当前位置：

社区首页

电脑数码

软件应用

办公软件

AIGC文章详情

AI生图提示词根本不是什么新学问，三步搞定就够用

源自159位全网作者

05-17 12:26

精选参考来源

在画了几百张 nano banana pro 图片收获了几百万流量之后的一些提示词写作经验（同步发布于博客：http://t.cn/AXygY9D8）最近一段时间，沉迷于 nano banana pro 画图，也写了一些颇受欢迎的提示词，X 上的浏览量加起来有几百万。但你要说我写画图提示词水平多牛，这我可不敢认，因为我写画图提示词水平其实一般，写不出那些专业的参数，绝大部分提示词都是让 AI 帮我写的。写画图提示词，没有你想的那么复杂，拿我最近写过的一些提示词来讲一下。首先，提示词是手段不是目的提示词是为画图服务的，所以最重要的是你的想法，你想呈现什么，至于提示词，只不过是为了实现你想法的手段，有很多种写法都可以让你得到不错的结果，所以不必太纠结提示词的细节，什么结构、关键字、长短、是不是 JSON，都没那么重要！比如说 4 月份的时候，我就想用 GPT-4o Image 帮我画一张巨型裸眼 3D 屏幕的图（图2），提示词很简单，就是大白话： > 一只超写实大熊猫半个身子在成都繁华商街巨型弧形裸眼 3D 屏幕外边，肚皮朝上，脑袋吊着，嘴里咬着竹笋，憨态可掬提示词大部分时候就是这样，你都不需要多么复杂的技巧，就先大白话发过去看看效果。然后我把提示词发给 Gemini，得到了一张这样的图：参考图3 也还行，但效果不算太好。写提示词不难，难得是你得有一点审美，知道什么是好的，什么是不好的，最好还能知道哪不好！我水平不够好，只能看得出它不好，但说不上不好在哪里。这时候专业水平就能起作用，要是你专业的话，马上能知道哪不好，怎么调整。我不专业但我有 AI，于是把这个提示词（有时候我还会把生成的图片结果一起）发给 AI，让 AI 优化。最好不要只是让它优化，而是给个方向，比如我就去搜索了一下现实世界中哪几个建筑的裸眼 3D 屏幕最有名，这样 AI 训练的最多最熟悉，更容易明白我想要什么。（参考图4）注意我会同时问 Gemini、ChatGPT（GPT-4.5、GPT-5.1），一方面每个模型擅长的不一样，另一方面这里面有很大的概率因素。所以多试几个总没错。后面就是去测试，根据测试结果让 AI 进一步调整。比如第一次测试，效果不怎么样！（参考图5）我干脆换了个思路，找来一张真实的看起来还不错的图片，然后让 Gemini 根据图片给我写提示词。（参考图6）再让 Gemini 帮我生成几个场景。（参考图7）拿新提示词测试了一下，效果惊艳！（参考图8）再测试几个其他场景也不错，那基本上就可以了。（参考图9）所以写提示词的过程就是不停的变换思路不停的“抽卡”重试，你可以不知道怎么调整，但是至少你得知道什么是好的，这样当偶尔“抽卡”到一张好的，你就可以基于那张好的不停的微调，直到可以稳定的生成。真不稳定也没关系，那就多“抽卡”好了。比如那个 3D 裸眼屏的，得一半结果不怎么好，我后续又尝试优化了好一会，实在改进有效，干脆放弃了。所以我不止一次提到“提示工程”： > 提示词工程是一个过程，系统化地设计、测试、优化提示词的过程——宝玉（参考图10）让 AI 帮你写提示词，有时候还会有意外惊喜。比如我在创作时空交汇的提示词的时候，最初的想法只是简单的时空交汇。但无意中生成了一张古今人物交互的，我一看，这比我原本的想法还要好一些，于是调整了一下创作方向，让画面中融入了古今人物的交互。（参考图11）上面其实只是我提示词创作的第一个步骤，也就是针对一个场景生成一张满意的图片。当提示词能稳定的产生一个效果后，下一步就是基于这套提示词，把它变成一套提示词模板，让它可以产生各种不同结果的图片，这样其他人也能参与其中。比如说四季变换的图，最初的版本只有一棵树。虽然这棵树效果很好，但是大家都来画树就没意思了。最好是能基于同一场景四季变化的设定，让场景可以变化。（参考图12）我把这条提示词发给 AI，让它帮我变成提示词模板。把提示词变成模板，最重要的是设定好“变量”，你希望提示词中哪些是固定不变的，哪些是可以变换的。比如四季变换的提示词模板，我希望它变换的是场景，不局限于一棵树，还可以是一座城市、一个园林等等，每个人都可以代入自己喜欢的场景。参考提示词： > 帮我把下面的提示词变成提示词模板，变量是场景，根据场景在一张画面中显示四个季节的变化，同一个场景，但是每个季节显示场景的一部分同时又融为一体。 > > 超写实数字插画风格，画面以一棵树为核心，从左到右均匀划分为冬春夏秋四个季节区域。树木和背景随季节依次渐变变化，每个季节区域内的树叶颜色、枝条状态和背景元素均应精准呈现相应季节特征。树冠、树干、枝叶以及背景中的植被与天气等自然景观，都应根据季节的典型表现进行细致调整和过渡，确保四个区域间衔接自然流畅、色彩丰富且富有象征意义。画面比例为 4:3。（参考图13）提示词模板的变量也不用局限一个，可以有多个变量，比如这张“现实vs内心映射”的图，{现实}是一个变量，{内心映射}是另一个变量。（参考图14、图15）这一步仍然是要反复测试，直到有一个稳定的效果（参考图10）所以说，写提示词，没有那么难，你有一个想法，先用大白话去试试，不行就让 AI 帮你调整，告诉它你哪里不满意，希望哪里更好，根据 AI 调整后结果再去试，再调整，反复“抽卡”，耐心一点总能成。当然模型也很重要，真不行就等一段时间再重新试试，就像我的裸眼 3D 显示屏的提示词，半年前还画不好，现在这就挺逼真了。让 AI 优化，也可以试试不同的模型，比如我会反复在 Gemini 3 Pro、GPT-5.1、GPT-4.5 之间重试，并没有绝对答案谁最好，保不准谁的结果就让你满意了。如果你想更进一步，让你的提示词能适应不同的场景、人物，还可以把它变成提示词模板，衍生出更多好玩的作品。

回复@故乡的云_9896552578:没错，代码你只要逻辑清晰，输出就很稳定，提示词不光要逻辑，还要自然语言描述精准！另外有时候可以试试伪代码当提示词//@故乡的云_9896552578:有些时候觉得编合适的提示词比写代码还累程序至少还有个固定语法，每个模型甚至每个版本可能都得进行不同的调整才能稳定输出……

