AI 繪圖 Prompt 大全：哪些寫法真的有用、哪些你一直用錯
這份清單怎麼挑的
過去幾個月我看過大量「prompt 大全」類的內容，大多數的問題是：關鍵字丟一堆、沒有解釋邏輯、讀者根本不知道為什麼這樣寫有效。這篇想換個角度，不只列出哪些 prompt 好用，還要說清楚背後的結構原理，這樣你才能舉一反三，而不是一直靠複製貼上。
篩選標準很簡單：這些 prompt 元素在 Midjourney v7、Stable Diffusion XL、DALL-E（ChatGPT Image 2.0）上都有可重複的效果，而且是 2026 年當前版本測試過的。不同平台有差異的地方我也會標出來。
🎨 風格定義類：最影響整體氣氛的一層
這是最多人「用錯但不知道自己用錯」的區塊。常見錯誤：只寫 realistic 或 anime style，沒有給具體參照。
白話講，模型要猜的範圍太大了。比較有效的寫法是指定視覺語言的來源：
in the style of Studio Ghibli background art（吉卜力背景畫風）cinematic still from a 2020s A24 film（A24 電影感）editorial fashion photography, Vogue lighting（雜誌時尚攝影）ukiyo-e woodblock print, Hokusai style（浮世繪版畫）concept art for a AAA open-world RPG（遊戲概念圖）
你可以把它想成：給模型一個「文化坐標」，比給它一個形容詞更精準。
📷 鏡頭與構圖類：構圖不寫就隨機
很多人跳過這一塊，然後對生出來的畫面構圖不滿意。其實只要加幾個詞就能大幅改善：
extreme close-up shot（極近距特寫）wide establishing shot（廣角全景）low angle, looking up（仰角）bird's eye view（俯瞰）rule of thirds composition（三分法構圖）shallow depth of field, bokeh background（淺景深背景虛化）centered symmetrical composition（對稱構圖）
搭配 ChatGPT Image 2.0 的最新測試資料來看，這代模型對構圖指令的響應比舊版敏感很多，尤其是鏡頭角度和景深，值得多花一行去寫清楚。
💡 打光與氛圍類：讓畫面有情緒的關鍵
打光是最容易被忽略、但效果最立竿見影的參數：
golden hour lighting（黃金時刻）neon-lit night scene, cyberpunk atmosphere（霓虹夜景賽博龐克）soft diffused overcast light（陰天漫射光）dramatic rim lighting（戲劇性輪廓光）candlelight, warm amber glow（燭光暖色調）harsh direct sunlight, high contrast shadows（強烈對比硬光）volumetric fog, god rays（體積霧、神光）
🖌️ 材質與細節類：讓畫面有「重量感」
這類關鍵字最適合放在主體描述之後，強化質感：
hyperdetailed textures, 8K（超細節）oil paint texture, visible brushstrokes（油畫質感）watercolor washes, soft edges（水彩暈染）matte painting, digital art（Matte 繪畫風格）worn leather, rust, aged metal（舊化材質）translucent skin, subsurface scattering（皮膚透光效果）
🚫 避雷提醒：這些 prompt 習慣讓你一直在原地打轉
幾個我常看到的壞習慣：
1. 疊字形容詞沒用
very beautiful, extremely realistic, super detailed 這類堆疊在多數現代模型上效果幾乎為零。模型不吃語氣，吃的是具體視覺描述。
2. 負面提示（Negative Prompt）不會用
Stable Diffusion 有 Negative Prompt 欄位，但很多人填了 ugly, bad anatomy 就沒了。更有效的方式是針對你不想要的具體視覺特徵下手，例如 extra fingers, lens flare, overexposed highlights。
3. 把故事情節當 prompt 打
一個女孩在下雨天站在橋上，她看起來很悲傷，因為她失戀了 這種寫法給語言模型可以，但給圖像模型效果很差。圖像模型要的是視覺元素，不是敘事脈絡。改成：a young woman standing on a bridge, rainy night, melancholic atmosphere, soft streetlight reflection on wet pavement。
懶人版：最推薦的三種 Prompt 組合公式
如果你不想從頭學，先用這三個模板套用，成功率最高：
人像攝影型
[主體描述], [鏡頭類型], [打光], editorial photography, shot on Sony A7R, shallow depth of field
插畫概念圖型
[場景描述], [風格來源], digital concept art, detailed environment, cinematic composition, trending on ArtStation
風格實驗型
[主體] in the style of [參照藝術家/作品/媒材], [打光], [色調], high detail
如何判斷自己的 Prompt 寫得好不好
給你一個自我檢核的框架，寫完一條 prompt 可以對照：
- 有沒有視覺坐標？（風格來源、媒材、參照）
- 有沒有構圖指令？（鏡頭、角度、景深）
- 有沒有光線設定？（打光類型、氛圍）
- 主體夠具體嗎？（避免抽象形容詞）
- 有沒有多餘的敘事段落？（刪掉故事，留下視覺）
如果你同時在用多個 AI 工具做不同事，可以參考這篇 AI 訂閱費用比較，因為繪圖工具的算力消耗通常比語言類貴一截，選對方案比什麼都重要。
結論
Prompt 寫作沒有魔法，本質上就是在跟模型說清楚你想要什麼視覺。這份清單能讓你少走很多彎路，但最快的進步方式還是「改一個變數、觀察差異」，循環幾次就會有直覺。
覺得這篇有用的話，傳給還在用「美麗的風景，非常真實，超高解析度」的朋友吧。
常見問題
Midjourney 和 Stable Diffusion 的 prompt 可以通用嗎？
大部分的風格、打光、構圖關鍵字可以跨平台使用，但 Stable Diffusion 有獨立的 Negative Prompt 欄位，這是 Midjourney 沒有的機制。此外 Midjourney 對 aspect ratio、stylize 等參數語法有自己的規則，需要分開處理。
Prompt 越長越好嗎？
不是。多數現代模型對超過 75 個 token（大約 60 個英文單字）的 prompt 後半段的影響力會衰減。重點是把最重要的視覺描述放在前面，而不是把所有想到的形容詞全部塞進去。
用中文寫 prompt 有效嗎？
DALL-E（ChatGPT）對中文 prompt 支援算不錯，但 Midjourney 和 Stable Diffusion 系列在英文 prompt 上的表現仍然明顯更穩定。建議習慣用英文描述視覺元素，語言切換帶來的品質差異在複雜構圖時特別明顯。
「trending on ArtStation」這類詞還有用嗎？
2024 年後的主流模型已經大幅降低對這類「社群平台標籤」的依賴，效果比早期版本弱很多。如果你的目標是概念藝術風格，直接描述媒材和風格來源比掛平台名稱更有效。
想要特定人物臉孔應該怎麼寫 prompt？
文字 prompt 本身很難穩定還原特定人物臉孔。目前比較有效的做法是使用 ControlNet（Stable Diffusion）搭配參考圖，或使用支援 IP-Adapter 的工作流。純文字描述臉孔特徵的方式，成功率取決於該人物在訓練資料中的辨識度。
分享這篇
