企业官网建设流程全解析

很多人第一次打开 Midjourney，输入一句“一只猫在星空下”，出来的图要么像十年前的壁纸，要么干脆糊成一团，然后就开始怀疑是不是自己不会写提示词。其实问题往往不在词写得多不多，而在于没搞明白一件事：文本引导图像生成，本质上是把一段人类语言翻译成模型能理解的视觉要素组合，而不是许愿。这篇内容就是围绕这个核心展开的，从提示词的结构拆解、权重控制、风格锚定，到实测中那些文档里不会写的坑，全部摊开讲。不管你是刚接触 AI 绘画的新手，还是已经出过几十张图但总觉得“差口气”的进阶用户，下面这些内容都能直接拿去用。

1. 文本引导到底在引导什么：先搞懂模型在“听”哪部分

1.1 提示词不是句子，是要素的堆叠

大部分人写提示词的惯性是写完整句子，比如“一个女孩站在雨中的东京街头，霓虹灯反射在地面上”。这句话人读起来很有画面感，但模型处理时并不是按语法结构理解的。它更像是在做一次关键词匹配加语义扩散：主体（女孩）、动作状态（站在雨中）、环境（东京街头）、光照条件（霓虹灯）、材质细节（地面反射）——这些要素各自被编码成向量，然后在潜空间里被组合成一张图。

理解这一点非常关键，因为它直接决定了你该怎么组织语言。要素越明确、越具体，模型的可操作空间就越小，出图就越接近你的预期；反过来，如果你写的是“一个很有氛围感的场景”，模型只能靠猜，出来的东西自然随机性极大。

我自己的习惯是把提示词拆成几个固定槽位来填：

• 主体：谁/什么，包含数量、外观特征、动作
• 环境：在哪里，时间、天气、空间关系
• 光照：光源方向、色温、强弱
• 风格：媒介、艺术家参考、年代感
• 技术参数：镜头、画幅、渲染质量词

这个槽位顺序不是死规定，但保持相对固定的顺序有个好处：你后面调参的时候知道该动哪一块，而不是每次重写一整句。

1.2 为什么同一个词在不同位置效果不一样

Midjourney 对提示词中靠前的内容权重天然更高，这是很多人忽略的一点。你把“主体”放在最前面，模型分配给它注意力就更多；你把风格词放最前面，出来的图风格会非常强烈，但主体可能被弱化。

实测下来一个很实用的规律：前 5 到 8 个词决定了画面的骨架，后面的词更多是在做修饰和微调。所以如果你发现出图主体总是跑偏，先检查是不是风格词或者环境词写得太靠前、太抢戏了。

举个具体的对比。同样是生成一张人物肖像：

提示词 A：oil painting, a young woman with short hair, sitting by a window, soft morning light 提示词 B：a young woman with short hair, sitting by a window, soft morning light, oil painting style

A 出来的图油画质感会非常重，甚至人物五官都被笔触吃掉；B 的人物结构会清晰很多，油画感作为风格修饰存在。两者没有对错，取决于你要什么，但你必须知道这个位置差异的存在，否则调半天调不出想要的效果。

1.3 否定描述为什么经常失效

新手很容易写“没有帽子”“不要背景杂乱”这类否定词，然后发现模型照样给你加帽子。原因在于当前的文本引导机制对否定语义的处理并不像人类逻辑那样干净——你写“没有帽子”，模型接收到的强信号是“帽子”这个词本身，反而可能强化它。

更可靠的做法是用正向描述替代否定描述。想要画面干净，就写“minimalist background, clean composition”；不想让人物戴帽子，就明确写“bare head, short hair visible”。把“不要什么”翻译成“要什么”，这是文本引导里一个非常基础但极其重要的思维转换。

2. 权重语法与参数：让模型知道谁更重要

2.1 双冒号权重的实际用法与边界

Midjourney 支持用::给提示词片段分配权重，语法是关键词::数值。这个数值是相对权重，默认是 1，写::2表示权重翻倍，写::0.5表示减半。它解决的核心问题是：当两个要素在画面里争夺注意力时，你希望谁赢。

