用腾讯混元生成一张符合预期的图片，关键不是堆砌形容词，而是让模型精准理解你要什么——主体是谁、在哪儿、做什么、长什么样、什么风格，缺一不可。下面这套四步法，可以直接套用。

第一步：写清主体与核心动作

用“1个+名词+动词短语”开头，不加“请”“希望”“尽量”这类弱化词。举个例子：写“一只橘猫蹲在窗台舔爪”，比“请画一只可爱的猫”有效十倍。

主体必须唯一且具体。写“两个穿汉服的女孩在赏花”，模型容易混淆主次；改成“1个穿月白襦裙的少女侧身拈梅枝”，画面立刻聚焦。

主体模糊会导致模型自动补全无关元素，比如只写“古代建筑”，可能生成城楼+寺庙+牌坊三合一杂糅体。

第二步：叠加三层细节锚点

方法一：空间层——用方位词锁定构图关系。“窗台左侧”“镜头低角度仰拍”“背景虚化成青砖墙”，比“在房间里”明确得多。

方法二：质感层——指定材质与光线。“哑光陶罐”“逆光发丝泛金边”“不锈钢扶手反光带划痕”，这些词直接激活混元对物理特性的建模能力。

方法三：文化层——中文原生词优先。“青瓦白墙”比“Chinese-style building”稳定，“红烧肉油亮反光”比“delicious pork dish”准确。混元对“酱色釉”“冰裂纹”“云肩纹”这类词的理解深度远超翻译链路。

第三步：控制风格与输出格式

① 风格必须显式声明。不写风格时，混元默认生成中性插画风；要照片级效果，必须写“摄影风格”或“真实感照片”；要水墨效果，必须写“宋代院体水墨”或“齐白石写意风格”。写“古风”太宽泛，会触发随机风格采样。

② 比例需紧跟风格后注明。比如“摄影风格，4:3比例”“赛博朋克海报，16:9横版”“微信表情包，1:1正方”。混元对比例指令响应极快，但漏写会导致默认填充为1:1裁切，常切掉关键肢体。

③ 禁用词要前置否定。若不想出现文字、logo、水印，在提示词最开头加“无文字，无logo，无水印”，比结尾补一句更可靠。混元对句首否定指令权重更高。

第四步：启用智能扩写并验证结果

在混元Web端或API调用时，确保Revise参数设为1（默认开启）。扩写后返回的prompt会暴露模型理解偏差——比如你写“敦煌飞天”，扩写后变成“敦煌壁画中的飞天仙女，飘带飞扬，手持琵琶”，说明理解正确；若扩写成“太空飞天舱外作业”，立刻重写原始prompt。

上传参考图时，扩写自动强制开启，此时需同步设置“参考强度”为0.3～0.7。强度过低（0.1）导致特征丢失，过高（0.9）则新图完全复刻旧图结构，失去文本引导意义。