想象你走进一家不设菜单的高级餐厅，后厨只有一位虚拟主厨：你说什么，他就做什么。你说“随便来点好吃的”，他端出来的菜就全看心情——这就像大多数刚接触 AI 绘画的人，在输入框里敲“一只小猫，好看的画风”，出的图美不美全靠抽卡。真正的高手从不“随便”。他们像老食客一样精准报菜名：这一道，要某位大师傅的拿手作风；这一席，走哪个菜系的路数；食材要什么质感，灯光从哪个角度打，哪些配料绝不能出现，辣度调几成——全部说清楚。这套“报菜名”的话术，就是风格关键词。本篇文章会带你认识四类核心词（画家风格词、艺术流派词、材质质感词、镜头光影词），再学会正向反向组合、权重调节与冲突词排查。学完以后，你将彻底告别“靠运气出图”，升级为“靠关键词精准控图”，每一张图都稳稳落在想要的风格区间里。

岗位关联

风格关键词是 AI 绘画从业者的核心手艺：掌握它，出图不再是抽卡，而是稳定的生产工具，创作效率与质量同步提升。

目录
  1. 可视化演示
  2. 画家风格词
  3. 艺术流派词
  4. 材质质感词
  5. 镜头光影词
  6. 正反向组合
  7. 权重调节
  8. 冲突词排查
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示风格关键词从CLIP文本编码到潜空间映射的完整流程，四维分类体系及权重调节对生成效果的影响。

本节配有交互动效（进入视口后自动加载，约 3KB）。

风格关键词编码流程 文本经CLIP编码器转为高维向量 向量在潜空间定位风格区域 v_style = CLIP(keyword) 风格向量引导生成过程向目标风格偏移

画家风格词

在“报菜名”的第一步，老食客会直接点名：“这道菜，请老张师傅掌勺。”老张师傅起锅烧油的手势、调料下锅的次序，都有独门印记。对应到 AI 绘画里，画家风格词就是“点名主厨”——直接在提示词里写下画家的名字，让生成模型去模仿那位画家作品里的笔触、配色和构图习惯。

最常见的写法是在词尾挂上 “in the style of Van Gogh“ 这样的固定句式，或者干脆写”梵高“两个汉字。模型学习过海量画作，看到大师名就等于唤醒了一整套风格记忆：星空般的涡旋笔触、高饱和的黄色调、粗犷的厚涂肌理。这是所有风格词里锚定力最强的一类，堪称风格界的”定海神针”。

想让大师风更“入味”，可以叠加两层技巧：一是风格后缀修饰，比如 “Van Gogh style, thick oil brush strokes“，用技法词帮模型”加深“笔触方向；二是双画家混合，把互相反差的两位大师并排写，比如 ”Van Gogh + Katsushika Hokusai”，让模型在两者之间取交集，生成既像梵高又带浮世绘线条的中间风格。大师词在提示词中越靠前、权重越高，临摹味道就越浓。

所以下次请 AI 作画，先别急着描述“画什么”，先想清楚“谁来画”。像老食客报“老张师傅的回锅肉”一样，把大师名放在最前面，你的画风控制就赢在了起跑线上。

画风=w大师×大师词+w技法×技法词+w媒介×媒介词\displaystyle \text{画风} = w_{\text{大师}} \times \text{大师词} + w_{\text{技法}} \times \text{技法词} + w_{\text{媒介}} \times \text{媒介词}
画风不是凭空生出来的，而是“大师词、技法词、媒介词”三路信号加权叠加的结果，权重写多少，味道就有多重。
  1. 大师词权重w_{\text{大师}} 代表大师名在提示词中的优先级，默认权重 1.0，写在越前面越被模型重视。
    w大师w_{\text{大师}}
  2. 技法词加成w_{\text{技法}} \times \text{技法词} 用 "thick brush strokes" 这类词强化笔触走向。
    w技法×技法词w_{\text{技法}} \times \text{技法词}
  3. 媒介词加成w_{\text{媒介}} \times \text{媒介词} 用 "oil on canvas" 指定颜料载体，补全画面材质。
    w媒介×媒介词w_{\text{媒介}} \times \text{媒介词}
  4. 加权求和\text{画风} = \sum_i w_i \times \text{词}_i 三路成分相加，最终决定风格落在哪个方向。
    画风=∑iwi×词i\text{画风} = \sum_i w_i \times \text{词}_i

