提示词功能使用方法：不仅优化，还能直接对话

两种模式，覆盖创作全阶段

模式	适用时机	产出
勾选「优化提示词」	方向已定，需要可执行的模型输入	3 个结构化提示词版本
不勾选（直聊模式）	目标模糊，需要创意或策略	开放式对话——调性、受众、钩子 brainstorm

直聊是探索，优化是投产。高质量素材通常是两者结合——团队常称为 双阶段 prompting：直聊澄清 → 优化定结构 → 再生成。

这与先优化提示词再生成是同一套纪律：积分应花在模型能真正执行的 brief 上。

优化器具体会改什么

粘贴粗略 prompt 后，优化器通常会：

拆分语句 — 主体、场景、光线、风格分句，而不是一整段
补全约束 — 标签可读、保留特征、画幅构图提示
去掉矛盾 — 如「极简」+「信息爆炸」
调整模型词汇 — Flux 偏材质与光影，GPT 生图偏语义布局，可灵偏镜头运动
输出 3 个风格分支 — 同一主体，不同光线或 mood

输出对应 2026 年常用的 五要素结构：主体 → 风格 → 构图 → 技术（光影/画质）→ 负向/约束。不必死记字段名，优化器会自动套用。

对照草稿与 3 个输出之间的差异，是学提示词结构最快的方式。少堆「8K masterpiece」「ArtStation trending」等 placebo 词——现代模型对它们几乎无感。

如何专业地读优化结果

收到三个版本时，按这个顺序扫一遍：

主体句 — 产品/人物名词和角度是否没变？
约束句 — 是否补上了「保留标签」「同一人」「构图提示」等你漏写的部分？
去矛盾 — 是否删掉了互相打架的 mood 词？
风格分叉 — 三版应差在光线或配色，而不是随机换产品

若三版都换了主体，说明草稿太模糊——回直聊模式补一句澄清，再优化。

带注释的对比示例（文生图）

你的草稿： 咖啡包装袋产品图，光线好看，做亚马逊主图

版本 A（影棚）： 补上 纯白背景、轻接触阴影、标签朝向镜头、包装写实

版本 B（生活场景）： 补上 厨房台面、清晨窗光、产品占下方三分之一、浅景深

版本 C（campaign）： 补上 高对比色块背景、产品居中、1:1 广告构图

优化器没有换 SKU——它是在固定主体后分叉场景。手动写模板时也按这个模式来。

带注释的对比示例（文生视频）

你的草稿： 护肤瓶视频，电影感，发抖音

版本 A： 补上 慢推镜头、暖色影棚主光、产品居中、5 秒、运动平滑

版本 B： 补上 静态 hero 帧、轻微蒸汽、清晨侧窗光、偏 UGC 的 calm mood

版本 C： 补上 标签微距漂移、浅景深、 premium DTC 调色、不要人脸

注意镜头运动与光线被拆成独立短句——这是可灵、Veo 稳定性的关键。

标准流程：直聊 → 优化 → 生成

第一阶段 — 直聊澄清需求

用聚焦的问题代替模糊描述：

给谁看？（电商买家、抖音划屏用户、B 端采购）
画面情绪？（信任、紧迫、 calm luxury）
硬约束？（白底、标签可读、不要手入镜）
交付物？（listing 主图、9:16 钩子、口播 UGC）

示例开场：

维生素软糖上新——给我 3 个 9:16 广告视觉方向
这条 Flux 皮包产品图 prompt 缺什么？
护肤文生视频，电影感 vs UGC 哪种更合适？
团队照片做动漫头像——风格迁移前要加哪些保真约束？

确定方向后先用 1–2 句话总结，再切优化模式。直聊是低成本思考；生成才消耗积分。

第二阶段 — 优化

生成 3 个版本，按下面标准选一个，再轻微微调：

标准	自问
交付匹配	构图是否符合平台（1:1 主图 vs 9:16 钩子）？
品牌匹配	光线与 mood 是否在 brief 内？
模型匹配	Flux 材质词 vs GPT 布局 vs 可灵运动分句？
约束完整	标签、人脸、产品形状是否被保护？

第三阶段 — 生成并回流

翻车则回直聊诊断（「太暗」「产品太小」「脸变了」），带着单一修改点再优化。

症状 → 修复对照：

现象	直聊问法	再优化时加什么
产品太小	`4:5 信息流广告里主体应占多大？`	构图区域 clause
视频抖动	`5 秒可灵 clip 镜头是否太猛？`	更慢的镜头句 + `smooth motion`
风格太弱	`赛博朋克加强但不换脸？`	升一档风格 + 保真约束
mood 不对	`偏医疗感不是 premium——给 3 个光线分叉`	用直聊摘要重新优化