一个典型场景是主体和风格的拉扯：

a warrior in armor::2 dramatic lighting::1 ancient forest::0.8

这里主体权重最高，光照次之，森林环境被压了一档，出来的图人物会更突出，背景不会喧宾夺主。

但权重不是越高越好。我踩过的坑是早期把某个词写到::5，结果画面直接崩坏，出现结构错乱。经验值是单个片段权重控制在 0.5 到 2 之间比较安全，超过 3 就容易让模型过度聚焦而牺牲整体协调性。如果你需要某个要素极其突出，更好的办法是减少其他竞争要素，而不是无限拉高单一权重。

2.2 参数不是装饰：几个真正影响出图的核心参数

Midjourney 的参数很多，但真正高频影响文本引导效果的其实就那么几个。下面这张表是我日常调参时最常对照的：

重点说--stylize，因为它和文本引导的关系最微妙。这个参数控制模型在多大程度上“自由发挥”。数值低（比如 50）时，模型会严格贴着你的提示词走，画面可能偏平、偏直白；数值高（比如 750）时，模型会加入大量自己的审美判断，画面更精致但可能偏离你的描述。

我的建议是：当你还在调试提示词结构时，把 stylize 压到 100 以下，这样你能清楚看到提示词本身的效果，而不是被模型的“艺术加工”干扰判断。等提示词定型了，再往上调做最终出图。

2.3 seed 值：复现与微调的锚点

--seed这个参数很多人不用，但它在实际工作流里价值极高。同一组提示词加同一个 seed，能复现出高度接近的图。这意味着你可以固定 seed，然后只改提示词里的某一个词，观察这个改动带来的精确影响——这是做对照实验的唯一可靠方式。

具体操作上，先跑一张满意的图，从结果里拿到 seed 值，然后固定它，每次只动一个变量。比如你想知道“cinematic lighting”和“soft lighting”的区别，固定 seed 跑两次，差异一目了然。没有 seed 的话，两次出图差异里混杂了随机性，你根本分不清是提示词起作用还是运气。

提示：seed 只能保证在相同提示词、相同参数、相同模型版本下复现，跨版本或改动参数后 seed 的效果会失效，别把它当成万能锁。

3. 风格锚定：从“像那么回事”到“就是那个味道”

3.1 媒介词与艺术家参考的正确打开方式

想让图有明确的风格，最直接的办法是加媒介词和参考锚点。媒介词比如oil painting、watercolor、charcoal sketch、3D render、pixel art，它们直接告诉模型用哪种视觉语言来呈现。艺术家参考则是用某个创作者的名字作为风格锚，模型训练数据里对这些名字关联的视觉特征有相当强的响应。

但这里有个分寸问题。直接堆艺术家名字容易让画面变成纯粹的模仿，失去你自己的构图意图。我的做法是媒介词必加，艺术家参考选加且只加一个，并且把它放在提示词靠后的位置，让它起“调味”作用而不是“主导”作用。

另外要注意，艺术家参考的效果强弱和模型版本关系很大，某些版本对特定名字的响应会明显减弱。如果你发现加了某个参考词几乎没变化，别怀疑自己写错了，换个锚点或者干脆用描述性的风格词替代，比如把某个画家的名字换成“thick impasto brushstrokes, muted earth tones”这种具体视觉特征的描述，反而更稳定。

3.2 用“视觉特征描述”替代“抽象形容词”

这是我认为文本引导里最值得练的一项技能。新手爱写“beautiful”“amazing”“high quality”，这些词对模型来说信息量几乎为零，因为它们在训练数据里关联的视觉特征太分散了。真正有效的是把抽象感受翻译成具体的视觉特征。

这个转换过程其实就是把“我想要什么感觉”翻译成“画面里应该出现什么”。练熟之后，你会发现出图的命中率有质的提升，因为你不再依赖模型去猜你的审美，而是直接给它可执行的视觉指令。

