如何写AI生成配图提示词，使其风格与文章内容完美匹配？

写文章配图，最怕的就是图文不搭。文字在讲一个严肃的技术话题，配图却是一张卡通画，感觉瞬间就不专业了。或者文章调子很轻松，配图却搞得像电影海报一样沉重。这种错位感，会直接拉低读者的阅读体验。想让AI生成的配图风格和文章内容完美对味，关键在于把你的文章“翻译”成AI能听懂的视觉语言。

这事儿没那么玄乎，拆解开来就几个步骤。

第一步：先解剖你自己的文章

动笔写提示词之前，先别急着打开Midjourney或Stable Diffusion。回头看你的文章，用几个词给自己讲清楚三件事：

1. 核心信息是什么？ 这篇文章最想让读者记住的那个点。比如，是介绍一个新出的编程语言，还是讨论在家工作的心理健康问题。这个核心点，就是你图片的主体。
2. 文章的口吻（Tone）是怎样的？ 你是在用一种什么样的语气和读者说话？是严肃、客观、专业的，还是轻松、幽默、讲故事的？文章的口吻决定了图片的“情绪”。
3. 读者是谁？ 是给技术小白看的入门指南，还是给行业大佬看的深度分析？读者决定了图片的“复杂度”和“风格偏好”。给小白看的，图就要直观、简洁；给大佬看的，可以来点抽象或有深意的。

举个例子，假设我写了一篇关于“数据隐私泄露风险”的文章。

• 核心信息： 个人数据像暴露在外的宝藏，随时可能被盗取。
• 口吻： 严肃、警示、有点焦虑。
• 读者： 对科技不太懂的普通大众。

好了，有了这三个定位，我们就有了把文字翻译成画面的基础。

第二步：搭建一个不会错的提示词框架

别把提示词想成一堆需要灵感的魔法咒语。它更像一个公式，或者说是一个清单。每次写提示词，都检查一下这几个部分有没有填满，这样能保证出来的图不会偏得太离谱。

一个好的提示词框架，至少包含这几个部分：

[主体] + [媒介/风格] + [环境/背景] + [构图/视角] + [光线/色彩]

我们还是用上面那篇“数据隐私”的文章来实际操作一下。

1. 主体（Subject）： 这是图片的核心内容，直接来自你文章的核心信息。可以是具体的人或物，也可以是抽象的概念。 比如，“一个透明的玻璃人，身体里的数据正在流失”或者“一只手正在从电脑屏幕里偷走发光的个人信息方块”。描述要具体，别说“数据安全”，要说“一个上了锁的文件夹图标”。

2. 媒介/风格（Medium/Style）： 这是决定图片“气质”的关键。文章口吻是严肃、警示的，那配图风格就不能是卡通或者水彩画。 我们可以选“3D渲染”，因为它有科技感和精确感。或者“写实摄影风格”，因为它有新闻报道的真实感。还可以更具体，比如“赛博朋克风格”，用霓虹灯和阴暗的色调来烘托那种技术带来的压迫感。

   • 专业技术文： 适合用“矢量插画 (vector illustration)”、“扁平化设计 (flat design)”、“3D渲染 (3D render)”、“极简主义 (minimalism)”。 这些风格显得干净、专业、有逻辑。
   • 人文故事文： 适合用“纪实摄影 (documentary photography)”、“油画 (oil painting)”、“素描 (sketch)”、“电影感 (cinematic)”。这些风格有温度，能讲故事。
   • 生活方式/轻松话题： 适合用“水彩画 (watercolor)”、“蜡笔画 (crayon drawing)”、“吉卜力动画风格 (Ghibli style)”。 它们给人亲切、温暖的感觉。

3. 环境/背景（Environment/Background）： 主体在哪里？环境能极大地辅助表达主题。对于数据泄露，背景可以是“一个充满代码的黑暗房间”、“服务器机房深处”、“抽象的数字网络空间”。

