我让 AI 画一个人。
设定写得很细：中国古代宫廷美少女，长主独女，宫廷乐师，身高 163，气质纯粹温柔。提示词的最后，我按惯例补了一句——真人超写实风格，8K 超清，皮肤毛孔真实可见。
出来的图，脸上长满了麻子。
不是"有点糊"那种含糊说法。是你能一颗一颗数出来的斑点，密密麻麻铺在两颊和额头上。
我盯着屏幕看了半分钟，然后意识到一件事：这些麻子，是我亲手要求它画的。
一、提示词不是"描述得越细越好"
先复盘我那句闯祸的话：「皮肤毛孔真实可见」。
在人类语境里，这句话的意思是"画得真实一点"。
在模型语境里，这句话的意思是——毛孔是本次任务的一项验收指标。
你写下的每一个词，模型都会当成一个必须达成的目标去执行。你写"毛孔可见"，它就把算力全砸在毛孔上，砸到极致，砸到你脸上。
这就是新手写提示词最大的认知误区：以为提示词是"描述画面"，所以越详细越好。
它不是描述，是指标分配。
你写十个形容词，模型不会平均用力，它会挑最具体、最容易量化的那个重点执行。"超写实""8K""电影感"这些词是虚的，没法量化；"毛孔""斑点""纹理"是实的，可以直接画。于是实的压倒虚的，你得到一张毛孔极其清晰、极其真实的麻子脸。
二、要"保持不变"，别用形容词，用参考图
发现麻子之后，我的第一反应是改提示词——加"肌肤细腻如凝脂""无瑕瓷肌"，用更多的字去压住那个毛孔。
写到一半我停了。
因为这个思路有个绕不开的矛盾：我一边要求它"保持五官不变"，一边又指望它"把皮肤重画一遍"。
这两件事天然打架。你给它一张原图、再写一千字描述"脸要一样但皮肤要好"，它只能猜。猜错了，脸就漂移成了另一个人。
后来我换了个做法：用图说话，不用字说话。
把原来那张麻子脸直接丢回去当参考图，提示词只保留一句核心要求——严格保持脸型、五官、眼神、发型、头饰、服饰、背景全部不变，只优化皮肤质感，要求没有任何斑点、雀斑、痘印与粗糙毛孔。
同一个模型，同样的参数。脸没变，麻子没了。
这就是 image-to-image 的价值：当你需要"某些东西不许动"的时候，参考图比任何形容词都准确。 文字描述是概率性的，参考图是约束性的。
顺便说一个副产品：这轮我出两版选。一版是"锁死一切只改皮肤"，一版是"整体重绘提升精致度"。后者更漂亮，但眼睛形状变了、脸更饱满了——好看，但不再是原来那个人。
如果你在做角色设定、产品图、品牌人物，这个取舍一定要先想清楚：你是要一个更好看的陌生人，还是要同一个人。
三、从生成到交付，还有一道偷偷降质的关
脸修好了，我把图传进画布排版，导出成品。看起来完美。
然后我顺手查了一下文件——出问题了。
导出的成品图是256 色调色板 PNG。
而我本地的原图是 53066 色的真彩图。
这中间的落差有多大？这么说吧：256 色对照片来说，就像用 12 支彩笔去画晚霞。皮肤、唇部这些平滑渐变的地方，一定会出现一圈一圈的色带，放大看非常明显。
我一开始以为是导出格式的问题，于是把 PNG 换成 JPEG、换成 WebP、换成 PDF，试了一圈——全都一样。
毒不在导出，在上传。
那个排版工具在图片进入画布的瞬间，就把它重新编码成了 256 色。源文件已经被压过了，后面再怎么换容器，都只是把压缩过的内容换个包装。
这就是我这次踩的第三个坑：你以为"AI 生成完"就结束了，其实从生成到最终交付，中间还隔着好几道会悄悄降质的环节。
解法听起来笨，但有效：把画布里每张图的精确坐标和尺寸全部取出来，然后拿本地那份没被压过的原图，按同样的位置和裁切规则重新贴一遍，把被压过的照片区域覆盖回去。
