一、先理解这张图在做什么：一个"正经的我"和一个"发疯的我"同框
先看这段描述：
一位气质出众的年轻东亚美女,长直黑发带有自然大波浪,戴著墨镜推在头顶,精致脸庞,皮肤白皙透亮,手在额头呈敬礼动作,身体微微前倾,一脚向后抬起。旁边有一个涂鸦角色在模仿她,摆出夸张滑稽的姿势。影子看起来像是手绘的,活泼俏皮。人物脸上带著困惑的表情。
你能想象出这张画面吗？一个穿着得体、气质出众的女生，对着镜头做了个俏皮的敬礼动作。但她的旁边，墙上出现了一个只有黑色轮廓的涂鸦小人，模仿她的动作，但更夸张、更混乱、更"疯"。
正经的我和发疯的我，同框出现。
这就是这张图的核心创意。但要让AI准确画出来，你不能只用一段散文描述，你需要把信息拆开，放到AI能理解的结构里。接下来，我带你一步步拆解这段提示词，把每个部分讲清楚。
二、最核心的基础：告诉AI"我是谁"——identity_ref
"identity_ref":{
“来源”:拍摄的照片
“锁定”:【"脸部","眼睛/鼻子/嘴巴","肤色","头发(长度/质地/颜色)","配件","确切服装"】
“规则”:无虚构细节
用人话翻译：
你要告诉AI，这个人的形象来自你上传的照片。而且有些东西是"锁死的"——脸不能变、五官不能变、肤色不能变、发型不能变、配饰不能变、衣服不能变。规则是：不允许AI自己瞎编细节。
为什么这很重要？
想象你跟一个画师说"帮我画一个我"。如果你不给照片，画师只能靠猜，画出来可能像你，也可能像你隔壁班的同学。但如果你给了照片，还明确说"这些地方绝对不能改"，画师就有了明确边界。
三、定下画幅和布局——composition
“组成”:{
格式: 9:16
图案:【"真实主体"，"墨水双胞胎涂鸦"]】
"layout":"并排,姿势完全可见”
用人话翻译：
- 画面比例是竖屏的，像手机屏幕一样（4:5或者9:16），适合发小红书、发朋友圈、发Instagram Story
- 画面里有两个人（或者说两个形象）：一个是真实的你，一个是涂鸦版的你
- 两个形象并排放着，姿势要完整展示出来，不能裁掉半只手
为什么竖屏重要？
你想一下，你刷小红书的时候，竖屏内容占满整个屏幕，横屏内容只占中间一条。如果AI生成了横屏图，你发到手机上还要裁切，可能裁掉关键部分。直接在提示词里规定比例，省去后期麻烦。
理解诀窍： 这就像写文章前先确定体裁——你是写一篇800字的随笔，还是写一篇3000字的论文？格式决定了内容的呈现方式。这里，"竖屏并排"就是你选择的格式。
四、描述真实的主角——real_subject
"real_subject": {
"style": "写实，全身",
"outfit": "完全匹配參考",
"expression": "俏皮、尴尬、被抓包的魅力",
"pose": "自然、淡化版本"
}
用人话翻译：
真实的你，画风是写实的、全身出镜。衣服完全按照参考照片来。表情要有一种"俏皮但有点尴尬，好像被抓包了"的感觉——就像你偷偷在镜子前做鬼脸，结果被室友推门撞见的那种表情。姿势是自然的、收敛的，不要过于夸张。
"被抓包的魅力"是什么感觉？
这是一个非常微妙的表情描述。你可以这么理解：你本来在做一件有点幼稚的事，突然意识到有人在看你，你停下来，有点不好意思，但嘴角还挂着没来得及收回去的笑。
理解诀窍： 这里的关键是"层次感"。不要只写"笑"，要写"什么样的笑，为什么笑，笑里藏着什么情绪"。就像你分析文学作品里的人物心理，AI需要你给出足够丰富的情绪层次。
