尧图网页设计 
简介面向AI绘画爱好者和设计师的提示词合集聚焦Nano Banana、GPT-5、GPT-4o等模型的图像生成场景通过500多个真实案例展示不同风格与题材的prompt写法覆盖电影风格肖像、国风水墨、科技蓝图、动漫风格等多元需求。案例编号自464至508涵盖照片级人像、历史时间轴、数学题图解、品牌海报等丰富主题。压缩包共726个文件、约261MB其中500余张jpeg/png图片为案例效果图3个md文档、2个html页面便于阅读和检索还有少量css/js文件用于本地展示。已有71人学习适合希望提升AI绘画提示词技巧、快速获取灵感或复现同款作品的用户。资料将案例编号化、分类呈现从热门电影感写真到传统文化插画均配有完整提示词和生成示例可直接对照参考尤其适合作为风格探索与提示词工程的学习样本。1. Nano Banana 提示词是什么一句 nanobanana 为什么能让 GPT-4o 整张图换气质在 GPT-4o 的对话框里输入“画一只伸懒腰的橘猫”和同一句话最前面加上nano banana出图经常像两个模型画的。前者更接近 AI 默认的“高清插画感”后者则是低饱和、带柔和胶片颗粒、光比收敛的写实摄影味道。Nano Banana也写作 nanobanana并不是官方接口参数而是社区在大量对比后沉淀出来的一套 Image Prompts 写法用一组固定的风格锚词把模型的审美分布强制拉向某个方向。对没跑过图的人这像玄学对天天跑图的人来说这是一套可以复用的配方。下面要把这套配方拆成真正能用的生产力提示词怎么分层、哪些参数真实生效、从 GPT-4o 迁到 GPT-5也有人直接简写成 GPT5时哪些写法必须改以及照搬模板最容易翻车的 5 个场景。适合正在做批量视觉内容、想稳定出图的设计师和提示词工程师既能照着复制也能拿里面的方法重新搭一套自己的风格模板。2. 把 Nano Banana 提示词拆成五层从模板到参数的实战落地网上流传的 nanobanana 提示词版本一大把但把长度和措辞去掉后核心都是五层结构风格锚点、主体与场景、光线、材质影调、构图与限制。至于图像尺寸、出图张数、随机种子这类参数更合适放在调用侧而不是写进提示词里。有一个现象需要先说清楚同一套词有人出图“好看但不像”原因是把风格词和内容词混在了同一个并列层里。比如nano banana, a teapot, film grain, centered这种写法模型看不出哪部分是风格、哪部分是主体只能按位置和词频猜权重。分层的目的就是为了让模型少猜。2.1 先看一个可运行的五层模板下面是一段可以直接贴进 GPT-4o 对话框的模板行与行之间职责不同。复制之后重点看分层不要逐字照抄。# 不写 --ar 3:2 这类 Midjourney 参数GPT-4o 不认 nano banana, cinematic film still, 35mm photography, a hand-thrown ceramic teapot on a wooden desk, soft window light from the left, color temperature 4200K, gentle vignette, film grain 200, matte finish, no plastic highlights, no HDR, no watermark, object centered, simple composition, f/4, shallow depth of field第一行是风格锚点。nano banana负责把采样分布往胶片、写实的方向拉cinematic film still和35mm photography负责约束画面更像电影截图而不是插画。这个做法的逻辑是GPT-4o 生成图像时会根据整句提示词去匹配训练时见过的图片簇nano banana作为高频风格标签能把整体审美带偏如果只写“茶壶”模型会优先找它最熟悉的电商白底图那一类分布。第二行是主体与场景。主语只留一个不要写“茶壶和马克杯”因为并列名词在 GPT-4o 里经常被拆成两个主体各占一半画面。第三、四行是光线和影调。color temperature 4200K并不会被精确理解成色温数值而是一种偏暖色温的方向暗示film grain 200同理只是颗粒感的程度提示。第五行是负向限制。no HDR避免过曝的塑料感高光no watermark避免模型顺手在角落生成一行无法识别的水印。第六行是构图硬约束其中f/4是伪参数GPT-4o 并不理解它是光圈值只把它当成“背景虚化”的同义词所以必须搭配shallow depth of field否则模型偶尔会把f/4当成画面里的文字画进背景。这是社区里反复确认过的坑照搬时留意。2.2 在 GPT-4o 里真正生效的 Image Prompts 参数提示词和参数有个常见的张力对话框里键入--ar、--q、.5这类 Midjourney 参数对 GPT-4o 几乎无效还会白白占用上下文。真正能控制出图结果的那些点要单独配置到服务调用端。