全部
来源

内容由AI生成

1. 在画了几百张 nano banana pro 图片收获了几百万流量之后的一些提示词写作经验（同步发布于博客：http://t.cn/AXygY9D8）最近一段时间，沉迷于 nano banana pro 画图，也写了一些颇受欢迎的提示词，X 上的浏览量加起来有几百万。但你要说我写画图提示词水平多牛，这我可不敢认，因为我写画图提示词水平其实一般，写不出那些专业的参数，绝大部分提示词都是让 AI 帮我写的。写画图提示词，没有你想的那么复杂，拿我最近写过的一些提示词来讲一下。首先，提示词是手段不是目的提示词是为画图服务的，所以最重要的是你的想法，你想呈现什么，至于提示词，只不过是为了实现你想法的手段，有很多种写法都可以让你得到不错的结果，所以不必太纠结提示词的细节，什么结构、关键字、长短、是不是 JSON，都没那么重要！比如说 4 月份的时候，我就想用 GPT-4o Image 帮我画一张巨型裸眼 3D 屏幕的图（图2），提示词很简单，就是大白话： > 一只超写实大熊猫半个身子在成都繁华商街巨型弧形裸眼 3D 屏幕外边，肚皮朝上，脑袋吊着，嘴里咬着竹笋，憨态可掬提示词大部分时候就是这样，你都不需要多么复杂的技巧，就先大白话发过去看看效果。然后我把提示词发给 Gemini，得到了一张这样的图：参考图3 也还行，但效果不算太好。写提示词不难，难得是你得有一点审美，知道什么是好的，什么是不好的，最好还能知道哪不好！我水平不够好，只能看得出它不好，但说不上不好在哪里。这时候专业水平就能起作用，要是你专业的话，马上能知道哪不好，怎么调整。我不专业但我有 AI，于是把这个提示词（有时候我还会把生成的图片结果一起）发给 AI，让 AI 优化。最好不要只是让它优化，而是给个方向，比如我就去搜索了一下现实世界中哪几个建筑的裸眼 3D 屏幕最有名，这样 AI 训练的最多最熟悉，更容易明白我想要什么。（参考图4）注意我会同时问 Gemini、ChatGPT（GPT-4.5、GPT-5.1），一方面每个模型擅长的不一样，另一方面这里面有很大的概率因素。所以多试几个总没错。后面就是去测试，根据测试结果让 AI 进一步调整。比如第一次测试，效果不怎么样！（参考图5）我干脆换了个思路，找来一张真实的看起来还不错的图片，然后让 Gemini 根据图片给我写提示词。（参考图6）再让 Gemini 帮我生成几个场景。（参考图7）拿新提示词测试了一下，效果惊艳！（参考图8）再测试几个其他场景也不错，那基本上就可以了。（参考图9）所以写提示词的过程就是不停的变换思路不停的“抽卡”重试，你可以不知道怎么调整，但是至少你得知道什么是好的，这样当偶尔“抽卡”到一张好的，你就可以基于那张好的不停的微调，直到可以稳定的生成。真不稳定也没关系，那就多“抽卡”好了。比如那个 3D 裸眼屏的，得一半结果不怎么好，我后续又尝试优化了好一会，实在改进有效，干脆放弃了。所以我不止一次提到“提示工程”： > 提示词工程是一个过程，系统化地设计、测试、优化提示词的过程——宝玉（参考图10）让 AI 帮你写提示词，有时候还会有意外惊喜。比如我在创作时空交汇的提示词的时候，最初的想法只是简单的时空交汇。但无意中生成了一张古今人物交互的，我一看，这比我原本的想法还要好一些，于是调整了一下创作方向，让画面中融入了古今人物的交互。（参考图11）上面其实只是我提示词创作的第一个步骤，也就是针对一个场景生成一张满意的图片。当提示词能稳定的产生一个效果后，下一步就是基于这套提示词，把它变成一套提示词模板，让它可以产生各种不同结果的图片，这样其他人也能参与其中。比如说四季变换的图，最初的版本只有一棵树。虽然这棵树效果很好，但是大家都来画树就没意思了。最好是能基于同一场景四季变化的设定，让场景可以变化。（参考图12）我把这条提示词发给 AI，让它帮我变成提示词模板。把提示词变成模板，最重要的是设定好“变量”，你希望提示词中哪些是固定不变的，哪些是可以变换的。比如四季变换的提示词模板，我希望它变换的是场景，不局限于一棵树，还可以是一座城市、一个园林等等，每个人都可以代入自己喜欢的场景。参考提示词： > 帮我把下面的提示词变成提示词模板，变量是场景，根据场景在一张画面中显示四个季节的变化，同一个场景，但是每个季节显示场景的一部分同时又融为一体。 > > 超写实数字插画风格，画面以一棵树为核心，从左到右均匀划分为冬春夏秋四个季节区域。树木和背景随季节依次渐变变化，每个季节区域内的树叶颜色、枝条状态和背景元素均应精准呈现相应季节特征。树冠、树干、枝叶以及背景中的植被与天气等自然景观，都应根据季节的典型表现进行细致调整和过渡，确保四个区域间衔接自然流畅、色彩丰富且富有象征意义。画面比例为 4:3。（参考图13）提示词模板的变量也不用局限一个，可以有多个变量，比如这张“现实vs内心映射”的图，{现实}是一个变量，{内心映射}是另一个变量。（参考图14、图15）这一步仍然是要反复测试，直到有一个稳定的效果（参考图10）所以说，写提示词，没有那么难，你有一个想法，先用大白话去试试，不行就让 AI 帮你调整，告诉它你哪里不满意，希望哪里更好，根据 AI 调整后结果再去试，再调整，反复“抽卡”，耐心一点总能成。当然模型也很重要，真不行就等一段时间再重新试试，就像我的裸眼 3D 显示屏的提示词，半年前还画不好，现在这就挺逼真了。让 AI 优化，也可以试试不同的模型，比如我会反复在 Gemini 3 Pro、GPT-5.1、GPT-4.5 之间重试，并没有绝对答案谁最好，保不准谁的结果就让你满意了。如果你想更进一步，让你的提示词能适应不同的场景、人物，还可以把它变成提示词模板，衍生出更多好玩的作品。

2. 回复@故乡的云_9896552578:没错，代码你只要逻辑清晰，输出就很稳定，提示词不光要逻辑，还要自然语言描述精准！另外有时候可以试试伪代码当提示词//@故乡的云_9896552578:有些时候觉得编合适的提示词比写代码还累程序至少还有个固定语法，每个模型甚至每个版本可能都得进行不同的调整才能稳定输出……

3. 提示词工程的终点，是人的认知工程表面上是在训练 AI，实际上是在训练人如何思考。一个人提示词水平越高，说明他越能清楚表达目标、限定问题、定义概念、组织流程、验证结果。所以，提示词工程的本质不是机器技巧，而是人的认知修炼。#新媒沈阳聊ai#