五、描述涂鸦双胞胎——ink_twin
“墨水双胞胎”:{
"style":"粗糙黑色素描/炭笔涂鸦在墙上"，
“可识别性”:仅轮廓(头发/服装/姿势形状)，
“避免”:【"写实第二人称"，"扁平阴影"，"彩色卡通"】
“能量”:放大、混乱对比真实主体
"extras”:“可选稀疏漫画标记(运动线条/星星/心形)"
用人话翻译：
涂鸦版的你，像用黑色炭笔粗糙地画在墙上。它不需要画得很像，只需要轮廓能认出来——发型、衣服、姿势的大致形状对上就行。它不能是写实的第二个人，不能是扁平的阴影，也不能是彩色卡通。
它的能量要"放大、混乱"，和真实的主体的冷静形成反差。就像你内心有一个小剧场在疯狂尖叫，但表面上你只是微笑着说"没事"。可以加一些漫画符号，比如表示动作的运动线条、几颗小星星、一颗小爱心。
为什么涂鸦不能画得太像？
如果涂鸦画得太像真人，就变成了"两个真人站在一起"，失去趣味性。涂鸦的存在是为了表现"内心感受的外化"，而不是复制一个你。就像你读小说，内心独白和外在行为往往是两种画风。
理解诀窍： 这里的"涂鸦"本质上是一个隐喻——它代表了你内心那个更夸张、更自由、更不设防的版本。你在描述它的时候，其实是在描述"如果我不用端着，我会是什么样子"。这种"内外对比"的手法，在文学和电影里到处都是。
六、姿势设计——pose_rule
“姿势规则":{
“说明”:每次全新俏皮/调皮共享姿势”
“避免”:【"指点","指枪"，"镜像/重复姿势"】
"relationship":"主体=微妙版本;双胞胎=放大卡通版本,同一个节奏”用人话翻译：
每次生成，都要设计一个全新的俏皮姿势。不要"用手指点"、不要"比枪"、不要让两个形象做完全一样的镜像动作。真实主体做的是"微妙版本"，涂鸦双胞胎做的是"放大版卡通版本"，但两个人在同一个节奏上。
什么叫"同一个节奏"？
就像你和朋友听同一首歌，你轻轻点头，他在旁边疯狂甩头。动作幅度不同，但你们都在跟同一拍。这就是"同一个节奏，不同版本"。
为什么禁止"指枪"和"指点"？
因为这些姿势太常见了，容易让画面看起来像千篇一律的模板。提示词设计者希望你每次都有新鲜感，不要落入俗套。
理解诀窍： 这就像写诗——押韵可以，但你不能每次都押"ang"韵。变化带来新鲜感，重复带来审美疲劳。设计姿势也是一样，avoid列表就是你的"韵脚禁区"。
七、场景和灯光——setting
"setting": {
"background": "干净色图墙壁（白色/奶油色/灰色）",
"lighting": "柔和、均勻、日光风格，脸部可見"
}
用人话翻译：
背景是一面干净极简的墙，颜色是白色、奶油色或灰色。不要复杂，不要花哨。灯光是柔和的、均匀的，像日光一样，确保脸部清晰可见。
为什么背景要极简？
因为这张图的主角是"你"和"涂鸦的你"。复杂背景会抢戏。就像你拍证件照，背景都是纯色的，因为重点是脸，不是背景里的树。
理解诀窍： 这是"留白"的视觉版本。中国画讲究留白，文学讲究"言有尽而意无穷"。极简背景就是留白，让观众把注意力集中在主角身上。
八、整体氛围——mood
"mood": "俏皮、时尚、混乱乐趣、可分享"
用人话翻译：
整张图的感觉是：俏皮的、有时尚感的、混乱但有趣的、适合分享到社交媒体的。
什么叫"可分享"？
就是这张图发出去，别人会想点赞、评论、转发。它要有传播力。不是一张你看了就划走的图，而是一张让你停下来、笑一下、想发给朋友看的图。
