一张图改十次不如一次说清：AI绘画需求描述的四个字段

配图返工，多数不是模型画得不好，而是需求一开始就只有一句“要高级一点”。改十轮，每轮都在猜对方到底不满意哪里。后来我把需求描述固定成四个字段，返工次数明显下降。

四个字段

一、用途与位置。 是文章头图、段落插图，还是列表配图？位置决定画幅与信息密度。头图要留标题空间，段落插图不能太抢眼，这两者的要求几乎相反。

二、主体与动作。 只写一个明确主体和一个动作。“一个人站在窗边”比“孤独的氛围”可执行得多。氛围是结果，不是输入。

三、必须出现 / 必须不出现。 这栏比正面描述更有用。必须不出现的东西通常来自上一次踩的坑：不要文字、不要多余手指、不要水印、不要写实人脸。写清楚比事后一张张筛省事。

四、风格参照。 给一个可指认的参照物，而不是“简约风”“科技感”这类词。可以指向一份具体的组件或版式说明，比如 Bootstrap 组件实验室里某个卡片示例的留白与配色，比抽象形容词稳定得多。

一份填好的样子

用途：长文第二节段落插图，横向 3:2，右侧需留约三分之一空白。

主体：一张桌面，摊开的笔记本与一杯水，无人物。

不出现：任何文字、logo、人脸、强对比阴影。

参照：偏平涂、低饱和，接近静态文档站的克制配色。

四行，不到一百字，但每个后续判断都有依据。想补色彩与版式的基础知识，可以看 前端 Wiki 的 CSS 与配色相关章节，把“低饱和”“克重”这些词和具体数值对应起来。

为什么有效

四个字段其实对应四种常见分歧：画幅分歧、内容分歧、禁忌分歧、审美分歧。把它们前置，等于把返工从“生成之后”挪到“描述之前”。模型没变，只是不再需要它替人猜。

小结

AI 绘画里最贵的不是算力，是来回沟通。把需求写成四行结构化字段，看起来是笨功夫，实际是把模糊的审美问题拆成了可核对的项。下一次要配图时，不妨先填满这四栏再开始生成。