正向提示词结构模板

一句话定义

正向提示词按「主体 → 细节 → 环境 → 构图 → 光照 → 风格媒介 → 画质」七段结构描述目标分布的子区域，用短语化、信息密集的写法替代自然段落，是与 p(x|c) 采样机制最合拍的表达方式。

为什么重要

提示词是与模型对话的唯一日常接口，而模板是与模型「话不投机」问题的主要解药。CLIP 类文本编码器有词袋倾向（kp-011），长句的语序与逻辑不是它的强项——结构化短语把有限 token 预算（77）花在语义密度最高的地方。没有模板的新手提示词通常 token 冗余三倍而信息量减半。

前置知识

kp-011（token 化、77 窗口、词袋倾向）。

核心概念

• 七段结构：画质基调 / 主体（含动作与服饰）/ 细节特征 / 环境背景 / 构图镜头 / 光照氛围 / 风格媒介。
• 短语化（phrase-based）：用逗号分隔的名词短语而非完整句子，贴合 CLIP 的词袋式理解。
• 前置优先：同一提示词内，越靠前的 token 在经验上影响越稳（注意力分布对位置的弱偏置）。
• 触发词（trigger words）：特定训练产物（LoRA 等）约定的开关词，须置于显著位置。
• 语义冲突：同提示词内互斥描述（如「极简留白」与「细节繁复」）会导致采样在两个子分布间震荡。

原理与机制

模板有效的原因有三层。第一层：token 预算经济学。77 token 是硬上限，每个冗余词（"there is", "you can see"）都在挤占有效语义；短语化把单位 token 的信息密度最大化。第二层：匹配编码器的理解形态。CLIP 在训练时见到的 caption 多为「主体+场景」的短描述，短语化输入落在其熟练区；完整长句反而引入它处理不稳的语法结构。第三层：子区域导航。每段描述在分布上做一次「圈定」：主体定核心、环境定背景子区域、光照定色彩统计、风格定纹理统计——七段从粗到细地收缩 p(x|c)。段内顺序（前置优先）与注意力层的 token 位置偏置相关，属于可依赖的经验规律而非保证。

风格与媒介词的杠杆效应：同样主体，「watercolor painting」与「product photography」激活的分布区域天差地别——风格词改变的是纹理统计与构图先验，比细节词的杠杆率更高，应慎重放置在前段。画质词的时效性：「masterpiece, best quality」类词是早期模型时代的统计锚点，在新一代模型上增益趋零甚至劣化——它们是历史包袱而非原理（kp-019 详述）。

公式与推导

本节不适用——本知识点属于方法论层，其机制基础（注意力、条件分布）已在 kp-010、kp-011 建立。

图示

直观类比

写提示词像给外卖平台填单：不是写一篇「我饿了的抒情散文」，而是按「主食-口味-忌口-配送」字段填表——字段齐全，后厨（模型）出错的自由度就被压到最小。

实例或案例

按模板逐段拆解一个可用提示词（SDXL 系实测风格）：

cinematic photo（画质基调）, a lone hiker in a red raincoat standing on a cliff（主体+动作+服饰）,
wind-swept hair, worn boots（细节）, vast sea of clouds below the cliff（环境）,
wide shot, rule of thirds, low angle（构图/镜头）, golden hour backlight, volumetric fog（光照）,
35mm film photography（风格/媒介）

反例（同信息量的坏写法）：「I want you to generate a picture of a man who is hiking, it should look really cinematic and beautiful, maybe he could be wearing a red raincoat…」——37 个词里有效语义词不足 10 个，语序噪声还可能稀释主体权重。

常见误区

• 误区一：关键词堆得越多越好。互斥描述互相拉扯分布、token 超限截断尾部，堆砌常导致「什么都有一点、什么都不像」。
• 误区二：写完整句子更清楚。对 CLIP 类编码器适得其反；语法词是噪声（T5 系编码器对自然句更友好，写法应随模型调整）。
• 误区三：画质咒语万能。「masterpiece」系词汇只在被特定数据训过的模型上有统计意义，迁移到新模型即失效。

自测题

1. 七段模板是哪七段？哪两段杠杆最大？

答案要点：画质/主体/细节/环境/构图/光照/风格媒介；主体与风格媒介杠杆最大（分别定内容与统计形态）。

1. 为什么提示词要短语化而非完整句？

答案要点：匹配 CLIP 的词袋式理解与训练分布，节省 77 token 预算，降低语法噪声。

1. 「极简留白」与「细节繁复」写进同一提示词会发生什么？

答案要点：语义冲突使采样在两个子分布间摇摆，输出风格不稳定、常出现混搭折中。

与其他知识点的关系

kp-018 的负向提示词是本模板的补集；kp-019 的权重语法是对模板内词项的强度微调；kp-020 把模板与固定种子结合成系统化调试法；kp-023 提醒模板需随模型代次调整。

延伸阅读

Liu & Chilton《Design Guidelines for Prompt Engineering…》（CHI 2022）基于大规模用户实验总结了提示词写法的行为规律，与本文模板互相印证。