控制项推荐做法作用图像尺寸在调用接口设size例如 1024x1024决定构图比例提示词里写“竖构图”不可靠一次出图数在调用接口设n批量采样比反复改提示词更稳定随机种子在调用接口固定seed固定初始噪声便于排查提示词问题主体出现次数在提示词里写subject appears once抑制内容词被放大成“满地都是茶壶”示例图首图生成后作为后续编辑的输入图避免同一提示词每次重新采样导致漂移最容易忽略的是seed。当你想判断“是不是提示词本身有问题”时固定 seed 重跑一次才有可比性如果不固定 seed每次出图都是一次独立采样你根本分不清是坏词导致的还是纯随机导致的。这里再补充一个容易踩的细节GPT-4o 并没有真正固定的“色温参数”提示词里如果同时出现相互冲突的光线描述比如morning light和midnight模型不会报错而是随机挑一种来生成。批量跑图前最好先扫一遍有没有这类冲突词。2.3 风格锚点和负向词的比例需要控制很多人喜欢往 Nano Banana 模板里堆词把grain, noise, dust, scratches, high detail, detailed texture全放进去结果纹理反而裂开。一个比较实用的比例是风格锚点词 2 到 4 个光线词不超过 3 个负向词不超过 3 个其余位置留给主体描述。看一个缩到最小的示例nano banana, 35mm film still, indoor morning light, a ceramic teapot on a wooden desk, centered, matte finish, no over-sharpening这段相比完整模板把风格词的密度提高出图会更偏向“平均的胶片感”。反过来如果发现出图很有味道但主体跑偏不要急着加主体词先检查风格锚词是不是把主体词的位置挤掉了。nano banana在新模型上一旦权重过高画面主体甚至直接变成香蕉这就是迁移到 GPT-5 时要重点处理的问题。3. 从 GPT-4o 迁到 GPT-5Image Prompts 的写法要改哪几处标题里常写的 GPT-5(GPT5) 是同一个模型代际很多人也直接称呼 GPT-5。模型每换代一次提示词里“魔法前缀”的效力就会衰减一层。GPT-4o 时代nano banana可以直接压住整张图的风格到了 GPT-5 的图像管线训练数据和输入重写策略都在变化继续把前缀当免死金牌就是赌博。并不是说新模型不支持这套风格而是它更倾向于理解描述性结构而不是标签堆叠。3.1 短标签在 GPT-5 上为什么容易失效GPT-4o 对短标签格外敏感nano banana是高频标签能直接唤起一个视觉分布。问题在于新一代模型倾向于把提示词拆分成“主体、环境、风格、限制”几个槽位当你只写nano banana, living room, a sofa, golden hour模型当成并列关系处理风格锚点未必比sofa更强。要得到一致结果就得把暗号翻译成定义# GPT-4o 时代的短写法 nano banana, living room, a sofa, golden hour, film grain # GPT-5 时代的写法 Interior photography of a living room with a linen sofa; photography style: natural light at golden hour, colors slightly desaturated, soft film grain like Fuji 400, gentle contrast, no over-sharpening, do not change the sofas fabric texture第一版全部是并列名词模型需要靠概率猜谁重要第二版用分句把“室内摄影”“风格定义”“限制条件”切成三层风格信息不再和主体信息互相撕扯。从 GPT-4o 迁到 GPT-5 的 Image Prompts本质上是从贴标签转向写说明书。风格锚词仍旧有效但它需要有个明确的名分而不是放在主语位置。3.2 迁移时必须检查的 7 个改动点这里是一批 Nano Banana 模板迁移时固定要检查的清单按优先级排列序检查点迁移操作理由1魔法前缀nano banana改成style anchor:开头段防止被新模型当成画面主体2连接符号把逗号串改成换行或分号让模型拆出任务层级3工具参数删除--ar、--q等参数新接口不兼容这些写法4#标签把#golden hour改成文字句图像模型会把 # 后面的词画进画面5负向词减到 2 到 3 个并用正向描述补足过重的否定采样反而弄脏画面6系列一致性同一主体的多张图固定共享一段 Subject 描述分次生成时主体不会漂移7机位参数加上camera height,focal length防止“换机位”变成“换主体”第 4 点很多人会忽略上一代模型里#在绘图指令里承担“写出标题文字”的功能如果#golden hour混进 Image Prompts画面角落多出一行发光字体不是模型抽风而是 # 被正确执行成了文字绘制指令。