GPT Image 2 提示詞工程：從入門到穩定出圖的完整進階手冊

同一個模型，同樣的商品，提示詞寫法不同，通過率可以從 30% 跳到 80%。這不是玄學，是方法。

文中所有產品圖使用 GPT Image 2 生成。

---

為什麼要單獨講提示詞

GPT Image 2 的能力上限很高——它能生成寫實的產品攝影、精細的材質紋理、準確的文字渲染。但從「模型能做」到「你能穩定地讓它做」，中間隔著一個提示詞工程的鴻溝。

很多人的體驗是：偶爾出一張驚豔的圖，但大多數時候生成的結果要麼「差一點」，要麼「完全跑偏」。問題不在模型，在於你和模型之間的「溝通方式」。

這篇文章要解決的就是這個問題。我會從最基礎的提示詞結構講起，逐步深入到編輯流、多圖合成、失敗診斷和參數化模板系統，最終目標是讓你建立一套穩定的、可複用的、可批處理的提示詞工作流。

---

第一層：純文字生成的提示詞結構

這是最基礎的用法——你沒有真實產品照片，完全靠文字描述讓 AI 生成圖片。適合概念圖、預售視覺、無實物但要先賣故事的階段。

核心框架：四段式結構

經過大量測試，我發現按以下順序組織提示詞，效果最穩定：

[場景/背景] → [商品主體] → [關鍵細節] → [約束條件]

為什麼這個順序有效？因為 GPT Image 2 對提示詞開頭的權重最高。你把「場景」放在最前面，模型就會先確定整體的視覺語境；把「商品主體」放在第二位，模型在正確的語境裡描繪商品；「細節」補充精度；「約束」劃定邊界。

反過來，如果你一上來就寫細節（比如「30ml磨砂玻璃瓶，銀色滴管蓋」），模型可能還沒建立正確的視覺語境就開始渲染細節，導致整體風格跑偏。

實戰示例：美妝精華白底主圖

用途：
Shopify PDP 主圖

主體：
一瓶 30ml 玻璃滴管精華，磨砂透明玻璃瓶身，乳白色液體，銀色金屬滴管蓋，極簡高端護膚品牌調性

背景：
純白無縫背景

構圖：
正面偏左 10 度，主體居中，占畫面 90%，輕微自然接觸陰影

光線：
柔和漫射棚拍，受控高光，玻璃邊緣清晰，液體真實可見

細節：
真實玻璃厚度，標籤平整，液體粘度自然，金屬反射乾淨

約束：
不要花瓣，不要葉子，不要額外道具，不要虛構 logo，不要額外文字，不要水印

輸出：
1024x1024，quality=medium

這個示例的幾個關鍵點值得注意：

「正面偏左 10 度」比「正面」好。 完全正面的角度容易顯得呆板，輕微的偏轉能增加立體感。

「受控高光」這個詞很關鍵。 如果你不寫，AI 可能給玻璃瓶加上誇張的反光，看起來像廣告海報而不是產品圖。

約束條款寫了六個「不要」。 這些不是廢話——每一個都是我踩過坑之後加的。「不要花瓣」是因為 AI 特別喜歡在護膚品旁邊加花瓣裝飾；「不要虛構 logo」是因為它會自作主張給你編一個品牌標識。

---

第二層：編輯流——基於真實照片做修改

當你有真實產品照片的時候，編輯流比純生成流穩定得多。這是電商場景下最推薦的用法。

編輯流的核心邏輯

編輯流不是「讓 AI 畫一幅新圖」，而是「讓 AI 在你已有的圖上做指定的修改」。這聽起來簡單，但很多人寫編輯提示詞的方式是錯的。

錯誤示範：

把這張產品圖變高級一點，背景換成浴室場景。

這種提示詞的問題是「變高級」太模糊，AI 不知道你具體要改什麼。它可能改了你不想改的東西（比如瓶型），同時沒改你想改的東西（比如光線）。

正確示範：

只改變背景和環境光線。將背景替換為白色大理石浴室檯面，自然窗光從左側照入。保持商品的幾何形狀、顏色、標籤佈局、比例、材質和品牌識別細節完全不變。

關鍵區別在於：明確列出「只改什麼」和「不能改什麼」。

編輯流提示詞模板

輸入：
Image 1 = [真實產品正面圖]

任務：
將 Image 1 中的商品放入 [具體場景描述] 中。
只改變背景、環境光線、道具和鏡頭語境。
保持商品的幾何形狀、顏色、標籤佈局、比例、材質和品牌識別細節不變。

