📊 阅读前提醒：本文约10000字，核心是让你的AI视频从”不满意”到”完美”的迭代调整方法论。

📌 开场：AI生成不满意是正常的

先说一个残酷的事实：

没有任何一个人能在第一次就写出完美的AI视频提示词。

这不是你的问题，而是AI视频生成的本质特征。

AI是一个”黑箱”，你输入的文字和它输出的视频之间，存在无数可能的解读方式。你描述”一个人走在街上”，AI可能生成：一个男人/一个女人/一群人；走路/慢跑/站立；在街道/小路/高速公路边。

所以，学会迭代优化，比第一次写对更重要。

今天这节课，就是来教你一套完整的提示词迭代优化方法——从诊断问题，到调整策略，到最终获得满意结果。

🎯 学完今天，你需要掌握这4个核心要点

1️⃣ 问题诊断 —— 准确识别AI生成结果的问题类型

2️⃣ 调整策略 —— 针对不同问题采用不同的调整方法

3️⃣ 迭代技巧 —— 高效的多轮优化技巧，少走弯路

4️⃣ 常用模板 —— 快速修复常见问题的模板句式

📚 正文开始

3.1 🔍 问题诊断：AI到底哪里出了问题

在调整提示词之前，你必须先准确诊断问题所在。很多人在这一步就错了——他们只说”不好”，但说不清楚哪里不好。

问题分类框架

问题类型	表现特征	诊断关键词
主体问题	人物不对、数量不对、特征不对	“不是我要的”、”多了/少了”、”年龄/性别/服装不对”
动作问题	动作不符合、动作缺失、动作夸张	“动错了”、”没动”、”太夸张”
场景问题	背景不对、位置不对、环境不匹配	“背景不对”、”在错误的地方”、”太暗/太亮”
风格问题	色调不对、艺术风格不对、氛围不对	“颜色不对”、”太暗”、”没有感觉”
质量技术问题	模糊、变形、伪影、不连贯	“糊了”、”变形了”、”闪跳”

主体问题详解

问题表现A：性别/年龄不对

错误诊断：”生成一个人物”

正确诊断：”生成的应该是30岁左右的亚洲女性，但出来的是一个老年男性”

问题表现B：服装/装扮不对

错误诊断：”穿着不对”

正确诊断：”应该是穿着蓝色职业套装的职业女性，但出来的是穿休闲T恤的年轻人”

问题表现C：数量不对

错误诊断：”人太多了”

正确诊断：”应该只有2个人，但AI生成了6个人”

问题表现D：主体动作不对

错误诊断：”动作不对”

正确诊断：”女人应该是在打字工作，但她只是在看着电脑发呆”

动作问题详解

问题表现A：动作缺失

错误诊断：”没动作”

正确诊断：”描述了一个人在跑步，但AI生成的人物只是站在原地不动”

问题表现B：动作夸张

错误诊断：”动作太夸张”

正确诊断：”描述了轻轻敲门，但AI生成的是猛力砸门”

问题表现C：动作不符合物理规律

错误诊断：”动作假”

正确诊断：”人物跳跃后悬浮在空中，没有重力下落”

场景问题详解

问题表现A：背景位置混乱

错误诊断：”背景不对”

正确诊断：”人物应该在咖啡馆内，但背景变成了户外街道”

问题表现B：光线/色调不对

错误诊断：”太暗了”

正确诊断：”应该是明亮的日光场景，但生成的是昏暗的夜景”

问题表现C：空间关系混乱

错误诊断：”位置不对”

正确诊断：”描述了人物坐在窗边，但AI生成的人物在房间中央”

3.2 🔧 调整策略：针对不同问题的对症下药

诊断完问题后，你需要针对性的调整策略。不同类型的问题，调整方法完全不同。

主体问题调整策略

策略一：强化主体特征描述

当AI生成的主体不符合预期时，说明你的描述不够具体。

问题	调整前	调整后
性别不对	“一个人在工作”	“一位30岁左右的亚洲女性，正坐在办公桌前”
年龄不对	“老人在公园”	“一位70岁左右的白发老人，穿着深色夹克”
数量太多	“很多人在开会”	“五个人围坐在一张圆桌旁”
特征不清	“穿红衣服的女人”	“穿酒红色连衣裙的女人，长发披肩，戴着珍珠耳环”

策略二：使用参考图辅助

当纯文字描述无法准确表达主体时，使用参考图。

使用场景	提示词公式
角色一致性	“[文字描述]，参考图：[上传图片]”
风格参考	“艺术风格参考：[风格名称]，参考图：[上传图片]”
动作参考	“保持参考图中的角色外貌，动作改为：[新动作描述]”