迁移到 GPT-5 时这种写法要彻底清理#相关语法不再属于图像提示词的标准用法。3.3 迁移实例保持同一主角连续出三张图批量应用场景里最忌讳的是同一主角连续生成三张图结果三张图三个人。下面这段是一个典型的迁移案例从 GPT-4o 的单图提示升级成同一主角的三图提示# 迁移前GPT-4o 单图 nano banana, fashion model, yellow raincoat, rainy night city street # 迁移后GPT-5 三图连续应用 Subject: a fashion model wearing a yellow raincoat, photographed from behind. Environment: empty city street at rainy night, wet asphalt with reflections. Camera: 50mm lens, eye level 160cm, no dutch angle. Common constraints for all three frames: - do not change the raincoat color - neon signs in background should be blurred - model pose changes in each frame, coat stays the sameSubject:段是共享主体描述三张图共用模型每次生成时都会把这段作为最高优先级Common constraints是共享约束段专门控制色彩和背景这类容易被忽略的变量。逐帧变化只放在最后一行比如“pose changes”。这样拆开后连续生成时主体身份的漂移会大幅下降。配合后面要讲的批量脚本把这段模板放到不同的会话里跑就能明显看出固化首段的价值。4. 避坑Nano Banana 提示词照搬失效的 5 个现场提示词最气人的是同一条模板别人能用你抄过来就翻车。下面五个现场来自跑图和帮同事排查时的常见情况按“现象→原因→解决”写方便直接对照。4.1 把颗粒和细节叠多了皮肤变鳄鱼皮现象提示词里同时出现film grain、high detail、sharp skin texture人脸或陶瓷表面出现鳞片状纹理脸颊泛着油腻的高频噪点。原因film grain和sharp skin texture共同指向“增加高频细节”两个高频任务在模型内部互相叠加等于把噪声和纹理一起放大。high detail这种全局词此时不是增强画质而是把已经溢出的高频再推一层。解决把纹理描述收敛为一个词并加程度限制我一般写soft genuine grain, do not enlarge pores。批量出图时把纹理相关词固定成模板变量不给每张图的单独提示词重复添加避免累积。4.2 全中文翻译后风格失效现象把整段 nanobanana 提示词翻译成中文比如“纳米香蕉、电影感胶片、柔和阴影”出图变成一种带柠檬黄的廉价滤镜感和英文版完全不像。原因nano banana是在英文语料里和特定图片分布绑定出来的高频标签中文环境里“香蕉”的词义先于风格锚点被激活模型容易把它解读成水果画面cinematic film still这类镜头词也没有中文对等的精确语义。解决保留英文风格锚点内容描述可以写中文但nano banana、film still、35mm这三个词不动。更稳妥的做法是整条模板的提示词主体用英文因为图像模型在英文下的物体名识别更直接没有强烈必要就不要整段中文化。4.3 同样的提示词连续两次结果根本不像现象同一句话两次生成人物五官、光线角度都变了看起来像两个批次一开始容易怀疑是不是平台偷偷改了 prompt。原因图像生成每次请求都会重新采样初始噪声。除非显式固定seed或复用上一张图做编辑否则即使提示词完全相同每次输出也都是独立采样。解决接口调用里固定 seed并把 seed 作为 prompt 的配套元数据一起保存。对话场景里把首张图作为后续编辑的底板用“修改这张图”而不是重新生成连续出系列图时这是最像后悔药的做法。固定 seed 并不保证 100% 相同但能让对比在一个可控范围内进行。4.4 在 GPT-5 模型上nano banana 前缀直接生成一堆香蕉现象切到新版本图像模型后只要提示词开头写nano banana画面里就会出现真实香蕉哪怕后面写的主体是“猫”或“茶壶”香蕉仍会以某种形式混入偶尔还成为整张图的焦点。原因新模型把nano banana当成实际名词字面权重压过了风格权重前缀从“风格锚点”变成了“主体词”。这是标签式提示词迁移时最常见的翻车现场老模型把它当风格词新模型更偏向字面理解。解决把前缀降级为描述性段落放到style anchor:之后明确告诉模型这是风格标签而不是画面元素。例如写成style anchor: low saturation, soft film grain, cinematic still — subject: a tabby cat。