城东有家“魔法画坊”，坊主老周是位技艺精湛的画家，却出了名的“一根筋”——你只丢一句“画只猫”，他真就画只普普通通的猫；但如果你写下“布偶猫、侧坐、午后暖光、水彩风格、不要背景”，他交出的画作会让你眼前一亮。Prompt 工程，就是学会给这位“固执画家”写订单的艺术。订单不是越长越好，而是越精准越好：哪些要素要划重点，哪些瑕疵要明确划出边界，画笔粗细、作画时长、起笔草稿如何配合——这一整套方法论，贯穿图像生成管线的每个环节，从第一版草稿到最终成片，本质上都是一次次“修改订单”的迭代。本文就带你走进老周的画坊，看一份好“订单”是如何炼成的。

岗位关联

掌握 Prompt 工程，意味着你不需要重训模型、不需要改网络结构，仅凭文本就能稳定产出高质量视觉方案——这是 AIGC 时代投入产出比最高的核心技能之一。

目录
  1. 可视化演示
  2. Prompt基础概念
  3. 正向提示词
  4. 负面提示词
  5. 权重与语法
  6. 参数协同
  7. 迭代调优
  8. 实战案例分析
  9. 工程化落地
  10. AI 应用场景
  11. Python 演示
  12. 常见误区
  13. 面试题

可视化演示

演示负面提示词排除、关键词权重控制与Prompt优化迭代，引导扩散模型生成符合预期的图像，提升生成质量。

本节配有交互动效（进入视口后自动加载，约 3KB）。

负面提示词设计 明确告知模型排除元素 negative prompt 避免畸形、模糊等常见质量问题

Prompt基础概念

老周的画坊有个规矩：每位客官进门都得先“点单”。你嘴里说的“随便来只猫”，和他想象中的“猫”往往不是同一种生物。老周不是笨，而是他对语言的理解方式与你不同——一个词落进他耳朵，会被拆解成画笔、颜料和构图习惯的“配方”。AI 绘画模型也是如此：它把 prompt 拆成一个个最小的文字单位 Token，再经由 CLIP 文本编码器翻译成高维向量。这个向量，就是老周手里的“配方单”。

Prompt 工程的第一层功夫，就是学会用模型的语言下订单：结构清晰、词序稳定、语义聚焦。通常做法是用逗号分隔关键词，把核心主体放在最前，风格与细节依次展开。模型内部会不断计算“这份配方”与候选画面的匹配程度，匹配度越高，生成结果越贴近你的意图：

所以你会发现，老周看订单不是逐字读，而是整体“品”——他品的是配方的味道。写 prompt 时与其堆砌华丽辞藻，不如让每个词都指向清晰的视觉特征。

sim(T,I)=eT⋅eI∥eT∥∥eI∥\text{sim}(T, I) = \frac{\mathbf{e}_T \cdot \mathbf{e}_I}{\|\mathbf{e}_T\| \|\mathbf{e}_I\|}
这个公式衡量的是“文本配方”与“画面”的余弦相似度，得分越高，模型越认为两者描述的是同一件事。
  1. 文本向量 $\mathbf{e}_T$提示词经 CLIP 编码后的数值化身，相当于“配方的数字化清单”。
    eT=CLIPtext(prompt)\mathbf{e}_T = \text{CLIP}_{\text{text}}(\text{prompt})
  2. 图像向量 $\mathbf{e}_I$一张候选画面压缩后的数值签名，等同于“成画的指纹”。
    eI=CLIPimage(I)\mathbf{e}_I = \text{CLIP}_{\text{image}}(I)
  3. 点积与归一化分子衡量两个向量的同向程度，分母去除向量长度干扰，得到 $[-1, 1]$ 的相似度分数。
    eT⋅eI∥eT∥∥eI∥∈[−1,1]\frac{\mathbf{e}_T \cdot \mathbf{e}_I}{\|\mathbf{e}_T\| \|\mathbf{e}_I\|} \in [-1, 1]

正向提示词

老周最爱收到“要素齐全”的订单：画什么、什么风格、什么光线、细节到什么程度。缺了任何一项，他就自由发挥，而自由发挥的结果往往让人哭笑不得。正向提示词就是订单的“正面主体栏”，通常由四类要素构成：主体描述、风格限定、细节补充，以及画质类质量词。

