博客

使用指南

Imagen 4.0 Fast 提示词配方:面向低延迟图像生成的可复制粘贴提示词

如何写出在保持低延迟的同时不损失图像质量

2026年11月12日
混凝土平面在斜射日光角度下相交的抽象封面艺术,暖灰色场域配以石板蓝阴影和一道细长的鼠尾草色接缝。
本页内容

为什么在快速档上提示词长度更重要

提示词中的每个 token 都在争夺模型的注意力。在像 Imagen 4.0 Fast 这样的快速档上,这种竞争就是全部。模型经过调优以快速返回图像,这意味着在确定构图之前,它协调矛盾或冗余指令的余地更小。

长提示词并非自动就是更好的提示词。它是一组模型必须同时满足的主张。当你要求“霓虹灯照亮的赛博朋克小巷,下雨,反光水洼,一个穿风衣的孤独身影,体积雾,35mm 镜头,浅景深,电影级调色,青橙色调,超精细,8k,社交媒体热门”时,你是在四个主体承诺之上叠加了至少六个独立的风格承诺。有些相互强化,有些则在暗中冲突。模型会解决冲突,但解决需要付出代价,而在低延迟档上,这种代价表现为返回更慢,或是对你真正在意的细节遵循得更弱。

把精简当作性能决策,而非品味决策。有三股力量在起作用:

  • 歧义成本。 相互竞争的形容词会产生分支解释。模型在定稿前会先探索。
  • 迭代成本。 长提示词调试缓慢。当输出出错时,你无法判断是哪一句造成的。
  • 载荷成本。 更短的请求在发送、记录、比对和模板化上更便宜——当你生成数百份草稿时,这一点很重要。

精简的提示词并不意味着模糊的提示词。它意味着每个分句都承重。快速档的实用规则是:用你期望的优先级顺序说出你想要的那一件事,然后停下。如果你在输出中不会注意到某个细节的缺失,那它可能就不该出现在请求里。

本指南的其余部分会给你一套决定保留什么的结构、一组可复制粘贴的配方,以及一个无需从头重写即可迭代的循环。

漫长的分支提示词路径对比简短直达路径——元素更少,需要解决的阴影更少,延迟更低。

三层提示词结构

不要把提示词写成一句话,而是将其分解为三层。这让删减变得机械化:你可以剪掉或替换其中一层,而不影响其他层。

第一层——主体

画面中有什么。名词短语。“窗台上的陶瓷咖啡杯。”保持具体但单一:一个主要主体,可选一个辅助元素。多个同等重要的主体是快速档输出糊成一团的最常见原因。

第二层——风格

它应该看起来如何。大部分提示词臃肿都出在这里。选择一个主导风格方向——摄影、扁平插画、水彩、等距渲染、编辑摄影——并且最多加一个修饰词。“摄影,柔和晨光”是一个风格层。“摄影、电影感、超写实、8k、获奖、锐利对焦、散景”是伪装成一个的五个风格层。

第三层——约束

图像必须遵守的任何硬边界。构图规则、取景、颜色限制、特定元素的缺席、文字渲染要求。“俯拍、无文字、居中构图。”约束是生产工作中价值最高的一层,因为它们编码的是你实际需要的东西,而非你审美上偏好的东西。

组装各层

按顺序拼接:主体、风格、约束。一个可用的提示词读起来像一句话,而不是三个碎片:

A ceramic coffee mug on a windowsill, photographic soft morning light, shot from above, no text

这大约十五个词,覆盖了全部三层。当出问题时,你知道该看哪里。杯子不对?改主体。光线不对?改风格。裁剪失败?改约束。

在代码中的提示词常量上方固定一条便签,写上三个层的名称。当你每周写五十个变体时,把每个分句标注到某一层的纪律,正是防止提示词悄悄重新膨胀的关键。

主体、风格与约束像三块板一样堆叠——一条接缝保持恒定,因此任何一层都能被编辑而无需重建其余部分。

可复制粘贴的提示词配方

以下配方是模板,不是成品提示词。替换方括号中的字段,保留结构,并克制添加形容词的冲动。每一个都刻意写得足够短,以便在快速档上轻松运行。

产品效果图

[PRODUCT] on a [SURFACE], studio lighting, three-quarter view, plain background, no text

适用于实物商品、包装和硬件渲染。“纯色背景、无文字”这条约束在真正起作用——它防止模型自创标签文案。

应用或 UI 概念图

[SIMPLE UI DESCRIPTION], flat illustration, two-color palette, no gradients, no text

用于设计文档和提案中的占位图。双色调色板是一条硬约束,它产生连贯结果的能力远比要求某种特定美学更可靠。

博客或文档页眉图

[ABSTRACT CONCEPT] as a geometric composition, [ONE COLOR] accents, wide composition, minimal

宽构图使图像在典型页眉裁剪下依然安全。Minimal 是一个词,却身兼风格与约束双重职责。

角色或头像

[CHARACTER DESCRIPTION] in a neutral pose, [STYLE], centered, plain background

居中和纯色背景使下游头像裁剪变得轻松。中性姿势避免了常见失败:强烈的姿势主导画面。

图标或小插图

[OBJECT] icon, flat vector style, single subject, white background, no shadow

图标是最忌讳多余细节的地方。每增加一个元素,都会让字形在小尺寸下更难辨认。

场景或环境

[SCENE] at [TIME OF DAY], [ONE WEATHER OR LIGHTING NOTE], wide angle

一条光线说明,不是三条。“黄金时刻的雾”没问题;“黄金时刻、雾、耶稣光、尘埃粒子、镜头光晕”会让快速档过载。

示意图背景

Abstract [DOMAIN] motif, subdued palette, low contrast, no focal subject, no text

