让大部分”啥都清晰”的杂乱图变成”主体凸出”：
"shallow depth of field, f/1.4, creamy bokeh, only [hero] in focus"Step 4：加留白词
挑 1-2 个加进去：
minimalist compositionlarge negative spacebreathing room around the subjectclean composition with simple backgroundJapanese minimalist aesthetic（如果风格合适）
Step 5：各工具专属的”控杂”手段
Midjourney（截至 2026 年 6 月 10 日，V8.1 已成默认；V7 仍可用 --v 7 选回）。 在结尾追加：
... --style raw --ar 4:5 --s 100--style raw 关掉 Midjourney 自动的”美化”环节，那一步正是凭空多出细节的主要来源。--ar 4:5（V8 区间新增的竖向比例，该区间支持 1:2 到 2:1 之间任意比例）缩小了模型可填充的背景面积。--s（stylize）默认约 100，往 --s 50 甚至 --s 0 调，会让模型更贴你的字面 Prompt、少加花样。具体参数行为以 Midjourney 参数列表 为准。
ChatGPT（Images 2.0 / gpt-image-2，2026 年 4 月 21 日发布）。 没有 -- 参数。把层次写进自然语言，再用对话追问：“Make the cat the clear hero, blur and shrink everything else, lots of empty space around it.” 支持的比例从 3:1 到 1:3，要竖图就能压缩背景空间。
Gemini（Nano Banana 2，2026 年 2 月推出）。 同样走自然语言；它对指令式编辑跟得很好，一句 “remove the laptop and the plant, keep only the cat and the cup, blur the background” 通常一次到位。
Step 6：负向 Prompt 拦杂（仅 SD / SDXL 系）
在 Stable Diffusion、SDXL、ComfyUI 或 Forge 里，往负向 Prompt 加：
cluttered, busy composition, many objects, crowded scene,
multiple subjects, ornate, baroque, maximalist, busy background,
overlapping objects负向 Prompt 只存在于 Stable Diffusion 系。Midjourney 的对应物是 --no（例如 --no laptop, plant）；ChatGPT 和 Gemini 没有负向 Prompt 字段，排除项要用自然语言说。
Step 7：用局部重绘去掉干扰物，而不是整张重抽
如果某次生成整体很好，只是一两个物件毁了画面，就地编辑、别重新生成整张：
- Midjourney Editor（网页版）——打开图片，选 Vary (Region)，用方框或套索框住要去掉的物件再运行。Midjourney 建议框选大约图片的 20-50%，让它有足够上下文。要”删除”而非”替换”一个物件，区域 Prompt 里填
empty（或一句纯背景描述）。参见 Midjourney Editor 文档。 - ChatGPT Images 2.0——用框选工具圈住物件，再说 “remove this and fill with the background.”，其余部分不动。
- Gemini Nano Banana 2——直接描述编辑：“remove the book on the left, blend the desk surface behind it.”
Step 8：先画构图，再用 ControlNet 锁住
需要美术指导级的构图，先手绘草图（纸 / iPad / ControlNet Scribble），喂给 ControlNet。模型只填充细节，不会偏离你的布局。
# ComfyUI / Forge ControlNet（SDXL）
- 加载 ControlNet Scribble 或 Canny（SDXL 的 ControlNet Union 模型两者都覆盖）
- 把构图草图作为 control image 喂入
- 控制权重（strength）：从 0.6-0.7 起步
（低=给模型更多自由，高=严格按草图）
- 若同时叠两个 ControlNet，各自保持 0.5-0.7，别让其中一个压过另一个怎么确认真的修好了
判断你是真的解决了、而不是只是把杂乱挪了个位置，标准是：
- 瞄一眼缩略图，能在一秒内说出主角是谁。
- 背景明显比主体更柔 / 更简（是真的景深分离，不只是更暗）。
- 至少有两块明确的留白让眼睛能歇一下。
- 去掉任何一个剩下的物件，都不会改变”这张图讲的是什么”。
如果缩略图（不是大图）看上去还是乱，那构图就还没修好——人眼是先在缩略图尺度上整理一个场景的。
预防建议
- 写 Prompt 之前先定主角，主角放句子最前。
- 默认每张图最多 3 个名词；要更多就拆成系列。
- 立一条规矩：Prompt 含 3+ 名词必须配景深 / 焦点修饰词。
- 系列项目里在每个 Prompt 末尾固定加一段 “minimalist composition, shallow depth of field” 模板。
常见问题
为什么模型总是加我没要求的物件？
两个原因。第一，热闹的风格锚词（cozy、flat lay、still life、lived-in interior）自带”道具暗示”，模型为了满足风格就把它们加上。第二，Midjourney 默认的 stylize 环节会自己编细节；--style raw 加上更低的 --s 值能把它压住。删掉风格词、或切到 raw 模式，那些幽灵物件通常就消失了。
Midjourney / ChatGPT / Gemini 里负向 Prompt 有用吗？
没有。真正的负向 Prompt 字段只存在于 Stable Diffusion / SDXL 系。Midjourney 用 --no 物件 来排除；ChatGPT Images 2.0 和 Gemini 完全没有排除字段，所以要用自然语言说清楚不要什么（“no laptop, no plant in frame”）。
整张图其它都完美，就一个多余物件。非得重新生成吗？
不用，也不该重抽——重抽会把所有东西都换掉。用局部重绘：Midjourney 的 Vary (Region) 区域 Prompt 填 empty、ChatGPT 的框选编辑、或一句 Gemini “remove this object”。这三种都能保留画面其余部分不变。
我加了浅景深，但还是什么都清晰，怎么办？
有些模型对抽象的景深词响应很弱。把它写具体、并叠加多个线索：写出光圈值（f/1.4）、加 creamy bokeh、并明确说哪个元素保持清晰（only the cat in focus, background blurred）。在 Midjourney 上，加一句长焦线索如 85mm portrait lens 也能把背景推虚。
多少个对象算太多？ 一个实用准则：干净的单图里 3 个具体名词是上限，而且这已经假设你给它们排了权重（一个主角，其余作配角且虚焦）。超过 3 个，就规划成系列或拼图，别硬让一张图扛下全部。