  • 主体描述：画面核心对象，越具体越好，例如“一只橘猫”优于“一只猫”。
  • 风格限定：规定美术风格，如“水彩插画”“赛博朋克”“吉卜力风”。
  • 细节补充：光影方向、镜头焦距、材质质感，进一步约束老周的笔触。
  • 质量词：如 best quality、masterpiece，抬高整体完成度。

综合质量可以由各项分数加权得到：

一张正向提示词写得好，就像一份让老周“不用动脑”的订单——他只需执行，成画自然靠谱。真正的功夫在于让每个词都能落地成画面，而不是说一堆抽象的形容词。

Q=wsQs+wgQg+wdQdQ = w_s Q_s + w_g Q_g + w_d Q_d
这是“正向订单”的简化评分式：主体（s）、风格（g）、细节（d）三项质量各自乘以权重后相加，权重越大，代表这一要素越重要。
  1. 主体质量 $Q_s$描述清晰度决定“画的是不是它”，例如“布偶猫”比“猫”得分更高。
    Qs=主体词的语义明确度Q_s = \text{主体词的语义明确度}
  2. 风格质量 $Q_g$风格词越有代表性，画面越容易被归入该流派。
    Qg=风格词与训练分布的契合度Q_g = \text{风格词与训练分布的契合度}
  3. 细节质量 $Q_d$光影、构图、质感词丰富了画面的完成感。
    Qd=细节修饰词的丰度与一致性Q_d = \text{细节修饰词的丰度与一致性}

负面提示词

老周再厉害，也常有“画蛇添足”的毛病——你让他画人像，他偏要加个奇怪背景。所以画坊的订单背面专门有一栏：“千万不能画的”。这一栏，就是负面提示词。在 AI 绘画里，负面提示词不是简单删掉某些词，而是让模型在采样时主动远离这些概念。

扩散模型在每一步去噪时，会同时参考两个方向：正向提示词把采样轨迹拉向目标画面，负面提示词把轨迹推离雷区。两者叠加，就是经典的 CFG 双向引导：

写负面提示词不是越多越好，正如“千万不要想大象”这句话反而让你满脑子都是大象。挑真正高频出现的毛病写，比如 lowres、watermark、extra fingers，比罗列五十个词更管用。

ϵ~(zt,t,cp,cn)=ϵ(zt,t)+sp(ϵ(zt,t,cp)−ϵ(zt,t))−sn(ϵ(zt,t,cn)−ϵ(zt,t))\tilde{\epsilon}(z_t, t, c_p, c_n) = \epsilon(z_t, t) + s_p\big(\epsilon(z_t, t, c_p) - \epsilon(z_t, t)\big) - s_n\big(\epsilon(z_t, t, c_n) - \epsilon(z_t, t)\big)
公式读作：在“无提示词”的默认轨迹上，先朝正向提示词方向迈一步，再朝负面提示词的反方向退一步，最终得到既贴合目标又避开雷区的画面。
  1. 默认轨迹 $\epsilon(z_t, t)$完全不带提示词的“裸画”方向，是整个引导的基线。
    ϵ(zt,t)\epsilon(z_t, t)
  2. 正向偏置$c_p$ 与裸画之间的差值，代表“朝提示词靠近”的力度。
    ϵ(zt,t,cp)−ϵ(zt,t)\epsilon(z_t, t, c_p) - \epsilon(z_t, t)
  3. 负向偏置$c_n$ 与裸画的差值，以减号作用于轨迹，等价于“避开负面内容”的推力。
    ϵ(zt,t,cn)−ϵ(zt,t)\epsilon(z_t, t, c_n) - \epsilon(z_t, t)
  4. 强度系数 $s_p$、$s_n$正负引导的强弱旋钮，$s_n$ 越大避雷越坚决，但过大会扭曲构图。
    sp,sn∈[0,10+]s_p, s_n \in [0, 10+]

