【三十】提示词一对光标就空白？别许愿，先让 AI 采访你，再按图纸装

你不是不会写提示词。你是把「心里那团感觉」直接许了个愿，然后怪模型没读懂你的心。

你习惯这么干：

脑子里有画面 → 对着光标憋 → 憋出「氛围感、电影感、高质量」 → 连抽四张都不对 → 再换一组更虚的词

模型收到的不是画面，是评分标签。 你觉得自己在创作。它觉得你在说「给我一张好看的」。

口诀：感觉自己留，问题交给 AI 问，你只负责答、挑、钉。

本节只练三件事：

1. 开口难：别自己当导演词典，让语言模型一个问题问下去，你做选择题
2. 碎片有了却乱：别把聊天记录直接扔给生图，先按图纸组装
3. 第一次不像：别点重新生成，把图拿回去对照——哪块不对、为什么、改成什么

生成前请先打开一个能聊天的模型。没有采访，后面两步没有原料。

---

开场：你卡的不是英语，是工序反了

试一下这句：

雨夜一个人在厨房，很有生活感，很治愈，电影感，高质量

出来的十有八九是：人居中、锅在冒一点白气、灯很亮、脸很干净。 精致，但不是你要的那一晚。

因为你只交付了三个标签：雨夜、厨房、治愈。 没交付模型真正要的东西：

• 人站在画面哪一侧
• 窗外的冷和锅边的热怎么顶
• 这张图是偷拍、广告，还是手机随手拍
• 如果是视频，这 5 秒里到底谁在动

人脑可以靠「治愈」脑补一整场戏。 AI 不会。它听不懂诗，只听得懂能执行的条件。

所以工序要反过来：

别先写提示词。先让一个会问问题的模型，把你脑子里的雾问成能看见的零件。 你负责点头、摇头、选一个。 它负责把零件排成图纸。 生图工具只负责按图纸干活。

下面三步，用同一个场景从头跑完：雨夜进门，煮一碗面。每一步都有普通人翻车对照，以及能直接抄的中文。

---

一、开口难：别自己想词，让 AI 当问询员，你只做选择题

对模型来说，提示词不是文采，是尺寸。 你自己憋「侧逆光、浅景深、胶片颗粒」，等于没量身就自己画裁缝图——画得越专业，越可能不是那件衣服。

改法：不要你去引导生图工具。先找豆包 / ChatGPT / Gemini，让它当你的问询员。 一个问题问完，你再答下一个。你不会写细节，但你看得懂选项。

场景：下班推开出租屋门。外面还在下雨。你想要一张「进门后那两分钟」的图，给日常账号封面用。心里很满：冷、湿、热气、肩膀还没干。手上一个字都没有。

❌ 别一上来就对着即梦硬写：

一个女生在厨房煮面，雨夜，温暖，治愈，生活感，8k

「温暖」对它约等于开灯。「生活感」约等于桌上多放两样东西。 跟你那件还没干的外套、那口还没滚的锅，不是一回事。

先把这段丢给聊天模型，启动采访。可直接复制：

你只要答人话。下面是一次完整示范，你可以照着选，也可以换成自己的：

它问什么	你怎么答（本课案例）
这张图给你什么感觉	外面又冷又湿，屋里只有灶台这一小块是热的
镜头多近、从哪看	中近景，平视，从过道往厨房看，不要航拍
人放哪、留给谁	人偏右，左边留给窗户上的雨和水汽
主体在干什么	一个人穿着还没干的外套，低头看锅，不看镜头
光怎么来	头顶一盏暖黄小灯；窗外是冷的蓝，雨还在下
像什么拍出来的	手机随手拍，轻微噪点，不要广告，不要明星脸

答完，它应该吐给你一张清单，而不是一篇「雨夜的诗」。 清单长这样才算合格：

• 过道看进厨房，中近景，平视
• 人在右侧三分，左侧是窗和雨
• 外套下摆还挂着水，锅里有热气
• 暖黄顶灯 vs 窗外冷蓝
• 手机抓拍，不是海报

检查三件事：

• 它是不是一次只问一个问题。五个问题一起砸过来，你会重新空白
• 你答的是不是选择题，而不是又开始憋专业词
• 清单里有没有「电影感 / 高质量 / 治愈」——有，就让它删掉重出清单