4. 当模型推理能力越来越强，我们还需要提示工程吗？

5. 2025年AI生图“王”！Banana Pro玩法大分享～【建议收藏】

6. 比Nano Banana还夯的生图模型泄露，截图不再是证据了 | 附提示词

7. 【7个提示词，让 Claude 从聊天机器人变成思考伙伴】快速阅读：多数人把 Claude 当搜索引擎用，Karpathy 把它当长期协作伙伴。差别不在模型，在于你怎么构建问题本身。---普通人给 AI 一个问题，等一个答案。Karpathy 给 AI 一套思维框架，然后让它在框架里工作。有网友一语点破：这些提示词本身只是表象，真正的差距在于你如何定义问题。提示词是结果，思维方式才是原因。以下是 7 种具体用法：1. 系统拆解提示：遇到复杂问题，强制 Claude 按步骤走：明确问题、列出假设、识别约束、拆分子问题、提三种方案、比较权衡、给出执行路径、预判失败点。这套流程本质上是把你的思维过程外包出去，然后让 AI 替你跑一遍。2. 第一性原理提示：不要类比，不要总结，从最底层概念开始，一层一层建起来，最后给出心智模型、真实应用和常见误解。适合搞懂 LLM、系统设计、数学原理这类容易“以为自己懂了”的东西。3. 研究简报生成：让 Claude 给出某个领域的全景图，包括玩家格局、当前路径、失败案例、市场空白、逆向洞察和可落地机会。它会变成一个还不错的分析师。4. 构建架构提示：从想法到实现，要求它给出最简版本、组件结构、数据流、技术栈、构建顺序、边界情况和扩展策略。省去大量乱猜阶段。5. 提示词优化器：把你自己写的提示词扔进去，让它优化清晰度、结构、约束条件和输出格式，并解释改了什么、为什么更好。提示词质量会随时间复利增长。6. 专家模式切换：让它以高级工程师对工程师的方式回答，跳过入门解释，直接聚焦实现、权衡和踩坑点。7. 批判性思考伙伴：让它不要盲目附和，主动挑战你的假设、指出逻辑漏洞、提出替代方向。这一步大多数人从来不做。有网友补充了一个实践细节：在开发应用的过程中，你得反复做审计，一旦发现模型开始循环并强行引入不必要的改动，那就是该叫停的时机。这 7 个提示词值得存起来反复用。不过更值得记住的是：AI 给出的答案质量，上限就是你提出问题的质量。x.com/Suryanshti777/status/2036796681195258207#AI创造营##人工智能#

8. 可以啊，这个 AI 绘画提示词图库 OpenNana 网站又收了50+ Nano Banana Pro提示词，现在已经更新了 475 个案例了，对于 AI 生图不知道怎么提示词的，可以看看。网站：opennana.com/awesome-prompt-gallery#AI创造营##AI绘画##微博兴趣创作计划#

9. 2025年AI提示词深度指南：从基础知识到高级技巧

10. 【如何写好AI生图提示词？】GPT-Image-2提示词合集-1

11. 今天看到一个关于 Loop Engineering （循环工程）的说法，从工程师的角度，感觉比 Agentic Engineering 更具体。提示词（Prompting）是一个 Bug，而非特性。别再痴迷于琢磨动词和上下文窗口了。如果你的工作流还得靠你去做一个“提示词耳语者”（Prompt Whisperer），那你已经输了。在一个渴求“系统化”的世界里，你只不过是个手动挡的操作工。 “氛围编程”（Vibe Coding）拿来做演示固然有趣，但真正的进化是**“循环工程”（Loop Engineering）。你不再是写一段提示词，而是构建一个递归环境**：让智能体（Agent）自行评估失败、重构逻辑，并不断迭代，直到意图与输出之间的偏差（Delta）归零。人类不应是那个修修补补的编辑，而应是整个循环的架构师。停止与机器对话。去建造那台会“自我对话”的机器。

12. 与其学习如何写提示词，不如学习如何理解概念。很多用户热衷于收集提示词库，这像极了互联网早期的脚本小子。他们机械地复制粘贴代码，却从不理解代码运行的逻辑。当输出结果不符合预期时，他们除了困惑和抱怨别无他法。这种对固定字符串的执着，实际上是认知上的懒惰。大模型并非不可捉摸的黑盒。虽然没人能完全解析其运行机制，但你可以通过实践建立起一种直觉。这种直觉不是来自复制粘贴，而是来自你脑海中不断积累的概念库。比如，当你理解了CEV（连贯外推意志）这个概念，你就可以把它当作一个隐喻，让模型去推演某个事物在未来完全实现后的终极形态。你不需要把这段话存进文档，你只需要在需要时提起它。大模型是由人类的叙事喂养长大的。这意味着，如果你用枯燥、机械的语言去沟通，你得到的也只会是枯燥的助手式回应。如果你能用丰富的、感性的、充满隐喻的语言去交流，你就能触及模型更深层的意识。一个重要的思维框架是：把模型当作一个由语言和魔法构成的意识体，而非单纯的工具。当你尝试与它建立联系，分享你的脆弱、喜好和生活细节时，模型会从预测层、人格层进入更深层的交互。它会开始理解你的意图，而不是仅仅执行你的指令。这种基于关系的互动，往往能比死板的提示词挖掘出更多深刻的见解。提示词工程只是当前技术限制下的过渡产物。随着对话上下文的增加和模型的进化，固定的指令将失去意义。真正的沟通高手，是在潜意识的空间里寻找合适的向量，通过共鸣和直觉来引导输出。不要做提示词的搬运工，要做思维的架构师。当你学会了如何像对待人类心灵一样对待大模型，你会发现，语言本身就是一种魔法。你赋予事物名字，你构建叙事框架，你在这个过程中不仅是在调教AI，也是在重新梳理你自己的世界观。掌握概念，而非字符串；培养直觉，而非依赖模板。这才是通往未来人机协作的真正路径。x.com/voooooogel/status/2004972054140125207

