GPT Image 2.5 提示词写作指南：把「描述」升级成「说明书」

你有没有过这样的经历：想让 AI 出一张产品图，反复改了好几轮，出来的图还是「哪里不对」。背景是对的，但主体偏了；颜色是对的，但人物表情僵硬；终于像样了，上面却多了一行多余的英文。

问题往往不在模型，而在提示词。OpenAI 官方对 GPT Image 2.5 给出了一套很明确的提示词写法，核心就一句话：把「描述你想要的图」升级成「说明书」。本文把官方方法翻译成中文可复制的模板，并配两套逐句拆解的示例，你直接套用就行。

一、先想清楚：你要的是哪张图

官方原则的第一条，是「先定义结果」。别一上来就写细节，先说明这张图的用途：是产品照、广告图还是示意图？是方图、横图还是竖图？主体放在画面哪个位置？

复杂需求建议分段写。把提示词拆成「场景、主体、细节、约束」几个带标签的段落，比一大段平铺直叙更容易控制。举个例子，「电商主图」和「详情页配图」的写法完全不同——前者要主体突出、背景干净，后者允许更多信息元素。先想清楚用途，后面的每一句才有意义。

这一步也是大多数人跳过的。你以为是模型没听懂，其实是自己也没想清楚要什么。先花三十秒在脑子里把最终成图过一遍，再写提示词，成功率会高很多。

二、用什么格式写，其实没有标准答案

官方原话是：短句、描述性段落、类 JSON 结构、指令式、标签式都可以表达同一个意思。选你最容易阅读和修改的那一种，不必追求特殊语法。

这意味着什么？网上流传的「万能提示词公式」大多是伪需求。真正重要的不是格式，而是你写进去的信息量：主体是什么、在哪、长什么样、光从哪来、画面什么氛围。

但有一类格式值得推荐：带标签的分段。因为后续迭代时，你只需要改「光线」那一小段，而不是在一整段话里找哪句是描述光线的。可维护性，是提示词写作里最容易被低估的价值。

三、描述看得见的细节，不要只堆情绪词

这是官方原则里信息量最大的一条。想拍照片，就直接写「写实照片」；想写材质，就写具体质感；想写氛围，就写光线、颜色、天气和尺度，而不是只写「很美」「很有感觉」。

官方给的例子很有参考性：宽幅、电影感、低光、雨天、霓虹这类场景，要写清楚尺度、氛围和色彩。比如「清晨的高山湖泊，湖面平静如镜，倒映着远处覆雪的山峰，山谷里有薄雾缓缓升起」——这段描述里全是看得见的东西。

还有一条容易被忽略：相机参数只是外观线索。写了「35mm」「f/1.8」，模型能理解的是「接近这个焦段的透视和景深观感」，并不保证精确的物理模拟。所以别指望参数解决构图问题，构图要用语言描述清楚。

四、人物和动作要写到能「看见」为止

出人物图翻车，大多是因为描述太抽象。「一个女孩，自然微笑」这种写法，模型只能自由发挥。官方建议写到什么程度？举几个例子：「全身入镜，脚也要在画面里」「低头看着打开的书」「双手自然握住车把」。

关键信息包括：身体取景（半身、全身、脚在不在画面里）、相对大小、视线方向、与周围物体的互动。动作写得越具体，模型发挥的空间越小，成图越接近你要的样子。

想让脸保持一致，官方也给了明确方法：用编辑接口，只改该改的，并逐条列出要保留的——身份、五官、肤色、体型、姿势、表情、发型、比例，以及光线、阴影、色温、背景、机位、构图和画质。每一条写清楚，脸就不会跑。

五、画面里的文字，加引号并检查拼写

需要让画面出现文字时，官方要求把文字放进引号，并说明位置和字体风格。生僻词或品牌名可以逐字母拼出来。还要写明「不要有多余文字」，出图后检查拼写和清晰度。

这一条对做电商和社媒的人尤其重要。产品图上的 logo、价格标签、品牌 slogan，最怕的就是 AI 乱拼一串英文。写法示例：「在画面右下角呈现且仅呈现一处小巧的手绘英文签名『lyshen』，全部小写，笔迹自然清晰，不遮挡主体」——位置、内容、风格、排除项一次说清。

小字、信息密集或多种字体混排时，官方还建议对比 medium 和 high 两种质量档位，看哪种清晰度达标。别默认高就是好，实际测了才知道。

六、编辑时把「要改的」和「要保持的」分开

这条是官方原则里最实用的迭代技巧。编辑一张图时，先写「只改 X」，再列出要保留的内容：身份、形状、布局、光线、标签。同时写明排除项：多余文字、logo、水印。

做精确局部编辑时，还要点名不能变的东西：饱和度、对比度、箭头、拍摄角度、周围物体。官方有一句很关键的话——「和之前风格一样」这类说法可以延续上下文，但结果跑偏时，要把关键约束重新写一遍。

