Midjourney是一個AI工具，允許用戶輸入提示詞來生成圖片。業州愚公是一位自媒體從業者，他發現同樣輸入幾個詞，有些人可以生成出高品質的圖片，而有些人則只能得到糊成一團的光斑。這個差距不在於運氣或會員等級，而是在於提示詞的撰寫方式。業州愚公認為，Midjourney的提示詞需要按主體、環境、構圖、光影、風格、參數六塊積木搭配，這樣才能生成出高品質的圖片。他還提供了填空模板和五問自檢的方法，幫助用戶改善提示詞的撰寫能力。通過這種方式，用戶可以更好地利用Midjourney生成出自己想要的圖片。
菜鳥之友系列：《AI 工具實操與提示詞》・工具篇作者：業州愚公
做自媒體的朋友前陣子興沖沖地訂了 Midjourney，第一句提示詞輸的是「一隻貓，可愛，高清，大師級，獲獎作品，震撼視覺」。四張圖出來，全是糊成一團的光斑，勉強認得出毛色。同一週，另一個同事用同一個工具出封面圖，一發入魂，四張裡三張直接能用。兩個人的差距不在運氣，也不在會員等級——他們輸入的東西，根本不是同一種語言。前者在許願，後者在寫分鏡。這一篇，就把提示詞的結構拆成六塊積木，讓你照著填空就能上手。
Midjourney 長期以 Discord 內的 /imagine 指令為主要入口，官方也在持續更新網頁版介面；具體入口與介面細節以官方最新版本為準。本文講的是提示詞結構本身，與入口無關。
結果先放這裡：把一句提示詞按「主體、環境、構圖視角、光影氛圍、風格媒介、參數」六塊填空，出圖命中率立刻不一樣。這不是玄學，原因說得清楚。
Midjourney 這類文生圖模型，是把句子裡的詞轉成畫面元素的線索。它不像人類讀者會替你理順邏輯，也不懂「可愛、高清、大師級」這種修辭是誇獎——它只會老老實實把這些詞對應的視覺特徵糊進畫面。「大師級」對應什麼視覺特徵？沒有。於是只能憑空猜測，猜出來的就是那團光。形容詞還會互相打架：你寫「極簡背景、華麗構圖、古典油畫質感」，三個詞指向三個方向，模型不會選擇，只會全部揉進同一張圖。好提示詞的第一原則只有一條：每個詞都指向一個具體的視覺決定——光從哪來、鏡頭在哪、像什麼畫出來。
把任何一條能用的提示詞拆開，基本都落在這六塊裡。順序不强制，但按下面的順序寫，條理最清楚：
| 積木 | 它決定什麼 | 填法範例 | 缺了它會怎樣 |
|---|---|---|---|
| 主體 | 畫面主角是誰、長什麼樣 | a fisherman in a yellow raincoat | 模型自由發揮，畫面失焦 |
| 環境 | 主體在哪裡 | on a stormy harbor pier | 背景每次隨機，難復現 |
| 構圖視角 | 鏡頭怎麼擺 | low-angle shot, close-up | 永遠預設中景，千篇一律 |
| 光影氛圍 | 光從哪來、什麼調子 | golden hour light, thin fog | 平光，像證件照 |
| 風格媒介 | 像用什麼畫出來 | watercolor illustration | 塑膠感的數位預設味 |
| 參數 | 句尾的技術旋鈕 | --ar 16:9 --stylize 200 | 比例固定正方形 |
六塊拼起來，就是一條完整的提示詞：
```
a fisherman in a yellow raincoat pulling nets on a stormy
harbor pier, low-angle shot, spray and dim morning light,
35mm film photo --ar 3:2 --no text, watermark
```
主體有職業有動作有衣著，環境有地點有天氣，鏡頭有角度，光有方向有時刻，媒介指定了膠片攝影，句尾參數定了比例、排掉浮水印。八個視覺決定全在一句話裡落實——這就是分鏡腳本跟許願的差別。
參數是寫在提示詞最後、以兩個短槓開頭的指令，不參與畫面內容，只控制生成行為，常用六個：
| 參數 | 作用 | 常見用法 | 使用提醒 |
|---|---|---|---|
| --ar | 畫面比例 | --ar 16:9（橫幅）／--ar 9:16（手機直式） | 封面、壁紙先定比例再寫詞 |
| --no | 排除元素 | --no text, watermark, people | 排除項用逗號分隔 |
| --stylize | 風格化強度 | 數值越高越「美術化」，越低越貼近描述 | 想要精確控制時調低 |
| --chaos | 四張圖的差異度 | 數值越高四張圖彼此差越遠 | 找靈感調高，收斂時調低 |
| --seed | 固定隨機種子 | 記下數字，之後沿用 | 想在同一張圖上微調時必備 |