艺术流派词

有时候你想吃的是“一整桌有统一路子的菜”，而不是某个人的拿手菜——这时候报菜系比点名更管用。艺术流派词就是菜系：印象派爱捕捉光影的瞬间，浮世绘爱平涂线条与装饰性构图，赛博朋克则执着于霓虹与废墟交织的未来感。

流派词比画家词更“粗粒度”，它不绑定某个具体的人，而是绑定一群人共享的美学公约数。比如写下 “impressionism“，模型会同时调动莫奈的光斑、雷诺阿的温暖肤色、德加的构图习惯——你得到的是”整个流派的平均气质“。正因为它覆盖广，通常需要再叠两个”限定词”来收窄范围。

第一个限定词是时期：“early 1900s impressionism“ 比裸写 impressionism 更精准，因为晚期印象派已经走向点彩与野兽派边缘。第二个限定词是地区：”Japanese ukiyo-e“ 能锁定浮世绘那种木版画的线条粗细与色彩平涂感。此外，当代数字创作社区也自成一派：”trending on ArtStation, digital painting, 3D render“ 这类词能快速召唤”网络流行风”，适合想要时尚感而不是古典感的场景。

点菜时报了“川菜席”，还要补一句“要老式做法、要重庆风味”，这一桌的江湖气才出得来。艺术流派词的用法同理：大菜系加小限定，画风才不会跑偏成“四不像”。

流派定位=流派名+时期词+地区词\displaystyle \text{流派定位} = \text{流派名} + \text{时期词} + \text{地区词}
流派名定骨架，时期和地区负责收窄。三词叠加后，风格区间就会从“整个菜系”缩小到“某一年代的某个地方风味”。
  1. 流派名锚点\text{流派名} 如 "impressionism"，是整套风格定位的核心骨架。
    流派名\text{流派名}
  2. 时期收窄+ \text{时期词} 如 "early 1900s"，把风格精确到具体年代。
    +时期词+ \text{时期词}
  3. 地区叠加+ \text{地区词} 如 "Japanese"，锁定地域美学基因。
    +地区词+ \text{地区词}
  4. 交集定位\text{定位} = \text{流派名} \cap \text{时期} \cap \text{地区} 三个词圈出一个更窄的风格交集。
    定位=流派名∩时期∩地区\text{定位} = \text{流派名} \cap \text{时期} \cap \text{地区}

材质质感词

同一道回锅肉，有人痴迷“肥而不腻、入口油润”的肉感，有人执着“边缘微焦、带着锅气”的质感。菜品好不好吃，口感说了算；AI 绘画像不像样，质感词说了算。材质质感词专门负责画面“摸上去的感觉”：是湿润颜料堆叠的凸起，还是宣纸上晕开的墨痕。

这类词主要分三个层次：第一层是媒介类型词，直接声明载体——“oil painting“（油画）、”watercolor“（水彩）、”ink wash“（水墨）、”pixel art“（像素画）。第二层是笔触纹理词，决定颜料的”手法”——“impasto“（厚涂，颜料像奶油一样堆起来）、”flat colors“（扁平，干净利落的色块）。第三层是数字风格词，作用于像素层面的质感——”noise grain“（噪点颗粒）让画面有胶片味，”voxel”（体素）带来立体方块感。

媒介词和笔触词经常被混为一谈，其实它们各管一段：媒介决定“用什么画”，笔触决定“怎么画”。想得到“细节惊人”的作品，还可以追加细节刻画词，如 “intricate details, highly detailed skin texture, fabric weave visible“，相当于要求厨师连盘边的酱汁画花都别糊弄。质感词是风格精细度的大头，同样一个”梵高“，配上 ”impasto“ 和 ”smooth digital”，出来的画面质感完全是两盘菜。