权重与语法

订单里有重点。老周画猫时，你在“眼睛”下面划三道横线，他自然把八成心思放在眼睛上——Prompt 的权重语法就是这三道横线。在 Stable Diffusion 等模型中，(keyword:1.3) 表示把该关键词的权重提升到 1.3 倍，[keyword:0.7] 则表示弱化到七成。

语法层面还有 AND 融合、逗号分隔、方括号降权等技巧。核心思想是：所有关键词先被编码成各自的向量，再按权重合并成一条综合指令：

划重点要克制——一张订单上全是红线，等于没有红线。权重一旦超过 1.5，模型容易“用力过猛”，出现五官扭曲、金属感假面等伪影。权重是引导，不是命令。

eeff=∑i=1nαiei,αi≥0\mathbf{e}_{\text{eff}} = \sum_{i=1}^{n} \alpha_i \mathbf{e}_i, \quad \alpha_i \ge 0
意思是：最终生效的“配方”是所有关键词向量的加权平均，$\alpha_i$ 是每个词的分量，权重越大，词对画面的主导力越强。
  1. 关键词向量 $\mathbf{e}_i$每个词的语义坐标，比如“猫”与“老虎”在向量空间中距离较近。
    ei=CLIPtext(wi)\mathbf{e}_i = \text{CLIP}_{\text{text}}(w_i)
  2. 权重系数 $\alpha_i$默认 1.0，(w:1.3) 提高到 1.3，[w:0.7] 降到 0.7。
    αi=0.7 或 1.0 或 1.3\alpha_i = 0.7 \text{ 或 } 1.0 \text{ 或 } 1.3
  3. 加权求和所有词的向量按权重叠加，得到一条“整体订单”。
    eeff=∑iαiei\mathbf{e}_{\text{eff}} = \sum_i \alpha_i \mathbf{e}_i

参数协同

同样的订单，老周用什么画笔、多大的画布、画多久，结果天差地别。图像生成管线里，参数就是老周的工具箱：CFG Scale 是“听话程度”旋钮，采样步数是作画时长，分辨率是画布大小，Seed 是起笔时的草稿痕迹。它们不是孤立的，而是协同作用的。

采样过程可以看作一步步修正噪声图像：每一步根据当前状态和提示词预测一个去噪方向，然后沿着这个方向迈一步。步长由总步数决定：

实际调参中，CFG 从 7 起步，过高会色彩过饱和、画面发“塑料”；步数通常 20-50 步，超过 50 步收益递减；分辨率提高时需要同步增加步数，否则细节跟不上。先固定 seed 和其他参数，一次只动一个旋钮，是最稳的调参姿势。

zt−1=zt+htϵ~(zt,t,c),ht=1Tz_{t-1} = z_t + h_t \tilde{\epsilon}(z_t, t, c), \quad h_t = \frac{1}{T}
这里的 $z_t$ 是第 $t$ 步时的带噪图像，$\tilde{\epsilon}$ 是模型预测的去噪方向，$h_t$ 是步长——总步数 $T$ 越大，每步迈得越小，画面刻画越细腻。
  1. 当前状态 $z_t$扩散过程中的“半成品”，带着不同程度的噪声。
    ztz_t
  2. 预测方向 $\tilde{\epsilon}$模型根据提示词和当前画面算出的“下一笔走向”。
    ϵ~(zt,t,c)\tilde{\epsilon}(z_t, t, c)
  3. 步长 $h_t$由总步数决定，步数多则细腻，步数少则粗糙。
    ht=1Th_t = \frac{1}{T}

迭代调优

哪有一次成稿的订单？老周先出草图，你提修改意见，他再改。迭代调优就是这样一轮轮的“草图—意见—修改”。在图像生成管线中，最常用的迭代手段是固定 seed 对比和 img2img 重绘：固定 seed 保证“同一张底稿”上比较两次提示词改动；img2img 则把原图作为起点，只做部分重绘。

img2img 的关键是重绘强度 $\eta$，它控制“新灵感”与“原图结构”的混合比例：

好作品是改出来的。每轮迭代只改一个变量——要么换一条提示词，要么调一个参数，要么改一版负面词——然后拿结果和老周“对图确认”。这样一圈圈收敛下来，画面会越来越接近你心中的目标。