構圖：
[半身近景 / 桌面近景 / 豎構圖 / 橫構圖]
主體仍是畫面視覺中心，留出 [左側/右側] 負空間

光線：
匹配場景自然光，確保接觸陰影、反射和尺度關係真實

約束：
不要改商品本體，不要新增文字、logo、水印，不要改變包裝內容

編輯流的「單變量迭代」原則

OpenAI 官方明確推薦的一個調優方法是：每次只改一個變量，不要整段重寫。

比如你對生成的場景圖不滿意，不要把整條提示詞推翻重來。而是只改其中一個維度：

• 「把光線改得更柔和，但不改構圖和場景」
• 「把背景從浴室換成臥室，其他保持不變」
• 「把橫構圖改成豎構圖，商品位置和光線不變」

這種單變量迭代的好處是：你能精確知道是哪個改動帶來了效果變化，而不是每次都在做「控制變量法」的對照實驗。

---

第三層：多圖合成——高級用法

GPT Image 2 支持同時輸入多張參考圖，並按你指定的關係組合輸出。這是電商場景下最強大但也最容易出錯的用法。

多圖合成的典型場景

場景一：真實產品 + 手模姿態

輸入：
Image 1 = 商品真實產品圖
Image 2 = 手模持握姿態參考圖

任務：
把 Image 1 的商品按照 Image 2 的持握方式展示在手中。
商品本體必須保持真實顏色、幾何和標籤位置。
匹配透視、尺度、陰影和色溫，讓結果像同一次真實拍攝。

約束：
只引入必要道具；不添加誤導性的配件；不新增文字、logo、水印。

場景二：真實產品 + 場景參考 + 風格參考

輸入：
Image 1 = 商品真實產品圖
Image 2 = 目標場景參考圖
Image 3 = 光線/氛圍參考圖

任務：
將 Image 1 的商品放入 Image 2 的場景中，按照 Image 3 的光線風格渲染。
保持商品本體的所有細節不變。
匹配三張圖之間的透視、尺度和色調關係。

多圖合成最容易犯的錯

參考關係寫不清。 如果你不明確說「Image 1 是產品，Image 2 是場景」，模型就會自己猜。它猜對的概率不高。

輸入圖之間的風格差距太大。 如果你的產品圖是棚拍白底，場景參考圖是手機隨拍的生活照，光線和色溫完全對不上，合成結果會很違和。儘量讓輸入圖的光線條件接近。

想要的太多。 三張輸入圖已經不少了。輸入越多，模型需要兼顧的信息越多，出錯的概率也越高。能用兩張解決的，就不要用三張。

---

第四層：失敗診斷——出了問題怎麼修

提示詞工程最有價值的部份不是「怎麼寫出好提示詞」，而是「出了問題怎麼快速定位和修復」。

以下是我在實踐中積累的常見失敗模式和對應的修復方法。

失敗模式一：商品形狀走形

症狀： 瓶型變了、鞋楦歪了、耳機殼變形了。

原因： 純文字生成時，模型對幾何細節的理解有偏差。

修復： 切換到編輯流，用真實產品照做錨點。在提示詞中加入 "preserve exact geometry" 或 「保持商品幾何形狀完全不變」。

失敗模式二：顏色偏差

症狀： 瓶蓋從銀色變成了金色，液面從乳白色變成了淡藍色。

原因： 文字描述的顏色不夠精確，或者模型對顏色詞的理解有偏差。

修復： 提供真實產品參考圖。如果必須用文字描述，用具體的顏色參考而不是模糊的形容詞——寫「銀色金屬」比寫「金屬色」好，寫「Pantone 7541 C 淺灰」比寫「淺灰色」更好。

失敗模式三：多餘元素入侵

症狀： 莫名出現了花瓣、葉子、水滴、品牌 logo、額外文字。

原因： 模型根據品類「聯想」到了常見元素。護膚品旁邊加花瓣、飲料旁邊加水滴——這是模型從訓練數據中學到的「常識」。

修復： 在約束條款中明確排除。「不要花瓣、不要葉子、不要水滴、不要虛構 logo、不要額外文字」。這些約束越具體越好。

失敗模式四：光線不匹配

症狀： 商品的光線方向和背景的光線方向不一致，看起來像 P 上去的。

原因： 編輯流中沒有明確光線匹配要求。

修復： 在提示詞中加入 "match the lighting direction and color temperature of the scene" 或 「匹配場景的光線方向和色溫」。

失敗模式五：手模畸形

症狀： 手指數量不對、手腕扭曲、持握姿勢不自然。

原因： AI 生成人手仍然是公認的難點。

修復： 明確寫出手的數量、位置和姿態。「one adult hand, natural grip, short clean nails, no rings, crop at wrist」。不要讓模型自己決定手的細節。