九、不要什么——negative_prompt
负面提示词:[
“虚构外貌”，“服装变更”，“双胞胎作为真实第二人称”，
“扁平/阴森阴影”，"彩色卡通双胞胎"，"弱相似度”，“杂乱”，“重复/僵硬/镜像姿势”，“文字”，“水印”，
“多余肢体”，"坏手”用人话翻译：
我不想要这些东西：
- 虚构外貌：别给我整容，别把我变成另一个人
- 服装变更：别给我换衣服，穿参考照片里那件
- 双胞胎作为真实第二人：涂鸦就是涂鸦，别画成第二个真人
- 扁平/阴森阴影：阴影要自然，不要像恐怖片
- 彩色卡通双胞胎：涂鸦是黑白的，不是彩色动画片
- 弱相似度：必须像我，不像就没意义了
- 杂乱：画面干净，别堆东西
- 重复/僵硬/镜像姿势：姿势要有活力，别死板
- 文字：画面上不要出现文字
- 水印：不要AI水印
- 多余肢体：别给我画出三只手
- 坏手：手是AI弱项，特别强调要画好
为什么negative prompt这么重要？
因为AI有时候会"热心过度"。你没说不要，它就可能给你加。你只说了"给我画一个苹果"，它可能画一个苹果，旁边还画一把刀、一张桌子、一个窗户。你以为你说清楚了，但AI的"默认补充"可能不是你想要的。negative prompt就是告诉AI：这些地方你给我收手。
理解诀窍： 这就像编辑改稿子——你不仅要告诉作者"要什么"，还要划掉"不要什么"。只给正面指令，不给负面边界，就等于把主动权全部交给了对方。
十、完整示例拆解：把上面所有东西串起来
现在，让我们用学到的结构，重新理解最开始的完整描述：
一位气质出众的年轻东亚美女,长直黑发带有自然大波浪,发丝柔顺飘逸,戴著墨镜推在头顶,精致脸庞，皮肤白皙透亮,带有自然红晕,妆容精致,唇色是柔和的豆少红,眼神自信微侧头望向一侧。手在额头呈敬礼动作，身体微微前倾,一脚向后抬起。人物所在位置是在公园广场前,后方有喷清池、树木及人群。主角和模仿主角的涂鸦角色灵动且清晰,背景做虚化处理。影子看起来像是手绘的活泼俏皮，个性十足，与人物平静争的神态形成鲜明的对比。人物(我)脸上带著困惑的表情。
你会发现，这段描述里藏着我们刚才讲的所有结构：
十一、你自己写提示词时，记住这五步就够了
第一步：锁定身份。 你是谁？长什么样？哪些特征绝对不能改？写下来。
第二步：确定画幅。 横的还是竖的？几个人？怎么排列？写下来。
第三步：分别描述每个角色。 真实的人什么风格、什么表情、什么姿势？涂鸦或其他元素什么风格、什么能量？分别写清楚。
第四步：定场景和氛围。 在哪里？什么光线？整体感觉是什么？写下来。
第五步：列负面清单。 你最怕AI画成什么样？全部写进negative prompt。
最后，说点实在的
你不需要背下那些JSON格式。JSON是写给机器看的，你需要掌握的，是它背后的思维框架：把模糊的想象，拆成具体可描述的维度。
就像你写论文，不能只写"这本书很有意思"，你要写"这本书在叙事结构上有什么特点，人物塑造上有什么手法，语言风格上有什么倾向"。AI绘图也是一样，你不能只对AI说"画得好看一点"，你要告诉它：哪里好看、怎么好看、为什么好看。
你的优势恰恰在于"描述"。 你一直在训练"如何精准地表达一个模糊的感受"，而这就是写提示词最核心的能力。有的人能写代码，但未必能写出"被抓包的魅力"这种层次的描述。AI需要的是细腻的、有层次的、能唤起具体画面的语言——这正是你的专业。
现在，打开你的AI绘图工具，从描述一张自拍开始试试。你会发现自己比想象中擅长这件事。