好的食材还要配对的装盘。学完这一节，以后报词时别忘了交代“口感”——要厚涂的醇厚，还是要扁平的清爽，模型全听你一句话。

质感=媒介+笔触+表面细节\displaystyle \text{质感} = \text{媒介} + \text{笔触} + \text{表面细节}
画面的“手感”由媒介、笔触和表面细节三层叠加而成，缺一层都会让质感显得“塑料”。
  1. 媒介基底\text{媒介} 如 oil / watercolor / pixel，决定颜料的底层物理属性。
    媒介\text{媒介}
  2. 笔触手法\text{笔触} 如 impasto / flat，决定颜料是堆叠还是平铺。
    笔触\text{笔触}
  3. 表面细节\text{表面细节} 如 canvas grain / fabric weave，补充微观纹理层次。
    表面细节\text{表面细节}
  4. 分层叠加\text{质感} = \sum_i \text{材质层}_i 三层各自独立贡献，共同构成最终手感。
    质感=∑i材质层i\text{质感} = \sum_i \text{材质层}_i

镜头光影词

菜做得好，还要摆盘、打灯、找角度，否则上桌就输了。镜头与光影词管的正是“怎么拍”：同一个梵高风的场景，用逆光会像电影剧照，用顶光瞬间变成审讯室。这一组词把 AI 从“画画的”变成了“摄影师”。

具体分四类。景别控制词决定画面取景范围——“close-up“（特写）看情绪，”wide shot“（全景）看氛围。机位角度词决定观看视角——”low angle“（仰拍）显气势，”birds-eye view“（鸟瞰）显格局。光型光位词决定光线语言——”backlight“（逆光）勾轮廓，”Rembrandt lighting“（伦勃朗光）在脸上留一块经典三角亮区，”golden hour”（黄金时刻）给全世界镀上蜂蜜色。

第四类是胶片质感词——“film grain“（胶片颗粒）、”Kodak Portra“（柯达人像胶片的色彩科学）、”cinematic“（电影感）等，它们给画面套上”拍出来的“滤镜而非”画出来的“感觉。写提示词时，这四类词和”题材”是相互独立的维度：同一个人物，换一组镜头光影词，情绪气质可以截然不同。这就是为什么很多高手在固定画风时，会再锁一套固定的镜头光影模板，保证同一批图观感统一。

老食客连“窗边位置、暖黄灯光、45 度侧拍”这种细节都要交代，因为氛围藏在光影里。AI 绘画同样如此：画好之后，记得“打灯”。

摄影感=景别×机位×光型\displaystyle \text{摄影感} = \text{景别} \times \text{机位} \times \text{光型}
景别、机位、光型三个因子互相乘在一起，任何一项改变，整张画面的观感都会被成倍改写。
  1. 景别取景框\text{景别} 特写 / 中景 / 全景，负责“取多大范围”。
    景别\text{景别}
  2. 机位视角\text{机位} 俯视 / 仰视 / 平视，决定“从哪看”。
    机位\text{机位}
  3. 光型塑形\text{光型} 逆光 / 伦勃朗光 / 侧光，塑造立体感与情绪。
    光型\text{光型}
  4. 因子相乘\text{摄影感} = \text{景别} \times \text{机位} \times \text{光型} 三个维度互乘，任一因子变化都会成倍改变观感。
    摄影感=景别×机位×光型\text{摄影感} = \text{景别} \times \text{机位} \times \text{光型}

正反向组合

点菜时说“要什么”还要说“不要什么”——“不要香菜，不要葱”这两句话，往往比正面描述更能保住整道菜。AI 绘画里的正反向组合也是同样的道理：正向提示词负责“要什么”，负向提示词（negative prompt）负责“不要什么”。

