页面准备好后会自动显示。
通过三组长短 Prompt 对照，解释 GPT-image-2 为什么更需要清楚的风格、画面与必要约束，而不是信息堆叠。
可复制 Prompt
image-2风格：雨夜街头 editorial 时尚摄影，冷暖霓虹，真实、松弛、有潮湿空气感。
可复制 Prompt
image-2风格：1920 年代 Art Deco 复古珠宝广告插画，黑金配色，旧纸印刷与轻微金箔质感，精致但不过度装饰。
可复制 Prompt
image-2除右下角署名外，画面不要出现可读文字、品牌名和商标。
可复制 Prompt
image-2风格词：这张图到底是什么视觉风格。
写在最开头： 从现在开始忘记香蕉提示词的撰写思路，去积累自己的风格词库，这才是 GPT-image-2 的正确玩法！！！
开头先让两张图片的效果来说话。
这两张是我之前保存在 Eagle 里的一组真实测试。
同样是秋日暖金逆光、短发女性、前景枫叶、一只手轻贴锁骨，第一张用了香蕉时期的长 Prompt，第二张改成了连续的风格与画面描述。
左：香蕉长 Prompt，注释里保存的完整版本共 1311 个字符；右：风格＋画面描述，完整版本共 563 个字符。
这不是一组「长 Prompt 失败、短 Prompt 成功」的对比。
两张图片的效果其实都很好。
长版很准确地执行了「枫叶大幅虚化、人脸是唯一清晰焦点、另一只手贴在锁骨、暖金斑驳光掠过五官」这些要求。
但为了得到这几个关系，它从人物、动作、构图、镜头、光线一路写到优先级清单和二十多条避免事项，同一个重点被重复提醒了好几遍。
反看短版，我没有把信息拆成十几个栏目，而是采用了风格词➕关键词的叠加。
它直接描述眼前能看见的画面：右侧裁切的人脸、闭合的眼睛、近镜头枫叶、贴近锁骨的手、马海毛纤维和穿过叶隙的暖金光。
结果里，光带更自然地贴在脸上，枫叶、人物和光线也更像发生在同一瞬间。
也就是说，同样一个画面，你完全可以用很少的提示词生成一样甚至更好的效果！既然如此，为什么还要费劲巴拉地写那么长的提示词呢？！
或者你有没有想过，image-2 有时候生成图片碎，可能就是因为你的提示词太多了，几组词相互打架你却检查不出来！这才是解决 image-2 碎图问题最容易被忽略的根因。
所以：
换到 GPT-image-2 之后，最先要升级的可能不是你的提示词，而是你对提示词的固有认知。
如果你是从香蕉提示词玩生图玩下来的老玩家，那么你一定知道
以前用 Nano Banana 的时候，提示词写得长、写得细、写得像一份结构完整的视觉需求文档，确实更容易把任务交代清楚。
于是大家慢慢练出了一套固定动作：
主体、场景、镜头、构图、光线、材质、色彩、质量词、负面词，一个都不能少。
最好再写成 JSON。
最好每个字段下面再补几条。
生怕少写一句，香蕉就不知道你想要什么。（ 因为香蕉你不写，它真的就不给出啊！！！ ）
这套方法在香蕉身上没有错。
错的是模型都已经换成 image-2 了，我们还把这套写法当成生图提示词的唯一标准。
我翻遍了市面上现在八成的用户玩生图提示词，还是这样的，分享出来的提示词依旧是很长很长的一大段！
这其实就是： 模型换了，脑子没换 。
明明只是想要一张雨夜便利店人像，最后写出来的东西比真正拍一组写真还复杂。
更麻烦的是，你写得越多，越难发现里面到底有多少东西正在互相打架。
既要抓拍感，又要奢侈品广告感。
既要柔和空气感，又要强烈电影光。
既要胶片颗粒，又要 8K、锐利、极致细节。
这些词放进同一张图里，它们就开始抢方向、抢权重！
然后 image-2 只能一人分一点，最后给你拼出一张哪哪都对、但哪哪都差点意思的图。
这就是我说的碎，也是很多人吐槽为什么image-2 生成的图片画面那么碎！！！
不是图片真的裂开了。
是风格碎了，光线碎了，情绪碎了，主体也不知道自己到底该往哪个方向走。
所以 image-2 的生图提示词到底应该怎么写？
我现在写 image-2，已经很少先打开一份大模板挨个填空了。
我会先找一个风格词，确定这张图到底应该长什么样。
然后再补画面里真实能看见的东西。
谁，在哪里，正在做什么。
光从哪里来，画面是什么颜色，最重要的东西应该落在哪里。
就这么简单。
所以我现在真正想积累的，已经不是一条又一条完整 Prompt 了。
而是把每次真正影响结果的风格词、光线词、构图词和材质词留下来。
用一组很简单的词来讲解一下吧：
