这份「GPT-Image-2 提示词宝典」,把社区里最能打的长 prompt 都收齐了
在使用 GPT-Image-2(或 Evolink 同款能力)进行 AI 绘图时,核心痛点往往不在于是否会撰写提示词,而在于缺乏优质范本参照,难以把握提示词与最终出图效果之间的稳定性。GitHub 仓库 awesome-gpt-image-2-prompts(由 EvoLink 维护,CC BY 4.0 许可)集中收录并持续更新了社区验证过的长提示词案例。该仓库通过整理 README 中的实际出图与对应 Prompt,为解决“不知道好提示词长什么样”提供了具体参照。以下从该仓库中筛选出的 20 个典型案例,涵盖人像、海报、UI 等不同方向,并对每条 Prompt 的编写逻辑与可读性进行解析。
01人像摄影类:光影与构图的精准控制
- 极简电影人像(Cinematic Minimal Portrait)
策略:极短英文提示词也能成立。适合作为“先定光影与构图,再叠细节”的起点。 - 卧室镜面自拍(Mirror Selfie Bedroom Portrait)
策略:Negative 提示词与画幅比例单独成行。在人像类提示词中,这是减少翻车、控制画面的低成本补丁。 - 35mm 柔光人像(Soft Airy 35mm Portrait)
策略:通过“轻微过曝、低对比、粉彩色系”三连设置,实现安静、干净且不过分磨皮的日系日常风格。 - 奢华美妆人像(Luxury Glam Beauty Portrait)
策略:类似调色板与情绪词的拼贴。短 Prompt 也能出片,但可复现性依赖抽卡,适合作为风格 Moodboard 而非工程化模板。 - 9:16 Cosplay 截图(Cosplayer Galgame-style Screenshot)
策略:需将 UI 分层(状态栏/对话框/操作栏)写清楚。这属于“带界面合成的伪截图”类需求,逻辑不同于纯人像绘制。 - 街头回眸人像(Urban Turn-Back Street Portrait)
策略:导演级分镜写法。将姿态、焦距、光位、服装材质全部分拆描述,适用于需要画面极度具体的场景,而非笼统的街头风格描述。 - Sam Altman 滑板场快照(Sam Altman Skatepark Snapshot)
策略:极短指令测试。说明模型能执行简单语义,但构图与人物一致性越接近盲盒,适合娱乐,商用需谨慎。
02海报设计类:信息层级与风格锚定
- 波士顿 2026 春季城市海报(Boston Spring 2026 City Poster)
策略:典型的“一条视觉动线 + 地标清单 + 排版指令”。学习重点在于信息层级的构建,而非单句形容词的堆叠。 - 阿马尔菲复古旅行海报(Vintage Amalfi Travel Poster)
策略:前半句为测试语,后半段才是有效的风格锚定——明确指定复古印刷、高对比度、手绘边线。 - 成都美食地图插画(Chengdu Food Map Illustration)
策略:中文长提示词教科书。将数量、占比、标题区、边框与图例全部写死,模型才知道往哪里填充细节。 - 中式极简 S 形海报(Chinese Minimalist S-Shaped Poster)
策略:明确指定字体、印章、英文署名位置。这是“能出片的海报 Prompt”,而非泛泛的“中国风”描述。 - 涂鸦草图构建器(Doodle Sketch AI Builder)
策略:使用否定句锁风格。明确写出“不要水彩晕染、不要纸纹理”,比一百个正面形容词更管用。 - 墨韵广州美学海报(Ink-Curve Guangzhou Aesthetics Poster)
策略:构建 S 形叙事主轴,地标沿动线排布,配合冷暖对比。这种逻辑在城市主题海报中迁移性高。 - 2026 春季广州城市海报(2026 Spring Guangzhou City Poster)
策略:双重曝光叙事链(人→红绸→山河→城市手绘)写清楚,比只写“国潮海报”更容易得到复杂而有序的画面。 - 未来曼陀罗插画(Futuristic Mandala Illustration)
策略:若要稳定复现,建议在模板中补全:对称结构、配色方案、材质细节(金属/玻璃/粒子),而非仅依赖短句抽卡。 - 超任主机风格海报(Super Famicom Poster Style)
策略:展示“角色命题 + 媒介(SFC)”的一句话定向。细节源自模型对盒绘文化的先验知识,商用级稳定需补全画幅、字体区域与主色。 - 超现实锦鲤星云插画(Surreal Koi Nebula Illustration)
策略:主体关系一句说清(巨物 vs 小人、视线对位),适合奇幻封面与专辑视觉创作。
03界面与角色:特定场景的指令逻辑
- 单提示词 UI 设计(One-Prompt UI Design Generation)
策略:GPT-Image-2 有时吃“目标描述 + 组件清单”,不必每次都写 500 字。但需接受结果有一定随机性,需多次抽卡。 - 手写笔记本照片(Handwritten Notebook Photo)
策略:指定器物 + 光线(窗光、禁闪)+ 设备(iPhone)+ 手写不完美感。适合生成“像随手拍的学习/工作场景”类 Mockup,无人物主体,易过审。 - 女神异闻录风格角色卡(Persona5 Character Reference Card)
策略:典型的“条列需求 + 版式”。适合在有参考图时,让模型按照设定集的方式进行排版。
综上所述,优秀的提示词往往通过明确的逻辑结构(如叙事链、组件清单、否定约束)来引导模型,而非单纯依赖形容词堆砌。对于使用者而言,建议收藏原仓库以获取持续更新的案例,并在实践中迭代出适合自己的稳定模板。好提示词是迭代出来的,不是一次念对的咒语。
当前文章无评论,是时候发表评论了