我注意到 AI 图像模型处理提示词的方式有一些特点：基于 CLIP 的文本编码器会将你的文字切分成离散的 token（词元）。当你的提…

I noticed something about how AI image models process prompts: CLIP-based text encoders tokenize your words into discrete chunks. When your prompt is one long sentence, key details compete for the same attention weight. The model guesses what matters. A structured prompt fixes that. Each concept gets its own attention cluster. I've been using a 6-part formula and the results are noticeably sharper: 1- Subject: who or what (be specific) 2- Action: what they're doing 3- Style: art direction (watercolor, cinematic, editorial) 4- Camera: angle and lens (wide shot, 85mm portrait) 5- Lighting: mood driver (golden hour, neon, overcast) 6- Extra detail: one texture or environment note Example: "A ceramic artist shaping a vase on a wheel, editorial photography style, medium shot 50mm, soft window light from the left, dusty studio with clay-stained apron" Swap one part at a time to see what each controls. #AIImages #PromptEngineering #AITips #GenerativeAI #CreativeAI

我注意到 AI 图像模型处理提示词的方式有一些特点：基于 CLIP 的文本编码器会将你的文字切分成离散的 token（词元）。当你的提示词是一整句长句子时，关键细节会争夺相同的注意力权重，模型只能猜测哪些内容更重要。 而结构化的提示词可以解决这个问题——每个概念都会拥有独立的注意力聚类。 我一直在使用一个 6 部分公式，效果明显更清晰： 1- Subject（主体）：是谁或是什么（要具体） 2- Action（动作）：在做什么 3- Style（风格）：艺术方向（watercolor 水彩、cinematic 电影感、editorial 编辑摄影） 4- Camera（镜头）：角度与焦距（wide shot 广角、85mm portrait 85mm 人像） 5- Lighting（光线）：情绪驱动（golden hour 黄金时刻、neon 霓虹、overcast 阴天） 6- Extra detail（额外细节）：一个质感或环境描述 示例："A ceramic artist shaping a vase on a wheel, editorial photography style, medium shot 50mm, soft window light from the left, dusty studio with clay-stained apron" 每次只替换一个部分，就能看出每个要素控制的是什么。 #AIImages #PromptEngineering #AITips #GenerativeAI #CreativeAI