z′=1−η zimg+η znoise,η∈(0,1)z' = \sqrt{1 - \eta}\, z^{\text{img}} + \sqrt{\eta}\, z^{\text{noise}}, \quad \eta \in (0, 1)
$\eta$ 越大，加入的随机噪声越多，重绘幅度越大；$\eta$ 越小，原图结构保留越多，改动越保守。
  1. 原图像征 $z^{\text{img}}$上一版草稿在潜空间里的表示，是修改的“地基”。
    zimgz^{\text{img}}
  2. 随机噪声 $z^{\text{noise}}$注入的新随机变量，相当于“新灵感”的种子。
    znoise∼N(0,I)z^{\text{noise}} \sim \mathcal{N}(0, I)
  3. 混合系数$\sqrt{1-\eta}$ 保留旧结构，$\sqrt{\eta}$ 引入新变化，两者按比例叠加。
    z′=1−η zimg+η znoisez' = \sqrt{1 - \eta}\, z^{\text{img}} + \sqrt{\eta}\, z^{\text{noise}}

实战案例分析

翻开画坊的订单簿，有三类客户最典型，他们的订单几乎涵盖了 Prompt 工程的全部技巧。

  • 人像写真：主体描述 + 镜头语言 + 光线方向 + 负面防畸形。提示词形如“半身像、35mm 镜头、柔光、浅景深”，负面词务必加入 extra fingers、deformed face。
  • 场景构建：风格 + 构图 + 色调 + 参考图。先定“废弃古堡、清晨薄雾、青灰色调”，再用 img2img 低 $\eta$ 重绘微调细节。
  • 产品设计：材质 + 机位 + 背景 + 一致性。固定产品结构词，用权重语法把“金属质感”提到 1.3，背景用负面词排除杂乱元素。

这些订单可以抽象成一个通用结构：

这三个案例说明：Prompt 工程不是玄学，而是一套可拆解、可组合的写作方法论。把结构记牢，换再多的主题也只是替换框架里的组件。

Prompt=[subj]+[style]+[comp]+[light]+[qual]\mathrm{Prompt} = [\mathrm{subj}] + [\mathrm{style}] + [\mathrm{comp}] + [\mathrm{light}] + [\mathrm{qual}]
这是正向提示词的“订单框架”：主体、风格、构图、光影、质量词五段式拼接。真实案例里 80% 的生成问题，靠把提示词归入这个框架就能解决大半。
  1. 主体 $[\mathrm{subj}]$最核心的视觉对象，如“一位穿风衣的女士”。
    [subj][\mathrm{subj}]
  2. 风格与构图 $[\mathrm{style}] + [\mathrm{comp}]$限定美术方向与画面布局。
    [style]+[comp][\mathrm{style}] + [\mathrm{comp}]
  3. 光影与质量词 $[\mathrm{light}] + [\mathrm{qual}]$拉高真实感和完成度。
    [light]+[qual][\mathrm{light}] + [\mathrm{qual}]

工程化落地

画坊要开连锁店了。老周的好手艺不能只靠他一个人的记性，得写进《订单手册》：模板、评审、留档。Prompt 工程的终极形态同样是“去个人化”——把经验沉淀成模板库，用批量评测代替主观感觉，用版本管理记录每一次实验。

模板库解决“复用”问题：用占位符把主体、风格、光影参数化，一条模板批量生成百条变体。批量评测解决“比较”问题：同一批提示词生成多张图，按统一维度打分，用数字说话。版本管理解决“回溯”问题：每个 prompt 版本、每个参数组合都留档，出问题时能快速回退。综合打分可以写成：