「雨夜街头 editorial」「冷暖霓虹」「潮湿空气感」「旧纸印刷」「轻微金箔质感」，这些东西换一个人物、换一个商品、换一个场景，照样能继续用。
这才叫风格词库。
它不是把别人的整段 Prompt 搬回来收藏，而是把真正能控制画面的东西拆出来，慢慢变成你自己的视觉语言。
为了确认开头那组旧图不是偶然，我又重新做了两组对照。
这两组都没有参考图。同一个主题分别使用长、短两条 Prompt，每条只生成一次，也没有从一批图里挑最好看的。
先看雨夜便利店这组。
可能会有人觉得长 Prompt 那张人像更好。这里先忽略人物审美差异，只看你为 Prompt 付出的精力和 token 数量。
而我给第二张的 Prompt，就只有下面这些词：
画面：一位明确成年的黑发女性穿黑色皮夹克和银灰色缎面长裙，正面迎着镜头走过便利店门口，头肩同向，一只手自然整理耳边头发。玻璃店面透出冷白灯光，湿地映着红蓝霓虹，中景到三分之二身体，竖版 4:5。
画面右下角增加艺术性手写文字“nuyoah”作为署名。
没有相机品牌。
没有 ISO。
没有 masterpiece、best quality、8K，也没有先来二十条「不要」。
但是该有的东西一个都没少。
「湿地映着红蓝霓虹」，一句话已经把场景、材质、光线和颜色都说完了。
「正面迎着镜头走过便利店门口」，动作、人物方向和现场感也都有了。
这就是我现在特别想说的一件事：
你不是少写了，你只是终于开始写有用的东西了。
我又把人像换成了一枚祖母绿戒指。
同样是 Art Deco、黑金配色、旧纸印刷、黑色天鹅绒和右下角署名。
长 Prompt 那张很华丽。
放射线、植物卷草、星芒、珠点、多层边框、版画、丝网印刷、金箔、浮雕，几乎全都给我做进去了。
问题也就在这里。
我明明要的是一枚祖母绿戒指，最后最抢眼的却是周围那一大圈装饰。
而且这条长 Prompt 里面，我一边写「现代极简奢侈品牌构图」，一边又塞了大量繁复装饰。
这不就是我自己在跟自己打架吗？
短 Prompt 就直接多了：
画面：一枚椭圆祖母绿黄金戒指放在黑色天鹅绒中央，宝石通透，金属与绒布的受光真实。金色几何边框和少量扇形纹样围住主体，画面轴对称、留白清楚，竖版 4:5。
画面右下角增加艺术性手写文字“nuyoah”作为署名。
我只保留了真正想要的几件事。
Art Deco、黑金、旧纸、金箔、祖母绿戒指、天鹅绒、几何边框和留白。
结果呢？
戒指重新变成了主角。
所以 image-2 不是不听你的。
很多时候，是你同时说了太多，它根本不知道该重点听哪一句。
这里千万别又走到另一个极端。
看完这篇以后，把 Prompt 改成「高级、电影感、氛围感、绝美、大片」几个词，也不叫做减法。
这叫没有说清楚。
真正有用的短 Prompt，是把空话删掉，把能在画面里看见的东西留下来。
短版便利店人像也正好暴露了一个问题。
背景里出现了真实感很强的店铺标识和不少文字。
因为我为了保持测试干净，没有在短版里写「除署名外不要出现可读文字和品牌标识」。
那下一轮怎么办？
补这一句就行：
真的不需要再把十几个栏目重新搬回来。
哪里出错，就补哪里。
一次只修一个问题。
OpenAI 官方的图像提示指南也强调：好的图像 Prompt 不必很长，关键是清楚说明主体、场景、风格，以及真正重要的限制。意图和约束清不清楚，才是重点。
所以我不是说结构化提示词彻底没用了。
信息图、复杂排版、多图合成、角色一致性、精确编辑，本来就需要更清楚的结构。
但是一张普通人像、一张氛围图、一张风格探索图，真的没必要每次都先填一份生图申请表。
因为他们没有被香蕉提示词训练过。
他们不知道生一张图之前，还要先写镜头参数、质量词、材质表和一长串负面词。
他们只会很直接地说：
我想要什么风格。
画面里有什么。
这个人在做什么。
哪里必须保留。
哪里绝对不能错。
结果这种最朴素的说法，反而更接近 image-2 真正能听懂的语言。
而我们这些已经积累了一大堆模板的人，第一件事不是继续收集更多模板。
是先把默认写长 Prompt 的手停下来。
重新看一眼，你脑子里真正想要的到底是哪一张图。
我现在给自己的 image-2 第一版 Prompt，只留三个位置：
画面关键词：谁，在哪里，正在做什么；真正能看见的构图、光线、颜色和材质。
必要约束：只写一旦出错，就会让这张图直接报废的事情。
先用这三部分生成第一张。
图片哪里不对，下一轮只补哪里。
不要再把写得长，当成写得专业。
真正的控制力，是你知道什么该写，什么应该闭嘴。
