Z-Image 高级提示词工程：从入门到精通
概述
Z-Image Turbo 采用 Scalable Single-Stream DiT（S3-DiT）架构，拥有 6B 参数的单一流扩散Transformer。与传统的 Stable Diffusion 不同，Z-Image 使用自然语言进行训练，理解和响应的不是逗号分隔的标签，而是完整的句子和段落。
这意味着，过去在 SD 上有效的"1girl, masterpiece, best quality"式的提示词风格，在 Z-Image 上反而会限制输出质量。Z-Image 真正理解和响应的，是摄影术语、光线描述、材质细节和构图语言。
本文将从基础的四段式结构开始，逐步深入到高级技巧，帮助你全面提升 Z-Image 的提示词工程能力。
第一章：Z-Image 的提示词哲学
为什么传统提示词失效？
在 Z-Image 之前，大多数 AI 图像模型使用 CLIP 文本编码器，将关键词转化为向量。用户习惯用逗号分隔的关键词堆叠来"引导"模型：
1girl, solo, masterpiece, best quality, detailed eyes, beautiful face
Z-Image 的 Qwen3-4B 编码器则完全不同。它本质上是经过图像生成指令微调的大语言模型，理解和生成的是结构化文本。以下两者在 Z-Image 上的表现天差地别：
❌ 劣质提示词（关键词堆叠）：
cat, flower, garden, pretty, cute, photorealistic
✅ 优质提示词（自然语言描述）：
A fluffy orange tabby cat sitting in a sun-drenched cottage garden, surrounded by blooming lavender and wild roses. The cat's fur is illuminated by warm afternoon light, creating a golden rim light effect. Shot on an 85mm lens at f/2.8 with shallow depth of field, soft bokeh background, Kodak Portra 400 film emulation, warm color palette.
Z-Image 提示词的四大黄金原则
- 用句子思考，不用标签：Z-Image 读的是自然语言，不是关键词清单
- 具体胜于抽象：精确描述胜过模糊形容词
- 摄影语言：镜头、光圈、焦距、胶片模拟等术语直接有效
- 少即是多：4 句专注的描述胜过 40 个词的无序堆叠
第二章：四段式提示词结构
经过社区实践验证，Z-Image 最高效的提示词结构包含四个层次：
第一层：主体与场景（Subject + Context）
用 1-2 句话精确描述画面主体和发生场景：
| 要素 | 说明 | 示例 |
|---|---|---|
| 主体特征 | 年龄、性别、外貌、服饰 | "一位 30 多岁、棕色卷发的女性，身穿亚麻白衬衫" |
| 场景细节 | 地点、环境、氛围 | "站在京都一座古老的禅寺花园中，樱花花瓣随风飘落" |
| 动作状态 | 正在做什么 | "她微微侧身，伸手去接一片飘落的花瓣" |
第二层：光线与时间（Lighting + Time）
光线描述是 Z-Image 提示词中影响最大的变量，比任何关键词堆叠都有效：
| 光线类型 | 效果 | 示例 |
|---|---|---|
| 黄金时刻 | 温暖、柔和、长阴影 | "黄金时刻的阳光从侧面照射，温暖的光线拉出长长的影子" |
| 柔光漫射 | 均匀、无阴影 | "柔和的阴天漫射光，像专业柔光箱一样均匀" |
| 戏剧光 | 高对比、强阴影 | "强对比的明暗光线，只有一束聚光灯从上方打亮主体" |
| 背光/逆光 | 轮廓光、发丝发光 | "逆光拍摄，金色发丝在阳光下闪闪发光" |
| 伦勃朗光 | 经典人像、三角光 | "经典伦勃朗布光，左上方 45 度主光" |
第三层：相机与构图（Camera + Composition）
精确指定拍摄参数，让模型理解你想要的视角和空间感：
| 参数 | 示例 |
|---|---|
| 镜头 | "85mm f/1.4 定焦镜头"、"24mm 广角镜头 f/11" |
| 景深 | "浅景深，背景虚化"、"大景深，前后清晰" |
| 构图 | "特写构图"、"全景宽幅"、"俯拍 45 度角" |
| 特殊效果 | "鱼眼镜头畸变"、"移轴镜头效果" |
第四层：胶片模拟与色调（Film Stock + Color Grade）
这是画龙点睛之笔，能瞬间定义整张图片的视觉风格：
| 胶片/风格 | 色调特征 | 适用场景 |
|---|---|---|
| Kodak Portra 400 | 温暖柔和、肤色自然 | 人像、日常 |
| Fujifilm Pro 400H | 柔和冷调、高光偏青 | 环境人像、街拍 |
| Fujifilm Velvia 50 | 高饱和度、高对比 | 风光、自然 |
| Kodak Tri-X 400 | 黑白、颗粒感 | 纪实、街拍 |
| Cinestill 800T | 冷调、霓虹灯渲染 | 夜景、都市 |
完整示例
场景：一位 28 岁的日本女性，黑色短发，穿着米色宽松羊毛大衣，
站在东京青山区的极简混凝土墙前，细雨中。
光线：柔和的阴天漫射光，雨滴落在她的大衣肩上。
相机：Sony A7R IV，85mm f/1.4 GM 镜头，浅景深。
色调：Fujifilm Pro 400H 胶片模拟，柔和冷调色板，
宁静沉思的氛围。
第三章：中级技巧
1. 负面提示词的正确用法
Z-Image 的负面提示词与 SD 不同——约束应嵌入正向提示词而非负面列表：
# ❌ 错误：大量负面关键词堆叠
# bad hands, bad anatomy, extra fingers, mutated, deformed
# ✅ 正确：在正向提示词中明确表达
# "correct anatomy, natural hand pose with five visible fingers,
# no extra limbs, no deformities"
2. 双语言文本渲染
