七维拆解

把一张参考图反推成可直接出图的 prompt。

核心就一句话：先把图说清楚，再让 AI 扩写 —— 不要一上来就堆关键词。

执行流程

AI 拿到一张参考图时，按下面四步做：

1. 看整体：先用一句话说清这张图画的是什么，不急着写关键词
2. 七维拆解：按下一节的七个维度逐项写结论；再按图的类型补上该类的专项维度（见按图类换重点）
3. 整合 prompt：把七项结论重组成一条连贯的描述，补上清晰度、画幅和镜头，并且不许偏离原图
4. 生成与校正：出图后跟原图对比，找出偏差最大的那一维，每轮只改这一维

一次只改一个变量，结果更容易控制。

这句话是整套方法里最值钱的。前三步都在写 prompt，第 4 步其实是在做控制变量实验：同时改三维就分不清是哪一维起了作用，下一轮只能靠猜。

七个维度

原帖对拆解顺序的说法是：

先看主体，再辨风格；接着判断配色和光线；然后看构图与质感；最后归纳情绪和氛围。

这个顺序是从客观到主观：主体和配色几乎不会看错，氛围最主观，放到最后，前面六项已经给它定好了调。反过来先写「安静、克制、高级感」，这类词就会压过后面的具体描述，模型更容易照着形容词自由发挥。

七维之间也有重叠。「风格」一项里往往已经隐含了光线和质感，比如「画册级静物摄影」本身就暗示了柔和侧光和清楚的材质肌理。所以拆完以后，整合时要把重复的描述删掉，不然同一件事说三遍，权重会被悄悄放大。

按图类换重点

七维是所有图通用的，不同类型的图各有决定成败的那几维。原帖给了五类，我把每类「先看什么」压成一行：

规律很明显：每类图先锁定的，都是这一类最难靠形容词补回来的硬参数。字形、景深、头身比都是这样，错了之后，后面的描述写得再好也救不回来。

两轮提问

原帖每个模块都分成「初版指令词 → 继续追问 → 优化后 prompt」三段。这三段其实是两次交给看图模型的提问，最后产出的 prompt 才交给出图模型：

• 第一轮：让看图模型按维度逐项分析，先输出一版中文提示词
• 第二轮：让它在不偏离原图的前提下补全细节，整合成一条完整 prompt

原帖把模块末尾那段叫「优化后 prompt」，但它其实是更好的第一轮提问，不是最后拿去出图的 prompt：它把每一维的候选项直接列出来让模型选（「材质是金属、玻璃还是磨砂」），比只说「分析材质」更不容易答偏。拿来用时，可以直接把这种带选项的问法当第一轮。

通用版可以这样问（把 <图类专项> 换成上表里对应的那一行）：

请按主体、风格、配色、光线、构图、质感、氛围七个维度分析这张参考图，
每一维写一两句具体结论；<图类专项>也要单独写出来。
然后把结论整合成一条可以直接出图的中文 prompt：保留核心元素和画面气质，
补上清晰度、画幅和镜头描述，重复的描述只留一处。

复刻和提风格是两件事

这套方法的目标是复刻：尽量保留原图的主体、元素和空间关系。另一种思路是剥掉原图里的具体角色和情节，只提取风格，拿到的是可以套到任何主题上的风格 prompt。

两者的区别就在第 1 维：复刻要把主体写得越具体越好；提风格则要把主体删掉，只留 2–7 维。用之前先想清楚自己要哪种，不然反推出来的 prompt 会带着原图的鹤、木屋、潮玩，套不到别的主题上。

只提风格的效果，看 Gallery · 二次元平面设计风格 —— 12 组二次元风格 prompt，各配两张测试图；原帖作者只提风格、主体留占位符的 15 维反推提示词，在原帖正文存档的「怎样写出自己想要的没有的风格」一节。

更大的图库在 Gallery：7 大类、163 条 GPT Image 2 的中文 prompt，每条都配原图。同一个上游仓库里还有一个反推 skill，收成了本页的完整版从图反推 prompt，可以跟七维拆解对照着看。

还没验证的

• 原帖说整合后的 prompt 可以「直接用于豆包/MJ/SD」，我还没在这三个模型上实测过，也不知道各家对中文长 prompt 的支持差多少。测完再回来补
• 原帖的示例图看起来本身就是 AI 生成的，拿它们来演示「反推后能复刻」是自证式的；换成真实照片效果会怎样，也还没试