要讲清楚这个问题，先看一个对比。只写“一只猫”可能生成模糊剪影，但写成“橘猫蹲在窗台，午后阳光斜射，毛尖泛金，窗外梧桐枝影投在它背上，浅景深，富士胶片色调”，出图稳定度立刻提升。区别在哪？后者让AI清楚知道“谁在哪儿、干什么、怎么拍、长什么样”——这就是那七层结构的实际作用。

先拆解提示词的七层结构

所有能稳定出图的提示词，都暗含这七个模块，而且一个都不能少：

• 主体描述：比如“老式报刊亭，斑驳水泥墙面，铁艺复古路灯”
• 场景环境：比如“身处雨后城市老街，地面湿润倒映街景”
• 构图镜头：比如“中景镜头，建筑占画面2/3，平视构图”
• 风格画风：比如“胶片复古写实风格”
• 光影色彩：比如“黄昏侧逆光洒落，暖橘色调”
• 画质细节：比如“超高清细节，2K分辨率”
• 艺术家/参考风格：比如“参考摄影师Alexey Menschikov的城市氛围感叙事”

注意，即梦4.0虽然支持深度意图理解，但必须用中文自然语句表达，不能用英文逗号分隔关键词。写成“cat, window, sunlight, bokeh”会被识别为无效输入。这一点在后面的所有方法中都通用。

快速写出可用提示词的三种路径

方法一：灵感库“做同款”抄近路

打开即梦App或网页端，点击顶部“灵感”，在搜索框输入关键词，比如“赛博朋克街道”。浏览结果，点开一张满意的图片，右下角点【做同款】，系统会自动带出完整提示词。这时候删掉原主体，替换成你要的内容——比如把“霓虹女战士”改成“穿汉服的机械师”，保留其余环境、风格、光影等描述，点击生成。操作很简单，直接把原提示词当模板复用，省去从零构思的试错成本。尤其适合没摄影基础、不熟悉构图术语的新手。

方法二：豆包反推风格描述

当你看到一张喜欢的图但说不清它是什么风格时，别硬猜。把这张图上传到豆包，输入指令：“请分析这张图片，生成可用于即梦AI文生图的中文提示词，需包含主体、场景、构图、风格、光影、画质、参考来源七部分”。复制豆包返回的完整提示词，粘贴进即梦，微调主体和动作，生成。相当于让另一个AI帮你拆解风格，省去自己瞎蒙的时间。

方法三：套用已验证的提示词骨架

这里提供三类常用骨架，直接填内容就好：

• 写实人像类：一位【年龄+外貌特征】的【职业/身份】，正在【具体动作】，【服装细节】，【所处空间+环境细节】，【镜头距离+视角+运动】，【风格】，【主光源方向+色温】，【画质要求】，【参考摄影师/电影】。
• 国风场景类：【核心物件/人物】立于【地貌/建筑】之中，【时间+天气】，【植被/器物细节】，【构图比例+留白】，【水墨/工笔/岩彩等风格】，【墨色浓淡+设色倾向】，【绢本质感/宣纸肌理】，【参考《千里江山图》/宋徽宗瘦金体题跋】。
• 字体设计类：黑底白字，【字体名称+书写工具】，【笔画特征：飞白/顿挫/枯润】，【主标题字号+副标题字号】，【文字内容用双引号框住】，【背景是否留白/纹理类型】，【模型必须选“图片3.0”】。字体类提示词若选错模型，文字会严重变形或消失。

避开四个高频翻车点

第一，中文文字必须用双引号包裹。写“好奇漫步”能正常显示，写好奇漫步就会被AI忽略或扭曲成图案。

第二，避免抽象情绪词单独出现。“快乐”“孤独”“震撼”这类词没有视觉锚点，AI无法转化。要改成可看见的动作或状态：“嘴角上扬露出酒窝”“独自坐在空教室最后一排，手指无意识卷着试卷边角”“仰头张嘴接住瀑布砸下的水珠”。

第三，不要混用中英文标点。即梦对中文句读敏感，全角逗号、句号必须统一，英文逗号会导致后续内容截断。

第四，视频与图片模型不能混用。想生成静态图，必须在设置里手动切换为“图片4.0”或“图片3.0”；选成“视频4.0”模型，即使提示词再精准，也会强制输出3秒短视频。

生成前必做的三项检查

第一步：确认模型版本——图片任务选“图片4.0”或“图片3.0”，视频任务才选“视频4.0”。

第二步：核对比例设置——封面图常用9:16，海报用16:9，纯文字设计建议用4:3或1:1，比例错会导致主体被裁切。

第三步：检查提示词末尾是否有冗余符号——删除所有换行、空格、emoji、星号、破折号，只保留纯中文句子和必要双引号。

点击“生成”按钮，等着看结果吧。