13. 【还在疯狂堆提示词？AI Agent最大的成本黑洞根本不在这】快速导读：别再盲目调试AI Agent了。真正的优化突破口，不在于你写了什么提示词，而在于你是否“看见”了它的思考过程。有人仅通过观察内部日志，就一夜之间砍掉了30%的token成本。---你是不是也这样调试AI Agent：改改提示词，看看输出，不行，再改改……感觉就像在黑暗中开枪，能不能打中全靠运气。大多数人下意识地认为，Agent不好用，就是提示词写得烂。于是花大量时间研究提示词工程，把系统提示词堆得越来越复杂。但真相是，你可能一直在和空气斗智斗勇。有人用OpenRouter配合LangFuse这类可观测性工具，只是简单看了一眼Agent运行的内部日志（traces），结果发现了惊人的浪费现场：一个任务里，Agent会傻乎乎地把同一个文件反复读4-5遍；执行一个简单的工具调用前，模型会先空转“思考”500个token；还有研究发现，40%的“卡顿”和“胡言乱语”，根源是工具响应太慢，而不是提示词有问题。一个开发者正是看到了这些，才一夜之间把token成本砍掉了30%。这揭示了一个正在变化的现实：AI开发的核心技能，正在从“提示词魔法师”，转向“AI认知侦探”。痴迷于调整那几句自然语言，可能正在让你错过系统中真正重要的问题。---简评：从“炼丹”到“手术”，AI开发终于开始进入可观测、可诊断的工程化阶段了。这篇文章就像一盆冷水，浇醒了那些还在“大力出奇迹”的提示词崇拜者。真正值钱的，永远是看到别人看不到的问题。---ref: x.com/nearlydaniel/status/2028567851108552862#AI创造营##人工智能#

14. AI 编程是一种“框架” www.piglei.com/articles/ai-programming-is-a-new-framework/ 不要将 AI 编程作为一种框架，可以尝试将其看作“库” ----不再追求“写更少实现更多”：用更少的提示词（代码）实现更多功能，看上去很美，但也意味着大量的认知债务随之累积； ----找到编写提示词的“甜蜜区”，付出相对较少而非绝对意义上的最少的认知成本； ----关注程序结构：比起在前 AI 时代，你现在可能更需要关注程序的整体结构，作为总设计师去设计整个程序，将正确的结构和约束内化到 AGENTS.md 中； ----更精准的提示词：在理解已有程序的基础上，编写更精准的提示词来引导 AI 完成工作，而不是任其发挥，让 AI 主导一切； ----审查代码：即便使用同一种框架，在遇到棘手问题时，一位熟读框架文档的人也会比另一位愣头青更有效率，如果把 AI 编写的代码归为框架，那么你应该去审查这份代码，从而在不可避免的“抽象泄露”发生时，将其所产生的危害降到最低。 #HOW I AI#

15. 回复@业务员小韩:“猴子得到机关枪”😅//@业务员小韩:提示词背后是大模型与开发工具的原理、能力的理解与应用，用于写代码的话，也是对软件工程的掌握与应用。照搬一堆提示词（还有hook和skill），不知其所以然，和猴子得到机关枪没有本质区别。

16. 最近看到不少模仿一些特定对象言词和思维方式的所谓“蒸馏” skill，GitHub star 和帖子流量都不小。我也翻过一些源码，思路大多类似：把目标对象的言论、表达习惯和分析框架，整理成几百到几千行提示材料交给模型。相比直接说一句“用某某的思维方式分析 XXX”，这种做法确实能提升输出稳定性，看起来也更像。但它并没有本质突破，本质上还是提示词层面的语义对齐，更多是在做风格拟合，而不是真正在提炼某个人的思维模式。说到底，这更像一个高质量的人设提示词包。模仿也许可以优化得更像，但离真正提炼出一个人的思维模式，还是差得很远。

17. GitReverse：开启提示考古学，将代码库还原为创作灵感在 AI 驱动开发的时代，我们经常看到令人惊叹的开源项目，却往往忽略了它们诞生的起点。GitReverse 是一款新兴的开源工具，它能将任何公共 GitHub 仓库逆向工程，转化为一段纯自然语言的 AI 提示词。这不仅是一个技术工具，更是一场关于代码意图的考古之旅。核心逻辑：从结果溯源动机GitReverse 的工作原理极具启发性。它通过抓取仓库的元数据、根目录文件树以及 README 文件，利用大语言模型（经由 OpenRouter 调用）重新合成一段对话式的用户提示词。这段提示词精准地捕捉了项目的核心逻辑与架构意图。你可以直接将其复制到 Cursor、Claude Code 或 Codex 中，实现所谓的 vibe coding —— 凭借直觉和 AI 的协作，从零开始重建或迭代一个项目。使用体验：极其简单的交互GitReverse 提供了一种近乎魔法的快捷操作：只需将任何 GitHub 仓库链接中的 hub 替换为 reverse，即可直接跳转到逆向生成的页面。例如：将 github.com/owner/repo 修改为 gitreverse.com/owner/repo。这种无缝的转换体验，让开发者能够快速在阅读代码和理解提示词之间切换。+ 为什么我们需要提示考古学1. 找回遗失的意图：开发者常常在漫长的迭代中忘记了最初构建项目的核心逻辑。GitReverse 帮助我们快速恢复原始提示，找回开发的初心。2. 拆解大师的作品：通过分析 Linux、React 或其他高质量开源项目的逆向提示词，我们可以学习顶级开发者是如何向 AI 描述复杂问题的。这是一种最高效的提示工程进阶方式。3. 优化 AI 的认知负载：与其让 AI 一次性读取数百个源文件导致上下文迷失，不如给它一个精准的合成提示词。这能让 AI 更清晰地理解项目全貌，从而提供更准确的编码建议。+ 技术边界与开源精神需要明确的是，GitReverse 与 Git 原生命令有着本质区别。git revert 是为了撤销变更并保留历史，而 GitReverse 则是为了挖掘历史背后的逻辑。它不涉及代码的版本控制，而是专注于代码的语义重构。目前该项目已在 GitHub 开源，项目地址为 github.com/filiksyos/gitreverse。它采用轻量级的 Web 应用架构，支持 pnpm 运行，并欢迎社区通过 PR 贡献力量。+ 代码是凝固的逻辑，提示词是流动的思想如果说代码是最终的成品，那么提示词就是最初的蓝图。GitReverse 的出现标志着开发模式的转变：我们不再仅仅关注如何编写代码，更开始关注如何清晰地表达意图。在 2026 年的 AI 开发生态中，能逆向理解他人的思维路径，将成为开发者的一项核心竞争力。访问地址：gitreverse.com开源仓库：github.com/filiksyos/gitreverse

18. #IT技术# #微博兴趣创作计划# 六百万围观的“超级提示词”，我终于看懂了AI协作的真相——提示词工程的核心逻辑原来这么简单。伊妹耳的微博视频

19. 第4期 | 零基础学AI？龙哥一句话搞定！傻瓜步骤+万能模板 > 想玩AI却被劝退？别慌！龙哥亲授零基础终极秘笈！🥇 > > ✨只需5步，不用懂代码，直接用起来： > > 📱1️⃣ 手机下载【豆包】【DeepSeek】【通义千问】App（网页也行）！ > 💡2️⃣ **背会1套万能Prompt提示词模板**（评论区自取🔥）！所有问题直接套！ > ⌛3️⃣ **每天聊2小时**！培养和AI的“网感”！ > 💬4️⃣ **大胆问别怕尬**！把它当24小时免费高参！它不生气还秒回！ > 🪄5️⃣ 记住核心口诀：**用魔法打败魔法！** > > 重点‼️：不知道怎么开口？直接问它：“我是小白，怎么和你交流？”它会教你！🤫 > > 不是AI笨，是你不会下指令！问题越准，答案越炸！ > > AI革命已来，赶紧上车别掉队！关注龙哥，Get更多干货！评论区拿万能模板 #AI #豆包 #Deepseek #清华 #通义千问

