绘画构图专家提示词工程

要解决的问题

角色类 AI 绘图最头疼的不是「画不出来」，而是画不准：同一个角色换一张图、换一个模型，脸、发型、配饰、配色就开始漂移。系列插图、分镜、角色卡这类工作尤其致命——第 12 张图里主角的发色变了，整批图就报废。

根源有两条：构图和姿态靠自由发挥，同一句话每次生成的镜头都不一样；不同模型家族的提示词语法互不兼容，(tag:1.3) 在 SD 系里有效，在自然语言模型里就是乱码。这个技能把一致性从祈祷变成流程。

技能如何工作

核心是一份 21 张 CSV 的工作台表格，外加一条每次生成都要跑一遍的流水线。

• Character anchors：从 references/CharacterAnchors.csv 选一行图像版本，确定身份锚点（≥1.6）、气质标签（≥1.3）、调色板、标志性道具和负向锚定。
• Composition & shots：填 CompositionAndShots.csv 的 Section A 配置（画幅、构图类型、机位、景别、焦距、光线、遮挡），再按 references/NOTES.md 的表格查姿态——按气质查 Posture-Emotion Mapping，不手写。
• Model & reference strategy：读 ReferenceImageCapabilityMatrix.csv 选一致性手段，可能是 --cref、LoRA、原生参考图，或逐字复用锚点。
• Assemble & validate：套用 NaturalLanguagePromptTemplate.csv 里目标家族的语法，然后跑 Checklist.csv 的 P0/P1/P2 检查，任何 P0 失败（身份锚点、核心特征、锚点复用、负向覆盖）直接重生成。

权重是这套体系的量化基础：1.6–2.0 是硬锚点，每张图都必须保留；1.3–1.5 是核心特征，按 P0 校验；0.7–0.9 是氛围层，可随场景调节；低于 0.7 的词不承载关键信息。

五种语法家族各自成表：自然语言（Flux / DALL-E 3 / SD3）、对话式（GPT-4o / Gemini）、MJ / Niji、SD 1.5 / XL / SD3 的 tag 列表、国内 API（即梦 / 可灵 / 豆包 / 通义万相）。v2.6–v2.8 还补了多角色空间关系、分镜网格、对白气泡定位、时间一致性检查，以及视频和 3D 资产模板。

适用边界

• (tag:weight) 只在 SD 系有效；MJ 靠 token 位置，自然语言模型禁止括号权重。
• MJ 的 --no 只放 4–6 个最高风险词；SD 有独立负向框；自然语言和国内 API 优先肯定式写法。
• 锚点句子必须逐字复用，同义改写就是一致性的死亡。
• DALL-E 3 在 v2.5 已被标记弃用：不支持参考图，系列创作请走对话式模型。
• 任何多图系列都必须走 ReferenceFirstWorkflow.md 的参考图优先流程，文本锚点只是第二道防线，不是第一道。