Prompt 工程走到这一步，就从“手艺人手艺”变成了“可复制的流水线”——这恰恰是端到端图像生成管线的灵魂：把每一次成功的订单，变成下一次生产的标准答案。

S=1N∑i=1N(wAAi+wBBi+wCCi)S = \frac{1}{N} \sum_{i=1}^{N} \big( w_A A_i + w_B B_i + w_C C_i \big)
这是批量评测的聚合公式：对 $N$ 张样本图，逐张按细节（A）、美观（B）、一致性（C）三维打分并加权，最后取平均，得到一个稳健的质量分。
  1. 单图三维度得分 $A_i, B_i, C_i$分别代表细节丰富度、视觉美观度、与提示词一致度。
    Ai,Bi,CiA_i, B_i, C_i
  2. 权重 $w_A, w_B, w_C$不同业务场景侧重不同，如电商重一致性，艺术创作重美观。
    wA,wB,wCw_A, w_B, w_C
  3. 取平均除以 $N$ 消除单张随机波动，让分数反映整体水平。
    S=1N∑i=1N(⋅)S = \frac{1}{N} \sum_{i=1}^{N} (\cdot)

AI 应用场景

电商商品图“一键换背景”

阶段：提示词设计与参数协同

解决的问题：传统电商拍摄需要搭景、布光、后期抠图，一套主题场景成本数千元。用 Prompt 工程结合 img2img，可以批量把白底商品图重绘到指定场景中，成本降到几乎为零。

具体案例：某服装品牌用 Stable Diffusion 为当季风衣生成“秋日街角、暖黄灯光、浅景深”等多套场景。核心提示词写成模板：模特身穿 [服装]，[场景]，[光线]，best quality，配合 $\eta=0.6$ 的重绘强度，一次性产出 5 套场景共 100 张图。

游戏概念美术的快速验证

阶段：迭代调优策略

解决的问题：游戏立项早期需要大量风格探索，传统概念画师每张约 1-2 天，试错成本极高。Prompt 工程让“多风格快速试错”成为可能，权重切换 + 固定 seed 还能保证对比公平。

具体案例：某工作室为“废弃古代遗迹”产出 100 张候选概念图。团队用 (ruins:1.2), overgrown, misty morning 等提示词组合，配合 seed 锁定与 CFG 阶梯扫描，三天内收敛到 3 个美术方向，再交由画师精修。

广告营销物料批量生产

阶段：工程化落地

解决的问题：多平台、多尺寸、多风格的营销物料需求巨大，人工设计无法快速放量。通过模板库 + 批量评测，把“爆款”提示词固化下来，按季度主题批量产出变体。

具体案例：某 4A 广告公司为“春日饮品”项目构建提示词模板库，统一品牌色与基调，批量生成 200 张小红书配图，再用自动评分函数从细节、美观、一致性三维打分，筛选出前 20 张进入人工微调，整体工时从两周压缩到三天。

Python 演示

python60 行
# -*- coding: utf-8 -*-"""提示词工程小助手：模板生成、质量打分、迭代优化"""  class PromptWorkshop:    def __init__(self):        self.templates = [            "{subject}, {style}, {lighting}, {detail}, best quality",            "masterpiece of {subject}, {style}, {composition}, {detail}",            "{subject}, {style}, {lighting}, {detail}",        ]        self.positive_words = ["detail", "sharp", "quality", "masterpiece"]        self.negatives = ["lowres", "watermark", "blurry", "deformed", "extra"]        self._count = 0     def build_prompt(self, subject, style, lighting, detail):        tpl = self.templates[self._count % len(self.templates)]        self._count += 1        return tpl.format(subject=subject, style=style, lighting=lighting,                          detail=detail, composition="good composition")     def build_negative(self, extra):        return ", ".join(self.negatives + [extra])     def score_prompt(self, prompt, neg_prompt=""):        score = 10.0        hit = sum(1 for w in self.positive_words if w in prompt)        score += hit * 8.0        if "sharp" in prompt or "focus" in prompt:            score += 6.0        if ":1." in prompt:            score += 6.0        bad = sum(1 for w in self.negatives if w not in neg_prompt)        score -= bad * 4.0        length_penalty = max(0, len(prompt) - 140) * 0.1        score -= length_penalty        return round(max(score, 0.0), 1)     def optimize(self, subject, style, lighting, detail):        prompt = self.build_prompt(subject, style, lighting, detail)        neg = self.build_negative("ugly")        results = [(prompt, neg, self.score_prompt(prompt, neg))]         prompt2 = "detailed, sharp focus, " + prompt        results.append((prompt2, neg, self.score_prompt(prompt2, neg)))         prompt3 = "(masterpiece:1.2), " + prompt2        neg2 = neg + ", worst quality"        results.append((prompt3, neg2, self.score_prompt(prompt3, neg2)))        return results  if __name__ == "__main__":    ws = PromptWorkshop()    rounds = ws.optimize("a white cat", "watercolor",                         "soft window light", "flowing fur")    for i, (p, n, s) in enumerate(rounds, 1):        print("round {}: score {}".format(i, s))        print("  positive: {}".format(p))        print("  negative: {}".format(n))
目的：模拟 Prompt 工程中“模板生成 → 质量打分 → 迭代优化”的完整闭环，每轮得分提升对应一次成功的提示词改进。
  1. tpl = self.templates[self._count % len(self.templates)]轮流切换多个模板，模拟“多版本订单”轮换。
  2. return tpl.format(subject=subject, style=style, ...)把变量填入占位符，实现“模板化组装”。
  3. hit = sum(1 for w in self.positive_words if w in prompt)数一数正向质量词命中几个，命中越多加分越高。
  4. if ":1." in prompt: score += 6.0检测到权重标记就加分，体现“加权重”策略的价值。
  5. bad = sum(1 for w in self.negatives if w not in neg_prompt)检查负面词是否覆盖齐全，遗漏越多扣分越多。
  6. prompt3 = "(masterpiece:1.2), " + prompt2模拟“加权重强调”的迭代动作，对应 (cat:1.3) 语法。
  7. neg2 = neg + ", worst quality"迭代中不断补强负面清单，体现“双向引导”的工程习惯。

