AI文本提示词和图片提示词的写法有什么核心区别？

AI文本提示词和图片提示词的写法，核心区别在于你是在“下达一个任务”还是在“描绘一个画面”。这听起来好像是废话，但搞懂这一点，能解决你遇到的80%的问题。写文本提示词，更像是跟一个逻辑清晰的助理沟通，你需要给他明确的目标、背景信息和步骤。而写图片提示词，则更像是在指挥一个不说话但技艺高超的画师，你得用具体的词语去描绘出你脑子里的每一个视觉细节。

我们先说文本提示词。

它的首要目标是完成一个基于逻辑和信息的任务。比如写代码、总结文章、草拟邮件。因此，写好文本提示词，关键在于以下几点：

第一，给AI一个角色。 这是最快让它进入状态的方法。直接告诉它“你是一个资深的营销文案专家” 或者“你是一位擅长解释复杂概念的物理老师”，比你说一大堆“请用专业的、吸引人的、简单的语言”要有效得多。设定角色，等于直接给了AI一套预设的知识库、语气和思考模式。例如，我需要一份项目管理的计划，直接说“你是一名项目管理专家，负责规划和执行项目”，它输出的内容就会自带框架和术语，而不是一些空泛的建议。

第二，提供充足的上下文。 AI不知道你脑子里在想什么，你必须把背景信息给足。 比如，你不能只说“给我写封邮件”，而应该说：“我是一家软件公司的项目经理，现在需要给客户CEO写一封邮件，告知项目延期一周。原因是技术上遇到了一个意外的难题，但我们已经有了解决方案。这封邮件的目的是安抚客户，并重建信任。” 你看，提供了“我是谁”、“写给谁”、“为什么写”和“要达到什么目的”这些上下文后，AI才能生成一份得体的邮件。上下文对于文本AI来说，就是任务的边界和环境。

第三，指令必须清晰，最好能拆解。 复杂的任务要分解成一步一步的指令。 不要让AI一次性处理一个模糊的大任务。比如，不要说“分析这份财报并给出建议”，这样得到的结果会很笼统。更好的做法是分步下达指令：“第一步，提取这份财报中的核心财务指标，包括收入、利润率和现金流。第二步，将这些指标与去年同期进行对比，列出变化百分比。第三步，找出变化最显著的三个指标，并分析可能的原因。第四步，基于以上分析，提出三个具体的改进建议。” 这种链式思考（Chain-of-Thought）的方式，能引导AI像人一样去逐步推理，输出的结果准确度会高很多。

第四，明确指定输出格式。 你需要结果是一张表格、一个JSON文件，还是一段代码？直接告诉它。 比如，“请将上述对比数据整理成一个三列表格，列标题分别为‘指标’、‘本期数据’和‘同期对比’”。清晰的格式要求能省去你大量的后期整理工作，因为AI知道要把信息装进哪个“容器”里。

总的来说，写文本提示词就像是在编程，只不过用的是自然语言。你需要严谨、有逻辑、步骤清晰，目的是让AI这个“执行者”能够准确无误地完成你交代的任务。它是一个对话和迭代的过程，你很少一次就得到完美结果，而是通过不断提供反馈来修正。

接下来说图片提示词，这完全是另一种玩法。

它的目标不是执行任务，而是创造一个视觉上存在的“物体”。你不是在跟一个逻辑助理说话，而是在给一个视觉艺术家下订单。所以，方法完全不同。

第一，核心主体先行，然后堆砌细节。 图片提示词通常不是完整的句子，而更像是一组关键词的集合。 最重要的东西要放在最前面，比如你要画一只猫，那就先把“猫”这个主体词丢出来。 然后开始添加描述性的词语：是什么样的猫？“一只毛茸茸的白色暹罗猫”；它在做什么？“坐在一个深色的木质窗台上”；环境怎么样？“沐浴在温暖的阳光中”。图片AI对词语的顺序很敏感，排在前面的词权重更高。

第二，画风、媒介和艺术家风格是灵魂。 这是图片提示词与文本提示词最大的区别之一。你必须告诉AI，这幅画应该是什么“感觉”的。是“印象派油画”，还是“赛博朋克风格的数字艺术”？是“宫崎骏的动画风格”，还是“梵高风格的星空”？是“照片”，还是“水彩画”？这些定义了作品的艺术基调。比如，同样是画一个城市，“cinematic lighting”（电影感光效）和“studio lighting”（影棚灯光）出来的感觉就完全不同。

第三，构图、镜头和光线要具体。 你需要像一个摄影师或导演一样思考。画面是“特写镜头（close-up）”还是“广角镜头（wide angle shot）”？视角是“鸟瞰（bird’s-eye view）”还是“仰视（low-angle shot）”？光线是“黄金时刻（golden hour）”的柔和光线，还是“霓虹灯闪烁”的都市夜景？这些词直接决定了画面的构图和氛围。不说清楚，AI就会自己随便猜，结果往往不尽人意。

第四，用“负面提示词”做减法。 有时候，告诉AI“不要画什么”和“要画什么”同样重要。 这是图片生成中一个很有用的技巧。比如，你发现生成的图片里总是有多余的手指、奇怪的文字或者水印，你就可以在负面提示词里加上“extra fingers, text, watermark, ugly”，把它不想要的东西排除掉。 这在文本生成中很少用到，但在图片生成中几乎是必备操作。

所以，对比一下就很清楚了：
文本提示词是对话式的，常常用完整的句子，有清晰的逻辑结构，像在布置一个工作流程。
图片提示词是描绘式的，常常是关键词和短语的组合，重点在于视觉元素的堆叠，像在填写一张极其详细的订单。

文本提示词追求逻辑的准确性。你的指令越明确，歧义越少，结果越好。
图片提示词追求美学的具体性。你的描述越生动、越感性，画面就越接近你的想象。

写文本提示词，你扮演的是一个项目经理，需要的是严谨和条理。
写图片提示词，你扮演的是一个艺术总监，需要的是想象力和对视觉语言的掌控。

举个实际的例子。假设你的目标是“介绍苹果”。

如果你给文本AI写提示词，可能会这样写：“你是一名营养学家，请为小学生写一篇200字左右的科普短文，介绍苹果的营养价值和对健康的好处。要求语言简单、有趣。” 这里面有角色、目标受众、任务、字数限制和风格要求。

但如果你要让图片AI画一个苹果，提示词就会是这样的：“一个新鲜的红苹果，表面有晶莹的水珠，放在一个质朴的木桌上，旁边有一本书。背景模糊，温暖的午后阳光从侧面照过来，光线柔和，照片级真实感，高细节，4K。” 这里的每一个词都是一个视觉元素，共同构成一个具体的画面。

搞清楚这个核心区别——一个是指导“思考”，一个是描绘“样貌”——你就掌握了与不同类型AI高效沟通的关键。