图片转提示词：一套可复用的反向提示工作流

图片转提示词真正有价值的地方，不是装作从像素里找到了某句“神秘原文”，而是把成品图转换成一份可以检查、修改和测试的视觉简报。图片能告诉我们主体、构图、光线、色板、纹理和空间关系，却无法可靠地暴露已经删掉的指令、随机种子、模型参数、参考图权重或后期修改。

所以目标应当很明确：把参考图拆成结构化提示词，并且知道每一段控制什么。你可以先从 Lem Gen 提示词库寻找视觉模式，查看 GPT Image 提示词专题，需要保留产品形状或身份时，再打开已经选中 GPT Image 2 的图片编辑工作台。

下面这套流程包括六层拆解法、五个可直接改写的模板、单变量诊断方式，以及如何把“参考”转成原创方案而不是复制品。

图片转提示词能还原什么，又不能还原什么

反向提示工程首先要承认信息边界。像素是最终外观的证据，却不是完整制作记录。画面中的暖色高光可能来自大柔光箱、窗户、后期重打光，也可能只是模型模仿出来的明暗渐变。图片能支持“硬质侧光形成矩形窗影”这一描述，却通常不能证明具体灯具和镜头参数。

这种区分会直接影响提示词质量。较弱的工具往往输出一整段密集文字，并对风格标签表现得过度自信。更可靠的分析会把内容分成三类：

• 可见事实： 瓶子居中、钴蓝色、表面有光泽，放在浅色石台上；
• 有用推断： 阴影形状说明主光较硬，并从画面侧上方照入；
• 未知条件： 具体镜头、随机种子、模型、参考权重和编辑历史。

把推断写成推断并不会削弱文章，反而让提示词更容易跨模型复用。“暖色硬光从左上方照入，并在背景投下清晰窗影”是可执行的；在没有证据时写“85 mm、f/1.8”只是虚假的精确。

六层反向提示词蓝图

可用的图片转提示词结果应该是模块化的。每一层只承担一个任务，修改其中一层时不需要推倒重来。

1. 视觉任务： 产品主图、编辑人像、社交海报、分镜画面、概念设计或电商细节图。
2. 主体： 身份、形状、姿态、表情、产品几何、服饰、道具和必须保持不变的部分。
3. 构图： 裁切、视角、主体占比、留白、前后景关系和文字安全区。
4. 机位与媒介： 摄影视角、透视和景深，或插画、3D 等表现方式；精确度只到证据允许的程度。
5. 光线、色彩与材质： 方向、软硬、反差、色温、色板、表面反应、气氛和纹理。
6. 限制条件： 排除项、身份规则、文字规则、比例、输出用途和允许变化的范围。

顺序很重要。“电影感、好看、高级”不能说明图片要解决什么问题，而清晰的视觉任务和稳定的主体可以。先让构图在脑中成立，再讨论风格和精修。

第一步：先定义视觉任务，再描述风格

先问一个直接的问题：这张图片必须完成什么？ 如果答案只是“像参考图”，这份简报还没写完。参考图吸引你，往往是因为它解决了某个具体问题：让产品轮廓清晰、给文案留出空间、表达尺度，或建立合适的情绪距离。

把任务写成一句话：

视觉任务：制作一张 4:5 电商活动图，让小型陶瓷香水瓶显得有触感且高级，
同时在产品上方保留干净、可放文案的区域。

这句话是后续取舍标准。植物背景可能符合参考图的氛围，却会破坏标签可读性；夸张低机位可能看起来昂贵，却容易让瓶盖变形。视觉任务决定哪些细节应该保留。

如果你要做活动图，可以浏览产品广告提示词专题，比较不同提示词如何建立层级，不要逐字照搬某一个样例。

第二步：只盘点真正看得见的内容

解释之前先做字面盘点，从大结构写到小细节：

• 一个钴蓝色陶瓷瓶，短瓶颈、圆角瓶盖；
• 正面略带三分之四角度，产品约占画面一半高度；
• 下方是浅色多孔石台；
• 暖灰背景，没有明显地平线；
• 瓶身右侧出现连续高光；
• 柔边阴影落向后方和左侧；
• 色板收敛在蓝、奶油白和石灰色；
• 没有标签、商标、手、植物和可见文字。