正向提示词是画面骨架：主体加风格，比如 “a girl reading by the window, impressionist oil painting“，词与词之间用逗号分层。注意排列顺序——模型读得越早的词，影响力越大，所以最重要的风格词要放在最前面。负向提示词是杂质过滤器：常见瑕疵词如 ”blurry, lowres, bad anatomy, extra fingers, watermark” 一并塞进负向区，模型在生成时就会刻意绕开这些区域。

组合策略上有一个常见误区：不是词越多越好。正向词堆太多同义词（比如同时写 “beautiful, pretty, gorgeous, stunning“），每个词的权重都会被摊薄，风格反而模糊——这叫词效稀释。正确做法：正向给骨架 5~10 个精准词，负向挑 3~5 个最常见瑕疵即可。正反比例的平衡至关重要，负向词过多会把画面”拽”向平庸，因为模型为了避开禁区会变得畏手畏脚。

这道菜最后上了桌，香菜星人忍不住回想：如果当初那一勺“不要香菜”没说出口，入口全是香菜味。正反向组合就是你的点菜补充条款——一句话，省掉一大半返工时间。

最终画面=正向锚定词−反向排除词\displaystyle \text{最终画面} = \text{正向锚定词} - \text{反向排除词}
最终画面等于正向的“要”减去反向的“不要”。负向词像一把镊子，把生成过程中的瑕疵一个个挑掉。
  1. 正向画骨架\text{正向锚定词} 定义主体、风格与氛围，是画面的大方向。
    正向锚定词\text{正向锚定词}
  2. 反向去瑕疵\text{反向排除词} 剔除畸形手、水印、模糊等禁区元素。
    反向排除词\text{反向排除词}
  3. 相减运算\text{最终画面} = P - N 在生成空间里，负向词把采样方向推离“坏区域”。
    最终画面=P−N\text{最终画面} = P - N
  4. 比例平衡\frac{|N|}{|P|} < 1 反向词总权重应低于正向，否则画面被“拽空”变平庸。
    ∣N∣∣P∣<1\frac{|N|}{|P|} < 1

权重调节

同样一句“多放辣”，说一遍和扯着嗓子喊三遍，效果完全不同。AI 绘画没有音量键，但有权重：权重调节就是你的“重音”，告诉模型你说的每一个词，该用多大力气去执行。

最常见的两种语法来自 WebUI 生态。第一种是括号语法：把词用圆括号包起来 “(sunset)“，权重自动乘 1.1；包两层 ”((sunset))“，权重就是 1.1 的平方，约 1.21。第二种是冒号语法，直接写明数值 ”(sunset:1.3)“，更直观，也支持小数权重，比如 ”(sunset:0.8)” 表示弱化它的存在感。

权重真正起作用的是相对大小：当“日落”是 1.3、“云朵”是 0.8 时，模型会优先保证日落氛围，云朵沦为陪衬——理解了这一点，你就知道调权重的本质是“拍板谁是主角”。注意别让任何一个词超过 1.5：权重过载时模型会用力过猛，把日落画成一片烧糊的橙红色块，术语叫“过拟合失真”，画面直接融毁。安全区间通常是 0.7~1.4 之间反复试。

学到这里，你已经是能控制“辣度”的食客了：微辣、中辣、特辣，全凭括号与冒号说了算。下一次出图偏科，别急着全部推翻——先回头看看是不是哪个词的“音量”开太满了。

w词=1.1 k或w词=冒号数值\displaystyle w_{\text{词}} = 1.1^{\,k} \quad \text{或} \quad w_{\text{词}} = \text{冒号数值}
括号越多权重越高，冒号语法则直接“标价”；两者都改变同一个东西——模型执行这个词的力度。
  1. 括号叠乘w = 1.1^{\,k} 每包一层圆括号，权重乘以 1.1，两层即 1.21 倍。
    w=1.1 kw = 1.1^{\,k}
  2. 显式标价w_{\text{词}} = \text{冒号数值} 如 (sunset:1.3)，直接指定精确权重。
    w词=冒号数值w_{\text{词}} = \text{冒号数值}
  3. 相对占比r_i = \frac{w_i}{\sum_j w_j} 单个词的权重只有在全体词中的相对占比才是真正的影响力。
    ri=wi∑jwjr_i = \frac{w_i}{\sum_j w_j}
  4. 过载警戒w_{\text{词}} > 1.5 超过 1.5 之后模型容易用力过猛，导致画面融毁失真。
    w词>1.5w_{\text{词}} > 1.5