3.3 风格一致性的维持：多图批量出图时的锚定策略

当你需要一组风格统一的图（比如做一套配图或者角色设定），单张调好不够，得保证多张之间风格不飘。这里有几个实操手段：

第一，固定风格描述块。把风格相关的词单独拎出来做成一个固定片段，每次只换主体和环境部分，风格块原样复制。这样风格锚点始终一致。

第二，固定 seed 范围。虽然不能完全锁死，但把 seed 控制在一个小范围内，出图的整体色调和质感会更接近。

第三，用图生图做风格迁移。先出一张风格满意的基准图，后续用它的 URL 作为参考图，配合文本引导，风格一致性会明显好于纯文本。这个技巧在需要批量产出时特别省事。

4. 实测踩坑：那些文档不会告诉你的问题

4.1 提示词越长越好是个伪命题

网上很多教程鼓励写超长提示词，恨不得把能想到的词全堆上去。我实测下来的结论是：超过一定长度后，新增的词带来的边际收益急剧下降，甚至开始互相干扰。模型对提示词的注意力是有限的，词太多会导致每个词的权重被稀释，画面反而变得模糊、四不像。

我的经验阈值是：核心要素控制在 15 到 25 个词之间，超过 30 个词就要开始做减法。与其堆词，不如把每个词写得更精准。一个“weathered wooden texture”比五个模糊的形容词有用得多。

4.2 出图崩坏的排查链路

遇到出图结构错乱、肢体扭曲、元素融合成一团的情况，我一般按这个顺序排查，基本能定位到问题：

1. 先看权重：是不是某个片段权重给太高了，导致模型过度聚焦
2. 再看要素冲突：提示词里有没有互相矛盾的描述，比如同时要“极简”和“繁复细节”
3. 然后看 stylize：数值过高时模型自由发挥过度，压低试试
4. 最后看画幅：某些比例下模型对构图的处理会变差，换个--ar对比

这个顺序是从“最可能且最容易改”到“最不可能”排的，实际排查时能省不少时间。大部分崩坏其实出在前两步。

4.3 中文提示词的现实情况

直接写中文提示词，模型的理解能力明显弱于英文，尤其是涉及具体视觉特征和风格术语时。这不是说中文完全不能用，而是关键要素用英文、整体结构用英文，能显著提升稳定性。如果英文不熟练，可以先用中文想清楚要素，再逐项翻译成对应的英文视觉词，这个翻译过程本身也是在帮你把模糊想法具体化。

我见过有人用翻译软件整段翻译提示词，结果出来一堆生僻词和语法混乱的句子，效果反而更差。正确做法是抓关键词翻译，保持提示词是“要素列表”而不是“完整句子”。

5. 从单张到工作流：把文本引导变成可复用的方法

5.1 建立自己的提示词模板库

调通一组好用的提示词后，别用完就扔。我习惯把验证过的提示词按场景分类存档，比如“人物肖像”“场景概念”“产品图”“抽象背景”，每个类别下存几组结构清晰的模板。下次遇到类似需求，直接调模板改主体和环境，效率比从零写高太多。

模板的结构建议就是前面说的槽位法：主体槽、环境槽、光照槽、风格槽、参数槽。每个槽位留出可替换的位置，用的时候只动需要动的部分。这个习惯坚持下来，你会发现自己的出图稳定性和速度都会有明显变化。

5.2 迭代式出图：不要指望一次到位

文本引导图像生成很少能一次命中。更现实的工作流是：第一轮用低 stylize 跑结构，确认主体和构图方向对了；第二轮加风格词和细节词；第三轮调参数做最终出图。每一轮只解决一个问题，比一次性把所有要求塞进去然后反复抽卡要高效得多。

这个思路的本质是把“生成”拆成“结构确认”和“风格打磨”两个阶段，每个阶段的提示词目标单一，模型也更容易给出符合预期的结果。我早期总想一步到位，结果就是不断重写整段提示词，反而更慢。

5.3 记录与复盘：让每次出图都变成经验

最后说一个容易被忽略但长期收益极高的习惯：记录每次出图的提示词、参数和结果。不用很复杂，一个表格就行，记下提示词、关键参数、出图效果的一句话评价。积累几十条之后，你会对自己的用词习惯和模型的响应规律有非常清晰的认识，这种认识是任何教程都给不了的。

我在实际操作中的体会是，文本引导这件事，前期靠模仿教程，中期靠大量试错，后期靠的是对自己和模型“脾气”的双向理解。提示词写得好不好，本质上是你把视觉意图翻译成模型语言的能力，而这个能力只能靠一次次对照实验磨出来。上面这些方法和参数，拿去当起点用，剩下的就是在自己的项目里反复验证了。