这份清单刻意没有写“奢华、地中海、永恒、电影感”。这些词以后可以作为创意判断，但不是直接可见的事实。先写事实，能避免一个风格词悄悄改变主体或场景。

如果画面中有人，也应保持同样克制：描述姿态、视线、服饰、裁切和可观察的表情，不根据外貌推断族裔、健康、职业或性格。上传或生成可识别人物的变体前，要先确认肖像使用权限。

第三步：写空间关系，不要只列物体名称

很多反向提示词把所有东西都写到了，却仍然不像参考图，问题通常在构图。模型需要知道元素之间的关系：

• 居中还是偏置；
• 近景裁切还是环境远景；
• 平视、俯视还是仰视；
• 浅前景还是分层纵深；
• 主体独立还是彼此遮挡；
• 对称平衡还是有方向张力；
• 留出文案区还是铺满细节。

构图段应当达到“别人读完能画草图”的程度：

构图：4:5 竖幅；瓶子居中并略低于画面中线；机位与产品等高；
石台占画面下四分之一；背景连续无分界；上三分之一保持安静留白；
任何物体都不能遮挡瓶子轮廓。

相对描述通常比伪造测量值更稳健。产品比例特别重要时可以写“占画面高度约 55%”，但跨比例复用时，“单一主角、上方留出充足空间”更容易迁移。

第四步：用光线造成的结果来描述光线

不要从灯具名称开始，先写光线在画面里做了什么：

• 方向：正面、侧面、逆光、顶光或混合；
• 软硬：边缘清晰、柔和包裹或均匀散射；
• 反差：阴影深还是保留细节；
• 色温：中性、暖、冷或混合；
• 表面反应：陶瓷宽高光、玻璃锐利反射、哑光吸收；
• 背景行为：明暗衰减、渐变、投影、薄雾或纯色。

需要时再补充一个合理的布光推断：

光线：暖色硬主光从画面左上方照入，形成可控的斜向阴影；
非常柔和的中性补光保留钴蓝釉面细节；不要发光轮廓，
不要死黑阴影，瓶盖上不要出现镜面爆点。

它比“专业影棚灯光”更有效，因为模型知道要渲染什么，也知道哪些失败不能出现。

第五步：把材质写成光学和触觉行为

材质名称必须配合行为才有用。只写“陶瓷”，模型可能生成粉笔、塑料或金属。要说明它怎样反光、边缘怎样、完美到什么程度。

瓶子可以这样拆：

• 深钴蓝釉面，存在轻微色调变化；
• 高光宽而柔，不是镀铬反射；
• 有极轻微的手工表面不规则；
• 轮廓清楚，瓶肩略圆；
• 瓶盖和瓶身使用同一材质；
• 不要透明玻璃、塑料接缝和印刷标签。

石台则是：浅色石灰岩或洞石、多孔边缘、小凹点、哑光表面、几何稳定，不要大理石纹和镜面抛光。

精确度要服务任务。如果下一版把瓶子换成运动鞋，就保留布光逻辑和构图，完全重写材质部分。这正是模块化提示词比一整段长文更容易改写的原因。

第六步：把排除项写成具体的失败控制

负面提示词不应该成为所有缺陷的垃圾桶。每一项都要对应视觉任务中的真实风险。干净产品主图可以这样写：

限制：只保留一个瓶子；不要标签、商标、手、花、重复物体、漂浮道具、
文字、水印、变形瓶盖、透明玻璃、被裁断的轮廓、过度景深虚化和背景地平线。

正向限制往往更强。“完整保持瓶子轮廓清晰”比列出几十种遮挡物更可执行。产品几何或身份变化代价很高时，可以同时使用正向不变量和负面排除项。

可直接复制的图片转提示词总模板

需要跨模型使用时，先用这份结构化简报，不急着添加某个模型专属语法：

视觉任务
[图片必须完成什么、目标格式、使用场景和受众]

