第3章 提示词工程

03第3章

提示词工程目录CONTENTS13.1提示词用法2

3.2提示词语法33.3提示词反推技巧43.4提示词矩阵53.5本章小结3.1提示词用法3.1.1提示词类型

（1）正向提示词（Prompt）

正向提示词又称为提示词，是用户输入的用于引导大模型生成符合期望的图像内容的文字描述。它是告诉模型“要生成什么样的图像”的关键指令。正向提示词直接决定了生成图像的大致方向和特征，准确详细的提示词能使生成的图像更加符合用户的期望。

（2）反向提示词（NegativePrompt）

反向提示词又称为反向词，是与正向提示词相对应的一种指令。它主要用于告诉模型不希望在生成的图像中出现哪些内容。通过使用反向提示词，可以对生成图像的质量和内容进行更加精细的控制，以避免生成不符合预期的、有瑕疵的或者不想要的元素。

反向提示词通常包含的内容有以下几方面：①与图像质量相关的。②不想要的物体或元素。③不适当的风格或表现形式。3.1提示词用法3.1.2提示词构成元素

（1）单词标签（wordtags）。

单词标签即在提示词输入框中输入一个个独立的英文单词。

（2）自然语言（naturallanguage）。

自然语言即人们日常交流时所使用的语言，在AI绘画中，用户可使用描述完整的句子来作为提示词。

（3）Emoji字符和颜文字。Emoji字符和颜文字是用于表达情感和意图的字符，由于其字符简洁且易于理解，因此也可以作为提示词的一种。

（4）标点符号（punctuation）。StableDiffusion中用到的标点符号主要有：逗号（,）、大括号{}、圆括号()、方括号[]和冒号（:）。

①逗号：逗号用于分隔两个或多个词语或句子。

②大括号{}，圆括号()，方括号[]：主要用来调节提示词的权重，具体用法参见3.2.1节。

③冒号：冒号用于表示后面的语句是前面语句的扩展或补充，如（tree:1.5）表示tree的权重是1.5。3.1提示词用法

3.1.3提示词输入规则

在StableDiffusion中，提示词输入需要注意以下规则：

（1）尽量使用英文提示词。

（2）不需要严格遵循英文语法，以关键词组的形式输入，使用英文逗号分割。

（3）除特定语法外，大部分情况下字母大小写和断行不会对画面内容产生影响。

（4）提示词输入有75个token的限制，这里的75个token并非指75个英文单词，是否超标可参考提示词文本框的提示。

（5）提示词并非越多越好，过多的提示词可能会导致AI模型理解时的语义冲突。3.1提示词用法3.1.4提示词套用公式

提示词书写公式，即“主体+场景+风格+细节+（正向情感）-（反向元素）”：（1）主体：明确图像的核心对象，比如是人物、动物、物体还是建筑等。例如“一个穿着华丽连衣裙的少女”。（2）场景：描述主体所处的环境，像“站在铺满花瓣的花园小径上”。（3）风格：指定图像的艺术风格，例如“画面风格是印象派油画”。（4）细节：增添能让图像更生动的细节，如“少女手中拿着一把蕾丝边的阳伞，阳伞上有精致的花朵图案”。（5）正向情感：如果想要营造特定的情感氛围，可以添加这部分，比如“面带微笑，充满喜悦的氛围”等。（6）反向元素：考虑不希望出现的元素，用负号表示，如“背景中的电线杆和现代设施”。

需注意的是，这个公式只是一个参考框架，实际使用时可以根据具体需求灵活调整和组合。3.1提示词用法图3-1提示词示例效果3.2提示词语法3.2.1强调关键词语法

提示词的权重与其先后顺序有关，越靠前的提示词，其影响程度越大。通常用户会先描述整体画风，再描述局部画面，最后控制光影效果。然而，如果不对提示词中的个别元素进行控制，只是简单地堆砌关键词，权重效果通常并不明显，因此，需要使用语法来更加精细地控制图像的输出效果。

强调关键词就是StableDiffusion中一种非常重要的语法格式。通过使用特定的语法结构，如圆括号()、方括号[]和大括号{}，可以调整关键词的权重，从而影响AI在生成图像时对特定元素的重视程度，具体使用如下：（1）圆括号()：使用圆括号时，表示将括号内的提示词权重乘以1.1。（2）方括号[]：使用方括号时，表示将括号内的提示词权重除以1.1。（3）大括号{}：使用大括号时，表示将括号内的提示词权重乘以1.05，不过大括号较少使用。

圆括号有两种表达方式：一种是直接在关键词外加上圆括号，如（chinesestyle），表示该关键词权重提升为原来的1.1倍；另一种是在圆括号内直接写上权重提升系数，如（chinesestyle：1.1），表示的也是该关键词权重提升为原来的1.1倍。而方括号和大括号的表达方式只有一种，即直接加上相应括号，如[chinesestyle]或{chinesestyle}。3.2提示词语法3.2提示词语法3.2.2分步绘制语法