分模型的优化要点

模型 / 任务	提示词应强调	应弱化
Flux / Flux 2 Turbo	材质纹理、边缘锐利、影棚光	没有视觉锚点的抽象 mood 词
GPT Image 2	场景布局、物体关系、语义清晰	堆叠过多风格形容词
Nano Banana 2	快速迭代、需可读文字时的标签描述	同一行里冲突的渲染风格
可灵 3.0 / O3	镜头运动单独成句；时长；口播 beat	首条 clip 就写复杂对白+物理
Veo 3.1	环境音氛围、电影感漂移、场景连续	5 秒内要求快切
即梦 Seedance 2.0	口播/音素同步意图、 talking-head 景别	首次就上大背景运动
图生视频	「保持构图」「轻微运动」	第一次就上大动作

视频提示： 专业团队即使用自然语言出图，也会用 时间轴分块（0–2s 钩子、2–5s 产品 hero）构思。可在直聊问：帮我把这条改成可灵的时间戳 beat，再进优化——结构会更稳。

团队与批量工作流

个人创作者

直聊定本周主题 → 优化一条金牌 prompt → 社媒批量创意扩展 5–10 条。

电商 catalog

优化一条 listing 模板 → 只换产品名与颜色 → 批量 SKU。见电商产品图优化。

风格迁移系列

直聊定 art direction → 优化时加强保真 → 锁定模型 → 批量头像。见图片风格迁移。

静帧 → 视频

优化静帧 prompt → 定稿 → 把相同主体句带入图生视频优化。见 AI 视频生成功能。

共享 prompt 库： 给优化结果打标签（模型、比例、场景）。不做这步，每个 campaign 都会重复交「学费积分」。

可直接套用的提问模板

文生图 / 电商

给我 3 个电影感商品广告提示词——主体 SKU、大理石台面、高级光影
把这个提示词改成更适合电商产品图：标签清晰、白底干净
为 Flux 2 Turbo 优化：同一款包，三个光线分叉做 A/B 测款

文生视频 / 短视频

优化这条可灵 5 秒文生视频提示词——慢推镜头、护肤瓶、不要人脸
改成图生视频：轻微蒸汽、产品居中、运动平滑
为 Veo 加原生环境音——咖啡店氛围、无对白、8 秒

创意 / 风格

根据这段描述给 3 个动漫人像 prompt——保留身份，改线稿强度
从这条街景描述分叉赛博朋克——保留街道布局

策略 / 仅直聊

这个产品 demo 应该直接文生视频，还是先文生图再图生视频？
Seedance 口播 UGC 广告最少需要哪些 prompt 结构？

提示词工程要点

写明交付物（主图 vs 封面，默认构图不同）
单一视觉焦点
视频里分开写运动与画风
避免矛盾词
每次迭代只改一个变量
沉淀模板 — 见先优化提示词再生成

直聊 vs 优化速查

需求	用哪种
头脑风暴 campaign 方向	直聊
提示词「差不多」但差一点	直聊诊断 → 优化
10 个 SKU 同一风格批量出图	优化模板，只换产品名
学习提示词结构	优化后对照 3 个版本
口播/对白视频	直聊定语气 → 优化时写清对白意图
对比 Flux vs GPT 生图	直聊 → 两模型各测一条优化结果
把模糊客户 brief 变成可执行 brief	直聊问答 → 一句话摘要 → 优化

什么时候可以只直聊（少见）

仅在以下情况跳过优化：

一次性试玩，不进入批量
prompt 已是上次优化过的模板，只换了名词
直聊输出就是已知好模板的 verbatim 复制

客户稿、付费广告、批量生产——建议每次都优化，一致性才是 ROI。

排错指南

问题	常见原因	处理
三版都换了产品	草稿太模糊	直聊：`主体是 X SKU，3/4 角，标签可读` 再优化
优化后过长	形容词堆叠	直聊帮忙精简；保留主体 + 一个光线分叉
视频标签变形	运动过猛	图生视频加 `轻微运动、保留标签`
同 prompt 结果飘	缺约束	加构图区域 + `保留形状`
直聊与优化结论打架	中间没写摘要	两阶段之间写 1 句话 brief

常见问题

每次都要优化吗？
批量生产和正式交付建议优化。快速试验可以直聊后直接生成，但稳定性会下降。

哪些模型收益最大？
所有生成模型都受益于结构化描述；Flux/GPT 生图、可灵/Veo 对光线和运动 clause 尤其敏感。

可以用中文提示词吗？
可以。优化时用目标语言；品牌名、SKU 保持统一即可。

优化器会输出 Veo/Sora 用的 JSON 吗？
默认输出面向 PixelPrompt 模型栈的结构化自然语言。若对接 JSON API，可在直聊里列字段，再按优化结果的 clause 手动映射。

和单独用 ChatGPT 有什么区别？
通用对话擅长 brainstorm，但不了解你的模型组合与交付默认。PixelPrompt 优化器针对 Flux、GPT 生图、可灵、Veo 及同一工作台内的生成流程调校。