主体
[可观察身份、几何、姿态、表情、道具和不变量]

构图
[比例、视角、裁切、主体占比、空间关系、留白]

机位或媒介
[摄影透视与景深，或插画/3D 媒介；不要超出证据进行伪精确]

光线与色彩
[方向、软硬、反差、色温、色板、背景行为]

材质
[纹理、反射、瑕疵、边缘质量、织物或产品表面行为]

限制
[必须保留什么、不得出现什么、文字规则、身份政策、允许变化范围]

第一次测试不要继续堆修饰词。基线的作用是判断模型是否理解结构。如果在测试前就加入年代、艺术指导、字体、情绪和镜头术语，结果漂移时你无法知道是谁造成的。

针对三种目标的反向提示词版本

同一张参考图，因为任务不同，提示词也应不同。

版本 A：忠实产品重建

只对你拥有或获得编辑授权的图片使用：

基于已授权的参考瓶制作干净产品研究图。保持钴蓝陶瓷材质、圆角瓶盖、
瓶肩比例和单一物体轮廓。匹配与产品等高的机位、浅色石台、暖灰背景
和有方向的窗影。标签区域保持空白，不改变任何产品几何。4:5 竖幅，
上三分之一可放文案。

版本 B：保留视觉语法，更换主体

制作一张原创哑光红色便携音箱的高级活动图。参考图只用于视觉语法：
单一居中主体、低矮石台、暖中性背景、矩形方向投影、克制色板和上方留白。
不要复现瓶子、瓶子轮廓或任何独特品牌元素。4:5 竖幅。

版本 C：受控创意扩展

为同一个无品牌钴蓝陶瓷瓶制作三个原创活动方向：深色建筑侧光、
暖色植物晨光、冷色海岸日落。保持瓶子身份和瓶盖几何，只改变场景、
光线和机位高度。每张只出现一个瓶子，不要文字和商标。

版本 C 的价值在于把反向提示变成小型实验。你不再模糊地要求“更有创意”，而是明确哪些轴允许变化。

用受控基线测试提示词

打开 Lem Gen 图片编辑工作台，上传你有权使用的图片，先生成一个基线。第一次比较时固定以下条件：

• 相同生成模式和模型；
• 一个画面比例；
• 一张参考图；
• 一个提示词版本；
• 不添加额外风格参考；
• 不同时重写主体和构图。

比较时先看结构，再看表面精修：主体大小对不对？机位是否接近？留白是否在正确位置？轮廓和裁切错误时，再漂亮的纹理也无法挽救结果。

一次只诊断一个最大偏差

基线失败时，先分类最大错误，不要把所有内容重写。

| 偏差 | 可能负责的字段 | 定向修复 | | ---------------- | --------------- | ------------------------------------ | | 主体太小 | 构图 | 写清画面占比和裁切 | | 产品形状改变 | 主体 / 限制 | 列出几何不变量，使用已授权图片编辑 | | 光线太平 | 光线 | 增加方向、软硬、投影位置和补光行为 | | 表面像塑料 | 材质 | 描述反射、纹理、瑕疵和禁止材质 | | 场景变得杂乱 | 视觉任务 / 限制 | 强化单主体层级和安静背景 | | 与参考图过于相似 | 创意边界 | 主动替换主体、场景、故事、色板或机位 |

