别人做的 AI 图，提示词结构几秒就能拆开看（Midjourney、Flux 通用）
发布于 2026年10月28日 · 阅读约 6 分钟
刷 Discord 或图库时，有一张图让你停住了：光线、质感、构图，正是你想要的感觉。接下来大多数人会盯着图猜提示词。输入 "cinematic portrait, soft light"，出来个差不多的，再花一个小时反复微调。
问题不在你的眼光。图片是结果，而结果里看不出是哪些选择叠出来的。与其整体去猜，不如把它拆成一个个独立的选择，快得多。
为什么一整条长提示词靠猜行不通
一张成品图里，混着好几项彼此独立的选择：画的是谁、怎么做出来的、怎么打光、怎么取景。一次性全猜，只要有一处猜错（镜头质感不对、光太硬），就得整条重写，而且你也不知道哪一部分其实是猜对的。
把图片拆成“原子”
mysnipbox 会把视觉模型看到的内容整理到六个固定类别里，所以结果的结构永远一致：
| 类别 | 回答的问题 | 标签示例 |
|---|---|---|
| Subject（主体） | 画面里是谁、是什么？ | chubby round bodies |
| Style & Medium（风格与媒介） | 是怎么做出来的？渲染方式、材质感、镜头 | claymation texture, 85mm lens photo |
| Action & Pose（动作与姿态） | 姿势、视线、镜头角度和构图 | front view, centered composition |
| Attire & Details（服饰与细节） | 穿戴或手持的东西，细小的外观特征 | knitted blue scarf |
| Environment（环境） | 背景和场景 | seamless studio backdrop |
| Lighting & Palette（光影与色板） | 光线、阴影和色彩 | soft studio diffusion, vibrant pastel palette |
平时说的“镜头”（角度、取景）归在 Action & Pose 里，镜头焦段和摄影风格则归在 Style & Medium 里。完整列表见标签类别。
提示词会因此变成什么样？第一种是只能整条复制的字符串，第二种是同样的内容，拆成了可以自由搭配的零件：
cute claymation ducks in a 2x2 grid, knitted scarf, strawberry hat, soft studio light, pastel colors, front view, 3d render
- Subject：
four cute duck characters,chubby round bodies - Style & Medium：
3d digital render,claymation texture - Action & Pose：
front view,centered composition - Attire & Details：
strawberry hat,knitted blue scarf - Lighting & Palette：
soft studio diffusion,vibrant pastel palette
用 mysnipbox，四步搞定
- 1添加图片。 把图片拖进窗口，或者直接粘贴。如果在设置里开启了导入时自动分解，图片一进来就会开始分析；没开的话，在检查器里手动运行 Decompose 即可。
- 2让视觉模型来读图。 模型由你选：用自己的 API 密钥调用云端模型（Gemini、OpenAI 或 Claude），或者通过 Ollama 运行本地模型，图片不会离开你的电脑。云端服务商会收到你分析的图片，所以保密性高的参考图请用本地模型。可以参考服务商和本地模型。
- 3按类别看结果。 所有标签都会整理进上面的六行，你可以跳过主体，直接看光影。
- 4点击想要的标签，放进提示词购物车。 标签按类别分行摆放，可以拖动调整顺序，完整的提示词会随着你的操作实时更新。
Subject
Style & Medium
Attire & Details
Environment
Lighting & Palette
用云端 Flash 模型的话，一次分析通常只要几秒；本地模型则取决于你的 GPU 或 Apple Silicon 的内存。无论哪种，你读到的都是结构化的结果，而不是一大段文字。
检查器 · Subject
提示词输出
a {subject} forging a blade in a dim workshop, wearing a {color} leather apron, cinematic lighting, 35mm lens, volumetric fog, hyperdetailed
每次渲染只需替换 {subject} 和 {color} ——模板中的其余部分始终保持锁定。
{variable} 变量槽在提示词购物车里组合在一起，拼好的提示词显示在下方。只借一层，其余全换
拆开之后的好处就在这里。比如你喜欢参考图的光线，但主体想换成自己的。那就保留 Lighting & Palette 的标签，把其他部分换掉：
soft studio diffusion, subtle contact shadow, vibrant pastel palette
a ceramic teapot with a knitted cozy, 3d digital render, claymation texture, front view, soft studio diffusion, subtle contact shadow, vibrant pastel palette
如果经常这样用，可以把会变的部分做成 {subject} 这样的变量，再把购物车存成模板。输出格式也能选：用逗号分隔，或者为需要标签式输入的工具改用下划线、连字符连接。更多内容见提示词购物车与模板。
它能告诉你什么，不能告诉你什么
- 它描述的是图片看起来是什么样，用的是提示词的语言。它不会还原作者当初的原始提示词、种子、模型版本，也不会还原
--ar、--sref之类的参数。 - 把这些标签当作一个很强的起点：先生成，再和参考图对照，然后一次只调整一层。
- 如果结果偏单薄，可以换更强的模型用 Re-decompose with Vision LLM 重新分析，或者在设置里调高标签提取密度（Simple、Detailed 或 Ultra-Detailed）。
- 学习一种画风，并不等于可以照搬别人的作品。把参考图用来理解“什么有效”，最后做出属于自己的东西。
该用哪个模型来读图？
Midjourney 和 Flux 的图，任何视觉模型都能分析。想用免费的云端方案，请看如何获取免费的 Gemini API 密钥并完成设置；想全部在自己电脑上完成，请看如何用 Ollama 在本地反推提示词。
总结
别再去猜一整条长字符串了。把图片拆成主体、风格、镜头、光影和色板，留下喜欢的那一层，其余的换掉。你可以下载适用于 macOS 和 Windows 的 mysnipbox，也可以先用浏览器演示里的示例图片体验一遍流程。