冲突词排查

点菜时最怕自己打自己脸：先喊“要麻辣锅底”，又补一句“最好清汤寡水”。厨师听完直接懵，端出来的锅底介于两者之间，谁都不满意。AI 绘画里的冲突词排查，就是给提示词做“口味安检”，专治这种自相矛盾的报菜名。

冲突词主要有三类。第一类语义互斥：比如 “wet skin“ 和 ”dry skin“，一对反义词同时出现，模型不知该往哪个方向走，最后混出一层黏糊糊的脏质感。第二类是风格对冲：画家名与流派词打架，比如 ”Van Gogh style” + “minimalism“，一边要铺满笔触，一边要大面积留白，模型只能交出两边都不讨好的折中稿。第三类是权重失衡：两个方向相反的词高低权重悬殊时，低权重的那个会被高权重方”吞掉”，但它的残留影子还会污染画面。

排查方法可以套用“断电二分法”：先把提示词分成前后两半，分别出图，哪一半变正常了，问题词就在另一半；再把有问题的半边折半，如此往复，几次就能锁定肇事词。锁定后用三选一处理：降权重、换近义词、或者直接删除。另外，对常见角落缺陷（如手指畸变），与其在正向里塞一堆“好手”的同义词，不如把它们写进负向词里“兜底”，效果更干净。

一个好厨师不会让甜品和火锅底料同时下锅。排查冲突词，就是学会在报菜名时前后照应，保证整张菜单的逻辑自洽——你的提示词不再互相打架，画面自然干净利落。

冲突分=max⁡i≠j sim(词i,词j)\displaystyle \text{冲突分} = \max_{i \neq j} \, \text{sim}(\text{词}_i, \text{词}_j)
把提示词里所有词两两比对语义相似度，最像的一对“冤家”决定冲突上限；分越高，画面越容易两头不讨好。
  1. 两两比对\text{sim}(\text{词}_i, \text{词}_j) 逐个计算词对的语义相似度。
    sim(词i,词j)\text{sim}(\text{词}_i, \text{词}_j)
  2. 取最大值\max_{i \neq j} 取全局最相似的一对，作为冲突风险的上限。
    max⁡i≠j\max_{i \neq j}
  3. 阈值判断\text{冲突分} > 0.8 超过阈值说明两个词在抢方向盘，必须干预。
    冲突分>0.8\text{冲突分} > 0.8
  4. 定位删除\text{prompt}' = \text{prompt} \setminus \{ \text{词}_j \} 删掉或降权肇事词后重新出图验证。
    prompt′=prompt∖{词j}\text{prompt}' = \text{prompt} \setminus \{ \text{词}_j \}

AI 应用场景

电商礼盒“梵高星空风”批量出图

阶段：Prompt 工程与风格定制（文生图执行阶段）

解决的问题：传统方式下，给几十款包装批量出主视觉要外包手绘或反复抽卡，风格忽偏忽正。用“画家词 + 流派词 + 材质词”组合把风格坐标锁死，让每一张图都落在同一风格区间内。

具体案例：某咖啡品牌上新 30 款星空主题礼盒，AI 视觉设计师将固定前缀 “in the style of Van Gogh, impasto oil painting, starry night, cinematic lighting“ 注入模板，仅替换每款的产品名与构图词，30 张主视觉风格一致性从”碰运气”提升到 95% 以上，单批交付周期从两周压缩到三天。

游戏立绘批量出图的“反向质检”

