生图提示词约束冲突的 A/B 验证方法

动作生图提示词常同时要求近景夸张、完整全身、四周留白和所有肢体清晰。这些条件单独合理，组合后却会争夺同一画面空间；增加更多镜头参数和负面限制，也可能进一步稀释核心目标。本文只解决约束冲突如何验证：先把要求分成不可妥协目标、构图锚点和允许模型决定的变量，再用相同模型与输出参数生成对照组，隐藏提示词来源后评分，并记录失败类型。结果用于比较本次提示词，不用于宣称某个推理档位普遍更好。

需要验证的假设是：

推理越深入，模型越可能补充更多“合理约束”。
约束越多，彼此冲突的概率也越高。

1. 约束为什么可能互相冲突

一个过度指定的提示词可能同时规定：

一只手或脚成为极近景主体。
肩胯反向扭转。
人物从头发到鞋底完整入镜。
四周保留留白。
所有肢体清楚可读。

这些条件单独看都像专业要求。

组合起来却产生几组矛盾。

2. 冲突一：近景夸张和完整全身

要让手或脚在广角镜头中明显放大，镜头必须靠近主体。

要让人物从头到脚完整入镜，还要保留四周留白，镜头又必须后退。

两个目标同时成立并非绝对不可能，但构图空间明显缩小。

图像模型容易得到一个折中结果：

近景不够夸张。
全身也不够舒展。
人物姿态像被塞进固定框里。

3. 冲突二：动作张力和肢体全可读

动态姿态常常包含：

遮挡。
透视压缩。
局部出画。
运动模糊。
重心偏移。

如果同时要求所有肢体完整、清楚、可追踪，模型会倾向于把动作摆得更“说明书化”。

动作是读清楚了，张力却可能下降。

4. 冲突三：精密参数和视觉主目标

提示词不是参数越多，信息越清楚。

当镜头、占比、肢体、留白、方向、防错词和负面限制都被强调时，真正的主目标可能被稀释：

这是一个自然、有冲击力、能一眼读懂的动作画面。

图像模型必须在几十条局部规则间分配注意力。

每条都满足一点，整体反而不突出。

5. 为什么要保留一组精简提示词

精简提示词只保留几个关键锚点：

强烈广角透视。
明确动态动作。
人物关系清楚。
背景简洁。

同时允许人物局部冲出画面。

这个自由度很关键。

它允许图片模型根据姿态调整镜头距离、裁切和透视，而不必同时满足完整全身和极近景肢体。

可以把两组对照提示词的区别概括为：

精简组：给出清晰的视觉目标。
密集组：给出大量精密的空间条件。

创意任务通常需要前者作为主干，再用少量硬约束控制风险。

6. 把约束分成三层

不要把所有要求写成同一优先级。

第一层：不可妥协的目标

只保留直接决定成败的目标：

画面要表达什么。
主体是谁。
最终用途和比例。

第二层：构图锚点

保留少量构图锚点：

视角。
主体方向。
主要动作。
背景复杂度。
光线或色彩关系。

第三层：允许模型决定

明确写出自由度：

允许局部裁切。
镜头距离可为动作自然度调整。
次要肢体允许合理遮挡。
不要求精确百分比占画面。

这比继续增加负面提示词更有效。

7. 一份更稳的动作生图模板

用途：
横版宣传图，突出速度和动作冲击力。

核心目标：
单个人物做高速转身攻击，动作自然，重心明确，一眼能读懂运动方向。

构图锚点：
- 强广角透视。
- 一只靠近镜头的手或脚形成近大远小。
- 人物主体与背景有清楚分离。
- 背景简洁，不与肢体轮廓争抢。

自由度：
- 允许近景肢体或发梢自然出画。
- 允许根据动作调整镜头距离和裁切。
- 不强制完整全身，也不强制固定画面占比。

质量要求：
- 人体主干、重心和攻击方向合理。
- 不出现多余肢体和明显关节断裂。
- 优先保证整体动作自然，其次才是局部完整。

这里没有规定每一个角度。

但主目标、构图和验收标准都很明确。

8. 推理档位应该怎么 A/B 测

只比较一张图没有意义。

推荐流程：

1. 固定同一原始需求。
2. 用两个推理档位分别生成提示词。
3. 不人工润色提示词。
4. 使用同一个图片模型、尺寸、质量和批次数量。
5. 每组使用相同样本数量，并覆盖足以观察重复失败的多次生成。
6. 隐藏提示词来源后再评分。
7. 记录失败类型，而不只选“最好看的一张”。

图片生成接口不一定支持相同的随机控制方式，因此重点是扩大样本，而不是假装一次生成可完全可重复。

9. 评分不要只看“好看”

再单独记录失败标签：

约束冲突。
动作僵硬。
主体裁切错误。
透视不足。
肢体异常。
背景干扰。

10. 分析过程和最终提示词要分开

深入分析适合：

发现需求中的矛盾。
设计多组互斥方案。
分析失败图片。
生成验收规则。
规划多轮迭代。

不一定适合把所有分析结果都塞进最终生图提示词。

更好的两阶段流程：

分析阶段：发现目标、冲突和可选方向。
              ↓
提示词压缩：只保留主目标、构图锚点和必要限制。
              ↓
图片模型：生成多张候选图。
              ↓
视觉模型 + 人工：验收并定位失败原因。

“想得多”和“最终写得长”应该分开。

11. 常见错误

错误一：把专业词数量当提示词质量

镜头数字、人物占比和动作术语不会自动组成自然画面。

错误二：所有要求都写成硬约束

创意模型需要明确的自由度。

错误三：只展示最好的一张

这会隐藏失败率，无法判断提示词是否稳定。

12. 检查清单

[ ] 核心视觉目标只保留直接决定成败的内容
[ ] 构图锚点没有互相矛盾
[ ] 已明确哪些变量允许图片模型决定
[ ] 最终提示词没有塞入全部分析过程
[ ] A/B 测试使用相同图片模型和输出参数
[ ] 每组生成多张并采用盲评
[ ] 记录失败率而不只展示最佳图
[ ] 模型、推理档位和提示词版本可追踪

13. 结论与限制

这套方法不证明精简提示词一定优于密集提示词，它只提供一种检查方式：

分析任务需要消除遗漏。
创意任务需要管理约束。

如果分析阶段的细节全部进入最终提示词，就可能形成镜头、裁切、动作和可读性之间的冲突。把分析与生成指令分开，能让主目标保持可见，并为图片模型留下明确自由度。

结论只适用于本次使用的模型、参数、样本和评分标准。图片生成的随机性使单张结果不能代表提示词稳定性；没有保存原始需求、最终提示词、生成参数、全部候选图和失败标签时，也无法复现比较。