负向提示词：AI 图像生成中要规避什么

负向提示词：AI 图像生成中要规避什么

大多数人把全部精力都花在描述自己想要什么，却对不想要什么只字不提。负向提示词正是控制力的另一半——它告诉 AI 要排除什么，而它往往就是「差一点」与「干净专业」之间的分野。本指南将讲解如何用好它。

负向提示词究竟做了什么

负向提示词是一份独立的词条清单，用来让模型主动避开这些内容。如果说主提示词把画面拉向目标，那么负向提示词就是把它推离不想要的特质——多余的手指、模糊的边缘、浑浊的色彩、扰乱视线的杂物。可以把它想成修剪：正向提示词雕刻出形状，负向提示词则削去那些不该存在的部分。

通用的质量基线

几乎每一张图像都能从一套固定的质量排除项中获益。一份可靠的基线应涵盖技术缺陷（模糊、低质量、低分辨率、像素化、JPEG 压缩瑕疵）、渲染错误（扭曲、变形、畸形、比例失调），以及不想要的标记（水印、签名、文字、logo）。把这一模块保存下来，几乎为每一次生成都附上它，作为质量的底线。

解决常见问题

解剖结构与手部

AI 的经典翻车之处。用有针对性的排除项来对付它：「extra fingers, missing fingers, fused fingers, extra limbs, deformed hands, mutated hands, bad anatomy（多指、缺指、并指、多肢、畸形的手、突变的手、糟糕的解剖结构）」。比起含糊的「bad hands（糟糕的手）」，点名具体的失败模式能让手部效果大幅改善。

面部

对于人像，排除「asymmetrical eyes, crossed eyes, extra faces, distorted face, uneven skin（不对称的眼睛、斗鸡眼、多张脸、扭曲的面部、不均匀的皮肤）」。这能让五官保持匀称自然，在错误最显眼的特写中尤为重要。

构图杂乱

当背景变得杂乱时，排除「cluttered, busy background, multiple subjects, cropped, out of frame（杂乱、繁忙的背景、多个主体、被裁切、出画）」。这能产出更干净、更聚焦、留白清晰的图像。

驾驭风格与色彩

负向提示词不只用于修正缺陷——它还能精修美学。想要明亮干净的观感？排除「dark, gloomy, oversaturated, grainy（阴暗、忧郁、过饱和、颗粒感）」。追求写实？排除「cartoon, anime, illustration, 3D render, painting（卡通、动漫、插画、3D 渲染、绘画）」。想营造特定情绪？把相反面推开：排除「cheerful, bright, colorful（欢快、明亮、多彩）」以维持沉郁、低调的基调。点名你不想要的美学，往往比往想要的方向堆更多形容词来得更快。

有意识地构建负向提示词

先宽泛，再诊断

从你的通用质量基线开始。生成。然后看看究竟哪里出了问题，再针对那些具体的瑕疵补充排除项——而不是把你能想到的每一个负向词条都堆成一堵墙。

避免过度否定

一份庞大的负向清单会剥夺图像的个性、让它变得扁平，或与你的正向提示词相互掣肘。如果结果显得死气沉沉或被莫名束缚，就把负向词条削减回去。排除项越多，并不自动等于越好。

让负向词条匹配主体

风景需要的排除项与人像不同。维护少数几个针对特定主体的负向模块——人物、产品、环境——需要时取用对应的那一个，而不是用一个臃肿的万能清单。

可复用的负向模板

通往一致性最快的路径，是一个由久经验证的负向模块组成的小型库：适用于一切的通用质量模块、针对面部与解剖结构的人像模块，以及用于电商的干净产品模块。一旦调校妥当，你就不必每次从头重写排除项，整个项目的结果也会变得可预期。

付诸实践

拿一条一直给你带来瑕疵结果的提示词，跑两次：一次裸跑，一次配上专门针对你反复看到的那个问题的负向提示词。并排一比，你会立刻看到加了负向词条的版本有多么更干净、更锐利、更可用。掌握提示词的这后半部分，你每一次生成的「留用率」都会随之攀升。