先说明
即梦的功能与参数会随版本更新，本文讲的是提示词的结构与写法，不涉及具体界面操作和参数名。实际使用时以你当前版本的界面为准，写法逻辑是通用的。
01和文字提示词的根本差别
| 文字类提示词 | 画面类提示词 | |
|---|---|---|
| 核心是什么 | 任务与约束 | 视觉元素与风格 |
| 好的标准 | 逻辑清楚、信息完整 | 具体到能被画出来 |
| 无效写法 | 「写得好一点」 | 「好看」「高级」「有氛围」 |
| 有效的替代 | 字数、语气、禁用词 | 光线、镜头、材质、色调 |
所以第一步不是写句子，是把脑子里的感觉拆成能描述的元素。拆不出来，说明你其实还没想清楚要什么画面。
02六段式结构
主体：谁／什么，数量，关键特征（颜色、材质、形状）
动作与状态：在做什么，或处于什么状态
环境：在哪里，背景有什么，远景是什么
光线：光源方向、软硬、时间的暗示
镜头：视角、距离、景深、画幅比例
风格：摄影／插画／胶片／三维；参考的视觉语言
六段不必全写，但主体 + 光线 + 风格这三段最好别省。少了主体它自由发挥，少了光线画面平，少了风格整体像素材库。
03六个可直接改的示例
① 商品图
主体：一瓶哑光白色护肤品，圆柱形瓶身，金属旋盖
环境：浅米色石台上，旁边一块半透明亚克力方块，背景纯净
光线：左上 45 度柔光，右侧一盏弱补光，地面有柔和投影
镜头：平视略低，产品占画面 60%，浅景深
风格：商业静物摄影，干净克制
比例：4:5
② 人像
主体：30 岁左右女性，短发，浅色衬衫，自然微笑，看向镜头
环境：纯色浅灰背景，无杂物
光线：柔和均匀，无硬阴影
镜头：85mm 视角，半身，轻微虚化
风格：职业肖像，真实肤质，不过度磨皮
比例：1:1
③ 空间场景
主体：20 平米北欧风书房，一张浅橡木书桌
环境：白色置物架、一株琴叶榕、亚麻窗帘，地面浅色木地板
光线：下午四点侧光，窗帘半透，地面有柔和光斑
镜头：广角，从门口向内看
风格：室内设计摄影，真实材质感，无杂件
比例：3:2
④ 插画风
主体：一只橘猫趴在窗台上打盹
环境：窗外是雨天的街道，玻璃上有水痕
光线：阴天散射光，整体偏冷
镜头：平视，中景
风格：日式扁平插画，低饱和，线条干净，无描边阴影
不要：文字、写实照片感
比例：1:1
⑤ 视频：镜头运动
画面：清晨的咖啡馆，木质吧台，一杯拿铁冒着热气
运动：镜头从杯口缓慢向下推，同时轻微右移，速度均匀
光线：窗口自然光，逆光，杯口有轮廓光
风格：电影感，浅景深，轻微颗粒
时长：约 5 秒，节奏平稳，无人物入镜
⑥ 图生视频：保持一致性
保持：原图的主体外观、构图、色调完全不变
运动：[人物微微转头看向镜头]，幅度小，速度慢
镜头：固定机位，无推拉
不要：改变面部特征、改变背景、出现多余肢体
时长：约 4 秒
04负面提示词怎么写
「不要什么」往往比「要什么」更有效，尤其这几类问题：
| 问题 | 负面写法 |
|---|---|
| 画面里出现乱码文字 | 不要文字、不要水印、不要字幕 |
| 手部崩坏、多指 | 不要多余手指、不要变形的手（同时尽量让手不出镜） |
| 过度磨皮、塑料感 | 不要过度磨皮、不要塑料质感、保留真实皮肤纹理 |
| 画面太满、杂乱 | 不要杂乱背景、不要多余元素、保持留白 |
| 风格跑偏 | 不要卡通、不要三维渲染、不要写实照片 |
一个原则
负面词不要堆十几个。挑当前画面最刺眼的两三个问题写，堆太多会让整体风格被压制，画面变得平淡。
05视频提示词的三个额外变量
图片是「一帧」，视频是「一段变化」。所以除了画面元素，还要交代三件事：
- 运动主体：是镜头在动，还是画面里的人／物在动。两者要分开写，不要混在一句里。
- 速度与幅度：慢推、轻微晃动、快速拉远。不写就默认匀速，容易显得呆板。
- 时长与节奏：几秒、几个动作。写「约 5 秒，一个动作」比写「流畅自然」有用。
常见误区
一条提示词里同时要求「镜头推进 + 人物转身 + 光线变化 + 场景切换」。模型通常只能顾上一两个，其余会糊。一段只写一个主要变化，剪起来反而好看。
06六个常见问题怎么解决
| 现象 | 原因 | 处理 |
|---|---|---|
| 画面很糊、没有重点 | 元素太多，没有主次 | 只留一个主体，其余写成虚化背景 |
| 人物换一张脸 | 没给一致性约束 | 用图生图／图生视频，明确「保持面部特征不变」 |
| 出现奇怪文字 | 画面里有招牌、书页等易生成文字的区域 | 避开这类元素，或写「不要文字」 |
| 手部崩坏 | 手是难点 | 改成半身、背影、手持物遮挡，绕开正脸手部特写 |
| 风格忽明忽暗 | 风格词互相冲突 | 只留一个主风格，删掉「写实 + 插画」这类矛盾组合 |
| 颜色太艳 | 默认饱和度偏高 | 写「低饱和」「莫兰迪色系」「柔和色调」 |
07练习方法
- 从一张参考图倒推。找一张你喜欢的图，试着用六段式描述它，再生成对比。这是最快建立「词到画面」映射的方法。
- 一次只改一个变量。同一段提示词，只改光线，看差异。改五个地方，你学不到任何东西。
- 积累自己的词表。把每次好用的词记下来：某个光线描述、某个镜头词。三个月后你会有一套自己的语料。
最后提醒一句：提示词只能提高命中率，不能保证每次都对。生成类工具的常态是「出十张挑一张」，这不是你写错了，是它的工作方式。
FAQ常见问题
即梦的提示词可以用中文写吗？
可以。中文描述对画面元素的理解已经足够好，尤其是场景、光线、风格这类描述。少数专业摄影术语保留英文有时更准，比如特定镜头类型。
为什么我写得越详细，画面反而越乱？
因为元素超过画面能承载的信息量。主体只留一个，其余写成背景或虚化。详细的正确方向是「把主体写细」，不是「把元素写多」。
人物一致性怎么保持？
关键是改用图生图或图生视频，并明确写「保持面部特征、发型、服装不变，只改变 XX」。纯文字生成很难稳定同一个人。
视频提示词要写多长？
一段一个主要变化，控制在两三句。同时要求镜头运动、人物动作、光线变化，通常会发生部分丢失。
负面提示词要写很多吗？
不用。挑当前最刺眼的两三个问题写。堆太多会压制整体风格，画面变得平淡无味。
生成十次只有一次满意，正常吗？
正常。生成类工具的工作方式就是「多出多选」。想提高命中率，靠的是固定结构 + 一次改一个变量，而不是反复重写整段。