在 GPT-5 的 Image Prompts 里nano banana不再适合放在句首当主语。4.5 负向词写满 5 条之后画面出现诡异的“半成品感”现象末尾加上no blur, no shadow, no reflection, no watermark, no text之后画面边缘变灰主体阴影消失物体像贴图一样浮在背景上。原因负向词过多时模型不是在做减法而是把否定词当成独立语义来采样结果是shadow真的被压掉空间感也跟着消失。否定词和正向词在采样空间里互相抢权重堆得越多画面越容易往中间态坍缩。解决负向词控制在 2 到 3 个高频项no watermark, no text, no over-sharpening是比较安全的组合。其余约束尽量转成正向描述要阴影就写soft natural shadows不要写no harsh shadows。这条规则在 GPT-4o 和 GPT-5 上同样适用新模型表现更明显。5. 再进一步用一套小脚本给 Image Prompts 做批量校验改提示词最忌讳单张看效果今天调了一个词出了一张好图就下结论第二天批量跑 50 张发现前 20 张全崩。批量校验的意义不是替代双眼而是让效果可对比、可回滚。5.1 最小批量校验脚本的写法下面这套不算成品而是一个可复制的最小框架。图像生成接口各家差异很大先用一个抽象的发送函数占位重点看批量用例的组织方式。# prompt_check.py —— Image Prompts 批量校验的最小框架 import json import time def send_image_request(prompt: str, size: str 1024x1024, seed: int 20240601, n: int 2) - list[str]: 把 prompt 发送给图像生成服务返回图片文件名列表。 具体实现依赖你用的平台这里只给出约定。 return [out_a.png, out_b.png] def run_suite(cases: list[dict]) - dict: report [] for case in cases: t0 time.time() files send_image_request( case[prompt], seedcase.get(seed, 20240601), ncase.get(n, 2) ) report.append({ name: case[name], prompt: case[prompt][:80], files: files, cost_sec: round(time.time() - t0, 2), }) return report if __name__ __main__: test_cases [ { name: baseline-v1, prompt: nano banana, a teapot on a wooden desk, centered, seed: 11, }, { name: negative-removed, prompt: a teapot on a wooden desk, soft matte finish, seed: 11, }, ] print(json.dumps(run_suite(test_cases), ensure_asciiFalse, indent2))有三个细节值得解释。第一是每个用例强制带seed否则两次对比的随机基础不同没法归因。第二是n2同一个 seed 出两张便于发现低频翻车两张都正常说明这次改词的方向大概率安全。第三是cost_sec图像生成按张算成本和时间批量用例从 4 个到 20 个不等留一个耗时字段就能估算批量跑一轮的预算。prompt截断到 80 字符是方便在报告里快速定位用例完整 prompt 应单独存进 JSON 文件不要在终端里刷屏。脚本跑完后真正要做的是人工验收。5.2 人工验收与提示词版本管理批量脚本只保证“能跑”最终还得人看。我一般按四个维度给每张图打分每项 1 到 5 分低于 3 分直接判负。评分项看什么风格一致性是否延续胶片、低饱和、收敛光比的气质主体保真茶壶还是茶壶没有多出香蕉、马克杯等异物限制词生效没有水印、没有文字、没有过度锐化单张耗时平均出图时间是否在可接受范围四项都过关后把这版 prompt 存成带版本号的模板文件比如nano-banana-teapot-v2.1.md并在文件头注释改了哪些词、当时的 seed、哪几张图是代表作。我自己的习惯是每次只改一个变量从不一次改两个词回滚时才能精确知道是哪一处改动破坏了风格。这个“一次只改一个变量”的做法比堆词试错和反复重新生成都高效。做提示词做到后面会发现值钱的不是某一条咒语而是手里有一套能验证、能回滚、能迁移的词料库。Nano Banana 提示词只是一个起点把结构和排障方法拿走你可以给任何风格建同样的一套配方。希望帮到你。本文还有配套的精品资源点击获取 Nano Banana 提示词实战：掌控 GPT-4o 与 GPT-5 图像风格