低对比度和无焦点主体是这里承重的分句——两者都使叠加文字和箭头用于技术示意图变得安全。

把这些放在共享模块或片段文件中。一个复用的小型模板库胜过庞大的提示词集合,因为复用的提示词才是你真正调试过的那些。

选择删什么、留什么

并非所有提示词细节都同等重要。有些塑造图像;其他的只是给提示词做装饰。对任何分句的检验方法是:删掉它会产生实质不同的图像吗? 如果不会,删掉。如果会,澄清它。

保留这些

  • 主体身份。 名词短语不可妥协。绝不要为了给风格腾空间而删减主体。
  • 单一风格锚点。 一个设定基调的词——摄影、插画、渲染、素描——比五个形容词修饰词加起来更有用。
  • 功能约束。 取景、朝向、背景处理、无文字。这些编码的是要求,而非偏好。
  • 序数把手。 像“单一”“居中”“纯色”“极简”这样的词是伪装成风格的约束。它们廉价且有效。

优先删掉这些

  • 质量形容词。 “超精细”“8k”“高质量”“获奖”。这些是愿望式的,而非可操作的。它们不能可靠地改善输出,反而增加歧义。
  • 同义词堆叠。 “锐利、清晰、清楚、对焦。” 选一个,或者一个都不选。
  • 美学点名。 点名的创作者、点名的品牌风格和点名的小众文化往往消耗 token 却无法可预测地回报,而且可能把输出拉向你并未计划的方向。
  • 冗余氛围。 雾、薄雾、霾、粒子、尘埃和光线都是同一条指令的不同风味描述。最多选一个。
  • 相机大杂烩。 光圈、镜头、胶片型号和 ISO 一起会过度约束图像,且在快速档保真度下很少产生明显不同的结果。

拿不准就删

如果你不确定某个分句是否该存在,删掉它并比较。快速档正是为这种 A/B 对比而设计的:便宜、快速,且足够区分。两个精简变体教给你的,比一个长提示词能教的更多。

读懂真实输出并迭代

快速档是一个起草循环,不是一次性生成器。正确的心智模型更接近缩略图草图,而非委托制作最终资产。这意味着你的迭代工作流比任何单个提示词都更重要。

广泛生成

从上面的某个配方开始,以你能容忍的最低质量生成。不要在全分辨率下评估——在你实际要发布的尺寸下评估。在小卡片中读起来不错的提示词,不需要在全尺寸下完美。

对照各层诊断

当图像不达标时,在动提示词之前先对失败分类:

  • 主体失败。 杯子不对或缺失。修第一层。
  • 风格失败。 光线或基调不对。修第二层——通常是替换风格词,而不是追加一个新的。
  • 约束失败。 出现了文字、裁剪不对、背景杂乱。修第三层,并在增加描述性之前先让它更明确。

无法归入任何一层的失败通常意味着提示词过载。删掉一个分句,重新运行,再重新诊断。

一次只改一层

抵制捆绑修改。如果你同时重写主体和风格,就无法判断是哪个改动带来了改善。像版本控制代码一样给你的提示词做版本控制——保留旧版本,改一个分句,并排比较结果。

能发布就停

一个反复出现的陷阱是把快速档输出当作通往完美图像的垫脚石,而那个完美图像永远不会到来。开始前先定义适用性标准:博客文章的页眉图、UI 稿的占位图、演示的头像。当输出达到那个标准,就发布它。把你没花在第五次重新生成上的时间,留给真正需要第二轮的那些提示词。

记录有效的做法

保留一小份产生过被接受输出的提示词记录,按场景打标签。这就是提示词库成为资产、而非一堆实验文件夹的方式——同样的配方保持可推导,同样的失败保持可避免。

何时该求助更慢、更重的模型

快速档生成不是更高保真模型的替代品;它是一个路由决策。目标是把每个请求送到满足其需求的最便宜档位,而大多数请求并不需要更重的模型。

在以下情况使用快速档:

  • 你仍在探索——图像是草稿、占位图或内部产物。
  • 输出会以较小尺寸呈现:缩略图、图标、头像、UI 背景。
  • 你需要许多变体来挑选,而选错的代价很低。
  • 图像是更大构图中的辅助元素,而非头条资产。

在以下情况升级到更慢、更高保真的模型:

  • 图像以全尺寸面向客户——主视觉图、营销资产、印刷品。
  • 精细细节承载意义:排版、产品特征、主体肖像相似度。
  • 某个构图在快速档上失败两次,且失败模式是保真度而非提示词清晰度。
  • 你需要一个系列之间的一致性,而细微漂移可见。

一个有用的模式是两阶段流水线:在快速档上广泛起草,直到构图和提示词确定,然后只以更高保真度重新生成那些被接受的提示词。这让你大部分迭代保持廉价,并把昂贵的生成集中在已经赢得第二轮机会的尝试上。

同样的精简提示词结构在各档位都适用——区别在于你期望得到什么,而非你如何写请求。按用途路由,而非按默认路由,快速档将承载你工作的大部分。

立即开始构建持久 AI 产物

获取 API 密钥,通过一个基于任务(task)的 API 调用图像、视频和音频模型。

阅读 API 文档