| --v | 模型版本 | 以官方最新版本為準 | 新版本通常對長句理解更好 |
三個使用心得。第一，--ar 是新手最容易忽略也最該先寫的：公眾號頭圖和手機壁紙比例完全不同，先定比例，構圖才有意義。第二，--no 的價值被低估——文字和浮水印是 AI 出圖的常見瑕疵，一句 --no text 能省掉大量返工。第三，--seed 是「迭代」的鑰匙：不固定種子，每次生成都是全新抽獎；固定了種子，改一個詞就能看清它影響了什麼。
參數的具體名稱與取值範圍可能隨版本更新調整，以官方文件最新版本為準。兩個短槓後面不要加空格，寫成單槓 -ar 或中間夾空格，指令會失效——這是新手最常見的「參數明明寫了卻沒生效」的原因。
第一個坑：形容詞打架。「極簡」和「華麗」同時出現，模型不選邊，直接和稀泥。檢查方法：把形容詞一個個念出來，問自己「它對應哪個視覺決定？」答不上來的，刪掉。
第二個坑：把參數寫進句子。--ar 這類指令必須放在提示詞最後，夾在句子中間可能被當成普通文字，或者乾脆吞掉整段描述。參數歸參數，描述歸描述。
第三個坑：不會給主體分配重量。想讓畫面「貓為主、狗為輔」，只會寫 a cat and a dog，結果兩者平均分配、彼此搶戲。正確工具是雙冒號加權重：寫成 cat::2 dog::1，貓的視覺分量就是狗的兩倍。主體複雜的畫面，全靠這招排兵布陣。
還是那位被光斑勸退的朋友。我把六塊積木的表發給他，他重寫了一條：a tabby cat curled on a windowsill, morning sunlight through lace curtains, soft warm tones, watercolor illustration --ar 3:2。這次四張圖裡有一張直接用作了封面。他說：「原來它不是畫得差，是我一直沒說清楚。」
用一次真實的迭代過程，把前面的東西串起來。目標：一張文章頭圖，主題「深夜便利店」。
| 輪次 | 輸入的提示詞 | 出來的結果 | 這一輪補了哪塊積木 |
|---|---|---|---|
| 第一輪 | night convenience store, beautiful, amazing | 氛圍混沌，看不清重點 | 全缺，只有空話形容詞 |
| 第二輪 | a convenience store at night | 認得出便利店，但像手機隨手拍 | 補了主體與環境 |
| 第三輪 | a lone customer at a convenience store counter at night, fluorescent light spilling onto wet street, wide shot, 35mm film photo --ar 16:9 | 接近想要的電影感 | 補了光影、構圖、媒介、比例 |
| 第四輪 | 固定第三輪的 seed，把 fluorescent light 換成 warm tungsten light 微調 | 收斂到可以直接用 | 用參數做最後一里 |
規律很清楚：每一輪只加一兩塊積木，加完看清效果，再加下一塊。這正是 --seed 的意義——種子固定，變數只有你改的那個詞，因果一目了然。反過來，每一輪都整句重寫，永遠不知道是哪個詞起了作用，學十輪也攢不下經驗。
最後把整篇壓縮成你能直接抄走的東西。
填空模板：
```
[主體] with [一個關鍵細節], [環境地點與天氣], [構圖視角],
[光源與氛圍], [風格或媒介] --ar 比例 --no 想排除的東西
```
動筆前的五個自檢問題：
提示詞寫作不是許願，是攝影師的分鏡腳本加上美術指導的工作單。你把視覺決定做得越具體，留給隨機的部分就越少。下次打開 Midjourney，先花三十秒把六塊積木在心裡擺一遍——這三十秒，抵得上抽獎抽一下午。
工具推薦隨身機器人（新用戶免費試用 7 天）
卡在「提示詞寫好之後還要反覆調」？「隨身機器人」幫你把需求轉成結構化提示詞草稿，再陪你一輪輪迭代，新用戶免費試用 7 天。
下一篇預告：圖有了，配樂呢？下一篇我們實測 Suno AI 音樂生成——從一段歌詞到一首有前奏有副歌的完整歌曲，新手第一次生成該避開哪些坑，實操記直接開錄。
業州愚公 ｜ SY 視野（sylogs.com）原創內容，轉載請註明出處。
編輯評論 / Editor's Note
這種創作工具的使用方法需要一定的技巧和創意，才能產生出高質量的結果。通過了解和掌握這六塊積木的搭配技巧，使用者可以更好地控制和優化自己的創作效果。同時，這也反映出人工智慧在創作領域的應用和發展潛力。