简介面向AI绘画爱好者和设计师的提示词合集聚焦Nano Banana、GPT-5、GPT-4o等模型的图像生成场景通过500多个真实案例展示不同风格与题材的prompt写法覆盖电影风格肖像、国风水墨、科技蓝图、动漫风格等多元需求。案例编号自464至508涵盖照片级人像、历史时间轴、数学题图解、品牌海报等丰富主题。压缩包共726个文件、约261MB其中500余张jpeg/png图片为案例效果图3个md文档、2个html页面便于阅读和检索还有少量css/js文件用于本地展示。已有71人学习适合希望提升AI绘画提示词技巧、快速获取灵感或复现同款作品的用户。资料将案例编号化、分类呈现从热门电影感写真到传统文化插画均配有完整提示词和生成示例可直接对照参考尤其适合作为风格探索与提示词工程的学习样本。1. Nano Banana 提示词是什么一句 nanobanana 为什么能让 GPT-4o 整张图换气质在 GPT-4o 的对话框里输入“画一只伸懒腰的橘猫”和同一句话最前面加上nano banana出图经常像两个模型画的。前者更接近 AI 默认的“高清插画感”后者则是低饱和、带柔和胶片颗粒、光比收敛的写实摄影味道。Nano Banana也写作 nanobanana并不是官方接口参数而是社区在大量对比后沉淀出来的一套 Image Prompts 写法用一组固定的风格锚词把模型的审美分布强制拉向某个方向。对没跑过图的人这像玄学对天天跑图的人来说这是一套可以复用的配方。下面要把这套配方拆成真正能用的生产力提示词怎么分层、哪些参数真实生效、从 GPT-4o 迁到 GPT-5也有人直接简写成 GPT5时哪些写法必须改以及照搬模板最容易翻车的 5 个场景。适合正在做批量视觉内容、想稳定出图的设计师和提示词工程师既能照着复制也能拿里面的方法重新搭一套自己的风格模板。2. 把 Nano Banana 提示词拆成五层从模板到参数的实战落地网上流传的 nanobanana 提示词版本一大把但把长度和措辞去掉后核心都是五层结构风格锚点、主体与场景、光线、材质影调、构图与限制。至于图像尺寸、出图张数、随机种子这类参数更合适放在调用侧而不是写进提示词里。有一个现象需要先说清楚同一套词有人出图“好看但不像”原因是把风格词和内容词混在了同一个并列层里。比如nano banana, a teapot, film grain, centered这种写法模型看不出哪部分是风格、哪部分是主体只能按位置和词频猜权重。分层的目的就是为了让模型少猜。2.1 先看一个可运行的五层模板下面是一段可以直接贴进 GPT-4o 对话框的模板行与行之间职责不同。复制之后重点看分层不要逐字照抄。# 不写 --ar 3:2 这类 Midjourney 参数GPT-4o 不认 nano banana, cinematic film still, 35mm photography, a hand-thrown ceramic teapot on a wooden desk, soft window light from the left, color temperature 4200K, gentle vignette, film grain 200, matte finish, no plastic highlights, no HDR, no watermark, object centered, simple composition, f/4, shallow depth of field第一行是风格锚点。nano banana负责把采样分布往胶片、写实的方向拉cinematic film still和35mm photography负责约束画面更像电影截图而不是插画。这个做法的逻辑是GPT-4o 生成图像时会根据整句提示词去匹配训练时见过的图片簇nano banana作为高频风格标签能把整体审美带偏如果只写“茶壶”模型会优先找它最熟悉的电商白底图那一类分布。第二行是主体与场景。主语只留一个不要写“茶壶和马克杯”因为并列名词在 GPT-4o 里经常被拆成两个主体各占一半画面。第三、四行是光线和影调。color temperature 4200K并不会被精确理解成色温数值而是一种偏暖色温的方向暗示film grain 200同理只是颗粒感的程度提示。第五行是负向限制。no HDR避免过曝的塑料感高光no watermark避免模型顺手在角落生成一行无法识别的水印。第六行是构图硬约束其中f/4是伪参数GPT-4o 并不理解它是光圈值只把它当成“背景虚化”的同义词所以必须搭配shallow depth of field否则模型偶尔会把f/4当成画面里的文字画进背景。这是社区里反复确认过的坑照搬时留意。2.2 在 GPT-4o 里真正生效的 Image Prompts 参数提示词和参数有个常见的张力对话框里键入--ar、--q、.5这类 Midjourney 参数对 GPT-4o 几乎无效还会白白占用上下文。