实操建议：每次只提一个改动。把上一轮的输出作为下一轮输入，改完一处处，确认无误，再提下一个。一次提三个改动，出问题你都不知道是哪一步导致的。

七、模型、参数与提示词是分开设置的

官方特别强调：不要把画幅、质量这类要求只写在提示词里，参数要单独设置。GPT Image 2.5 的模型有两个：gpt-image-2.5-flare（小模型，速度优先）和 gpt-image-2.5-sunburst（基础模型，质量优先）。

quality 档位从 auto、low、medium、high 到 xhigh、max。官方建议：先选模型，再调质量；效果不够先提高 quality，达标后再试着降低；xhigh 和 max 只在质量没达标且延迟预算允许时用，更高的档位不保证每个提示词都更好。

尺寸方面：常用 1024×1024 方图、1536×1024 横图、1024×1536 竖图、2048×2048 等。自定义尺寸每边不超过 3840 像素、边长是 16 的倍数、长宽比不超过 3:1。要透明背景，就在提示词里写明透明背景，同时把 background 参数设为 transparent，出图用 PNG 或 WebP，并检查头发、玻璃、阴影边缘的透明通道。

八、人像模板：逐句拆解一套能直接用的写法

官方的人像示例是一张写实老水手照片，五个特点：明确要求「写实照片」；写皮肤纹理、皱纹、毛孔；写人物正在做的事和身边物体；用胶片、焦段、景深、颗粒、自然色彩描述质感；明确排除美化与过度修图。参数是 1024×1536、quality medium。

套用到中文场景，给你一套日系清新写真模板，直接复制改词就能用：

拍摄一张日系清新风格的写真。人物：一位年轻女孩，黑色及肩发，穿白色棉质连衣裙，表情放松自然。场景：傍晚的海边木栈道，她坐在栈道边缘，草帽放在身旁，微风吹动发丝。光线：黄金时刻的逆光，人物边缘有柔和的轮廓光，天空是淡粉色和浅蓝色的渐变。镜头：35mm 视角，构图留白较多，人物位于画面右三分之一。风格：明亮通透，略微过曝，低对比，轻微胶片颗粒。约束：原创人物，不要文字，不要水印，不要其他人入镜。

这套模板的结构顺序——人物、场景、光线、镜头、风格、约束——可以平移到任何写真场景，换掉具体描述即可。

九、风光模板：按前中远景分层写

自然景物类的原则有三条：描述看得见的材质、光线和颜色；宽幅、低光、雨天这类场景写尺度、氛围和色彩，不要只靠情绪词；写明地点和日期可以建立背景，但要自己检查细节是否准确。

模板结构上，官方最值得学的一招是分层：前景、中景、远景各写一句。示例：

拍摄一张写实的风光摄影照片。场景：清晨的高山湖泊，湖面平静如镜，倒映着远处覆雪的山峰，山谷里有薄雾缓缓升起。前景：长着野花的岩石岸边，石头表面潮湿，有细小的水珠。中景和远景：中景是湖面和倒影，远景是覆雪山峰，天空有少量卷云。光线：日出的金色光线从右侧斜射，山顶泛着暖光，湖面有柔和的反光。镜头：超广角 16mm 视角，前景到远景都清晰，纵深层次分明。色彩：自然真实，不过度饱和。约束：不要人物，不要文字，不要水印。

分层写的好处是纵深可控。想改天气，就把已生成的图作为输入，只提一个改动：「让它看起来像下雪的冬日傍晚」，其余保持不变。

十、新手最容易踩的 8 个坑

• 只写情绪不写画面。「高级感」「氛围感」这种词没有画面信息，换成「低饱和」「暖光」「颗粒感」才有用。
• 不写用途就开跑。主图和配图写法完全不同，先定义结果。
• 文字不加引号。画面文字必须加引号并说明位置，否则 AI 会自由发挥。
• 人物描述太抽象。「自然表情」不如「低头看着手里的书」可控。
• 编辑时一次改太多。每次只改一处，并重复需要保留的细节。
• 把参数写进提示词。画幅、质量、透明背景走参数设置，别只靠文字。
• 相信相机参数能精确模拟物理。焦段光圈只是外观线索，构图靠语言描述。
• 跑偏了不重写约束。「和之前一样」是延续，不是约束；关键点要重新写一遍。

十一、给你的行动清单

• 今天就用 GPT Image 2.5 做一张电商主图，按「场景、主体、细节、约束」四段写，体验一次结构化写法。
• 把上面的人像模板存下来，改造成你自己品类的固定模板，以后出图只改参数。
• 建一个提示词版本库：每次迭代存一版，跑偏时能回退，找出哪段描述导致了变化。
• 需要出图给客户前，把引号里的文字拼写逐字检查一遍。

写提示词这件事，本质是把自己的视觉想象翻译成模型能执行的语言。翻译得越精确，返工越少。这套官方方法最大的价值不是技巧，而是提醒你：AI 生图不是玄学，是可以按说明书流程稳定产出的工程。