看图写提示词怎么做？画面要素到指令的还原

图片推提示词这件事，不装任何工具也能干：把画面拆成五个格子，逐格回答问题，再连成一条指令，还原度足够日常出图用。很多人卡在这一步，是因为一上来就盯着成图找"神级关键词"，顺序反了。

正确顺序是先看后写。眼睛先把图拆开，手上才有东西可写。下面这份清单和那次实测，都是我拿真图一遍遍磨出来的。

图片推提示词的五格清单法

图片推提示词的核心动作是把画面拆成五个格子：主体、环境、光线、风格、构图，每格只回答一个问题，打完勾再连成一条指令。

每个格子只负责一件事，混着看就容易漏。我给自己定的规矩是一条格子一个问题，答不上来就留空，绝不硬编。

• 主体：图里最不能错的东西。数量、动作、穿着、朝向，一样一问。
• 环境：主体在哪。室内室外、天气、前后景各有什么。
• 光线：光从哪边来，硬还是软，偏暖还是偏冷。
• 风格：照片感、插画、水彩还是3D。这格允许主观，写实和风格化差一个词，出图差一个次元。
• 构图：景别、视角、主体在画面里站哪个位置。

模板直接抄：

• 主体：____（几个、在做什么、穿什么）
• 环境：____（地点、天气、前后景）
• 光线：____（方向、软硬、色温）
• 风格：____（媒介加质感词）
• 构图：____（景别、视角、位置）

留空比硬编强。编出来的格子最会带偏出图，你以为写了细节，模型拿到的却是一个不存在的东西。

一张朋友照片的手写还原实录

拿五格清单还原一张实拍照片，全程手写约8分钟，改两轮后出图的还原度能到八成，漏掉的格子会立刻在图里露馅。

2026年8月17日，朋友小舟在杭州一条老巷里拍了张照片发我：雨刚停，青石板路积着水反光，一位大爷撑黑伞背对镜头往巷子深处走，两侧白墙斑驳，头顶横着几股电线，整张偏冷的青灰调。

说实话，我第一反应是想直接丢给反推工具的。话说回来，那天我偏想知道手写到底能到几成，于是打开备忘录照着五格打勾，写了大概8分钟，得到这条指令：雨天傍晚的老巷，青石板路面反光积水，一位穿深色外套的老人撑黑伞背对镜头走向巷子深处，两侧白墙斑驳带水渍，头顶横着杂乱电线，冷灰色调，写实照片感，中景平视，老人位于画面中下部。

第一轮出图四张，三张把光的方向弄反了，影子全打在人物前面。挺离谱的，我明明写了"傍晚"。回头对格子才发现，我只写了时间，没写光的软硬和方向。第二轮在光线格补上"乌云压着的漫射光，没有明确投影"，第三轮基本对上了。我个人给第三轮打80分，扣掉的20分在伞的褶皱和白墙水渍的分布。

更有意思的是对照组。我把"电线"那格故意删掉再跑，出图立刻变成一张干净的旅游宣传照，味道全变了。真不是玄学，一格就是一处画面记忆点。

手写法和工具反推法，准确度差在哪？

画面越简单，手写还原越准，工具容易把细节洗成泛泛的风格词；复杂画面上工具抓材质和参数更稳，两种方法各管一段。

光说不算数。我挑了五张复杂度不同的照片做对照，一边手写五格，一边丢给反推工具，各自出图再跟原图比，结果摆在这里：

简单图上手写更准，这事我一开始也没想到。挺意外的。想想又通：工具反推爱给"安全描述"，把"杂乱电线"这种具体物件洗成"街巷氛围"，把"背对镜头"这种关键朝向直接略过，出图自然变成一张谁都能拍的大路货。手写会漏，但漏得明明白白，对着格子就知道缺哪；工具是暗着错，你根本不知道哪句是它编的。

工具也不是没用。复杂图上，它的材质词和镜头参数词确实省事，主流反推工具的准确率水平，这篇图片转提示词怎么用？反推工具的准确率实测测得更细。

反推结果跑偏了怎么补，另一篇逆推提示词怎么做？看图反写的准确度和修补里给了一套修补顺序。

后来小舟问我那张图是怎么做出来的，我把五格清单发给他，他自己花了十来分钟也还原出一条能用的指令。图片推提示词练的是眼力，不是手速：格子打全了，指令就在那里等着你连起来。下次刷到喜欢的画面，别急着存图，先在心里把五个格子过一遍。

常见问题

五格清单必须按固定顺序打勾吗？

不用。顺序只影响写得顺不顺，主体格永远先答，剩下四格颠倒没关系。真要固定一个顺序，就按主体、环境、光线、风格、构图来，写多了会形成肌肉记忆。

还原出来的指令用中文还是英文写？

看你用的模型吃哪套。国内模型中文指令就够，部分海外模型对英文短语的响应更稳。拿不准就中英各写一版跑同题对比，五分钟分出高下。

照片里有人脸，还原时要注意什么？

别追求还原长相，靠文字锁不出一张具体的脸。写穿着、动作、神态和景别就够了，不要写真实人名，也不要拿熟人照片去生成可识别的肖像。

某一格完全看不出答案怎么办？

留空。比如光线软硬实在判断不了，就跳过这格先出图，看结果缺什么再回头补。硬编一个格子，等于给模型塞了一条错误线索。

延伸阅读

光线格总答不好，可以看ai光影提示词怎么写？光线方向和氛围词，把方向词和氛围词一次补齐。