真正能控制出图结果的那些点要单独配置到服务调用端。控制项推荐做法作用图像尺寸在调用接口设size例如 1024x1024决定构图比例提示词里写“竖构图”不可靠一次出图数在调用接口设n批量采样比反复改提示词更稳定随机种子在调用接口固定seed固定初始噪声便于排查提示词问题主体出现次数在提示词里写subject appears once抑制内容词被放大成“满地都是茶壶”示例图首图生成后作为后续编辑的输入图避免同一提示词每次重新采样导致漂移最容易忽略的是seed。当你想判断“是不是提示词本身有问题”时固定 seed 重跑一次才有可比性如果不固定 seed每次出图都是一次独立采样你根本分不清是坏词导致的还是纯随机导致的。这里再补充一个容易踩的细节GPT-4o 并没有真正固定的“色温参数”提示词里如果同时出现相互冲突的光线描述比如morning light和midnight模型不会报错而是随机挑一种来生成。批量跑图前最好先扫一遍有没有这类冲突词。2.3 风格锚点和负向词的比例需要控制很多人喜欢往 Nano Banana 模板里堆词把grain, noise, dust, scratches, high detail, detailed texture全放进去结果纹理反而裂开。一个比较实用的比例是风格锚点词 2 到 4 个光线词不超过 3 个负向词不超过 3 个其余位置留给主体描述。看一个缩到最小的示例nano banana, 35mm film still, indoor morning light, a ceramic teapot on a wooden desk, centered, matte finish, no over-sharpening这段相比完整模板把风格词的密度提高出图会更偏向“平均的胶片感”。反过来如果发现出图很有味道但主体跑偏不要急着加主体词先检查风格锚词是不是把主体词的位置挤掉了。nano banana在新模型上一旦权重过高画面主体甚至直接变成香蕉这就是迁移到 GPT-5 时要重点处理的问题。3. 从 GPT-4o 迁到 GPT-5Image Prompts 的写法要改哪几处标题里常写的 GPT-5(GPT5) 是同一个模型代际很多人也直接称呼 GPT-5。模型每换代一次提示词里“魔法前缀”的效力就会衰减一层。GPT-4o 时代nano banana可以直接压住整张图的风格到了 GPT-5 的图像管线训练数据和输入重写策略都在变化继续把前缀当免死金牌就是赌博。并不是说新模型不支持这套风格而是它更倾向于理解描述性结构而不是标签堆叠。3.1 短标签在 GPT-5 上为什么容易失效GPT-4o 对短标签格外敏感nano banana是高频标签能直接唤起一个视觉分布。问题在于新一代模型倾向于把提示词拆分成“主体、环境、风格、限制”几个槽位当你只写nano banana, living room, a sofa, golden hour模型当成并列关系处理风格锚点未必比sofa更强。要得到一致结果就得把暗号翻译成定义# GPT-4o 时代的短写法 nano banana, living room, a sofa, golden hour, film grain # GPT-5 时代的写法 Interior photography of a living room with a linen sofa; photography style: natural light at golden hour, colors slightly desaturated, soft film grain like Fuji 400, gentle contrast, no over-sharpening, do not change the sofas fabric texture第一版全部是并列名词模型需要靠概率猜谁重要第二版用分句把“室内摄影”“风格定义”“限制条件”切成三层风格信息不再和主体信息互相撕扯。从 GPT-4o 迁到 GPT-5 的 Image Prompts本质上是从贴标签转向写说明书。风格锚词仍旧有效但它需要有个明确的名分而不是放在主语位置。3.2 迁移时必须检查的 7 个改动点这里是一批 Nano Banana 模板迁移时固定要检查的清单按优先级排列序检查点迁移操作理由1魔法前缀nano banana改成style anchor:开头段防止被新模型当成画面主体2连接符号把逗号串改成换行或分号让模型拆出任务层级3工具参数删除--ar、--q等参数新接口不兼容这些写法4#标签把#golden hour改成文字句图像模型会把 # 后面的词画进画面5负向词减到 2 到 3 个并用正向描述补足过重的否定采样反而弄脏画面6系列一致性同一主体的多张图固定共享一段 Subject 描述分次生成时主体不会漂移7机位参数加上camera height,focal length防止“换机位”变成“换主体”第 4 点很多人会忽略上一代模型里#在绘图指令里承担“写出标题文字”的功能如果#golden hour混进 Image Prompts画面角落多出一行发光字体不是模型抽风而是 # 被正确执行成了文字绘制指令。