动作问题调整策略

策略一：将动作分解为更小的单元

当AI生成的动作不符合预期时，说明动作描述太模糊。

问题	调整前	调整后
动作太大	“女人在扫地”	“女人右手握着扫帚，手腕轻轻转动，将地面的灰尘扫入簸箕”
动作不明	“人物在运动”	“一个穿运动服的年轻男人，正在做俯卧撑，双臂弯曲撑地，身体一起一伏”
动作矛盾	“一边走一边说话”	“男人迈步向前，左脚在前右脚在后，上半身略微前倾，嘴唇在动”

策略二：添加动作的速度/力度描述

动作需要有节奏感。

问题	调整前	调整后
速度太快	“女人走路”	“女人以悠闲的步伐散步，步速缓慢，每一步都轻盈”
力度不对	“敲门”	“手指弯曲，用指关节轻轻敲击门板三下，节奏均匀”
动作突兀	“女人笑了”	“女人的嘴角先微微上扬，然后逐渐扩展成完整的微笑，眼睛微微眯起”

场景问题调整策略

策略一：明确空间位置关系

使用更精确的位置描述词汇。

问题	调整前	调整后
位置模糊	“在房间里”	“站在20平米的房间左侧靠墙位置，背对着窗户”
方向混乱	“看着窗外”	“身体朝向窗户，脖子微微后仰，眼睛望向窗外”
距离感缺失	“几个人在聊天”	“三个人站在彼此间隔约1米的位置，形成一个微弧形”

策略二：分解环境层次

当背景复杂时，分层描述。

问题	调整前	调整后
背景混乱	“在咖啡馆”	“前景：桌角和半杯咖啡；中景：人物坐在木椅上；后景：暖色灯光和木质吧台”
光线不对	“太暗了”	“明亮的日光从左侧窗户照入，在地面形成45度角的光斑，室内光线充足”
空间拥挤	“在房间里”	“狭窄的单人公寓，床靠墙放置，书桌紧挨着窗户，几乎没有走动空间”

3.3 🔄 迭代技巧：高效优化的实战方法

迭代的基本原则

原则一：一次只改一个变量

当你发现问题时，可能有多个因素同时出错。这时候最容易犯的错误是一次性修改所有内容——这会让你无法判断哪个修改有效。

正确做法：每次只改变一个变量，其他全部保持不变。

轮次	修改内容	保持不变	观察结果
第1轮	主体年龄描述	动作/场景/风格	年龄是否正确？
第2轮	动作描述	主体/场景/风格	动作是否正确？
第3轮	背景描述	主体/动作/风格	背景是否正确？

原则二：记录每次修改的差异

每次迭代，你都需要清楚知道自己改变了什么。

迭代记录模板：

“`

【第N轮修改】

修改前：[上一版本的提示词]

修改后：[本版本的提示词]

修改原因：[为什么要改这个]

观察结果：[AI生成的新结果]

是否有效：[有效/部分有效/无效]

“`

示例：

“`

【第2轮修改】

修改前：一位亚洲女性坐在咖啡馆窗边看书

修改后：一位25-30岁的亚洲女性，穿着米色毛衣，坐在咖啡馆靠窗的木椅上，低头阅读一本平装书

修改原因：第1轮生成的女性年龄偏大（看起来40+）

观察结果：年龄问题解决，但服装颜色不对

是否有效：部分有效

【第3轮修改】

修改前：穿着米色毛衣

修改后：穿着淡蓝色针织开衫

修改原因：需要调整服装颜色

观察结果：服装颜色正确，整体满意

是否有效：有效

“`

高效迭代技巧

技巧一：从关键特征开始

当你有很多特征要描述时，先从最核心的特征开始，逐步增加。

阶段	添加的特征	生成测试
第1步	“一个女人”	性别/人种是否正确？
第2步	“25岁亚洲女性”	年龄是否正确？
第3步	“穿蓝色裙子”	服装是否正确？
第4步	“金色短发”	发型是否正确？
第5步	“坐在咖啡馆窗边”	动作/场景是否正确？

技巧二：使用否定描述排除法

当AI总是生成你不想要的内容时，使用否定描述。

问题	调整前	调整后
总是生成老人	“一个年轻人”	“一个年轻人，不是老人，不要白头发，不要皱纹”
总是生成室外	“在室内”	“在室内房间，不是室外，不要天空，不要户外背景”
动作太夸张	“自然的动作”	“自然的动作，不是舞蹈，不是表演，日常生活动作”

