你打了「秋天公园里看书的女孩子」，出来的图：脸是歪的，书是糊的，秋天的树叶是绿的。不是模型不行，是这七个字的信息量，只够它画一个"大概"。
描述词不是作文，是一张清单。把 5 个槽位按顺序填满，每个槽位只解决一件事，出图就会从"大概"变成"就是它"。
为什么一句话画不出想要的图
一句话里通常只有主体，没有视角、没有光、没有风格。模型不知道你是要正面还是侧脸，是白天还是黄昏，是写实还是插画，于是它替你选了——用最常见的平均值。平均值就是那张"看着还行但哪儿都不对"的图。
第 1 步：把主体和视角定死
主体不是"女孩子"，是"谁 + 在做什么 + 什么姿态"。
a young woman reading a paperback, seated on a wooden bench, three-quarter view, upper body, hands visible三种东西在这里被固定：人物和动作（读书）、视角（四分之三侧、上半身）、手是否入镜。手是翻车高发区，能不入镜就不入镜；非要入镜，就明确写 hands visible，让它认真画。
第 2 步：给环境和一束有方向的光
in an autumn park, maple leaves falling, scattered leaves on the path, late afternoon, warm backlight, soft rim light光线必须写方向。逆光（backlight）会给你轮廓光，侧光（side light）会给你立体感，顶光（top light）容易在眼窝留阴影。不写方向，模型默认给你一片平光，画面立刻变平。
第 3 步：定风格，只选一到两个
写实方向：
photorealistic, 50mm lens, shallow depth of field, subtle film grain插画方向：
watercolor illustration, soft edges, visible paper texture风格词写三种以上，模型会给你一个杂交产物：既不像照片也不像插画，还带着说不出的塑料感。想稳，就选一到两个，写透。
第 4 步：补参数，比例先定
Midjourney 的常用参数组合：
--ar 3:4 --v 6Stable Diffusion 方向通常在正文里加质量词，再用步数、CFG 这类设置收口，步数 20-30、CFG 7 左右是常见起点，不是"最优值"，具体要按模型和你的画面试。
比例一定要先定，因为构图依赖画幅：竖幅适合人像，横幅适合场景，方图适合产品。
第 5 步：出图后只改一处
这是最容易被忽略的一步。多数人出图不满意就整条重写，结果越改越乱——因为你不知道是哪一句起了作用。
脸不对，就只改面部描述；画面太空，就只加环境元素（不是加形容词）；风格跑了，就把风格词往前挪，权重靠前它才更听话。
一次改一处，改完对比上一张，你才知道哪个词真的有用。
完整模板，直接复制
[主体：谁或什么 + 在做什么 + 姿态 + 视角]
[环境：地点 + 关键背景元素 + 季节或天气]
[光线：方向 + 软硬 + 冷暖]
[风格：画风 + 镜头或材质 + 质感词]
[参数：比例 + 版本]填的时候按这个顺序，别把风格词写到最后面——它越靠前越有话语权。
三个场景的现成组合
产品图：
a matte ceramic coffee cup on a dark walnut table, top-down flat lay, soft window light from the left, clean minimal styling, photorealistic, 50mm lens, --ar 1:1 --v 6人像：
a woman in her thirties standing by a rain-streaked window, side profile, looking out, overcast soft light, muted color grading, photorealistic, 85mm lens, shallow depth of field, --ar 3:4 --v 6插画：
a small fox sleeping on a stack of books, cozy attic room, warm lamp glow, watercolor illustration, soft edges, paper texture, gentle pastel palette, --ar 4:3三个场景用的是同一套 5 个槽位，变的只是内容。你可以先把这三条跑一遍，看模型在你用的工具上对哪类描述最敏感，再动自己的题目。
一条反面例子
超级好看的女孩，唯美，艺术感，高级，壁纸级别，超清，一定要惊艳这条描述词大概率得到：脸崩、风格随机（这次写实下次插画）、构图不可控、同一条提示词两次出图差别巨大。
原因很简单：这里全是评价，没有一个可执行的信息。"唯美"是评价，"warm backlight, soft rim light"才是信息。评价模型听不懂，信息它才听得懂。
什么情况下别用 AI 绘画
需要精确文字、logo、包装上的小字的，别指望模型。它写不对中文，改十次也一样，后期排版更省事。
需要特定真人形象、明星、受版权保护的角色，直接别用，肖像和版权风险是实打实的。
需要工程图纸、尺寸标注、精确版式的，这类需求 AI 绘画不适用，硬做只会得到一张看着像但量不了尺寸的图。
还有一个常见需求要提前说清：想让同一个角色在十张图里长得一样，光靠描述词做不到，得用参考图或固定种子，而且仍然要人工筛。多张一致的图，最终效果取决于你筛图的耐心，不取决于描述词写得多长。
最后
描述词的功夫不在词藻，在把"我觉得好看"拆成"什么主体、什么光、什么风格"。5 个槽位填满，比堆十个形容词有用。
先用上面产品图那条跑一次，再换成你自己的东西——你会立刻感觉到，信息给够了，模型其实挺听话。