使用单变量修改记录：

第 02 版，只改构图：
主体、材质、光线和背景保持不变。把瓶子扩大到约占画面一半高度，
恢复完整、连续的上三分之一文案留白。

保存基线、修改版和修改原因。这样的记录比一文件夹无命名图片更有价值，因为它告诉你哪条指令真正推动了结果。

把反向提示词变成原创提示词

反向提示工程应该以创意决定结束，而不是以复制品结束。保留底层视觉解法，同时至少改变两个有意义的轴：

• 主体： 瓶子换成音箱、鞋、灯、原创角色；
• 场景： 影棚换成厨房、站台、花园或抽象舞台；
• 叙事： 静态主图换成组装、揭示、对比或使用时刻；
• 机位： 平视换成微距、俯视、低机位或环境远景；
• 色板： 保留反差逻辑，但更换具体颜色；
• 材质： 釉陶换成拉丝金属、织物、半透明树脂或纸；
• 光线： 保留层级，改变时间、方向或阴影语言。

不照搬地改写 GPT Image 提示词一文继续解释了从参考结构走向原创方案的方法。如果最终素材需要运动，Seedance 视频提示词模式会告诉你怎样加入镜头运动、主体连续性和明确结尾，而不是把图片提示词直接当成视频脚本。

权利、隐私与诚实边界

公开可见不等于允许复用。上传参考图前，要确认你拥有图片、持有许可，或已经得到创作者与可识别人物的授权。不要提取并重建商标、受保护角色、私人文件、签名、水印，也不要把在世艺术家的独特作品当作商业模仿目标。

客户项目应记录素材来源和允许用途。如果参考图只用于方向，要明确哪些属性可以迁移，例如光影节奏和留白策略；哪些不能迁移，例如产品身份、品牌和独特创意。这个备注可以防止团队把“灵感”误解成全面授权。

也要诚实面对模型差异。反向提示词可以提高控制，但无法保证不同模型之间逐像素还原，重复运行也可能不同。产品几何必须准确时，使用有授权的参考图编辑流程并人工检查；文字必须准确时，把文字当作独立设计层，不依赖偶然生成。

实用质量检查表

保存提示词之前逐项检查：

• 第一行是否说明视觉任务？
• 可见事实是否与推断分开？
• 别人能否根据文字画出构图草图？
• 光线是否说明方向、软硬、投影和表面反应？
• 材质词是否解释行为，而不是增加形容词？
• 身份和几何不变量是否明确？
• 排除项是否对应真实失败？
• 提示词是否足够紧凑，便于诊断？
• 商业复用前是否改变了有意义的创意轴？
• 参考图权利和肖像授权是否清楚？

如果有三项以上回答“否”，不要继续加长提示词，回去重建缺失字段。

常见问题

图片转提示词工具能还原最初的原始提示词吗？

通常不能。像素不会保存全部指令、随机种子、模型设置、参考图和编辑记录。可用结果应该是一份可测试的视觉简报，不是法证式逐字稿。

一份可用的反向提示词应该包含什么？

至少应包含视觉任务、主体、构图、机位或媒介、光线与色彩、材质和限制条件。这些字段能让每次修改都可追踪。

应该用文生图还是图片编辑？

需要新诠释时使用文生图；需要更强的产品形状、布局或身份连续性时，在拥有使用权的前提下使用图片编辑和参考图。

为什么提示词很详细，生成结果仍不同？

文字无法恢复模型行为、随机种子、参考权重、裁切历史和后期处理等隐藏条件，空间描述也可能被不同解释。

怎样避免过度复制参考图？

保留有价值的视觉语法，同时替换主体、场景、叙事、机位、色板或材质。删除未经授权的商标、身份、受保护角色和独特元素。

提示词应该写多长？

写到能定义任务和限制即可。先生成基线，找出一个最大偏差，再修改对应字段。精确度比形容词数量重要。

建立可复用提示词，然后开始测试

最强的反向提示词不是最长的，而是你能修改它，并且不会失去因果关系。先确定视觉任务，分开观察与推断，写成六个模块，运行受控基线，再为一个明确原因只改变一项。

从 Lem Gen 首页和提示词库寻找可复用模式，继续查看人像摄影提示词或 Nano Banana 提示词示例，最后进入已经选好模型的 GPT Image 2 图片编辑工作台。保存真正解决任务的版本，而不是听起来最华丽的版本。