1.1 提示词基础构成：主体、风格、构图、光影、参数与负面提示
我第一次打开 Midjourney 的时候，脑子里冒出的第一个问题是：我到底该写什么？后来才慢慢明白，一条能用的提示词，本质上是在用文字给 AI 画一张“施工图”。这张图里至少要有几个核心信息：你要画什么（主体）、用什么风格画（风格）、画面怎么摆放（构图）、光从哪来（光影）、输出比例和风格强度（参数），还有你不希望出现什么（负面提示）。
拿一个最简单的例子来说，“一只坐在窗台上的橘猫”只是主体，出图效果往往很随机。把它改写成“一只橘色虎斑猫坐在木质窗台上，午后阳光从左侧照进来，浅景深，暖色调，35mm 摄影风格”，生成结果就会稳定很多。这里每一个词组都在做一件事：帮 AI 缩小想象范围，让它知道你要的“窗台”是木头的不是大理石的，光线是柔和的不是刺眼的。
负面提示在 Midjourney 里的写法是用 --no 参数，比如 --no text, watermark, extra fingers。它的作用不是让你描述“不要什么画”，而是把某些高频出错元素直接压下去。我个人的习惯是先写正面提示词跑一轮，看哪里反复出问题，再把这些高频错误词丢进 --no 里。这样做比一上来就堆一长串负面词更有效率，出图风格也不会被过度限制。
1.2 新手学习路径：注册登录、基础指令、首次出图与常见错误
很多人第一次接触 Midjourney 会卡在注册这一步。流程其实不复杂：先注册 Discord 账号，再进 Midjourney 的官方服务器，然后在任意频道里用 /imagine 指令开始出图。免费额度早就取消了，现在需要订阅才能稳定使用。我建议新手直接选基础档，先跑通流程再考虑升级。
刚开始用的时候，最常犯的错误是把 Midjourney 当搜索引擎用。它不理解“好看的图”这种模糊描述，也不会自动帮你补全风格。另一个高频错误是提示词写得太短，比如只写“a cat”，出来一堆奇怪的东西又开始抱怨工具不好用。我的经验是，前二十次出图不要追求完美，把重点放在熟悉“输入什么词、画面会发生什么变化”这个因果关系上。
还有一个很典型的误区：把所有想法塞进一条提示词。结果就是 AI 顾此失彼，主体、风格、构图互相打架。新手阶段最好一次只加一两个变量，比如这一轮只调光影词，下一轮只调镜头词。这样你才能真正建立起对提示词结构的直觉。这个过程有点像学做菜，先学会控制火候，再研究摆盘。
1.3 关键词体系搭建：艺术风格、镜头语言、材质渲染、情绪氛围
我真正开始出稳定好图，是从建立自己的关键词体系开始的。所谓体系，就是把提示词拆成几个固定类别，每类下面积累一批自己验证过有效的词。最常用的四类是：艺术风格、镜头语言、材质渲染、情绪氛围。这四类词各管一个维度，组合起来就能覆盖大多数出图需求。
艺术风格词决定了画面的“底色”。比如印象派、赛博朋克、极简主义、浮世绘、Art Nouveau，这些词一放进去，整体调性立刻改变。镜头语言词控制的是观看方式，像广角、长焦、微距、航拍、低角度仰拍、浅景深，它们直接影响主体在画面里的存在感。材质渲染词负责细节质感，比如金属拉丝、磨砂玻璃、绒面皮革、水彩晕染，加了这些词，画面会从“概念草图”变成“成品渲染”。
情绪氛围是我后来才重视的一类词。暖光、冷调、孤独感、治愈系、末日废土、复古胶片感，这些词不改变主体和构图，但会改变整张图给人的心理感受。很多时候客户说“感觉不对”，问题就出在情绪氛围上，而不是主体或风格。我现在搭提示词的习惯是：主体 + 风格 + 镜头 + 材质 + 情绪，五层往里填，每一层做一次微调。
1.4 核心参数详解：--ar、--stylize、--chaos、--v、--no 等用法
Midjourney 的参数是写在提示词末尾的，用双横线开头。最常用的是 --ar，控制画面比例，比如 --ar 16:9 是横版宽屏，--ar 9:16 是竖版手机屏，--ar 1:1 是正方形。做海报和社交媒体图的时候，这个参数决定你的构图逻辑，一开始就要定好，别等出图了再裁。