阶段：后处理与质量控制（图生图 + 负向词过滤）

解决的问题：批量生成角色立绘时，多指、畸形、水印、模糊是最高频瑕疵，人工逐张筛选成本极高。把常见瑕疵统一写进负向词库，等于在生成源头先做一轮“不要这些料”的过滤。

具体案例：某独立游戏工作室为 200 张 NPC 立绘搭建固定 Prompt 模板，负向词固定为 "bad anatomy, extra fingers, watermark, blurry, lowres"，废图率从 40% 降到 12%，原画师只需在通过率上复核，不再逐张修手指。

Python 演示

python65 行
# -*- coding: utf-8 -*-"""风格关键词组合器：把零散词条调成一张可用的出图 Prompt"""import math CONFLICT_PAIRS = [("wet", "dry"), ("flat", "impasto"), ("sketch", "3d render"),                  ("dark", "bright"), ("minimalist", "baroque")] class StylePromptBuilder:    def __init__(self):        self.positive_words = []      # (词, 权重)        self.negative_words = []      # (词, 权重)        self.meta_style = []          # 画风定位词: 画家/流派/材质/镜头     def add_meta(self, word, weight=1.0):        self.meta_style.append((word, weight))     def add_positive(self, word, weight=1.0):        self.positive_words.append((word, weight))     def add_negative(self, word, weight=1.0):        self.negative_words.append((word, weight))     def build_prompt(self):        parts = []        for w, wt in self.meta_style + self.positive_words:            tag = w if abs(wt - 1.0) < 1e-9 else "(%s:%s)" % (w, wt)            parts.append(tag)        neg = [w for w, _ in self.negative_words]        text = ", ".join(parts)        if neg:            text += " --negative " + ", ".join(neg)        return text     def conflict_score(self):        words = [w for w, _ in self.meta_style + self.positive_words]        score = 0.0        worst = ("", "")        for a in range(len(words)):            for b in range(a + 1, len(words)):                if (words[a], words[b]) in CONFLICT_PAIRS or \                   (words[b], words[a]) in CONFLICT_PAIRS:                    s = 1.0                else:                    common = len(set(words[a]) & set(words[b]))                    s = common / max(len(words[a]), len(words[b]))                if s > score:                    score, worst = s, (words[a], words[b])        return score, worst     def show_balance(self):        pos = sum(w for _, w in self.positive_words)        neg = sum(w for _, w in self.negative_words)        return pos - neg if __name__ == "__main__":    b = StylePromptBuilder()    b.add_meta("impasto oil painting", 1.3)    b.add_meta("in the style of Van Gogh")    b.add_positive("starry night sky", 1.2)    b.add_positive("warm golden hour light", 1.1)    b.add_negative("blurry", 1.2)    b.add_negative("watermark", 1.0)    print(b.build_prompt())    print("conflict:", b.conflict_score())    print("balance:", b.show_balance())
目的：把零散的风格关键词组装成带权重语法、正反分区、可查冲突的完整 Prompt，直接复制即可用于出图。
  1. CONFLICT_PAIRS = [("wet", "dry"), ("flat", "impasto"), ...]预设“口味打架”的菜名对，两词同框必互踩
  2. self.positive_words = []正向食材清单，后续“报菜名”从这里取料
  3. self.negative_words = []反向禁忌清单，专门记“不要香菜”这类词
  4. def build_prompt(self):把清单按权重语法拼成一句模型看得懂的提示词
  5. tag = w if abs(wt - 1.0) < 1e-9 else "(%s:%s)" % (w, wt)权重为 1 时不加标记，否则用冒号语法显式标注
  6. text += " --negative " + ", ".join(neg)把反向词挂到提示词尾部，相当于“不要这些料”
  7. if (words[a], words[b]) in CONFLICT_PAIRS or ...命中“口味打架”名单则冲突分直接拉满
  8. common = len(set(words[a]) & set(words[b]))用字符重合度做朴素相似度近似
  9. s = common / max(len(words[a]), len(words[b]))归一化成 0~1 的相似度
  10. pos = sum(w for _, w in self.positive_words)正向总权重，衡量主体力量
  11. if __name__ == "__main__":直接运行时执行演示逻辑，打印出图配方