---

第五層：品類差異——不同商品的提示詞側重點

同樣是「產品圖」，不同品類的提示詞寫法差異很大。這裡按品類梳理關鍵的提示詞差異點。

服裝類：重點寫「穿著狀態」

服裝類最怕的是 AI 把衣服生成成「懸掛在衣架上」的樣子，而不是「穿在人身上」的狀態。提示詞要明確：

• 模特的體型和姿態
• 服裝的垂墜感和褶皺走向
• 面料的質感（棉的柔軟、絲綢的光澤、牛仔的硬挺）
• 「不要改變服裝的剪裁和版型」

鞋靴類：重點寫「結構準確」

鞋類的核心難點是鞋楦形狀和鞋底紋路。提示詞要明確：

• 朝向（Amazon 要求朝左）
• 角度（45 度是標準）
• 鞋底花紋的清晰度
• 「保持鞋型、鞋楦、鞋面材質和顏色塊分佈不變」

珠寶類：重點寫「光線控制」

珠寶圖的成敗在於光線。提示詞要明確：

• 「受控高光」——防止過曝
• 「真實微距」——保證切面細節
• 「金屬不失真」——防止銀變白、金變黃
• 「不要人臺、不要胸像」——Amazon 珠寶類的硬性規定

電子產品：重點寫「接口精確」

電子產品的容錯率最低。提示詞要明確：

• 接口類型和位置（USB-C、Lightning、3.5mm）
• 按鍵佈局和標識
• 指示燈的顏色和位置
• 「禁止新增任何不在真實產品上的元件」

家居類：重點寫「尺度感知」

家居產品需要通過場景來傳達尺寸。提示詞要明確：

• 和參照物的比例關係（杯子旁邊放一隻筆、枕頭放在床上）
• 使用場景的真實性（廚房檯面、浴室架、客廳茶几）
• 材質的觸感描述（木紋的粗糙、陶瓷的光滑、織物的柔軟）

美妝類：重點寫「材質真實」

美妝產品的材質語言最豐富。提示詞要明確：

• 瓶身材質（磨砂玻璃、光面塑料、金屬）
• 內容物質感（乳液的粘稠、精華的透明、膏體的厚實）
• 包裝細節（泵頭結構、滴管形狀、瓶蓋材質）
• 「不要額外花草裝飾」——AI 特別喜歡給護膚品加花

---

第六層：建立你的參數化模板庫

提示詞工程的終極目標不是「每次都從零寫」，而是建立一套可參數化的模板庫，讓團隊裡的任何人都能快速出圖。

模板的字段化設計

把提示詞拆成以下字段，每個字段獨立填寫：

category: [品類]
shot_type: [白底主圖 / 生活方式圖 / 細節圖]
background: [純白 / 具體場景描述]
angle: [正面 / 45度 / 俯拍 / 微距]
lighting: [棚拍漫射光 / 自然窗光 / 逆光 / 受控高光]
props: [無 / 具體道具描述]
constraints: [不要XX, 不要YY, ...]
output_spec: [尺寸, 質量檔位, 格式]

模板複用的正確方式

不是把整段提示詞複製粘貼。而是固定模板的骨架（場景、構圖、光線、約束），只替換商品描述部份。

比如你有一個成熟的「白底主圖」模板：

[商品描述]，純白無縫背景，正面偏左10度，主體居中占畫面90%，
柔和漫射棚拍光，受控高光，自然接觸陰影，
不要額外道具，不要水印，不要虛構logo，不要額外文字，
1024x1024，quality=medium

換 SKU 的時候，只需要替換 [商品描述] 這一個字段。其他部份保持不變。這樣既保證了品牌視覺的一致性，又提高了生產效率。

版本管理和回溯

給每個提示詞模板分配一個唯一 ID，記錄以下信息：

• 模板 ID 和版本號
• 使用的模型快照版本
• 生成參數（質量檔位、尺寸）
• 輸入參考圖的 ID
• 輸出結果的評分

這樣當你需要復現某張圖的風格、排查為什麼某個版本被平臺拒絕、或者在模型升級後做回歸測試時，都有據可查。

---

關於「有效詞」和「無效詞」的清單

最後給你一張速查表，幫你避開那些「看起來有用但其實沒用」的提示詞。

真正管用的詞

看起來有用但實際效果差的詞

---

從「能出圖」到「穩定出圖」

提示詞工程不是一次性的工作，而是一個持續迭代的過程。

我的建議是：先用最簡單的提示詞出一批圖，找到「模型在這個品類上的默認表現」是什麼樣的。然後逐步加入約束和細節，觀察每個改動帶來的變化。不要一上來就寫一大段複雜的提示詞——那只會讓你無法判斷是哪個部份起了作用。

先跑起來，再優化。 這是所有工程問題的通用解法，提示詞工程也不例外。

想親手試試不同提示詞的效果差異？到 gpt-image2ai.net 上用同一個商品、不同的提示詞跑幾組對比，你會比看十篇文章學到的都多。

Try GPT Image 2 for Free Now →