AI绘画新手经常把学习顺序理解成二选一：先把提示词写熟，还是先去学构图？我的判断是，先掌握最低限度的提示词表达，再尽早进入构图训练，比长期研究提示词公式更有效。原因很简单：提示词负责把需求告诉模型，构图决定画面有没有明确的观看重点。两者解决的问题不同。

如果连主体、场景、动作都描述不清，构图知识很难落到生成操作上；但如果只会堆叠风格词、光影词和画质词，即使生成的图很精致，也可能始终说不清为什么画面不对。

提示词先学到什么程度就够用了

初学阶段不需要背大量复杂语法。先能稳定表达以下信息，就足以进入下一步练习：

例如，“一位穿黄色雨衣的人站在雨夜街口，远景，人物位于画面右侧，左侧留出空旷街道”，通常比单纯堆叠“电影感、杰作、超高清、氛围感”更接近可检验的创作要求。后者可能影响风格，却没有明确交代画面组织。

这里不必迷信某种固定提示词顺序。不同模型对自然语言、标签词和参考图的响应差异很大。练习重点应放在“需求是否明确、结果是否可判断”，而不是记住一套万能模板。

为什么构图应该尽早介入

构图不是把画面做得好看的装饰技巧，它直接影响信息传达。人物站在正中央还是靠边，镜头贴近面部还是保留环境，观众对人物状态的理解可能完全不同。

以“一个人独自在车站等车”为例。如果采用远景，让人物只占画面一小部分，空旷感会更强；如果改为面部近景，观众关注的则是等待者的表情。两张图可以使用相近的提示词，但表达重点不同。

入门时值得优先理解的构图知识，不是复杂的摄影术语，而是几组直接影响生成结果的关系：

构图问题 要观察什么 常见误区
主体与背景 谁是视觉中心，背景是否抢戏 元素越多越丰富
景别 观众需要看表情还是看环境 所有画面都用半身像
视线与留白 人物朝向哪里，画面是否有呼吸空间 留白就是浪费面积
层次 前景、中景、背景是否容易辨认 靠景深模糊掩盖结构问题

学会这些判断之后，提示词也会变得更具体。你不再只说“画面有电影感”，而会要求“人物偏左、右侧留出道路、低机位、远处灯光形成纵深”。

两种学习顺序，分别容易走向哪里

先学提示词的优势，是很快能上手工具，看到文字如何影响生成结果。它适合完全没有使用经验的人，也有助于熟悉模型支持的控制方式。但如果学习停留在不断添加形容词，就容易形成一种错觉：画面不理想，肯定是提示词不够长。

先学构图的优势，是能较早建立审美判断和画面分析能力。即使生成结果有偏差，也能说清楚偏差发生在哪里。不过，对完全不会操作工具的人来说，过早研究理论也可能变成纸上谈兵。

因此更合适的顺序不是“学完A再学B”，而是交替推进：用简短提示词生成一张图，分析构图问题，再修改一项控制条件。每轮只改变一个主要变量，才更容易知道结果为什么变好或变差。

用同一个题目练习，比不停换题更有用

可以选一个简单任务：制作一张“咖啡馆里正在看书的人”的插画。先生成基础版本，不急着换风格，依次做三轮调整。

  1. 第一轮只确定主体、动作和场景，观察模型是否理解任务。
  2. 第二轮固定主体设定，尝试全景、半身和近景，比较叙事重点。
  3. 第三轮固定景别，调整人物位置、视线方向和背景复杂度。

做完之后，把三轮结果放在一起比较。重点不是挑哪张最漂亮，而是回答：哪个调整真正改变了观众的注意力？哪个描述看起来很具体，却几乎没有产生作用？哪些变化需要参考图或区域控制，而不能只靠文字完成？

如果使用的工具支持构图参考、草图控制或局部编辑，也可以在同一题目中加入这些方法。某些位置关系很难通过纯文字精确指定，反复改提示词的收益会越来越低。这时候换一种控制手段，比继续堆词更合理。

初学者最容易忽略的是“评价标准”

生成一张图之后，很多人只会说“感觉不对”，然后整段重写提示词。这种方式最大的问题，是没有保留有效条件，也不知道究竟改进了什么。

建议每次只检查三个层面：画面有没有准确表达任务，主体是否突出，整体是否符合预期情绪。技术瑕疵当然需要修，但不必让局部细节抢走构图判断的优先级。例如手指偶尔异常可以后期修复，主体被背景淹没则往往需要重新组织画面。

还要注意，构图知识并不等于必须套三分法。居中、对称、大面积留白、极近特写都可能成立，取决于想让观众看到什么。真正的训练是理解选择的后果，而不是把所有画面都摆成同一种结构。

对入门者而言，提示词是启动创作的语言，构图是判断作品的眼睛。先用少量提示词获得操作能力，再通过构图训练建立判断，最后反过来提升提示词的精确度，这条学习路线通常比单独钻研任何一边更扎实。