--stylize 简称 --s，控制 Midjourney 默认美学的介入程度。数值范围通常在 0 到 1000 之间，默认是 100。数值越高，画面越“好看”，但越偏离你的原始描述；数值越低，越贴近你的提示词，但可能显得生硬。我一般在做产品图时会调低到 50 左右，保证还原度；做概念场景时会拉到 400 以上，让 AI 帮我做美学加成。
--chaos 简称 --c，控制四张初稿之间的差异度。数值从 0 到 100，默认 0。数值越高，四张图的构图和风格差异越大，适合用来找灵感和探索方向。做系列图或者要风格统一的时候，这个值要压低。--v 是模型版本号，比如 --v 6.1 或 --v 6.2，不同版本对提示词的理解能力差异很大，老教程里的一些写法在新版本里可能已经失效，这个要注意。
--no 就是前面提到的负面提示，用法是在后面列出你不想要的元素，比如 --no text, logo, watermark, extra limbs。它可以叠加多个词，用逗号隔开。还有一个比较冷门但好用的参数是 --seed，固定随机种子后，同一组提示词可以复现出接近相同的结果，做 A/B 对比测试的时候非常关键。
1.5 实战案例拆解：人物、风景、产品、海报与概念场景 Prompt 范例
先看一个人物案例。新手写人物最容易出崩脸和崩手，我的做法是把提示词拆成“外观 + 表情 + 服装 + 光线 + 镜头”五段。比如：“一位三十岁左右的亚洲女性，短发，平静微笑，穿着米色高领毛衣，柔和的窗边侧光，85mm 人像镜头，浅景深，背景虚化”。加上 --ar 3:4 --s 150，出来的图基本可以直接用。
风景类提示词的重点是层次感和光线方向。我会写清楚前景、中景、远景分别是什么，再加上时间和天气条件。比如：“清晨山谷，前景是覆满露水的蕨类植物，中景是薄雾中的松树林，远处是金色阳光照亮的雪山，逆光，空气透视，广角镜头”。这种结构化的写法比只写“美丽的山谷”稳定太多。
产品图的要求是干净和准确。我的模板是：“产品名称 + 材质 + 背景颜色 + 布光方式 + 镜头 + 构图”。比如：“白色陶瓷咖啡杯，哑光表面，浅灰色无缝背景，柔光箱从左上方打光，50mm 微距镜头，居中构图，商业产品摄影”。参数上我会用 --ar 1:1 --s 50 --no shadow，减少 AI 的自由发挥。
海报和概念场景稍微复杂一些，因为要同时控制主体、排版留白和氛围。海报的提示词里我会加“留白区域在画面上方三分之一，适合放置标题文字”这类描述。概念场景则要强化世界观词，比如“废土风格、巨型机械残骸、沙尘暴、黄昏逆光、电影宽银幕比例”，配上 --ar 21:9 --c 20，出来的图很有电影感。这些范例不是标准答案，是帮你理解“结构化”三个字怎么落到具体词组上。
2.1 生成器主要类型：网页工具、浏览器插件、Discord Bot 与 API 辅助
我刚开始认真研究 Midjourney 提示词生成器的时候，以为这类工具就那么几个网页，随便挑一个用就行。真正用了一圈之后才发现，市面上的生成器大致能分成四种：独立网页工具、浏览器插件、Discord 机器人，还有走 API 自己搭的自动化脚本。它们看起来都在做同一件事——帮你写提示词，但用起来的体感差别挺大的。
网页工具是最容易上手的。打开浏览器搜一下，能看到好几十个站点，像 PromptHero、Midjourney Prompt Generator 这类，界面基本都是“左边选风格、右边出文本”的模式。好处是零门槛，不需要装任何东西，适合刚接触 Midjourney 的人快速体验。缺点也明显，大部分免费版会限制生成次数，词库更新速度跟不跟得上模型版本全靠开发者良心。
浏览器插件我主要在 Chrome 上用过几个，比如某些针对 Discord 页面做的辅助插件。它们的特点是直接嵌在你写提示词的地方，点一下就能把补全的词插进去，不用来回切换窗口。这个体验在批量出图的时候特别舒服。Discord Bot 就更进一步了，你在频道里 @它，它能直接返回一段格式化好的提示词。API 辅助则属于进阶玩法，适合有编程基础的人，把生成逻辑接到自己的脚本里，做批量任务或者和自己的工作流打通。
2.2 功能对比维度：提示词补全、关键词推荐、参数预设、多语言翻译
