gpt写mj提示词好用吗？让gpt代写midjourney指令实测
先给答案：gpt代写的30条midjourney指令，一次出图合格17条，合格率56.7%；在需求里加一段参数后缀模板后重测，20条里一次合格16条。翻车集中在编造参数、句子太长、爱让画面写字这三件事。模板原文在第三节，抄走改个比例就能用。
gpt写mj提示词这件事，我之前一直半信半疑。8月底专门腾了两个晚上做统计：让gpt一口气代写30条midjourney指令，一条不改直接喂给MJ跑图，一次合格17条，合格率56.7%；后来在给gpt的需求末尾加了一段参数后缀模板再测20条，一次合格16条，拉到八成。结论放在前面——能用，但参数这道关你得自己把，不然它真敢写不存在的指令。
30条实测怎么做的，合格率怎么算
30条指令覆盖人物、产品、大场景、带字海报四类，每条在MJ默认出4张图，四张里有一张能直接交付就算合格。这个口径已经放得挺宽，实际交付本来就常是四选一。
为了让统计别太偏科，我没挑自己熟的题材。需求句写得极简，比如「陶瓷咖啡杯放在木桌上的产品图」「雨夜便利店门口的场景」，风格词一个不喂，全靠gpt自由发挥。它给什么我跑什么，哪怕指令里冒出奇怪的参数，第一轮也不拦，就想看看它裸奔状态的真实水平。
分类型看，差距比想象中大：
| 指令类型 | 条数 | 一次合格 | 补参数后合格 | 主要问题 |
|---|---|---|---|---|
| 人物肖像 | 8 | 6 | 7 | 基本稳，手部崩坏算MJ自己的锅 |
| 产品图 | 8 | 4 | 6 | 材质词堆太多，主体被淹没 |
| 大场景 | 8 | 4 | 6 | 透视描述前后打架 |
| 带字海报 | 6 | 3 | 4 | 它太爱让画面里出现文字 |
人物类最稳，8条里6条一次过，挂掉的两条是手指细节翻车，这锅得MJ背，换谁写指令都躲不开。产品图和大场景是重灾区，合格的4条里有一半靠事后改写救回来。带字海报最惨，6条过3条，而且全是我明确写了「不要出现文字」才幸存的。
印象最深的是第14条。我要一张雨夜便利店门口，它给了句快90个词的英文长句，cinematic lighting、hyper detailed、8k resolution 之类塞了七八个修饰词。跑出来四张图，便利店的招牌全融进墙里，跟自动门长在一起。挺离谱的。我把句子砍到30个词，只留主体、天气、光线三项，第三张直接就能交付。
gpt写mj提示词最容易翻车的四个地方
编造不存在的参数、中文词直译、句子写成完整从句、动不动让画面出现文字，是gpt代写指令的四大翻车点。前三个靠格式约束就能压住，最后一个要在需求里明说。
先说参数。它给过我 --q 2 和 --test-p，前者v6根本不认，后者是早就下线的旧参数，MJ直接甩一句 Invalid parameter。30条里这类错误出现了7次。你说冤吧，挺冤的，因为画面描述本身没错，纯粹是它拿训练数据里的过期记忆在编。
中文直译也常见。「氛围感」被它翻成 a strong sense of atmosphere，MJ不吃这套，你老老实实写 light fog 加 warm street lamp，出图反而对味。有两条翻车的图，我想搞清楚MJ到底把指令听进去了多少，用反推工具把成图反推了一遍，结果gpt写的十几个修饰词，最后被吃进去的只有两三个，剩下全成了噪声。我试了下把指令压到这个密度，合格率立刻回血。
句子结构是另一口锅。gpt习惯写完整英语句，带从句带状语，读着挺美，MJ啃着费劲。话说回来，MJ这两三年对自然语言的容忍度确实好了不少，简单句能懂，可修饰词一多，权重被稀释，主体就容易跑。短促的词组罗列，到今天仍是最稳的写法。
一段后缀模板，让gpt自己把参数带全
在给gpt的需求末尾固定贴一段格式要求，参数由它自己带全，是这轮实测里提分最狠的一招。重测的20条一次合格16条，编造参数从7次降到0次。
模板不长，直接抄：
「你输出的每条midjourney指令遵守以下规则：用英文词组罗列主体、环境、光线、风格，不写成句，总长控制在40个词以内；每条指令末尾固定追加 --v 6.1 --s 250 --ar 3:2，竖图改 9:16，写实产品图加 --style raw；参数之外不写任何解释、引号或中文；一次只给一条，我确认出图效果后再给下一条。」
为什么这段话管用？参数被模板锁死后，gpt失去了发挥空间，编造过期参数的冲动没地方释放；词组化和40词上限，又正好摁住它写长句的毛病。四个翻车点，一段话摁住三个。老实讲，比逐条帮它纠错省了一半时间。
两处可以按需调。--s 250 是我试出来的折中值，拉到500以上风格化太冲，产品图基本废掉；--ar 跟着投放位走，公众号头图用 3:2，小红书改 3:4。不夸张地说，这段模板配上四选一的出图习惯，现在gpt写的指令我已经敢直接跑了。
回到标题的问题：gpt写mj提示词好用吗？我的答案是有条件的好用。它写画面描述的词汇量比多数人广，冷门材质、小众光线都接得住，但格式和参数必须由你立规矩。那段后缀模板抄走，把比例和版本号换成自己常用的，第一次跑完留几条翻车记录，两轮下来你手里就有自己的一手合格率数据了。
常见问题
一次合格率56.7%，这个合格标准是不是太松了？
我把口径定成四张图里有一张能直接交付就算合格，确实宽松。收紧到四张全部能用的话，30条里只剩9条过线，严格口径下的裸写合格率只有三成。两组数据都给你，按自己的验收习惯取用。
模板里的参数能用在niji或更新的版本上吗？
结构不用动，把 --v 6.1 换成 --niji 6 就能跑二次元风格。版本升级后记得核对 --s 的取值范围，其余照旧。这套模板锁的是格式，不是某个版本的专属。
完全不懂英语，这套方法还可行吗？
可行。指令本身是gpt输出的英文，你要做的只是看图提意见，比如「主体太小」「颜色偏暗」，让它自己回去改。全程不用写一个英文词，只需要会判断图好不好。
30条的样本是不是太小，数据可信吗？
30条确实不多，比例层面别当成精确统计。但编造参数、长句稀释权重这些翻车模式在测试里反复出现，模式比比例更值得参考。想要自己题材的真实数据，照流程跑20条就够了。