11 张图重新合成，成品从 256 色恢复到 114 万色。
四、一段能用的提示词，长什么样
把这次的经验收一下，提示词其实可以拆成三段。
第一段，主体锚点。
写下绝对不许变的东西，越具体越好：构图、人物特征、服装、姿态、背景。这一段的任务是"钉住"。
第二段，变量区。
只写这次真正要改的那一件事。皮肤？光线？还是氛围？一次只改一个。 你同时改三个变量，出问题的时候根本不知道是哪个引起的。
第三段，排除项。
明确说出你不要什么。很多模型没有独立的负面提示词输入框，但用正向句式同样有效——「没有任何斑点、雀斑、痘印与粗糙毛孔」就是一句排除。
三段之间的比例，我的经验是 5 : 2 : 3。
锚点占大头，因为"不许动"比"要好看"重要得多。变量区最小，越克制越可控。排除项不能省，它是你最后一道保险。
五、这次的完整提示词，直接摊开给你
修复面部那张，我用的是这套：
超写实真人影视肖像。严格保持画面中人物的脸型、五官形状、眼神、发型、珍珠珠花与白玉簪头饰、月白色轻纱广袖宫装、天水碧色内衬、赤金项圈、暖色宫灯背景与整体构图完全不变，只优化皮肤质感：肌肤细腻如凝脂，莹润无瑕，白皙通透有自然光泽，干净的陶瓷肌，完全没有任何斑点、雀斑、痘印、黑头与粗糙毛孔，柔光美化，肤色均匀透亮。8K 超清，东方古典美人，温柔浅笑。
拆开看：
「严格保持……完全不变」——锚点段，把所有不许动的东西一口气列全。
「只优化皮肤质感」——变量段，只有一件事，就四个字。
「完全没有任何斑点、雀斑、痘印、黑头与粗糙毛孔」——排除段，把上一版闯祸的那个词的反义词全部点出来。
「柔光美化」这四个字是关键。它不是形容词，是一个明确的处理指令，等于告诉模型"用柔光方式重新处理皮肤"，把方向从"抠细节"扳到"做整体"。
还有一点：这套提示词是配合参考图用的。脱离了那张参考图，这段文字会画出一个完全不同的人。
六、五条可以直接抄的规则
-
别堆形容词，写可执行的指标。「超写实」「高级感」「电影感」这类词模型没法量化，写了等于没写。想让它做到什么，就说清楚做什么。
-
要"保持不变"，用参考图。 文字是概率性的，图是约束性的。角色一致性、产品一致性、风格一致性，全都靠参考图，不靠形容词。
-
一次只改一个变量。 出图不对的时候，你要能定位到是哪一句话造成的。改三处同时出问题，等于重来。
-
生成完先验图再看交付物。 我这次是先做成整图排版，回头才发现脸有问题，连累整张重导。先看脸，再看画布。
-
交付前检查有没有偷偷降质的环节。 任何一个中转工具都可能重新编码你的图。最简单的自查方法：把最终文件和原图的文件大小、色彩模式对一下，差一个量级就说明中间被压过。
最后说两句
回头看这轮翻车，其实三个坑的根子是同一个：我把"我以为的"当成了"它理解的"。
我以为"毛孔真实可见"是让它画得像真人，它理解成毛孔必须画出来。我以为导出就完事了，它其实在上传那步就把我的图压掉了一半。我以为写清楚了"脸不要变"，但在概率模型面前，"写清楚"这个词本身就不成立。
AI 生图这件事，真正难的不是把提示词写长，而是搞清楚哪些话该说、哪些话说了反而添乱、哪些事根本不该用说话解决。
那张麻子脸最后救回来了。整个过程我一个字都没少写——只是把该用图的地方，换成了图。
我是老魏，一个专门把 AI 圈的新闻翻译成人话的程序员。这儿不讲参数，不讲架构图，只讲「这事儿到底意味着什么」。
觉得有用就点个关注，咱们下期见。