我评估一个生成器好不好用，主要看四个维度。提示词补全是最基础的，好的工具会在你输入“cyberpunk”之后自动提示“cyberpunk cityscape, neon lights, rain-soaked streets”这类词组。关键词推荐比补全更主动一些，它会根据你已经写的内容，从风格库、镜头库里挑出可能相关的词给你选。我见过做得好的工具，选完主体之后它能直接推荐五六种风格方向，每个方向下面还标注了常用参数。
参数预设这个维度经常被忽略，但对效率影响很大。有些生成器允许你把--ar 16:9 --s 250 --v 6.1这样的参数组合存成一个“预设方案”，下次直接调用。做电商产品图的时候，我固定用一套参数，每次手动敲就很烦，有预设功能真的省事。多语言翻译是这两年才多起来的功能，对中文用户尤其友好。你可以用中文描述需求，工具自动翻译成英文提示词，还会帮你做本地化润色，避免直译出来的词在英文语料里不常见。
这四个维度不是每个工具都齐全。我自己的经验是，网页工具强在关键词推荐和多语言翻译，浏览器插件强在补全和预设，Discord Bot 在参数预设上最灵活。选工具的时候不用追求全都有，先想清楚自己最缺的是哪一环。
2.3 正确使用方式：从需求描述到可执行 Prompt 的转化流程
我见过很多人用生成器的方式是：打开工具，随便输一个词，复制出来的提示词直接扔进 Midjourney，出图不满意就换一个工具再试。这种用法其实浪费了生成器最大的价值。正确的做法是把它当成一个“翻译层”，负责把你脑子里的模糊想法翻译成结构化语言，而不是替你决定画什么。
我自己的流程是这样的：先在备忘录里用大白话写清楚需求，比如“我想做一张咖啡品牌的海报，主视觉是一个咖啡杯，要有高级感，适合放在 Instagram 上”。这段文字不讲究语法，只要把场景、用途、感觉写出来就行。拿着这段描述去生成器里，把它拆成主体（咖啡杯）、风格（高级感对应极简或暗调摄影）、构图（海报比例）、情绪（温暖或冷静）这几块，再让工具帮你补全具体的关键词和参数。
生成器给出的提示词不要直接用，要过一遍自己的眼。看看有没有冗余的词，有没有和你的需求矛盾的描述，参数是不是符合你的平台要求。我通常会删掉两三个不相关的词，再手动加一两个工具没覆盖到的细节。这样做出来的提示词，既保留了工具的便利，又带着你自己的判断。整个流程走顺了，一条提示词从想法到可执行版本，大概两三分钟。
2.4 模板库与复用策略：分类模板、变量替换、风格一致性维护
做了一段时间之后，我攒了一个自己的模板库。这个库不用很复杂，我用 Notion 建了一个表格，按用途分类：人物、产品、风景、海报、概念场景，每类下面存五到十条验证过的提示词模板。每条模板里把可变的部分用方括号标出来，比如“[主体描述]，[材质]，[背景颜色]，柔光箱打光，50mm 镜头，--ar 1:1 --s 50”。
变量替换是复用模板的核心动作。做产品图的时候，我只需要把[主体描述]和[材质]换掉，其他部分不动，出来的图风格基本一致。这种做法在给同一个品牌做系列图的时候特别管用，客户要的就是统一的视觉语言。风格一致性维护还有一个技巧，就是把--seed参数固定下来。同一个种子加上微调后的提示词，出图的变化会控制在一个可控范围内。
模板库需要定期清理。Midjourney 模型版本更新之后，有些老模板的效果会变差，这时候我会把那些模板标记出来，重新测试一遍再决定留不留。我的习惯是每个大版本更新后跑一轮全库测试，把失效的删掉或者改掉。这样做虽然花时间，但能保证你随手拿出来的模板都是能用的，不会在赶项目的时候掉链子。
2.5 局限与避坑指南：版权风险、随机性、平台规则与结果偏差
生成器最大的局限在于，它只能帮你写提示词，不能帮你判断这个词能不能用。版权风险是我踩过最深的坑。有些生成器内置的风格词直接指向在世的艺术家名字，比如“in the style of [某位当代画家]”，你用这些词出的图，商用的时候是有法律风险的。我现在的做法是，看到具体人名就绕开，换成描述性的风格词，比如“厚涂油画质感、暖色调、印象派光影”这种。