常见误区

误区我一直以为关键词写得越多，AI 参考的信息就越全，画面肯定会更精致。所以我把几十个赞美词全塞进去，结果图反而又乱又糊。

正解模型执行提示词的逻辑更像“平均厨师”：每个词都会拉走一部分注意力。几十个同义赞美词互相摊薄权重，等于同时让厨师放十种盐。正确的调法是把关键词控制在 5～10 个，按画家、流派、材质、镜头四类分层，再把最核心的词用权重顶起来。

为何常见：新手默认“信息多 = 效果好”，加上看到别人分享的超长提示词都有精美成品，误以为长词串是成功原因，其实人家靠的是结构与权重。

误区我听说负向词能去掉瑕疵，就把所有能想到的坏词全塞进去，什么模糊、难看、畸形、水印……结果画面倒是干净了，但人物表情空洞，构图也畏手畏脚。

正解负向词像“画地自限”的栅栏：圈掉太多禁区，模型就不敢动笔，只能交出一张小心保守的平庸图。正确策略是只封锁高概率出现的具体瑕疵（多指、水印、低分辨率），并保持负向总权重低于正向，让模型在“有方向的安全区”里自由发挥。

为何常见：负向词的“排除”效果立竿见影，新手容易把它当成万能橡皮擦，忽略了模型生成空间被过度压缩的隐性代价。

误区我觉得风格词就是玄学，写“梵高”和不写真差不了多少，画面好不好看主要看运气和底模。

正解大师名是整段提示词里锚定力最强的风格信号。模型见过的画作里，梵高的笔触与配色早已形成强关联，写上它等于直接唤醒“星空般的涡旋、明艳的黄蓝撞色”整套记忆。去掉它，模型会退回“通用 AI 味”——精致但毫无个性。之所以有人觉得差别不大，是因为同时叠加了太多杂词，把大师信号稀释了。

为何常见：当提示词里同时存在许多其他风格词时，大师名被淹没，新手观察到的现象就变成“写了也没用”，从而误判其价值。

误区我一般写提示词结尾都加“油画风格”四个字，觉得这样画面肯定有油画的厚重感和颜料纹理了。

正解“油画”只声明了媒介，就像说“这道菜是炖菜”，但没说是文火慢炖还是高压锅速成。真正决定质感差距的是笔触词：“impasto“ 给出奶油般堆叠的立体颜料，”glazing“ 给出层层罩染的光泽，”canvas texture” 给出画布的织物纹理。质感是媒介、笔触、表面细节三层叠加的结果，只写媒介等于只报了菜名没报做法。

