为什么你写的提示词AI总是不听你的许多人, 于刚开始运用AI绘图工具之际, 皆会碰到一个令人头疼之问题, 即明明自觉已将所欲之画面描绘得特别清晰了, 然而AI生成之结果却老是与预期相差甚远, 时不时AI会自行增添些许怪异之元素, 有时画面之风格会全然偏离正轨, 更为常见的情形是, 你撰写了冗长且详尽之描述, AI却仿若全然未理解一般。有这样一种较为普遍的挫败感, 它是好多提示词入门者都会历经的阶段。就依照我所观察到的情形而言, 大部分新手于撰写提示词之际都犯下了一个具有根本性意义的错误, 这个错误就是, 他们将提示词视作了「愿望清单」, 但却未曾领会AI处理信息的具体方式。AI并非读心术, 它所需要的是精准无误的指令, 并非模糊不清的愿望。好多人并不晓得该如何以正确的方式与AI展开对话, 致使提示词写出来之后所呈现的效果比预期要差劲很多, 而这恰恰就是我们亟待解决的关键问题。理解AI的思维路径先材质再主体要写出具备有效性的提示词来, 首先得去理解AI绘图工具所拥有的思维路径才行, 在传统的情况之下, 我们惯常地会先对主体予以描述, 之后再去描述风格这方面, 就拿像是「一个女孩, 复古港风」来说, 然而AI的处理方式却恰好是反着来的, 它会先对材质信息进行处理, 接下来再处理形状信息呢。那此刻这究竟涵盖何种意味呢? 当你表述「一个由发光粒子构成的女孩」这般的语句时, AI 会率先依循「发光粒子」此一材质指令予以施行, 随后于粒子空间范畴内对「女孩」的形状展开拟合。由于材质方面的约束, 从而使得 AI 的渲染管线在这当中做出某种遴选, 而形状方面的那种约束其实仅是处于该管线之内的一个拟合目标罢了。明白这一点相当关键, 缘由在于其阐释了为何有时你的提示词会引发意料之外的成效。一旦你同时告知AI「这是一个女孩」以及「这个女孩由发光粒子构成」, AI会率先执行粒子构成, 随后于粒子空间里拟合女孩的形状。这便是为何有时画面会呈现出你未曾预料到的效果。在梳理启源AI所提供的相关知识点之际, 能够将这套处理顺序归纳为: 先确定材质, 再确定主体。四层递进结构写出精准提示词的框架依据对于AI处理方式的领会, 我们能够构建一个具备四层递进构成的架构, 然后借此写出更为精确的提示用语, 这一语用框架并非出自于我有所创造, 而是源自于从切实观察环节中所归纳收获选取而出所总结寻觅总结起来发掘得出的规律。第一层, 是语义锚点, 要先告知AI那是什么事物, 以此来保证其画面具备可识别的特性, 就好比说一个骑马的牛仔, 这一层所提供的乃是观众认知的入口之处, 要是没有它的话, 后续所进行的描述便会失去意义的承载。处于第二层的是, 材质解构, 其作用在于描述, 这个东西究竟是由什么所构成之事, 就好比是, 由发光粒子以及光点共同构成这种情形, 而此项内容乃是整套提示词的核心转换引擎, 它能够从根本之处对主体的存在方式施加重构定义。第三层是风格封装, 要确定粒子的视觉属性, 像「霓虹发光风格, 科幻数字美学, 要注意顺序」, 先得决定「用什么做而这里面包括霓虹灯发光这种风格以及科幻数字美学等视觉属性」, 之后再决定「怎么做, 是关于确定粒子视觉属性的具体做法」。第四层, 是氛围语境, 它用于描述背景以及环境, 像那种呈现出模糊的自然背景, 带有电影感氛围的情况。背景绝不是装饰, 它乃是意义的生产者。三个常见误区与修正方法于实际操作当中, 我发觉新手极易犯下三个错误。第一个误区乃是描述太过笼统。就像「画一个漂亮的风景」这般, 此种描述对于AI而言近乎毫无约束力。修正的方法是使之具体化: 「日落时分的山间湖泊, 水面倒映着橙红色的天空, 远有积雪的山峰」。