常见误区

误区“提示词堆得越多、写得越长，画面肯定越精细。我看大佬分享的词都是几百个英文单词，我也照抄一大段。”

正解模型注意力资源有限，长 prompt 会稀释核心语义，正向词与负面词还会互相干扰。老周面对三百字订单只会叹气：重点在哪？视觉词的最佳区间一般在 20-60 个词，关键是要素结构完整，而不是长度。

为何常见：早期社区分享的“超长 prompt”看起来专业，很多人误以为长度等于专业度，忽略了模型是“语义加权求和”而非逐字执行。

误区“负面提示词列得越多、权重给得越猛，模型就越不敢画丑，我把所有不想要的东西全塞进去。”

正解从双向引导公式可见，负向偏置 $s_n$ 过大会把采样轨迹推离合理分布，导致构图失衡、色彩浑浊。负面词应精准命中高频问题，如 extra fingers、watermark，而不是罗列百个低频词。

为何常见：“负面清单越全越安全”的直觉看似合理，却忽视了反向引导是“减法”，减太多会让画面失去自然底座。

误区“CFG Scale 调得越大，生成结果越贴近提示词，那我直接拉到 20 不就行了？”

正解CFG 是“贴合度”与“自然度”的权衡旋钮。过大会出现色彩过饱和、细节僵化、塑料感伪影。实际调参通常从 7-12 起步，先固定步数和种子，再单变量微调，而不是一味拉满。

为何常见：把“听话”等同于“质量高”，忽略了过度约束会让模型偏离它学到的自然图像分布。

误区“Seed 每次重新抽就好了，反正都是随机噪声，固定它浪费操作时间。”

正解Seed 决定初始噪声，是整个扩散过程的“起笔草稿”。固定 seed 才能公平地对比两次 prompt 修改到底改变了什么——这正是工程化回归测试和案例复盘的基础。

为何常见：日常随手刷图习惯了随机性，缺乏“控制变量”的实验意识，导致永远无法定位问题出在哪个环节。

面试题

Q1. Prompt 工程最核心的目标是什么？

单选题 · easy

  • A.让生成结果更贴近用户意图← 正确答案
  • B.缩短模型训练所需的时长
  • C.提高模型推理运行的速度
  • D.压缩提示词的字符总数量

答案：A。Prompt 工程是在模型已训练好的前提下，通过优化输入文本来控制生成方向，本质是“让结果更贴近意图”。它不改变训练时间、推理速度，也不以压缩字符数为目的。