4. 构图/视角（Composition/View）： 你想让读者从哪个角度看这件事？“特写 (close-up)”可以放大焦虑感；“广角 (wide-angle)”可以展示问题的普遍性；“俯视视角 (top-down view)”有一种掌控或审视的感觉。 对于我们的例子，可以用“特写镜头，聚焦在正在消失的数据上”，来制造紧张感。

5. 光线/色彩（Lighting/Color）： 光线和颜色是情绪的放大器。 想要警示感和焦虑感，就可以用“高对比度光线 (high contrast lighting)”、“阴影分明 (strong shadows)”、“只被电脑屏幕照亮的幽暗光线 (dim light from a computer screen)”。色彩上，用“冷色调 (cool color palette)”、“蓝色和深紫色的配色”，而不是温暖的橙色或黄色。

把这些零件组合起来，一个基础的提示词就诞生了：

• 英文Prompt: 3D render of a transparent human figure made of glass, data cubes flowing out from a crack in its chest, inside a dark server room, dramatic high-contrast lighting from a single overhead light, cool blue and purple color palette, close-up shot focusing on the crack --ar 16:9
• 中文Prompt (部分AI支持): 3D渲染，一个透明的玻璃人像，数据方块正从胸口的裂缝中流出，在一个黑暗的服务器机房里，戏剧性的高对比度光线来自头顶的单一光源，冷色调的蓝色和紫色配色，特写镜头聚焦在裂缝上，画面比例16:9

你看，这个提示词的每个部分都和我们第一步对文章的分析紧密对应。它生成的图片，风格自然就和文章内容贴合了。

第三步：建立你自己的“风格代码”

如果你的博客或账号想建立统一的视觉品牌，每次都重新组合提示词会很累，而且难以保证风格完全一致。这时候，你需要为自己建立一个“风格代码”。

Midjourney有一个叫“风格参考（Style Reference）”的功能，参数是 --sref。 你可以先生成一张你非常满意的、符合你品牌调性的图片，然后把这张图片的URL链接跟在 --sref 后面。这样，Midjourney在生成新图时，就会模仿这张参考图的整体风格、颜色和质感，而你只需要在提示词里描述新的主体内容就行了。

例如，你确定了你的博客都用一种特定的“柔和、有颗粒感的胶片风格”，你可以这样做：
1. 先用一个详细的提示词生成一张这种风格的图片，比如 A quiet corner of a library, soft morning light filtering through the window, warm tones, fine grain, 35mm film photography, minimalist --ar 16:9。
2. 选出最满意的一张，获取它的图片链接。
3. 之后，你写任何文章需要配图时，你的提示词都可以简化成： [新的图片主体], --sref [你保存的图片链接]。
* 比如，新文章是关于咖啡的，提示词就是 A steaming cup of coffee on a wooden table, --sref [链接]。
* 新文章是关于一只猫的，提示词就是 A cat sleeping on a bookshelf, --sref [链接]。

这样生成的所有图片，主体内容不同，但视觉风格会高度统一。Midjourney还有一个叫“风格协调器（Style Tuner）”的功能，它会生成一系列不同风格让你挑选，然后给你一个固定的代码，以后直接在提示词后面加上 --style [代码] 就能调用这个风格，这对于建立品牌视觉识别来说更方便。

第四步：迭代和微调，别想一次搞定

AI出图有随机性，第一版结果不完美是常态。这时候需要的是修改，而不是放弃。最常用的修改方法就是用“负面提示词（Negative Prompts）”。

比如，生成的图片虽然风格对了，但人物表情太开心，和文章的严肃口吻不符。你就可以在提示词后面加上 --no smiling, happy expression (不要微笑、开心的表情)。

或者，图片颜色太鲜艳了，你想让它更压抑。你可以加上 --no vibrant colors (不要鲜艳的颜色)。

微调是一个“排除法”的过程，把你不要的东西告诉AI，它就更容易给你你想要的东西。 一点点调整，通常两三次之内，就能得到一张和你的文章从“形”到“神”都完美匹配的配图。