第二个误区在于没能重视材质方面的描述, 不少人只是单纯地讲「画了些什么」, 却不去阐述「是借助什么来画的」, 举例来说「画一个机器人」这话当中, 并未提及眼前所说的机器人是依靠何种物质所构成的呢, 当增添了材质方面的描述之后, 所呈现出的效果便会产生极大的差异, 具体会是这样「形状如同机器人, 是由金属以及玻璃组合而成的它, 其表面具备反光的特性」。第三个误区在于过度去堆砌形容词, 有些人觉得形容词越多便越好, 如此一来提示词就变得冗长且混乱, 实际上, AI更需要的是结构化的信息, 并非一堆修饰词, 每个描述都应当有着明确的目的。一个完整的应用案例可以用一个具体案例, 来表明这些原则怎样去应用呵。要是你打算生成一张“未来城市” 的概念图的这种设想。写法初级的情况或许是: 「未来城市, 很酷, 且具备科技感」。这般的写法基本上难以生成有意义的成果。别样的进阶写法如下: 「黄昏时分, 未来城市天际线呈现, 建筑是由发光粒子所构成, 具备点云数据可视化风格且伴有霓虹发光效果, 天空背景为真实情况但显得模糊」。这般写法运用了四层结构, 分别是: 语义锚点, 也就是未来城市天际线材质解构, 即由发光粒子构成风格封装, 包含点云数据可视化风格以及霓虹发光效果氛围语境, 有黄昏时刻以及模糊的真实天空背景。关键在于要明白各部分所起的作用, 材质解构, 其为「由发光粒子构成」, 这决定了画面的基础质感风格封装, 是「点云数据可视化风格」, 此进一步细化了视觉属性氛围语境, 乃「模糊的真实天空背景」, 它创造了数字与现实交融的张力。通过此案例, 你能够瞧见一个有效的提示词是怎样层层递进的, 从最基础的语义锚点起始, 接着逐步增添材质、风格以及氛围信息, 每一步都于约束AI的生成方向性, 这种结构化的方法相较于简单地堆砌形容词要更有效性得多。判断提示词质量的简单标准怎样去判定自身的提示词是不是具备有效性呢? 我归纳了几个较为简易的标准。首先, 优良的提示词理应能够使得AI确切清楚「这究竟是什么」以及「是怎样构成的」。要是AI需要去揣测你的意图, 那么结果通常不会尽如人意。再者, 优良的提示词应防止出现歧义, 就像「美丽的女孩」里的「美丽」是主观的, 人工智能没办法精准领会, 更具细节的表述像「有着长发, 面带微笑, 身着白色连衣裙」会更有成效。最终, 优良的提示词理应具备明晰的层次, 语义锚点、材质解构、风格封装、氛围语境, 这四个层次应当依序排列, 而非相互混杂。在实际进行操作的时候, 存在着一种简单且容易施行的检查办法是值得去尝试一番的。当你撰写出来一条提示词之后, 首先要用最短的那种版本去进行测试: 仅仅保留主体的描述内容, 就像「一个骑马的牛仔」这样, 瞧瞧AI是不是能够准确地识别出这个基本的形状呢。在确认主体没有问题之后, 接着再一项一项地去添加约束条件: 先是添加材质方面的描述, 查看一下画面所呈现出的质感是不是和预期相契合然后再添加风格的封装, 对视觉的调性作出调整最后添加氛围的语境, 从而完善整体的效果。这样一种分步骤的检查方式, 能够助力你迅速地确定是哪一个环节出现了问题, 而并非是在面对一堆不尽如人意的结果时毫无头绪、不知从何处着手。写在最后想要掌握以AI提示词进行写作, 这可不是一下子就能达成的事儿, 得持续不断地去实践, 然后做出调整。不过, 要是能明白AI的处理方式, 构建起结构化的思维框架那就能够让你少经历好多走不通的路。要记住, AI并非读心术, 它需要的可是精准的指令。倘若你可以用清晰的结构去描绘你所期望的画面, AI也就会更准确地领会你的意图。期望这篇文章能够帮你撰写出更出色的提示词, 从而让AI切实地为你发挥作用。