迁移到 GPT-5 时这种写法要彻底清理#相关语法不再属于图像提示词的标准用法。3.3 迁移实例保持同一主角连续出三张图批量应用场景里最忌讳的是同一主角连续生成三张图结果三张图三个人。下面这段是一个典型的迁移案例从 GPT-4o 的单图提示升级成同一主角的三图提示# 迁移前GPT-4o 单图 nano banana, fashion model, yellow raincoat, rainy night city street # 迁移后GPT-5 三图连续应用 Subject: a fashion model wearing a yellow raincoat, photographed from behind. Environment: empty city street at rainy night, wet asphalt with reflections. Camera: 50mm lens, eye level 160cm, no dutch angle. Common constraints for all three frames: - do not change the raincoat color - neon signs in background should be blurred - model pose changes in each frame, coat stays the sameSubject:段是共享主体描述三张图共用模型每次生成时都会把这段作为最高优先级Common constraints是共享约束段专门控制色彩和背景这类容易被忽略的变量。逐帧变化只放在最后一行比如“pose changes”。这样拆开后连续生成时主体身份的漂移会大幅下降。配合后面要讲的批量脚本把这段模板放到不同的会话里跑就能明显看出固化首段的价值。4. 避坑Nano Banana 提示词照搬失效的 5 个现场提示词最气人的是同一条模板别人能用你抄过来就翻车。下面五个现场来自跑图和帮同事排查时的常见情况按“现象→原因→解决”写方便直接对照。4.1 把颗粒和细节叠多了皮肤变鳄鱼皮现象提示词里同时出现film grain、high detail、sharp skin texture人脸或陶瓷表面出现鳞片状纹理脸颊泛着油腻的高频噪点。原因film grain和sharp skin texture共同指向“增加高频细节”两个高频任务在模型内部互相叠加等于把噪声和纹理一起放大。high detail这种全局词此时不是增强画质而是把已经溢出的高频再推一层。解决把纹理描述收敛为一个词并加程度限制我一般写soft genuine grain, do not enlarge pores。批量出图时把纹理相关词固定成模板变量不给每张图的单独提示词重复添加避免累积。4.2 全中文翻译后风格失效现象把整段 nanobanana 提示词翻译成中文比如“纳米香蕉、电影感胶片、柔和阴影”出图变成一种带柠檬黄的廉价滤镜感和英文版完全不像。原因nano banana是在英文语料里和特定图片分布绑定出来的高频标签中文环境里“香蕉”的词义先于风格锚点被激活模型容易把它解读成水果画面cinematic film still这类镜头词也没有中文对等的精确语义。解决保留英文风格锚点内容描述可以写中文但nano banana、film still、35mm这三个词不动。更稳妥的做法是整条模板的提示词主体用英文因为图像模型在英文下的物体名识别更直接没有强烈必要就不要整段中文化。4.3 同样的提示词连续两次结果根本不像现象同一句话两次生成人物五官、光线角度都变了看起来像两个批次一开始容易怀疑是不是平台偷偷改了 prompt。原因图像生成每次请求都会重新采样初始噪声。除非显式固定seed或复用上一张图做编辑否则即使提示词完全相同每次输出也都是独立采样。解决接口调用里固定 seed并把 seed 作为 prompt 的配套元数据一起保存。对话场景里把首张图作为后续编辑的底板用“修改这张图”而不是重新生成连续出系列图时这是最像后悔药的做法。固定 seed 并不保证 100% 相同但能让对比在一个可控范围内进行。4.4 在 GPT-5 模型上nano banana 前缀直接生成一堆香蕉现象切到新版本图像模型后只要提示词开头写nano banana画面里就会出现真实香蕉哪怕后面写的主体是“猫”或“茶壶”香蕉仍会以某种形式混入偶尔还成为整张图的焦点。原因新模型把nano banana当成实际名词字面权重压过了风格权重前缀从“风格锚点”变成了“主体词”。这是标签式提示词迁移时最常见的翻车现场老模型把它当风格词新模型更偏向字面理解。解决把前缀降级为描述性段落放到style anchor:之后明确告诉模型这是风格标签而不是画面元素。例如写成style anchor: low saturation, soft film grain, cinematic still — subject: a tabby cat。