分步绘制又称为渐变绘制，该语法的原理是通过参数来控制整个图像生成过程中用于维持特定关键词的步数占比。

语法格式为[from:to:when]，使用when来控制画面中不同元素的融合比例。When小于1时，表示A关键词在迭代总步数中所占的百分比；When大于1时，则表示在前面多少步时作为A渲染，之后则作为B渲染。

例如，[desert:forest:0.2]，表示前面20%的步骤画沙漠，后面80%步骤画森林。3.2提示词语法3.2.3融合语法

融合语法会将提示词中的前后元素特征关联起来，最终呈现出融合图像的特征。它通过将不同的关键词以特定的方式组合在一起，从而实现更复杂的图像效果。

融合语法的格式为：AANDB，注意AND必须大写。也可写为A|B，即表示两个元素会交替出现，达到融合的效果。融合语法也支持加权，如（A：1.3）|（B：1.2），加权时无须考虑两个元素之间的权重之和是否等于100%。3.2提示词语法3.2.4打断语法AI模型在运行过程中，有时会出现前后某些关键词相互影响的情况，这种现象被称为“污染”，打断语法则可以减少这种“污染”。打断语法指的是用BREAK（打断）断开前后提示词之间的关系，从而在一定程度上减少提示词之间相互干扰的情况。添加了打断语法后，AI模型会将前后断开的内容视为两段话来理解。

打断语法的格式：提示词1BREAK提示词2。图3-5(a)中提示词为“agirl,blackponytail,standingposture,whiteshirt,redtie,bluejeans，”，会发现，红色领带被蓝色裤子“污染”成了黑色。图3-5(b)中提示词为“agirl,blackponytail,standingposture,whiteshirt,redtieBREAKbluejeans，”可看到，在“BREAK”打断语法的帮助下，“污染”问题得到了解决。3.2提示词语法3.2.5交替绘制语法

交替绘制语法也可以实现关键词融合的效果，使用该语法后，AI模型将在多个关键词之间进行交替运算并绘制图像。

交替绘制语法的语法结构为[A|B|…]。

使用交替绘制语法绘制图像时，系统每次只能理解单独的关键词，而不是将前后关键词一起理解，因此，最终效果只能融合视觉特征，而无法针对颜色等信息进行融合。通常情况下，交替绘制语法多用于绘制奇幻、魔幻等风格的图像。

图3-6为使用交替绘制语法“[chicken|duckling]”生成的“小鸡和小鸭的混合生物”。3.3提示词反推技巧3.3.1使用CLIP反推提示词CLIP反推提示词是根据用户在图生图页面中上传的图片，使用自然语言来描述图片信息。由于CLIP已经学习了大量的图像和文本，因此可以生成相对准确的文本描述。

整体来看，CLIP喜欢反推自然语言风格的长句子提示词，这种提示词对AI的控制力度较差，但是大体的画面内容基本一致，只是风格变换较大。

图3-7所示为使用CLIP反推提示词前后效果图对比。3.3提示词反推技巧3.3.2使用DeepBooru反推提示词DeepBooru更擅长用单个关键词堆砌的方式，反推出的提示词相对来说会更完整，但出图效果有待优化。具体操作步骤如下：

（1）用“DeepBooru反推”反推提示词。进入“图生图”页面，上传图3-10(a)所示的原图，单击“生成”按钮下方的“DeepBooru反推”按钮，即可反推出原图的提示词。

（2）生成新图像。将以上反推出的提示词复制到“文生图”页面的提示词输入框中，设置生成参数，单击“生成”按钮，生成的图像效果如图3-10(b)所示。3.3提示词反推技巧3.3.3使用WD1.4标签器反推提示词WD1.4标签器（Tagger）是一款优秀的提示词反推插件，其精准度比DeepBooru更高，操作步骤如下：

（1）用“WD1.4标签器”反推提示词。单击“WD1.4标签器”选项卡，进入其页面，上传图3-12(a)所示的原始图像，单击图片下方的“反推图像”按钮，Tagger将自动反推提示词，并显示在右侧的标签文本框中。

（2）生成新图像。单击“发送到文生图”按钮，在“文生图”页面，系统会在提示词文本框中自动填入反推出来的提示词，参数设置与3.3.1中相同，单击“生成”按钮，即可生成相应的图像，效果如图3-12(b)所示。3.4提示词矩阵

有些情况下，一些模型在利用某些特定提示词时表现出色，然而在更换模型后，这些提示词可能就无法使用；还有些情况下，删除某些看似无用的提示词后，图像的呈现效果会变得异常，但用户又不清楚问题出在何处。此时，用户就可使用提示词矩阵（Promptmatrix）来深入探究其原因。

提示词矩阵（Promptmatrix）用于比较不同提示词交替使用时对于图片生成效果的影响，提示词之间以“|”作为分割点，可以让软件自动生成不同提示词组合的结果。在提示词矩阵（Promptmatrix）中，前面的提示词会被用在每一张图上，而后面被“|”分割的两个提示词，则会被当成提示词矩阵（Promptmatrix），交错添加在最终生成图上。3.4提示词矩阵

例如，给定提示词“acat|whitehair|blackeyes（一只猫|白毛|黑眼珠）”，会生成四种可能的组合，即“acat”“acat,whitehair”“acat,blackeyes”“acat,whitehair,bl