为何常见：大多数人接触到的提示词模板里“油画风格”出现频率极高，被误当成完整配方；而材质细节词相对小众，初学者根本不知道还有这一层。

面试题

Q1. 想让 AI 立刻画出“梵高那样”的笔触，第一优先应写什么？

单选题 · easy

  • A.直接写大师名如梵高← 正确答案
  • B.直接写画面题材如星空
  • C.直接写画质诉求如高清
  • D.直接写输出设备如相机

答案：A。画家名是最强风格锚，相当于直接点名让主厨做拿手菜；题材词只决定画什么，画质词与设备词不参与风格归属，因此 A 正确。

Q2. 提示词中出现 "(sunset:1.3)"，这里的 1.3 表示什么？

单选题 · easy

  • A.夕阳这个词的权重为一点三倍← 正确答案
  • B.画面亮度整体提升一点三倍
  • C.图片生成时间延长一点三倍
  • D.色彩饱和度上调一点三倍

答案：A。冒号语法直接给词“标价”，1.3 表示以 1.3 倍力度执行“夕阳”；它不影响亮度、时长或饱和度这些物理参数，故选 A。

Q3. 负向提示词（negative prompt）的主要作用是？

单选题 · easy

  • A.排除不想要的元素与瑕疵← 正确答案
  • B.提高最终画面的分辨率
  • C.增加画面细节的丰富度
  • D.加快图像生成的运行速度

答案：A。负向词像点菜时的“不要香菜”，专门排除畸形手、水印、模糊等不想要的元素；分辨率与速度由采样器、尺寸等控制，不由负向词决定。

Q4. 同一段提示词中，“油画”与“厚涂”两类词的关系是？

单选题 · mid

  • A.油画定媒介厚涂定笔触← 正确答案
  • B.两者都只影响画面明暗
  • C.两者语义冲突必须二选一
  • D.两者只会影响背景配色

答案：A。“油画”声明媒介（用什么画），“厚涂”声明笔触（怎么画），两者分层叠加而非冲突；明暗与背景色属于光影词的管辖范围。

Q5. 把某个词的权重调到 1.6，最可能出现的后果是？

单选题 · mid

  • A.该词主导画面但容易失真← 正确答案
  • B.该词被模型直接忽略掉
  • C.整张图片颜色完全变灰
  • D.生成速度明显大幅变慢

答案：A。权重越高模型执行越用力，超过 1.5 后容易过载失真，比如把夕阳烧成一片糊；模型不会忽略高权重词，颜色与速度也不受影响。

Q6. Prompt 出图“四不像”，排查问题词最有效的方法是？

单选题 · mid

  • A.逐词删减二分定位问题词← 正确答案
  • B.重置所有词权重为相同值
  • C.把提示词全体翻译成英文
  • D.更换更大尺寸的采样设置

答案：A。四不像通常是词之间互相拉扯。逐词删减、二分定位可以快速锁定肇事词，就像电工用切断法排查短路；整体重写、统一权重和改翻译都无法定位问题。

Q7. “莫奈风格”与“极简主义”同时写入正向词，最可能的结果是？

单选题 · hard

  • A.两股风格对抗后各让一步← 正确答案
  • B.极简主义完全吞掉莫奈风
  • C.莫奈风格原样完整保留下来
  • D.生成器直接拒绝进行出图

答案：A。画家名与流派词都是风格锚，方向互斥时模型只能取折中，谁权重高谁占上风；不会出现一方完全吞掉另一方，更不会拒绝生成。

Q8. 下列哪些词属于“镜头与光影词”？

多选题 · mid

  • A.逆光暖色调侧拍特写← 正确答案
  • B.伦勃朗光与黄金时段← 正确答案
  • C.水彩晕染与纸张纹理
  • D.低角度与胶片颗粒感← 正确答案

答案：ABD。A（逆光/侧拍特写）、B（伦勃朗光/黄金时）、D（低角度/胶片颗粒）都是“怎么拍”的镜头光影词；“水彩晕染与纸张纹理”属于材质质感词，故选 A、B、D。

Q9. 关于正向与反向关键词组合，下列做法正确的有哪些？

多选题 · hard

  • A.正向锚定核心风格主体← 正确答案
  • B.反向剔除常见畸形瑕疵← 正确答案
  • C.正向堆砌大量同义词
  • D.反向词语越多效果越好

答案：AB。正向给骨架、反向剔瑕疵是标准组合；堆同义词会稀释关键权重，反向词过多会束缚模型导致画面平庸，故 C、D 错误。

Q10. “厚重油画肌理”与“极致扁平插画”权重相同时发生对冲，合理的排查动作包括？

多选题 · extreme

  • A.降低其中一方的关键词权重← 正确答案
  • B.用负向词弱化冗余一方← 正确答案
  • C.将两词合并成同义新词
  • D.删除一方后对比出图← 正确答案

答案：ABD。风格对冲时先降权、用负向词压制或删除一方做对比，都能定位并解决冲突；把两词合并成“同义新词”不消除方向矛盾，反而制造冗余，故 C 错误。