随机性是另一个绕不开的问题。同一组提示词，今天跑和明天跑，出来的图可能差别很大，尤其是没有固定种子的情况下。生成器给你的提示词再完美，也控制不了 Midjourney 内部的随机机制。我的应对方式是重要项目一定固定种子，跑出满意的图之后把种子记下来，后续所有变体都基于这个种子来做。这样至少能保证系列图的稳定性。
平台规则和结果偏差要放在一起看。Midjourney 官方对某些类型的提示词有过滤机制，比如涉及暴力、色情、特定公众人物的内容会被拦截。生成器不知道这些规则，它生成的提示词可能会触发过滤，你复制过去发现出不了图，还以为是工具坏了。我遇到这种情况会先把提示词里的敏感词替换掉，再试一次。结果偏差则是指生成器推荐的词和你实际想要的效果之间的差距，这个只能靠多跑多调来缩小，没有捷径。
3.1 提示词优化方法：A/B 测试、权重调整、局部重绘与变体迭代
我做提示词优化最开始是靠感觉，觉得改个词就能变好。后来跑的次数多了，发现感觉这东西特别不靠谱。同一组改动，有时候出图质量反而降了，你根本不知道是哪个词起了副作用。现在我习惯用最笨但最有效的方法——A/B 测试。把一条提示词拆成两个版本，每次只改一个变量，比如只换风格词或者只动参数，其他全部保持一致。跑四张图一组，两个版本各出四张，放在一起对比。这样做虽然慢，但你能清楚地知道哪个词在起什么作用。
权重调整是另一个让我吃过亏的地方。Midjourney 用 :: 给关键词分配权重，比如 coffee cup::2 neon light::1 意思就是咖啡杯的视觉比重是霓虹灯的两倍。我刚开始用的时候喜欢给主体加很高的权重，觉得这样主体会更突出。结果发现权重太高反而会让画面变得僵硬，主体是清楚了，但整体构图死了。现在的经验是，主体权重控制在 1.5 到 2 之间，辅助元素用默认值或者稍微降一点，让画面有呼吸空间。
局部重绘和变体迭代是我用得最多的两个功能。局部重绘适合改小细节，比如一张产品图构图、光影都满意，就杯子把手的位置不对，你不需要重新写提示词跑整张图，框选那个区域重绘就行。变体迭代则是从满意的图出发，用 V1 到 V4 生成四个变体，再从中挑一张继续变。我通常会迭代两到三轮，第一轮调大结构，第二轮调细节，第三轮微调光影和色调。超过三轮之后变化就很小了，继续迭代意义不大。
3.2 风格迁移与一致性：角色、品牌、系列图的 Prompt 控制技巧
角色一致性是做故事类项目最头疼的问题。同一个角色，换了场景和动作之后，脸就完全变了。我试过很多方法，最后发现最稳的组合是固定种子加详细的外貌描述。外貌描述不能写“一个年轻女孩”这种模糊的词，要写到“圆脸、黑色齐肩短发、左眼下方有一颗小痣、常穿深蓝色卫衣”这个颗粒度。种子固定住，外貌描述写得够细，换场景的时候角色的辨识度就能保住七八成。
品牌一致性比角色一致性稍微好办一些，因为品牌视觉本来就有一套固定的语言。做品牌系列图的时候，我会先跑一张“基准图”，然后把这组提示词存成模板。后面所有图都基于这个模板改，保留颜色关键词、光线关键词和镜头参数。比如一个咖啡品牌确定了“暖棕色主调、柔和的侧逆光、50mm 定焦、浅景深”这套组合，后面不管是拍杯子、拍门店还是拍人物，这几个词都不动。出来的图放在一起，客户一眼就能看出是同一套东西。
系列图还有一个小技巧，就是统一画面的“留白比例”。你可以在提示词里加 negative space 或者 minimal composition 这类词，让每张图的构图节奏保持接近。我做绘本项目的时候就吃过亏，单张看都好看，拼在一起发现有的图满、有的图空，排版的时候特别痛苦。后来我在模板里固定了 --ar 3:2 和 centered composition，再通过后期裁切微调，整套图的呼吸感就一致了。
3.3 跨工具协作流：Midjourney 与 ChatGPT、Stable Diffusion、PS 的配合
我现在的出图流程很少只用 Midjourney 一个工具。ChatGPT 在最前面，负责把我的想法翻译成结构化的提示词框架。我会告诉它“我要做一张极简风格的茶饮海报，主体是一个透明玻璃杯，背景是浅灰色，要有日式侘寂的感觉”，它会给我一个包含主体、风格、构图、光影、参数五个模块的草稿。这个草稿我不会直接拿去用，但它的结构比我自己凭空想更完整，尤其适合刚接触新品类的时候。