Z-Image 是极少数能在一张图中同时渲染中英文的模型。利用这一特性：
"一块绿底白字的招牌，上面写着：'SIGNATURE COFFEE 招牌咖啡'，
字体清晰可读，英文在上中文在下"
3. 风格模板选择
利用 ZImagePowerNodes 的 140+ 风格模板快速切换：
| 模板名称 | 效果 | 最佳场景 |
|---|---|---|
photorealistic |
自然光照、真实细节 | 通用摄影 |
anime_ghibli |
吉卜力水彩风格 | 动画风格 |
neon_cyberpunk |
霓虹灯、雨街 | 科幻场景 |
noir_cinematic |
高对比黑白 | 悬疑、纪实 |
oil_painting_classical |
古典油画技法 | 艺术风格 |
pixel_art |
8/16 位复古像素 | 游戏素材 |
第四章：高级技巧
1. Think Block 推理链
利用 Z-Image 的 Think Block 机制，让模型在生成前"思考"：
# 基础用法：添加思考块
user_prompt = "一位老渔夫在日落时的肖像"
thinking_content = "注意皮肤质感、胡须细节和温暖的光线交互"
assistant_content = "一幅充满故事感的肖像，岁月在海上的痕迹。"
# 最终生成的聊天格式：
# <|im_start|>system
# You are a master portrait photographer...
# <|im_end|>
# <|im_start|>user
# 一位老渔夫在日落时的肖像
# <|im_end|>
# <|im_start|>assistant
# <think>
# 注意皮肤质感、胡须细节和温暖的光线交互
# </think>
# 一幅充满故事感的肖像，岁月在海上的痕迹。
# <|im_end|>
2. 结构化提示词
Z-Image PowerNodes 支持 JSON、YAML、Markdown 三种结构化格式：
# YAML 结构化提示词示例
subject:
type: person
age: 35
gender: male
appearance:
hair: "short brown, slightly gray at temples"
clothing: "navy blue tailored suit, white shirt"
scene:
location: "minimalist office with floor-to-ceiling windows"
time: "late afternoon"
camera:
lens: "85mm f/1.4"
framing: "medium close-up"
depth_of_field: "shallow"
lighting:
type: "natural window light"
direction: "from left, creating soft shadows"
style:
film: "Kodak Portra 400"
color_grade: "warm professional"
3. 多轮对话迭代
利用 ZImageTurnBuilder 实现迭代式修改，而非每次都从零开始：
回合 1：创建角色
"创建一个 30 岁北欧女性的角色设计，金发，蓝色外套"
回合 2：修改细节
"保持面部一致，将外套改为红色皮质夹克"
回合 3：改变场景
"保持角色不变，让她站在雨中的东京街头"
4. 迭代优化技巧
当生成结果 80% 满意时，不要重写整个提示词：
# 当前提示词（80% 满意，但光线不够好）
"A minimalist bedroom with white walls and linen bedding,
natural light from windows, 24mm wide-angle lens"
# 优化方案：只修改光线部分
"A minimalist bedroom with white walls and linen bedding,
golden hour sunlight streaming through windows creating
warm geometric shadows on the wall, 24mm wide-angle lens"
第五章：Z-Image 提示词故障排查
常见问题与解决方案
| 问题 | 可能原因 | 解决方案 |
|---|---|---|
| 图像过曝/过暗 | 光线描述不当 | 添加光强修饰词："soft diffused light"、"dramatic shadow" |
| 主体位置不对 | 构图描述缺失 | 指定构图："centered composition"、"rule of thirds" |
| 颜色偏差 | 色调描述缺失 | 添加胶片模拟或色温描述 |
| 细节不足 | 质量描述过于简单 | 添加细节层次描述："8K detail"、"fine texture" |
| 多人场景混乱 | 主体描述模糊 | 分别描述每个人物，明确位置关系 |
| 文字渲染错误 | 文字描述不精确 | 使用引号包裹文字内容，明确字体和位置 |
调试工作流
推荐使用以下工作流快速迭代提示词：
- 起始参数：8 steps、CFG 1.0、res_multistep sampler
- A/B 测试：每次只修改一个变量
- 快速验证：4 steps 预览，满意后再用 8 steps 生成最终版
- Seed 锁定：修改提示词时锁定 seed，确保比较的是效果差异
总结
Z-Image 的提示词工程是一门融合了摄影语言、自然语言描述和结构化思维的技能。从四段式基础结构开始，逐步掌握 Think Block 推理、结构化提示和多轮对话迭代，你就能充分发挥 Z-Image 的潜力。
记住 Z-Image 提示词的核心原则：用句子思考，用摄影语言精确表达，一次只修改一个变量。掌握这些技巧后，你将从"提示词写手"进化为"AI 图像导演"。