在 GPT-5 的 Image Prompts 里nano banana不再适合放在句首当主语。4.5 负向词写满 5 条之后画面出现诡异的“半成品感”现象末尾加上no blur, no shadow, no reflection, no watermark, no text之后画面边缘变灰主体阴影消失物体像贴图一样浮在背景上。原因负向词过多时模型不是在做减法而是把否定词当成独立语义来采样结果是shadow真的被压掉空间感也跟着消失。否定词和正向词在采样空间里互相抢权重堆得越多画面越容易往中间态坍缩。解决负向词控制在 2 到 3 个高频项no watermark, no text, no over-sharpening是比较安全的组合。其余约束尽量转成正向描述要阴影就写soft natural shadows不要写no harsh shadows。这条规则在 GPT-4o 和 GPT-5 上同样适用新模型表现更明显。5. 再进一步用一套小脚本给 Image Prompts 做批量校验改提示词最忌讳单张看效果今天调了一个词出了一张好图就下结论第二天批量跑 50 张发现前 20 张全崩。批量校验的意义不是替代双眼而是让效果可对比、可回滚。5.1 最小批量校验脚本的写法下面这套不算成品而是一个可复制的最小框架。图像生成接口各家差异很大先用一个抽象的发送函数占位重点看批量用例的组织方式。# prompt_check.py —— Image Prompts 批量校验的最小框架 import json import time def send_image_request(prompt: str, size: str 1024x1024, seed: int 20240601, n: int 2) - list[str]: 把 prompt 发送给图像生成服务返回图片文件名列表。 具体实现依赖你用的平台这里只给出约定。 return [out_a.png, out_b.png] def run_suite(cases: list[dict]) - dict: report [] for case in cases: t0 time.time() files send_image_request( case[prompt], seedcase.get(seed, 20240601), ncase.get(n, 2) ) report.append({ name: case[name], prompt: case[prompt][:80], files: files, cost_sec: round(time.time() - t0, 2), }) return report if __name__ __main__: test_cases [ { name: baseline-v1, prompt: nano banana, a teapot on a wooden desk, centered, seed: 11, }, { name: negative-removed, prompt: a teapot on a wooden desk, soft matte finish, seed: 11, }, ] print(json.dumps(run_suite(test_cases), ensure_asciiFalse, indent2))有三个细节值得解释。第一是每个用例强制带seed否则两次对比的随机基础不同没法归因。第二是n2同一个 seed 出两张便于发现低频翻车两张都正常说明这次改词的方向大概率安全。第三是cost_sec图像生成按张算成本和时间批量用例从 4 个到 20 个不等留一个耗时字段就能估算批量跑一轮的预算。prompt截断到 80 字符是方便在报告里快速定位用例完整 prompt 应单独存进 JSON 文件不要在终端里刷屏。脚本跑完后真正要做的是人工验收。5.2 人工验收与提示词版本管理批量脚本只保证“能跑”最终还得人看。我一般按四个维度给每张图打分每项 1 到 5 分低于 3 分直接判负。评分项看什么风格一致性是否延续胶片、低饱和、收敛光比的气质主体保真茶壶还是茶壶没有多出香蕉、马克杯等异物限制词生效没有水印、没有文字、没有过度锐化单张耗时平均出图时间是否在可接受范围四项都过关后把这版 prompt 存成带版本号的模板文件比如nano-banana-teapot-v2.1.md并在文件头注释改了哪些词、当时的 seed、哪几张图是代表作。我自己的习惯是每次只改一个变量从不一次改两个词回滚时才能精确知道是哪一处改动破坏了风格。这个“一次只改一个变量”的做法比堆词试错和反复重新生成都高效。做提示词做到后面会发现值钱的不是某一条咒语而是手里有一套能验证、能回滚、能迁移的词料库。Nano Banana 提示词只是一个起点把结构和排障方法拿走你可以给任何风格建同样的一套配方。希望帮到你。本文还有配套的精品资源点击获取