这就像去裁缝店：师傅问你肩宽、袖长、面料，你不用自己画图。 你负责说「紧一点、不要垫肩」。图纸是他的事。

为什么这招有效： 细节很难凭空捏。可是「中近景还是远景」「人靠左还是靠右」，你看一眼就知道。 采访把「翻译」从你脑子里搬走了。你只做判断，不做词典。

---

二、碎片有了：别直接扔给生图，先按图纸组装

采访结束，你手里是一堆对的零件。 很多人下一步是：把聊天记录全选，粘进即梦。

这等于把量衣的对话录音，直接发给车间。 车间听得懂「右侧三分、暖黄顶灯」，听不懂一段东一句西一句的问答。

改法：先整理，再生图。 图和视频用两张不同的图纸。图管空间关系，视频管谁在动。 先出图，再拿这张图去图生视频。别一上来就让视频模型同时猜场景和动作。

2.1 出图：只组装「这一眼能看见的空间」

静态图的核心不是故事，是站位。谁在前，谁在后，光从哪边来。

图的组装顺序（按这个填，不要倒）：

人在干什么 + 这个房间长什么样 + 从哪看、谁占画面 + 光和颜色怎么顶 + 像用什么拍的

把上一节的清单填进去。不要加新灵感。采访里没出现过的绿植、猫咪、唱片机，这一步一律不许进。

❌ 别把问答原样扔进去：

感觉是冷和热，镜头中近景，构图框什么的，主体是小孩还是女生来着，光要自然，风格胶片……

模型会抓住它最熟的那几个词，其余当没看见。

✅ 按图纸填完，可直接跑：

检查三件事：

• 五个格子是不是都有着落：人、房间、站位、光、拍法
• 有没有混进采访时没选过的道具
• 「治愈 / 电影感」是不是已经删干净——这些词会把图纸重新搅成许愿

这就像把量体记录抄成一张裁剪单：胸围、衣长、扣子位置，各写各的。 不是把你和师傅的闲聊打印出来当图纸。

2.2 出视频：图已经有了，文字只写「这 5 秒谁在动」

图对了，再进MetaDig/即梦 做 5 秒。 很多人这里会把出图那一大段再贴一遍，再加「镜头推进、热气升腾、很有感觉」。

视频模型听完，往往开始加戏：人转身、微笑、端碗、看镜头。 空间是对的，动作却像演生活广告。

视频图纸跟图不一样。图问「在哪」。视频问「谁动、怎么动、环境跟不跟」。

视频的组装顺序：

人只做一件具体的事 + 镜头怎么慢慢走 + 锅气 / 雨 / 灯光跟着怎么动 + 这 5 秒里情绪不要升级

❌ 主体动作别写成事件名：

她在煮面。

「煮面」是流程。模型会随机抽一个煮面瞬间：搅拌、加葱、端碗，每一版都不一样，也都不像你要的那两分钟。

✅ 锁死一个微动作，可直接跑：

拆开看这张视频图纸：

格子	本课怎么填	别填成
人怎么动	挑起一缕面，停一下看熟了没	煮面、做饭、忙碌
镜头怎么动	从过道极慢往前挪一点	环绕、快推、变焦炫技
环境怎么动	热气贴筷子、雨水滑玻璃	「氛围流动」「空气在呼吸」
什么不许动	不转身、不笑、不换房间	什么都允许，让模型自由发挥

检查三件事：

• 人是不是只有一个动作。出现第二个动词，先删
• 出图提示词是不是没有整段贴回来——图已经在，视频只补运动
• 5 秒够不够走完「挑起来、看一眼」。不够就别加「然后关火、然后坐下」