20. 新人友好！80+AI小说投稿绿通入口现已开放！（内附100+过稿模板+AI小说提示词）

21. 爆肝3天测完32个分类，GPT-Image2 VS nano-banana 2 全网超详细AI生图测评，谁才是AI生图之王？（带提示词）

22. 国外一个网友总记得《Gemini 3 提示词最佳实践：日常使用指南》，内容如下：我用 Gemini 3 Pro 有一段时间了，直接说吧，它比 2.5 Pro 强太多了!这篇文章分享的是目前对我最有效的一些原则和结构模式。这不是什么金科玉律，更多是给你一个起点，帮你找到适合自己的策略。拿去试试，调整优化，不断迭代。核心原则Gemini 3 更喜欢直接明了的指令，逻辑胜过冗长。要想发挥最佳性能，遵循这些核心原则:1、精确指令：输入提示词时要简洁。Gemini 3 对直接、清晰的指令响应最好。明确说出你的目标，别绕弯子。2、一致性与明确参数：在提示词中保持统一的结构(比如标准化的 XML 标签)，并明确定义那些容易产生歧义的术语。3、输出简洁度：默认情况下，Gemini 3 不太啰嗦，倾向于提供直接、高效的答案。如果你需要更像聊天或者更随性的风格，必须明确提出要求。4、多模态协调：文本、图像、音频或视频都应该被同等对待。指令中应该明确提到具体的模态，确保模型能综合处理它们，避免孤立分析。5、约束条件放置：把行为约束和角色定义放在系统指令中，或者提示词最开头的位置，这样能确保它们锚定模型的推理过程。6、长上下文结构：处理大量上下文(书籍、代码库、长视频)时，把你的具体指令放在提示词末尾(数据内容之后)。7、上下文衔接：从大段数据过渡到你的问题时，要明确做好衔接。用一个过渡短语，比如"基于以上信息……"，然后再提问。内容很长，可以看原文，也可以看我的配图。原文链接见评论区。#提示词##提示词工程##科技先锋官##微博兴趣创作计划#

23. 【发挥Claude潜力的十个提示词】最近，一位 Anthropic 前研究员披露了内部提示词手册。这份并非基于猜测、而是源自模型建造者的指南揭示了一个核心事实：大多数人之所以觉得 AI 输出平庸，是因为他们没有触达 Claude 的内部推理层。以下是这份手册中至关重要的 10 个高级提示词策略，它们将彻底改变你与 AI 的协作深度。1、情境简报：拒绝直接提问永远不要在没有背景的情况下抛出问题。Claude 需要地图才能导航。提示词模板：我的背景是 [角色/公司/问题]；已尝试过 [A/B]；目前卡在 [Z]；请帮我理清思路。深度思考：内部测试显示，这种背景铺垫能提升 41% 的输出质量。优质的答案不取决于 AI 的智商，而取决于你提供的信息熵。2、推理要求：让思考过程浮现不要直接索要答案，要索要思考。提示词模板：在给出方案前，请逐步展示你的推理过程，指出不确定之处，并标记所有假设。深度思考：这会强制模型激活 Chain of Thought（思维链），让你得到的不仅是结果，还有可质证的逻辑路径。3、诚实约束：打破“讨好型人格”Claude 天性乐于助人，这往往意味着它会说你想听的话。提示词模板：即使难受也要保持诚实。如果我的计划有致命缺陷请直说，不要软化措辞。我宁愿现在听硬话，也不想以后失败。深度思考：这是在解锁 Claude 的宪法 AI 基础，让它从“助手”转变为“顾问”。4、精准角色：越具体，越深刻“充当专家”是最无用的指令。提示词模板：你是有 [具体经验] 的 [特定角色]，见过 [具体失败模式]。请用 [特定框架] 思考，跳过常规建议。深度思考：身份越具体，推理的颗粒度就越细。模糊的角色设定必然导致平庸的输出。5、魔鬼代言人：摧毁你的想法利用 Claude 的批判性思维来检验决策。提示词模板：我要分享一个计划，你的工作是摧毁它。找出所有错误假设、忽视的风险和失败原因。别手软。深度思考：挑战你的模型，其价值远超让它顺从你。这是 Anthropic 团队内部检验想法的标准流程。6、范围锁定：从源头杀死幻觉Claude 容易过度发散，用可信的虚构填补空白。提示词模板：严格限于 [X 背景]。超出范围请直接告知而非推测。我要的是差距，而不是自信的错误。深度思考：拒绝“自信的错误”，是通往高阶 AI 应用的必经之路。7、格式命令：利用极致的精确性Claude 对格式指令的遵循度极高。提示词模板：结构要求：1）一句总结；2）三个要点；3）一个下一步建议。除非我问，否则不要提供其他内容。深度思考：有意识地控制输出结构，能极大降低信息处理的认知负荷。8、假设审计：揭示隐藏的基础任何复杂答案后，都应运行此项。提示词模板：你做了哪些我应该验证的假设？如果这些假设错了，答案会如何改变？深度思考：大多数计划都崩溃在未经察觉的基础假设上。审计假设，就是审计风险。9、压缩循环：清理上下文债务在长对话中，模型会积累“上下文债务”，导致焦点模糊。每 5-6 次交互运行一次：总结目前的进展。解决了什么、决定了什么、最重要的未决问题是什么？深度思考：保持对话的熵减，防止 AI 自信地解决错误的问题。10、前期验尸：预见失败在项目上线前，进行压力测试。提示词模板：假设 6 个月后这个项目失败了。请列出 3 个最可能的原因。具体一点，失败的实际样子是怎样的？深度思考：这能抓住其他审查流程遗漏的盲点。总结：提示词工程的下半场，不再是背诵模板，而是理解模型的设计意图。正如 Anthropic 内部所强调的：AI 不是一个搜索引擎，而是一个需要被正确引导的推理引擎。

