ai智能绘画提示词怎么写？手机App出图的指令习惯
开门见山：手机 App 上写绘画指令，十几个字的中文短句往往比一长串英文更出效果，先说清主体、动作、场景三样，剩下的交给风格按钮补底色。英文长指令在电脑端是标配，放到手机上未必划算。先拿你手头的 App 试一条口语短句，看它听不听话，再决定加不加词。
ai智能绘画提示词在手机上得换一套写法。输入慢、屏幕小，App 背后的模型也和电脑端常用的那批不一样，把电脑教程里的长英文串原样搬过来，经常改半天还不如随口一句中文来得准。我 2026 年 8 月在两款手机绘画 App 上做了 10 组同题实测，每个想法都用中文短句和英文长指令各出一次图，结果中文短句在 7 组里更贴我想要的效果。
后面按这个讲：手机端的起手写法、那 10 组对比的原始记录、风格按钮和文字指令怎么分工，末尾附一段通勤地铁上的出图流水账。数字都是当场记下的，不是事后回忆。
手机上写ai智能绘画提示词，先从十几个字的短句起手
手机端第一句指令控制在 15 到 30 个字，只写主体、动作、场景三样，效果不对再补词，一次写满反而难改。这套起手方式在我 10 组实测里没有翻过车。
为什么短句先上？App 的输入框就一条，单手打字，中英文切来切去特别费劲。我用语音输入试了下，中文识别率能到九成以上，英文念进去基本是乱码，得回键盘重敲。所以手机上我会先用「一只戴毛线帽的橘猫，坐在便利店窗边看雨」这种粒度起手，出图不对，再往后追加「暖光」「夜色」这类词，一次只加一个。
一个反常识的点：手机上改长指令比写还痛苦。输入框就一行，想改第五个词得先把光标挪过去，挪三次我就烦了。短句的好处是改一处等于改整句，直接重打，比修快。
话说回来，语音输入算手机端独有的福利，躺着、站着、挤地铁都能用，电脑端反而懒得开麦克风。这个习惯值得留着。
中文短句和英文长指令，同一想法各出一次的实测差异
同一个想法两种写法各出一次图，10 组里中文短句 7 次更贴预期，英文只在摄影和光影类词上占优。手机模型对中文口语的响应比我预想的好得多。
英文是不是没用？真不是。先把原始记录摆出来，都是 2026 年 8 月 26 日到 28 日之间测的：
| 我想要的画面 | 口语中文短句 | 长英文指令 | 哪边更贴（主观） |
|---|---|---|---|
| 雨夜便利店门口的白猫 | 白猫蹲在雨夜的便利店门口，玻璃上有水汽 | a white cat at a convenience store entrance on a rainy night, misty glass, cinematic lighting, 35mm | 中文短句，水汽一次就画出来了 |
| 复古胶片感的校园天台 | 天台上两个穿校服的学生，胶片颗粒感 | two students in school uniforms on a rooftop, film grain, soft backlight, nostalgic tones | 英文略稳，胶片质感更准 |
| 白底产品图：灰色通勤双肩包 | 白底上放一只灰色通勤双肩包，正面平视 | a grey commuter backpack on a white background, front view, product photography, studio light | 中文短句，英文那版多画了一只不存在的人手，删了两次才干净 |
| 像素风小怪物 | 一只圆滚滚的绿色像素小怪物，张嘴笑 | a chubby green pixel-art monster, smiling, 8-bit style, game sprite | 中文短句，八位机味更正 |
说实话，这个结果跟我的预期是反着来的。我原本以为英文指令是通用硬通货，测下来手机 App 对中文口语的吸收明显更好，毕竟训练语料里中文日常描述的分量一直在涨。英文词我留着干一件事：在中文短句后面单点补摄影术语，景深、逆光、35mm 这种，命中确实更准，混着用最舒服。
风格按钮和文字指令是叠加关系：按钮定底色，文字管细节
风格按钮相当于替你在指令末尾补了一段固定的风格尾缀，选了按钮就别再写同类的画风词，两者会叠加甚至打架。我的分工是按钮管画风，文字只管画面内容。
这是我拆出来的一次发现：选「日系插画」按钮后出了一张图，用反推工具回看，指令末尾多出一整段我从没写过的日系标签。也就是说按钮本身是个隐藏尾缀，你以为只点了一下，实际模型多吃了几十个词。
所以我的分工很死：按钮负责画风，文字只写主体、动作、场景、光线。有次我手欠，选了「水墨」按钮又在指令里加「赛博朋克霓虹」，出来的图一半水墨一半霓虹。挺离谱的。重试三次都这样，只能二选一。
按钮之间也讲轻重。两个轻量按钮，比如「胶片」叠「柔和」，通常没事；重风格叠重风格基本必崩。不夸张地说，我在手机 App 上遇到的翻车，八成出在风格冲突上，画面本身写错的反而少。
通勤地铁上的一组出图记录
2026 年 8 月 27 日早高峰实测：地铁单程 26 分钟，连出 11 张，可用 7 张，单张耗时 12 到 16 秒，全程单手完成。通勤时段出图的瓶颈不是生成速度，是信号和输入。
当天目标是要一张「穿冲锋衣的橘猫在地铁座位上看手机」的头像底图。当次记录：指令一共改了 4 版，最长一版 22 个字；语音输入 3 次，其余手打；中间过隧道断了一次信号，生成队列卡住，重发才跑完。到站前 3 分钟，第 11 张收工，末尾补了「圆框眼镜」四个字，一次过。
这组记录给我最大的启发是节奏：生成等图的十几秒正好用来想下一句改什么，比坐在电脑前空想快。地铁上信号是变量，我的办法是进隧道前把指令敲好、点下生成，出隧道正好收图，一趟车能跑两三轮迭代。
回到开头那句判断：手机上的ai智能绘画提示词，赢在短、准、敢说人话。第二天早上我又在 10 号线上出了一张图，指令只有 14 个字，一次过。你要是还在往输入框里粘长英文串，先把它砍成一句中文试试，画风的事交给按钮，细节留给你自己。
常见问题
手机绘画指令到底用中文还是英文？
按内容分。日常的主体和场景描写，中文口语短句在手机端命中更高；摄影、光影类术语可以单独用英文词补。我现在的习惯是中文打底、英文单词点缀，整段英文只在个别 App 界面只认英文时才用。
一条指令写多少字最合适？
手机端第一版 15 到 30 个字。低于 10 个字信息不够，App 会自由发挥；超过 50 个字，手机上难改，模型也容易忽略排在后面的词。改图时每次只动一处，别整句推翻重写。
选了风格按钮，还能在文字里再写风格词吗？
能，但只写按钮覆盖不到的。按钮给了画风底色，你可以在文字里补「夜色」「逆光」这类画面条件；再写一个重画风词就等于两套风格打架，翻车率高。拿不准就先出一张，用反推工具看按钮到底注入了什么。
出图人脸崩了，靠改指令能救吗？
部分能救。把「可爱的女孩」换成更具体的「短发圆脸女孩，正面半身」，崩脸率会降；再不行就压低人物在画面里的占比，从特写改成环境人像，五官出错的概率跟着掉。
延伸阅读
中文和英文指令各自的适用边界，这篇中文提示词和英文指令差在哪？各自的优势场景讲得更细。
想把口语短句升级成有固定槽位的长指令，可以参考AI绘画提示词结构怎么排？从主体到参数的骨架。