做出一張好圖是在管理運氣。做出十二張看起來像同一次拍攝的圖，是一套流程。差別在於：你是在重擲提示詞，還是在控制那些真正讓輸出可重現的東西。
為什麼同一條提示詞給出不同的圖
影像模型從隨機雜訊開始，再按你的提示詞把它塑形。起始雜訊一變，同樣的字就會得到不同的畫面。正是這種隨機性讓探索變得容易，也讓一致性變得困難。
以下所有內容，都是在從流程的某一環去掉隨機性，好讓模型只在你希望它即興的地方即興。
參考圖是最強的控制手段
文字在描述，參考圖在展示。如果主體是真實存在的，透過以圖生圖把它交給模型，就剝奪了模型重新發明它的自由。這比堆多少形容詞都可靠得多。
各模型能接受的參考圖數量差別很大。GPT Image 2 和 GPT Image 2.5 最多接受 16 張。Nano Banana 2 收 14 張，Seedream 5 Pro 收 10 張，Nano Banana Pro 和另外幾個收 8 張。還有幾個模型只收一張。
每個欄位該放什麼
一套管用的組合：主體的兩三個角度，一張承載你想要的光線，一張承載場景或檯面。出於不同目的挑選的五張，勝過十二張近乎雷同的圖——後者主要是在教模型求平均。
整個系列裡維持同一套參考圖。在不同次算圖之間換掉其中一張，是「差一點就對齊」的那種成組圖最常見的成因。
種子：那個「重來一次」的按鈕
種子固定了起始雜訊。相同的種子、相同的提示詞、相同的設定、相同的模型，就會再次給你同一張圖。改一個字，你得到的是一次受控的變化，而不是重新擲骰子。
不是每個模型都開放它。在開放的模型裡，Qwen、Midjourney Diffusion、Ideogram 和 Wan 系列允許你直接設定。可用時的流程是：先不設種子探索，直到某一張接近了，記下那張的種子，然後固定種子、只調整措辭地迭代。
常見的錯誤是太早固定種子。種子會把一個你還沒選定的構圖鎖死。
用大白話說引導強度和步數
| 設定 | 它改變什麼 | 合理範圍 |
|---|---|---|
| 引導強度（guidance） | 模型多字面地遵循提示詞 | 取值域中段；數值高會顯得僵硬 |
| 推論步數（steps） | 停下之前打磨多久 | 用預設值，除非輸出看起來沒畫完 |
| strength（以圖生圖） | 允許它離你的參考圖多遠 | 想保住主體就低，想改造風格就高 |
| 負面提示詞 | 要避免什麼 | 簡短具體，不要寫成願望清單 |
引導強度是大家最容易調過頭的一項。推高它會強制字面服從，通常以犧牲自然感為代價——生硬的邊緣、僵直的姿勢、過飽和的光。如果模型忽略了某個重要的東西，解決辦法幾乎永遠是更清楚的提示詞或一張參考圖，而不是更高的數值。
strength 則是大家用得不夠的一項。在以圖生圖裡，它是「幫我修一下」和「重新詮釋一遍」之間的旋鈕。如果你的產品形狀一直在變，那就是 strength 太高了。
怎樣寫一條經得起重跑的提示詞
可重現的提示詞會點名四件事：主體、光線、取景，以及不能出現的東西。比這更含糊的部分，每次都會被填成不同的樣子。
對比一下「一張好看的瓶子產品圖，要專業」和「深色板岩檯面上的霧面陶瓷瓶，左側單一柔光主光，淺景深，無文字，標籤上無反光」。後者讀起來乏味，但回來的結果是穩定的。
整個系列維持結構不變，只改可變的那一段。如果主體變了但光線和取景不該變，那就只動那幾個字。
整組圖的一致性
對於必須成套的系列：固定模型、固定長寬比、固定參考圖集合、固定那句描述光線的話，只改變主體或角度。在一次作業裡跑完，而不是分好幾天，因為你自己的措辭比模型飄得更厲害。
組內的解析度也該維持不變。一張 4K 主圖配 1K 輔圖沒問題；但並排展示的圖混用 1K 和 2K，在細節上是看得出來的。哪個版位該選哪一級，我們在畫面與解析度指南裡談過。
當輸出還是穩不下來
如果給了參考圖主體仍在變形，那也許根本是模型選錯了——參考圖上限和指令遵循能力在模型目錄裡差別很大。如果細節看起來糊成一片，問題更可能是解析度而不是提示詞。如果圖裡的文字變成亂碼，那是模型選擇問題：為排版而生的是 Ideogram，在別的模型上寫多少提示詞都救不回來。
還有，如果一張圖除了某一個元素之外都對，就停止生成。用物件移除去掉那個元素，或者用背景工具修好底。這條界線我們在圖片清理裡談過。
一個會收斂的循環
先在 2 點的模型上不設種子、便宜地探索，直到構圖對了。如果模型提供種子就記下來。帶著同樣的措辭，轉到適合版位的模型上做文字生成圖片或以圖生圖。凡是必須準確的東西，都補上參考圖。每跑一次只改一個變數，絕不要三個。
大多數工作這樣跑三四次就能落地。工作區會在你切換引擎時把提示詞、參考圖和設定保存在一處，而每次執行從餘額裡扣多少，方案頁有寫。如果你還在兩個引擎之間猶豫，這篇比較是捷徑。
一個值得反覆用的提示詞範本
骨架維持不變，只替換那個可變的子句。大致是：主體和材質，然後是檯面或場景，然後是光的方向和質感，然後是景深，最後是排除項。
寫出來是：「深色板岩上的霧面陶瓷瓶，左側單一柔光主光，淺景深，無文字，無強反光」。要在同一組裡拍第二件產品，只有第一個子句會變。模型用來建構這套觀感的一切都逐字維持不變——這正是重點。
排除項放在最後，而且要具體。「無文字」管用；「不要醜的東西」沒有描述任何模型能據以行動的內容。
按症狀排查
| 症狀 | 可能原因 | 解法 |
|---|---|---|
| 每次跑主體都在變 | 沒有參考圖，或 strength 太高 | 加參考圖；調低 strength |
| 成品顯得僵硬或光過曝 | 引導強度推得太高 | 回到取值域中段 |
| 原尺寸下細節糊掉 | 解析度不符用途 | 用 2K 或 4K 重跑 |
| 圖中文字是亂碼 | 選了不擅長排版的模型 | 改用 Ideogram |
| 整組對不上 | 提示詞或參考圖飄移了 | 固定措辭和參考集合，一起重跑 |
| 一個元素毀了一張好圖 | 試圖用重新生成來解決 | 改成把它移除 |
一次只改一件事
讓上面這一切成立的紀律很無聊：每跑一次只改一個變數。改種子，或改措辭，或改模型，絕不要兩樣一起改，否則你不會知道是哪一處改動帶來了改進。
它感覺更慢，但結束得更早。三次深思熟慮的執行通常勝過十二次碰運氣的，而在便宜的引擎上，那三次一共只要 6 點。