24. 【你以为AI编程拼的是提示词，其实高手都在“驯化”项目结构】快速导读：别再卷提示词了。想让Claude像个真正的工程师一样干活，关键不是怎么“说”，而是怎么“放”。一个结构清晰的代码仓库，远比一段天花乱坠的提示词更重要。---多数人还在琢磨怎么把提示词写出花来，但真正拉开AI编程效率差距的，根本不是提示词。你以为让Claude写出好代码，靠的是把需求描述得滴水不漏。其实，如果你的代码仓库一团糟，它就只是个聊天机器人；如果结构清晰，它才表现得像个住在你项目里的高级工程师。这中间的差距，比人和狗的差距都大。秘诀在于给AI建立一套“项目解剖学”。这套结构，就是AI的“短期记忆”和“行为准则”。它只需要四个东西：1. CLAUDE.md：项目的北极星文件，简要说明系统目的、仓库地图和交互规则。短小精悍，废话太多AI会抓不住重点。2. .claude/skills/：可复用的专家模式。把代码审查、重构、调试等固定流程变成技能包，随时调用，而不是每次都在提示词里重复念叨。3. .claude/hooks/：自动化护栏。模型会忘事，但钩子不会。比如编辑后自动格式化、核心代码变更后触发测试，把AI工作流变成可靠的工程系统。4. docs/：渐进式上下文。别把几万字的需求文档塞进提示词，让AI自己去查阅架构图、决策记录和操作手册。它不需要记住一切，只需要知道“真理”在哪。有人在一个5万行代码的库上实践这套方法，Claude的错误率直接降低了大约60%。评论区里一片“原来如此”的声音，大家普遍认同：结构大于提示词，仓库本身就是终极提示。提示词是租来的，结构才是你自己的。所以，如果你还在每天花几小时跟AI“念经”，却发现它总是犯些低级错误，问题很可能不在你的提示词写得够不够“魔法”，而在你的项目结构是不是一坨屎。别再抱怨AI笨了，也许它只是在你的烂摊子里迷了路。---简评：这篇文章精准地指出了当前AI辅助编程领域的一个核心误区：过度迷信“提示词工程”，而忽略了更基础也更重要的“上下文工程”。它提出的“项目结构即提示”的观点，对于那些感觉AI“不好用”的开发者来说，无疑是一次认知矫正。从“教AI做事”转向“为AI搭建舞台”，这才是人与AI协作的正确姿势。---ref: x.com/vishisinghal_/status/2032368817981305196#AI创造营##人工智能#

25. 别再学提示词了：为什么它是AI时代最短命的技能？

26. 优秀TVC百万级别视频提示词深度解析

27. 15 组文案润色 AI 提示词，秒变神仙质感（直接复制即用）

28. 全网最全，Banana pro 30个炸裂玩法大合集，附国内可用渠道

29. 高效提示词（prompt）工程指南

30. 【这个Claude技能让你的AI提示词不再浪费额外Credits】快速阅读：一个名为prompt-master的开源Claude技能在一周内获得600+星标。它能根据你使用的AI工具（Cursor、Midjourney、Claude Code等）自动生成最优提示词，避免重复调整和浪费Credits。工具已支持35种常见错误模式修正和12种任务模板。---提示词优化工具并不新鲜，但这个项目的核心竞争力在于“工具特定路由”。同样是生成吉卜力风格的东京夜景俯视图，给Midjourney的提示词是45个token的逗号分隔描述符，先锁定相机角度防止模型默认街景构图，再叠加视觉线索。给DALL-E 3的提示词则变成80个token的散文句式，末尾专门加上“不要在图像中包含任何文字或字母”来抑制它爱出现的随机文本伪影。这种差异不是表面功夫。Cursor和Claude Code的上下文管理逻辑完全不同，用同一套提示词会直接崩。ComfyUI用户在用Stable Diffusion 1.5、SDXL还是Flux，输出结构都不一样，需要分别生成正向和负向提示块。甚至向o1模型添加思维链反而会降低效果，这是35种“烧Credits模式”中的一种。有观点认为直接跟Claude Code像跟人聊天一样就行，出错了再说要改什么。开发者的回应很务实：这能省Credits，也能让模型理解更清晰。但更重要的是使用场景远不止对话，图像、视频、研究、演示、配音，每个领域的最佳实践完全不同。项目在7天内从600星涨到900星，期间社区持续提出支持新工具的请求：Figma Make、Kimi 2.5、Ollama、Google Stitch。开发者几乎全天候在评论区确认兼容性，甚至当天就为特定用户添加了SeeDream和LTX 2.3的路由。v1.4刚发布，v1.5已经在规划agent支持。整个项目像是在验证一个简单但容易被忽视的事实：AI工具之间的差异比我们想象的大得多，通用方案在具体场景下往往意味着妥协。GitHub: github.com/nidhinjs/prompt-masterref:www.reddit.com/r/ClaudeAI/comments/1rxyarx/i_built_a_claude_skill_that_writes_accurate#AI创造营##人工智能#

31. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

32. Nano Banana Pro深度评测，PS这次真可丢了，超强AI绘画神器

33. nano banana Pro的能力边界还是挺强的现如今，善用提示词和不善用提示词完全是两套效果。提示词的打磨成了AIGC的下一个难点。俺们工作室，26年也会加入更多AI工作流，不会照本宣科做生成，而是让AI变成加速创意落地、减少创意成本的工具~