图是布景照。视频是让布景里的一件事发生。 布景已经有了，就不要让演员把整晚的生活再演一遍。

---

三、第一次不像：别点重来，把图拿回去对照着改

图纸跑完，图还是可能偏。 偏了最常见的反应是：「这什么东西，重抽。」

重抽是在买下一张随机数。 你上一张里已经对的站位、已经对的窗，会一起被扔掉。 更糟的是：你不知道它错在哪，于是下一句提示词只能写「再自然一点」「再生活感一点」——许愿升级。

改法：把生成结果丢回给刚才那个问询员。不许它写安慰，只许它跟你做三道题。

对照三问：

1. 哪一块不对？ 说位置，不说评分。
2. 为什么会这样？ 说提示词里哪一句把它带跑了。
3. 下一句改成什么？ 只改这一块，其余照旧。

可直接复制：

最常见的一种偏：东西都对，但看起来像杂货铺

场景换一个，方便你看清「对照」和「重抽」的差别。

你想要「周末上午，阳台小桌，一个人喝咖啡看手机」。

结果：每样东西材质都很好。整张图却没有可以停留的点。眼睛在植物、猫、面包之间跳，像进了二手市场。

❌ 别这么改：

太乱了，整洁一点，高级感

「整洁」可能把生活痕迹全清掉，变成样板房。温热没了，空也没了。

✅ 走完三问，再改：

• 哪一块不对： 没有主角。阳台、桌子、猫、植物同时在抢。
• 为什么： 名词堆太多，模型按「像生活」把每样都画清楚了，没有前后。
• 改成什么： 只留一个主角（小桌 + 那杯咖啡）。猫、衣服、植物退到后面，虚掉。桌面不要再加第三样食物。

图生图可直接跑：

瞬间从「什么都有」变成「先看见这杯咖啡」。 生活感还在，只是排了队：先看谁，后看谁。

检查三件事：

• 你有没有指出「哪一块」，而不是只说「不好看」
• 下一版是不是只动这一块。光对了就别再写光
• 做减法时，减的是不是抢戏的名词，而不是把房间清空

2026 年的模型，加法已经溢出。它很会往画面里塞东西。 你要练的不是再教它加，是拦住它，让一件事当主角。

这就像改稿：编辑不会因为第二段空了把全文扔进碎纸机。 他圈出那一段，写「主语不清，删两个例子」。你照着改。

---

总结：一对光标就空白，先别抽卡

提示词写不出来、出图不对味、一不对就重抽，先按表查：

你卡在哪	别急着做	先让聊天模型干什么	你最后只做什么
光标闪，一个细节都写不出	别对着即梦许愿	按镜头 / 构图 / 主体 / 光 / 风格，一次问一个	做选择题，收下清单
清单有了，图却东一块西一块	别把聊天记录整段粘贴	按「人+房间+站位+光+拍法」重抄一遍	没采访过的道具一律不进
图还能看，视频开始演广告	别把出图长文再贴一遍		只写一个微动作 + 镜头怎么挪 + 热气/雨怎么动
第一次不像，或东西多到没重点	别点重新生成	三问：哪块不对、为什么、改哪三句	只改这一块；会抢戏的名词做减法

再记三句：

1. 提示词不是许愿。先让人问你，你再答。
2. 零件不等于图纸。图按空间装，视频按运动装。
3. 不对就对照，不要整张作废。指出位置，改三句，比抽十张更像创作。

课后只跑通一个题目，不许中途改成别的场景：

1. 打开豆包 / ChatGPT / Gemini，用第一节的采访指令，把「雨夜回家煮面」问完，拿到清单。
2. 按图的五格抄成一段提示词，出一张。不要在这一步做视频。
3. 用这张图生 5 秒，人只挑起一缕面。
4. 如果乱、如果太广告、如果人看镜头了，把图丢回去走三问，只改三句再出一张。

四步走完，你手里应该是同一间厨房、同一盏灯、被问清楚再被改过的一张图。 不是四次互不相干的「再试试」。

你不需要先成为提示词词典。 你只需要先成为那个愿意被提问、会把零件抄成图纸的人。