大多数 AI 图片 prompt 翻车都逃不出两种原因：要么太泛（“一张漂亮的城市照片”），要么太长（一段两百字、模型只看一半的描述）。把 prompt 拆成六个明确的部分，你 1-3 次就能拿到可用图，而不是磨 15 次。这篇给你这套结构、三个会让画面变平庸的错误，以及在 2026 年 6 月该按风格选哪个工具。
一句话总结
- 每条 prompt 都按六个部分来写：主体、风格、构图、光线、情绪、用途（宽高比）。
- 控制在 40-80 词左右。超过这个长度，多数模型会开始忽略后面的 token。
- 第二轮只改一个组件，不要一次改三个，这样你才知道是哪一项起了作用。
- 按任务选工具：要美术指导用 Midjourney，要听话、要图里文字清楚用 ChatGPT Images 2.0，要快速迭代和改图用 Gemini「Nano Banana」。
六个核心组件
prompt 里就按这个顺序排，每行只干一件事。
- 主体 —— 一个具体名词，不是一个类别。“一只坐在长满青苔石头上的红狐狸”，不是”一只动物”。
- 风格 —— 一个命名参考。“水彩插画""1970 年代胶片摄影""等距矢量画”。一个就好，别叠三个。
- 构图 —— 东西在画面里的位置。“主体居中、低角度、三分法、浅景深”。
- 光线 —— 决定画面”感觉”的关键。“温暖的黄金时段侧光”和”冷阴天散射光”是完全不同的两种气质。
- 情绪 —— 2-3 个形容词。“平静、忧郁、亲密”。
- 用途 —— 宽高比和用在哪。“16:9 博客头图，不加文字，左侧留出放标题的空间”。
用途这一行是新手最爱省、又最后悔省的一行。先出了正方形，再发现要 16:9，等于从头重来。
选对工具（2026 年 6 月）
三大主流工具都吃这套结构，但回报方式不同。下面的价格和模型信息都更新至 2026 年 6 月。
| 工具 | 模型 / 版本 | 强项 | 宽高比控制 | 入门价格 |
|---|---|---|---|---|
| Midjourney | V7（V8.1 内测） | 美术指导、画意质感 | --ar 16:9 参数 | Basic $10/月（约 3.3 快速 GPU 小时，约 200 张） |
| ChatGPT | Images 2.0（GPT Image 2） | 听话、图里文字清晰可读 | 直接写”16:9 宽屏” | Plus $20/月（免费版也能用） |
| Gemini | Nano Banana 2 / Pro | 快速迭代、对话式改图 | 9 种固定比例，含 16:9、9:16、21:9 | 免费额度约每天 500 张（AI Studio） |
会影响你选择的几个点：
- ChatGPT Images 2.0 于 2026 年 4 月 21 日上线，发布当天就登上 Image Arena 文生图榜首。它最大的升级是文字渲染，所以做海报、广告、菜单、UI 草图这类”字必须看得清”的图，首选它。OpenAI 已于 2026 年 5 月 12 日下线 DALL-E 2 和 DALL-E 3，现在 ChatGPT 出图背后只有 GPT Image 2 一个模型。
- Midjourney V7 更吃自然语言式的美术指导，而不是关键词堆砌；它还把别家藏起来的旋钮露给你：
--s（风格化强度，0-1000，专业活儿大多落在 200-400）、--chaos（0-100 控制差异度）、--no用来排除某个元素。开账号和写第一条 prompt 看Midjourney 新手指南。 - Gemini「Nano Banana」 是试错成本最低的，也最擅长”就把帽子换一下”这种局部改图。这套流程在 Nano Banana 图像编辑教程里有完整演示。
一个真实流程：四轮做出博客头图
目标：给一篇讲远程办公的文章做一张 16:9 头图。
- 第一轮 —— 完整的六部分 prompt，设 16:9，一次出 4 个版本。
- 第二轮 —— 选最接近的那个。它太”商务”了，于是只改情绪这一行（“温暖、有生活感、安静的清晨”），重新生成。
- 第三轮 —— 构图太满。只改构图那一行，加上”左侧留白放标题文字”，重新生成。
- 第四轮 —— 定稿。放大，然后到编辑器里加标题，而不是写进 prompt。
如果你专门用 ChatGPT 出图，在该界面里”每轮只改一个变量”的节奏可以看这篇 ChatGPT 图像生成实战工作流。
三个让画面变平庸的陷阱
- 一大段文字。 两百字一口气把所有要求堆上去，模型反而不知道该优先满足哪个。把 prompt 控制在 40-80 词，让结构去承载细节。
- 风格叠风格。 “油画、二次元、皮克斯、超写实”互相抵消，最后糊成一团。选一个命名风格并坚持到底。想要混搭就有意识地加权重，而不是猛堆形容词。
- 让它在图里写字。 2026 年文字渲染进步很大（GPT Image 2 写几个字的短标签确实能用），但这仍是你能提的最不稳的需求。超过几个字，就把图干净生成、再到编辑器里排版。
进阶技巧
- 把好用的存成模板。 锁定六行里的五行，只换主体这一行，做出风格一致的系列图。
- 复用 seed。 AI 出图是随机的，同一条 prompt 很难重现。如果工具能给 seed（Midjourney 用
--seed），把它记下来，从这个 seed 迭代就能保持几乎相同的取景。 - 要真人感，“candid” 比 “portrait” 好。 “抓拍照”的 prompt 通常比”影棚肖像”看起来更不摆拍。
- 负向 prompt 是做减法，不是魔法。 在 Midjourney 里
--no text, watermark能去掉元素，但如果--no和你的主体冲突，模型会直接忽略它。
可直接复制的模板
把每个方括号换成你自己的内容，整段作为一条 prompt 粘进去。方括号只是占位符，不是真实写法。
主体：[一个具体物体，例如 长满青苔石头上的红狐狸]
风格：[一个命名风格或年代，例如 1970 年代胶片摄影]
构图：[取景和角度，例如 居中、低角度、三分法]
光线：[方向、色温、情绪，例如 温暖的黄金时段侧光]
情绪：[2-3 个形容词，例如 平静、忧郁、亲密]
用途：[宽高比和目的，例如 16:9 博客头图，不加文字]用 Midjourney 时，把宽高比和旋钮作为参数接在后面，例如 --ar 16:9 --s 300。
FAQ
2026 年哪个工具出图最好？ 看任务。艺术化、风格化的图 Midjourney V7 强；要严格照指令来、还要把字写清楚 ChatGPT Images 2.0（GPT Image 2）强；要便宜、快速迭代和对话式改图 Gemini Nano Banana 强。在掏钱订阅前，先用自己的风格把三家都实测一遍。
为什么同一条 prompt 每次结果都不一样？ AI 出图是随机采样，每次跑都不同。如果工具能给 seed，把它存下来、从这个 seed 迭代，就能保持取景一致。
图片 prompt 应该写多长？ 六个组件加起来 40-80 词左右。超过 80 词，多数模型会开始忽略靠后的 token，多写的细节往往被丢掉而不是被采纳。
现在 AI 能稳定地在图里写字了吗？ 短字能，长文不行。GPT Image 2（2026 年 4 月上线）写短标签和标题比老模型强得多，但整段文字或精确排版还是建议把图干净生成、再到设计软件里加字。
跟着这篇做要花钱吗？ 不用。ChatGPT Images 2.0 免费版就能用（有额度限制），Google AI Studio 也提供免费的 Gemini 出图额度（2026 年 6 月约每天 500 张）。Midjourney 没有免费版，最便宜的付费档是每月 10 美元。