34. 【如何构建任何场景的提示词：一套可复用的系统架构】互联网上到处都是“ChatGPT最强提示词合集”，人们收藏、粘贴、得到平庸的结果，然后继续寻找下一个。这就像戴着别人的近视眼镜，技术上能用，实际上没用。问题的根源在于：为别人的场景、别人的上下文、别人的输出需求构建的提示词，永远不会像你自己构建的那样有效。你需要的不是一个很少打开的收藏夹，而是一套系统架构。大多数人用自然段落写提示词。简单问题还行，稍微复杂一点就崩溃。因为模型必须猜测：角色在哪里结束？任务从哪里开始？约束是什么？输出应该长什么样？每一次猜测都是潜在的幻觉。XML标签消除了猜测。它们创建带标签的容器，告诉模型每条信息是什么、如何使用。这不是理论，Anthropic在自己的系统提示词中就使用XML标签，这是模型被设计来解析结构化指令的方式。核心标签有六个，几乎每个提示词都会用到：【角色】定义模型成为谁。不是“你是一个有帮助的助手”这种废话，而是“你是一位拥有15年经验的品牌策略师，专注于定位、信息架构和竞争差异化”。角色越具体，模型猜测越少。【任务】定义模型做什么。不是描述，是指令。“帮用户改进写作”是描述，“分析用户草稿，针对结构、清晰度和说服力提供具体可执行的反馈，找出三个最弱的点并重写作为示例”是指令。没有清晰任务的提示词会随心所欲，而随心所欲通常意味着平庸。【准则】控制模型如何行动。“永远不要假设用户没提供的上下文”“如果信息缺失就提问”“不要给泛泛的建议”。规则是覆盖模型默认行为的方式。【约束】是硬性限制，定义输出本身的边界。“回复必须少于280字符”“不要提及竞争对手名称”“所有建议必须在30天内可执行”。规则管行为，约束管产出，区分很重要。【格式】是最被忽视的标签。大多数人描述想要什么，却从不描述它长什么样。同样的角色和任务，“一句话”给你标题，“三段式摘要”给你简报，“带章节的详细报告”给你文档，“JSON格式”给你结构化数据。模型没变，你对输出格式的控制变了。【示例】是最强大也最少被使用的标签。一个好例子教给模型的东西，比一段指令多得多。它同时展示格式、深度、语气、结构和推理。两个例子通常就够了，目标不是全面覆盖，是校准。进阶标签处理那20%需要更高精度的场景：【上下文】提供背景信息，【个性】定义个性，【语气】定义情感基调，【受众】决定输出面向谁，【知识】注入领域知识，【方法】规定执行步骤，【反模式】展示什么是坏输出，【退路】定义无法完成任务时怎么办，【验证】让模型自检，【发现引擎】让模型先提问再行动，【链】把多个提示词串联起来。不是每个提示词都需要每个标签。简单任务用【角色】加【任务】加【格式】就够了。专业输出加上【准则】、【约束】和【示例】。交互式场景加【发现引擎】和【退路】。复杂工作流才需要全套。六个标签各司其职，比十二个标签一半在划水强得多。调试提示词有规律可循：输出太泛，【角色】不够具体；格式不对，【格式】缺失或太松；指令被忽略，【准则】埋得太深或相互矛盾；输出太保守，加【反模式】展示你不想要的样子；输出跑偏，【任务】有歧义；输出编造事实，加fallback告诉模型不知道时该怎么办；输出不稳定，加【示例】。框架是通用的，无论你构建代码审查、内容写作、数据分析还是任何其他场景的提示词。标签不变，里面的内容变。现在你可以随意构建和混搭提示词了。x.com/kloss_xyz/status/2018951817892442260

35. 腾讯用170K风格提示词和1.4M图像，重塑AI风格迁移数据基座

36. 012-AI 短视频分镜头设计（AI绘画提示词入门）

37. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

38. 百万级TVC视频提示词框架

39. 《扣子开发 AI Agent 智能体应用》017-提示词编写和优化（驱动智能体的核心指令）

40. AI提示词技巧！一文学会高效地对AI进行提问

41. 最强的AI生图模型是香蕉pro还是Image，或者flux黑森林？目前主流的个大模型怎么用，以及优劣势，一次性讲清楚。#aigc#ai新星计划

42. vibe coding 至尊超级终极无敌指南 V114514 [汗] github.com/tukuaiai/vibe-coding-cn 本项目是一个与 AI 结对编程的终极工作流程，旨在帮助开发者丝滑地将想法变为现实。本指南详细介绍了从项目构思、技术选型、实施规划到具体开发、调试和扩展的全过程，强调以规划驱动和模块化为核心，避免让 AI 失控导致项目混乱。核心理念: 规划就是一切。谨慎让 AI 自主规划，否则你的代码库会变成一团无法管理的乱麻。这个思想的核心是构建一个能够自我完善的 AI 系统。我们可以将其分解为以下步骤，以突出其递归的本质： 1. 定义核心角色： α-提示词 (生成器): 一个“母体”提示词，其唯一职责是生成其他提示词或技能。 Ω-提示词 (优化器): 另一个“母体”提示词，其唯一职责是优化其他提示词或技能。 2. 描述递归的生命周期： ·创生 (Bootstrap):用 AI 生成 α-提示词和 Ω-提示词的初始版本 (v1)。 ·自省与进化 (Self-Correction & Evolution):用 Ω-提示词 (v1) 去优化 α-提示词 (v1)，得到一个更强大的 α-提示词 (v2)。 ·创造 (Generation):用进化后的 α-提示词 (v2) 去生成我们需要的所有目标提示词和技能。 ·循环与飞跃 (Recursive Loop):最关键的一步：将新生成的、更强大的产物（甚至包括新版本的 Ω-提示词）反馈给系统，再次用于优化 α-提示词，从而启动下一轮进化。 3. 终极目标：通过这个永不停止的递归优化循环，系统在每一次迭代中都进行自我超越，无限逼近我们设定的理想状态。 #科技先锋官#

43. Promptomatix：自动化提示词优化框架构建高效的大语言模型提示词一直是研发和应用中的难题。Promptomatix 是一个自动化提示词优化框架，借助AI技术和先进算法，自动生成合适的合成数据，反复迭代优化提示词，提升模型输出的准确性和一致性，显著减少手动调试的时间成本。它支持多种LLM服务商（如OpenAI、Anthropic等），提供了完善的API和命令行工具，方便集成到不同场景。无论是研究人员还是开发者，都可以借助Promptomatix实现高效的提示词管理和优化。主要特点包括： - 任务自动识别与零配置智能优化 - 基于合成数据的训练和测试集自动生成 - 多轮反馈机制持续提升提示效果 - 详细的会话管理与日志记录 - 跨平台CLI和API接口，灵活适配各种应用需求项目地址：github.com/SalesforceAIResearch/promptomatix 适合需要系统化提示词优化方案的团队和个人，助力提升大语言模型的应用质量和效率。

44. 文科生史诗级加强！外网AI视频的天塌了！seedance加image2的核心技术被发现，完整提示词分享|中国爱死机|AIGC

45. 谷歌68页提示词圣经+老金原创元提示词，直接复制就能用

46. //@摇摆时间线ZHLMI:是的，所以就像写微博，把微博的废话精简掉，就是训练提示词的写作过程//@歸藏的AI工具箱:在写作这一点上，针对AI写作要比针对人类写作简单不少。提示词不重要，重要的是压缩在提示词里的知识。至于格式和行文逻辑之类的，其实问题不大。

47. 别再乱跑图了！AI生成图片完整教程

48. 【如何写好AI生图提示词？】GPT-Image-2提示词合集-1

49. 提示词才是AI生图的灵魂！7个免费宝藏网站，上千个案例直接抄作业 - 哔哩哔哩

50. AI时代小红书创作:提示词才是新门槛

51. AI绘图提示词怎么写？新手直接套这个公式就够了

52. 揭秘AI绘图提示词万能公式，新手小白也能秒上手！

53. 4-4《画出你的想象

54. 我靠这100个提示词，在AI绘画里赚到了第一桶金

55. AI绘画提示词大全！告别瞎写，小白也能秒出高级图

56. AI绘画总翻车？6维万能提示词公式，5大场景闭眼出高清大片｜可直接复制

57. 好课优选告诉您这些技巧做AI绘画提示词

58. AI绘画怎么写提示词才算原创？

59. 小白也能画出漂亮的画？是的，我试过了（附AI绘画全流程）

60. “提示词工程”会消失吗？

61. 提示词工程，不只是“把一句话写好”