Stable Diffusion 在我的流程里扮演“精准控制”的角色。Midjourney 出图快、美感强，但控制力偏弱。有一些需要严格构图或者特定姿势的项目，我会用 Midjourney 跑概念图，然后用 SD 的 ControlNet 把构图和姿势锁死，再出高精度的成品。这样做的好处是各取所长，MJ 负责创意发散，SD 负责执行落地。两个工具之间的提示词需要做转换，MJ 的风格化描述在 SD 里往往需要拆成更具体的 tag 加权重。
PS 是最后一环，也是很多 Midjourney 用户容易忽略的一环。AI 出的图很少有直接能用的，总会有一些细节需要修。我通常会留出后期时间，把 MJ 出的图放进 PS 里做调色、修补、加文字。有时候一张图在 MJ 里怎么调都差一口气，放到 PS 里调一下曲线和色温，感觉就对了。把这三个工具串起来之后，我出图的质量和效率都比单用 MJ 高出一截。
3.4 商业场景扩展：电商、插画、游戏、建筑、营销视觉的提示词策略
电商产品图是我接得最多的活儿。这类图的核心诉求是“干净、准确、可商用”。我的提示词里一定会包含产品主体、材质描述、布光方式和背景颜色这四个要素。比如拍一款护肤品，我会写“白色磨砂玻璃瓶、金属瓶盖、柔光箱打光、浅灰色无缝背景、正面微俯视角”。这种描述不追求艺术感，追求的是稳定性。同一套提示词跑十次，出来的图基本一致，客户挑图的时候不会因为风格跳脱而纠结。
插画和游戏美术的提示词逻辑就完全不同了。这两个领域要的是风格辨识度和叙事感。做插画项目的时候，我会在提示词里加入具体的艺术流派和媒介词，比如“水彩纸纹理、墨水勾线、限色配色、儿童绘本风格”。游戏美术则更强调世界观和材质细节，像“废土风格、锈蚀金属、破碎混凝土、黄昏逆光、广角镜头”这种词堆在一起，出的图才有氛围。建筑可视化比较特殊，它介于艺术和技术之间，提示词里需要包含建筑术语，比如“玻璃幕墙、悬挑结构、清水混凝土、黄金时刻光线”，这样出的图才经得起专业眼光的审视。
营销视觉是我最近花时间最多的方向。这类图的特点是传播导向，要抓眼球，要适合在社交媒体上被快速消费。我在做营销图的时候，会把“色彩对比度”和“视觉中心”放在第一位。提示词里经常出现“高饱和度撞色、中心对称构图、大面积留白、一个视觉焦点”这类描述。还有一点，营销图往往需要适配不同平台的比例，我会一次性用 --ar 1:1、--ar 9:16、--ar 16:9 各跑一组，后期再根据平台选用。
3.5 效率与伦理：版权规范、社区规则、提示词资产化管理
版权这件事我踩过坑之后变得特别谨慎。Midjourney 官方对商用有明确规定，付费会员出的图可以商用，但前提是你要对内容负责。什么意思呢，就是如果你用的提示词指向了某个受版权保护的角色或者在世艺术家的风格，出了事平台不替你背。我现在养成了一个习惯，提示词里看到具体人名就换掉，看到“in the style of”这种句式就改成描述性的词。比如想要某个画家的感觉，我会写“厚涂笔触、暖褐色调、戏剧性光影”，而不是直接写他的名字。
社区规则是另一个需要留意的点。Midjourney 的 Discord 频道里有一些默认的礼仪，比如不要在公共频道刷屏、不要发违规内容、不要恶意举报别人的图。这些看起来是小事，但账号被限制的时候你就知道麻烦了。我见过有人因为频繁触发内容过滤被临时封禁，工作流直接断掉。我的建议是，敏感题材的项目去自己的私密服务器跑，公共频道就老老实实按规则来。
提示词资产化管理是我自己摸索出来的一套方法。做得久了，你会攒下几百条提示词，散落在各种文档和聊天记录里，用的时候找半天。我现在用 Notion 建了一个提示词库，每条记录包含提示词全文、出图效果截图、适用场景标签、模型版本和最后验证日期。模型更新之后，我会按最后验证日期排序，优先重测那些太久没用的。这套系统花了我一个周末搭起来，但后面每次做项目，找参考和复用模板的时间省了至少一半。把提示词当资产来管，而不是当草稿来扔，这是我做 AI 创作以来最值的一个习惯改变。