Q2. 负面提示词的主要作用是什么？

单选题 · easy

  • A.降低生成图像的初始分辨率
  • B.排除画面中不需要的元素← 正确答案
  • C.增强生成图像的画面细节
  • D.提高扩散采样的执行速度

答案：B。负面提示词把采样轨迹推离指定概念，相当于订单“不要栏”。它不降低分辨率、不加细节、也不加速采样，只是让模型避开那些不该出现的东西。

Q3. 在扩散模型中使用负面提示词，本质上是？

单选题 · mid

  • A.删除提示词中无用的单词
  • B.额外进行一次反向的引导← 正确答案
  • C.放大正向提示词的权重值
  • D.降低采样步数以加速产出

答案：B。负面提示词通过公式中减号项实现，把采样方向推离负面内容，属于“反向引导”。它不删除词、不放大权重、也不影响步数。

Q4. 提示词中出现 (cat:1.3)，一般表示什么？

单选题 · mid

  • A.提升 cat 语义权重至 1.3 倍← 正确答案
  • B.让 cat 在画面中出现 1.3 次
  • C.将 cat 的像素尺寸放大 1.3 倍
  • D.给 cat 的采样步数乘上 1.3

答案：A。权重语法 (词:数字) 调节的是该词的语义权重，等价于在加权求和中把 $\alpha_i$ 设为 1.3。它不控制出现次数、像素尺寸或采样步数。

Q5. 其他条件不变时，把 CFG Scale 调大，通常会？

单选题 · mid

  • A.图像边缘开始变得模糊不清
  • B.画面更贴合提示词但易过饱和← 正确答案
  • C.单张图像生成耗时显著变短
  • D.负面提示词自动失去约束作用

答案：B。CFG 调大意味着更强的引导力度，画面更贴提示词，但过大会色彩过饱和、出现伪影。它与速度无关，也不会让负面词失效。

Q6. Seed（种子）在 Prompt 工程中的主要作用是？

单选题 · mid

  • A.让每张生成图结果互不相同
  • B.锁定初始噪声便于复现对比← 正确答案
  • C.控制提示词的最大长度上限
  • D.仅对负面提示词产生影响

答案：B。Seed 决定初始噪声，固定 seed 等于固定“起笔草稿”。它能让你在修改提示词时做公平对照，是回归测试的锚点。它不是随机开关，也不控制长度或只影响负面词。

Q7. img2img 中 denoise 强度 $\eta$ 越大，表示什么？

单选题 · hard

  • A.保留更多的原图结构与纹理
  • B.重绘越强，原图保留越少← 正确答案
  • C.让采样步数自动的减少
  • D.使提示词权重全部失效

答案：B。$\eta$ 控制混合比例中噪声项的占比：$\eta$ 大则“新灵感”多，原图结构保留少；$\eta$ 小则更接近原图。它不改变步数，也不会让提示词失效。

Q8. 以下哪些属于正向提示词的组成要素？

多选题 · easy

  • A.主体内容描述← 正确答案
  • B.风格流派限定← 正确答案
  • C.负面元素过滤
  • D.光影细节补充← 正确答案

答案：ABD。正向提示词包含主体、风格、细节、质量词等要素。负面元素过滤属于“不要栏”，是负面提示词的职责，不属于正向订单的组成要素。

Q9. Prompt 工程化落地的关键手段包括？

多选题 · hard

  • A.建立提示词模板库← 正确答案
  • B.批量生成与评分评测← 正确答案
  • C.移除全部负面提示词
  • D.对关键版本做记录管理← 正确答案

答案：ABD。工程化核心是模板复用、批量评测、版本管理。移除全部负面提示词是错误做法——负面词只要精准适量，就是质量防线，不能一刀切删除。

Q10. 关于采样步数与 CFG 的关系，正确的说法有？

多选题 · extreme

  • A.步数越高，扩散去噪越充分← 正确答案
  • B.高 CFG 时可增加步数缓解伪影← 正确答案
  • C.步数越高，图像必然越清晰
  • D.步数设置决定随机种子大小

答案：AB。步数越高去噪越充分，且高 CFG 引入的部分伪影可以通过更多步数缓解。但“必然越清晰”过于绝对，步数过高收益递减甚至可能引入额外噪声；步数与种子无关。