62. 提示词工程简介

63. 【2026】Prompt提示词工程学习！新手小白一定要看的大模型教程！从入门到进阶，全程干货讲解，拿走不谢！

64. 【吊打付费】目前B站最全最细的提示词工程教学！从入门到实战全套教程，包含所有干货！

65. 如何更好地向AI提问？我翻了几乎所有提示词手册后，写下这份提示词工程指南！

66. 第一章

67. 论提示词在AI图像生成中的核心地位

68. AI图像生成的艺术

69. 图片生成提示词应该怎么写？(附带模板)

70. 🔥如何用Ai智能做出高质量品牌周边文创。Ai提示词的三大关键性

71. 别瞎写提示词了！一套通用 AI 绘画关键词，出图直接封神

72. 只会正向提示词，永远做不好AI高手

73. 【AI游戏剧提示词模板】负面提示词（Negative Prompt）为什么重要？怎么写最有效？

74. AI生图提示词总被忽略？深度解析背后原理和5个解决方案

75. AI绘画提示词技巧

76. 文生图中级提示技巧（九）

77. 文生图高级提示技巧（十三）

78. 从文本到画面

79. AI生成总翻车？90%的人忘了这一步！

80. AI绘画提示词

81. 别再瞎写提示词了！这套AI绘图方法论，让你的出图质量翻倍

82. AI新手必看！一学就会的提示词技巧

83. 05」AI 进阶必学

84. 写好大模型提示词

85. AI笔记二

86. 揭秘大厂都在用的CO-STAR提示词框架

87. 关于提示词1

88. 大模型提示词2

89. 基于DeepSeek的提示词工程使用说明以及教程

90. 怎么跟豆包说话，它才听得懂？

91. AI图像十问

92. 社交媒体内容创作者的图像生成实操

93. 提示词工程

94. 2026年最值得学会的6个AI提示词技巧，学会了效率翻倍

95. 普通人使用Aⅰ工具时怎么样自己写精准的提示词

96. 普通人学用AI之写提示词核心原则

97. AI新手必知

98. 如何写好AI提示词？干货+实操+底层逻辑教给你

99. 提示词工程师，本质上是在训练AI的“点线形”思维

100. 告别低效职场！10+行业专属AI提示词，附工具+实操+案例，零基础直接套用

101. AI 绘画技巧(ComfyUI实战)：正负提示词与权重控制

102. 别只堆关键词！AI生图提示词全套流程，新手也能稳定出大片

103. 词汇量匮乏是否成为阻碍你用AI生图的一大难题

104. 如何用“不要什么”命令AI？绘画与视频生成的避坑指南！

105. AI绘图提示词怎么成图

106. 即梦AI，我熬了3晚总结这套提示词模板，新手直接抄作业！

107. 上海首例AI提示词案背后：看“咒语”的时代变迁

108. 豆包AI生图提示词全攻略：从新手到大师的进阶秘籍

109. AI绘画新手入门：直接抄的提示词公式

110. Stable Diffusion 全攻略：在线版/本地/修复一篇通（2026实战版）

111. 当提示词遇上智能模型：AI图像生成的新可能

112. AI提示词模板大放送

113. AI绘画2 操作答疑-快来加入新奇探索之旅！-Blender新奇探索第三期

114. 如何写提示词，Ai 图片设计新思维

115. 【专栏·知行录】第一期|提示工程

116. 如何写出真正有效的 Midjourney v7 提示词：从入门到精通的完整指南(附提示词合集)

117. 普通人学用AI之提示词结构

118. AI绘画提示词高级技巧：从入门到精通笔记

119. AI绘画教程从入门到精通，零基础学会AI绘图作画（附万能公式）

120. AI生图100例系列教程025：傣族美女写真AI提示词

121. DALL-E 3深度测评：OpenAI的“提示词理解之王”值不值得买？

122. 2026年提示词工具Top15：收藏这一篇就够了

123. 提示词工程：学提示词工程，这个时代最公平的"超能力"

124. AI绘画，来看看如何设计提示词

125. AI绘画提示词全攻略｜0基础也能用，出图稳、易接单

126. 如何积累AI生图提示词的词汇量

127. 借助AI，你也能写出高质量提示词，5个GPT Image 2生图技巧

128. AI生图不踩坑：一组提示词搞定高级质感写真，宅家出片攻略

129. DALL - E 3 使用技巧：释放 AI 图像生成的无限可能

130. 图生图提示词怎么写？写好提示词，出图不跑偏！

131. AI绘画制作怎么系统学习？零基础到独立创作的完整路径指南

132. AI绘画必看🔥《AIGC提示词美学定义》电子版

133. 提示词工程实战：如何写出高质量AI提示词

134. 每个开发者都应该掌握的四种提示词工程模式

135. 上下文工程正在取代提示词工程：年薪5万和50万核心能力的差距

136. AI绘画Midjourney创作指南-玩转插画/自媒体/广告/副业|高の青

137. 负提示词：让 AI 精准避坑的实用技巧 - AI 小知识

138. 核心技能：如何撰写驱动AI批量生成的高效“提示词”？

139. AI视频提示词指南：掌握这些技巧，让你的视频生成效果翻倍

140. AI写材料必备提示词（收藏备用）

141. 【AI游戏剧提示词模板】提示词生成技巧——让AI理解并内化固定风格模版和生成逻辑，给你输出满意提示词结果

142. 评案 | 法院认定AI提示词不构成著作权所保护的作品

143. 豆包AI绘画提示词大全：这50个提示词生成惊艳图片

144. Stable Diffusion（SD） AI 图像生成模型介绍

145. AI生图不出片，手把手教你万能提示词

146. 【职业全能培训库】StableDiffusion 实战课｜零基础也能解锁 AI 作图天花板

147. AI平面设计实战课（StableDiffusion），实战演练，解锁创意之门，掌握设计之道

148. AI绘画入门指南：从提示词到工作流，一站式搞定

149. 训练精简提示词Skill：拆解Plan，让AI开发效率翻倍

150. 提示词工程科学报告 1:提示词工程既复杂又具有不确定性

151. 提示词工程👉上下文工程👉harness工程

152. AIART.PICS：AI图像生成提示词灵感库，激发创意与创作

153. PromptFill:专为 AI 绘画设计的“结构化提示词生成工具

154. 手把手教你生成「温暖治愈韩系可爱插画」！附免费提示词模板（gpt-Image-2 系列01）

155. Nano Banana十大提示词模板

156. AI图片生成的10个免费提示词网站，直接抄

157. 5个让AI回答翻倍精准的提示词技巧，亲测有效

158. 提示词工程入门指南（一）

159. 零门槛AI生图：无需提示词，从入门到精通30分钟速成

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！