技巧三：渐进式复杂化

当你要描述一个复杂场景时，先从简单的场景开始，逐步增加复杂度。

阶段	场景描述	复杂度
第1步	“一个人站在街上”	简单
第2步	“一个人站在繁华商业街，两侧有店铺”	中等
第3步	“一个人站在繁华商业街，两侧有店铺，街上人来人往，傍晚时分路灯亮起”	完整

3.4 📝 常用模板：快速修复常见问题

主体相关模板

模板1：精确年龄+性别+服装

“`

[年龄范围的描述] [性别] [主要服装+颜色] [发型描述] [体态描述]

示例：一位25-30岁的亚洲女性，穿着淡蓝色衬衫和白色裤子，黑色长发及肩，身材匀称

“`

模板2：排除特定特征

“`

[主体描述]，不是[排除的特征1]，不是[排除的特征2]

示例：一位年轻女性，不是老人，不是儿童，穿着现代服装

“`

动作相关模板

模板3：动作分解+速度/力度

“`

[动作主体] [动作起点] [动作过程] [动作终点]，[速度描述]，[力度描述]

示例：女人的手从键盘上抬起，手指微微弯曲，轻放在键盘上，轻柔自然

“`

模板4：连续动作链

“`

[动作1] → [动作2] → [动作3]

示例：女人从椅子上站起 → 身体转向右侧 → 走向窗边 → 停下并望向窗外

“`

场景相关模板

模板5：三层环境描述

“`

前景：[前景物体描述]

中景：[主体和环境描述]

后景：[背景环境描述]

示例：

前景：一张木质圆桌，表面放着半杯咖啡和一本书

中景：一位男人坐在桌旁，双手放在桌面上

后景：暖黄色灯光的木质墙面，右侧是一扇半开的窗户

“`

模板6：光线分解描述

“`

[光源类型]，[光源位置]，[光线方向]，[光线强度]，[色调]

示例：下午的阳光从左侧窗户斜射进来，光线柔和但明确，形成45度角的侧光，在地面投下长影

“`

综合调整模板

模板7：问题诊断+修改公式

“`

【问题诊断】

当前问题：[描述具体问题]

问题类型：[主体/动作/场景/风格/质量问题]

【修改策略】

针对[问题类型]，采用[具体调整策略]

【修改后提示词】

[完整的新提示词]

【预期效果】

[描述你期望的生成结果]

“`

3.5 ⚠️ 迭代中最容易犯的6个错误

错误一：一次修改太多内容

错误：同时改变主体、服装、动作、背景、风格5个要素

正确：一次只改一个，其他保持不变

错误二：修改后不记录差异

错误：直接改完就提交，不知道改了什么

正确：每次修改都记录，便于追溯和总结

错误三：用模糊词汇代替模糊词汇

错误：”太暗了” → “亮一点” （还是模糊）

正确：”太暗了” → “增加一盏台灯在桌面上，光线强度为60瓦白炽灯效果”

错误四：忘记最基本的描述

错误：”人物动作不对” → 反复改动作，但可能是主体年龄不对导致的

正确：先确认主体特征（年龄、性别、服装）是否正确，再检查动作

错误五：过度依赖参考图

错误：只上传参考图，文字描述很少

正确：参考图+详细文字描述，两者结合效果最好

错误六：不给自己留迭代空间

错误：”必须一次生成完美的视频”

正确：预设3-5轮的迭代预期，每次都朝正确方向靠近一点

📖 工具推荐

Runway Gen-3 Alpha（Day11-12将详细讲解）

Runway支持多次生成并选择最佳结果，适合迭代优化流程。

推荐指数：⭐⭐⭐⭐⭐

可灵AI 3.0（Day13将详细讲解）

可灵生成速度快，适合高频迭代测试。

推荐指数：⭐⭐⭐⭐

📝 本节小结

今天我们学习了AI视频提示词的迭代优化方法：

1. 问题诊断：将问题分为主体、动作、场景、风格、质量5大类，精确识别问题所在。

2. 调整策略：针对不同问题采用不同策略——强化特征、分层描述、添加参考图。

3. 迭代技巧：一次只改一个变量、记录每次差异、使用渐进式复杂化。

4. 常用模板：提供7个实用模板，快速修复常见问题。

💬 课后互动

讨论问题：你在使用AI视频生成时，遇到过哪些”调不出来”的问题？是用什么方法解决的？

分享你的经验和困惑，大家一起讨论优化技巧！

下节预告：Day11我们将进入【工具精通篇】，学习Runway的完整实战操作。敬请期待！