Seedream 5.0 Pro 这类模型对同一句提示词的反应并不稳定，问题通常不在模型，而在提示词缺少可拆解的结构和可验证的目标。调优不是靠感觉改词，而是先把“好不好”拆成能打分的维度，然后用单变量实验逐项替换措辞，最后把有效写法固化成模板。以下方法不依赖官方提示词技巧，只依赖通用实验流程和人工评分规则，适用于日常出图质量不稳定、需要快速收敛到可用结果的场景。
处理方向：用“目标定义-结构拆分-变量实验-反向修正-词库固化”五步完成提示词调优。操作动作：先按清晰度、风格匹配度、元素准确性三维度打分，再固定其他字段只改一个变量，每次生成不少于 3 张图。验证方式：人工按 1-5 分记录，得分最高且波动最小的写法优先固化。风险边界：不同版本模型对同一词的理解可能变化，固化后的词库需要保留版本标签，不能跨版本直接复用。
确定生成目标与评测维度
调优前先回答一个具体问题：什么结果算“好”？抽象地描述“更真实”“更有氛围”无法指导改词，必须把生成目标转化为可打分的指标。建议先建立三个固定维度，每个维度给出 1-5 分的打分口径：
- 清晰度：主体轮廓是否锐利，边缘是否干净，是否存在明显糊块或断层。1 分为完全无法辨认，5 分为边缘清晰、细节可读。
- 风格匹配度：输出图是否符合提示词中的风格词（如“电影感”“扁平插画”“3D 渲染”）。1 分是风格完全偏移，5 分是风格一致且稳定。
- 元素准确性：提示词中指定的物体、数量、位置、颜色是否全部出现，且没有多余物体。1 分为关键元素缺失或错误，5 分为全部命中且无冲突。
每次生成后先按三维度分别打分，再取平均分作为该提示词的最终得分。只有把目标变成分数，后续对照实验才有比较基准。
拆分提示词结构：主体、环境、风格、参数
Seedream 5.0 Pro 对长提示词的处理能力有限，把不同信息混在一句自然语言里容易互相干扰。建议把提示词拆成四个字段，分别填写，再拼接为最终 prompt：
- 主体描述：写清楚核心物体或人物的身份、动作、材质、关键属性。例如“一位穿深色工装夹克的中年男性，手里拿着保温杯，正面站姿”。
- 场景/环境：只描述背景和光线，不引入新主体。例如“旧工业风办公室，傍晚窗边，暖黄色侧光”。
- 风格词：放一个明确的美术风格词，如“赛博朋克”“低多边形”“日系动漫”。不要同时放两个强度相近的风格词，容易产生混合扭曲。
- 负面词：用否定词排除常见缺陷，如“模糊、畸变、多余肢体、水印、文字”。注意负面词要具体，避免用“不真实”这类模糊说法。
一个可直接套用的 JSON 结构示例如下：
{
"prompt_parts": {
"subject": "一位穿深色工装夹克的中年男性，手里拿着保温杯，正面站姿",
"scene": "旧工业风办公室，傍晚窗边，暖黄色侧光",
"style": "赛博朋克",
"negative": "模糊，畸变，多余肢体，水印，文字"
}
}字段规则：主体描述控制“画面里有什么”，场景控制“在哪里、什么光”，风格词控制“画面看起来像哪种美术体系”，负面词只做排除使用，不参与正向描述。实际拼接时把四个字段用逗号连接即可。若某字段为空，也要保留占位符而不是删除，便于后续做对照实验。
设计变量对照实验
找到影响最大的词，靠的是单变量测试：一次只改一个字段，其他字段保持不变。先将上面四段结构转成固定模板，同一批实验只替换目标字段。例如要测试风格词，就固定主体、场景、负面词，只把“赛博朋克”换成“废土风格”和“黑白纪实摄影”，分别生成 3 张图并评分。
表格记录模板参考：
| 实验编号 | 固定字段 | 变量字段（风格词） | 图1得分 | 图2得分 | 图3得分 | 平均分 | 方差 |
|---|---|---|---|---|---|---|---|
| A1 | 主体/场景/负面词 | 赛博朋克 | 4 | 3 | 4 | 3.7 | 0.3 |
| A2 | 主体/场景/负面词 | 废土风格 | 3 | 5 | 4 | 4.0 | 0.7 |
| A3 | 主体/场景/负面词 | 黑白纪实摄影 | 2 | 2 | 3 | 2.3 | 0.3 |判定规则：优先看平均分，其次看方差。平均分相同则选方差小、波动低的写法。若某组分数明显低，不一定马上换掉该风格，可以结合失败结果做反向调整（见下节）。不建议一次同时改主体和风格，否则无法判断是哪个词导致了差异。
根据失败结果反向调整措辞
实验失败后不要急着重写整段提示词，而是先看具体缺陷属于哪一类，再针对性修改措辞。常见问题与改写方向如下：
- 物体数量不对：例如要求“三本书”，出现两本或四本。改写方向：增加数量词并放在主体最前，如“两张椅子”，同时删除可能诱导群组的形容词，避免用“一些”“几个”。
- 位置错误：物体出现在画面右侧，但要求放左侧。改写方向：直接用“左侧/右侧/中央”指定布局，如“画面左侧一盏落地灯，右侧是窗户”，最好把位置词写在每个物体前，而不是统一写一句“物体在左边”。
- 风格混合扭曲：风格词之间有冲突，出现半写实半插画的怪感。改写方向：保留一个强风格词，把另一个弱化为光影或材质描述，例如将“赛博朋克+油画”改为“赛博朋克色调，油画般的笔触质感”。
- 元素多余：画面里出现未要求的物体。改写方向：将不需要的物体写入负面词，例如“不出现第三个人，不出现桌面杂物”。
- 模糊或细节崩坏：脸部、手指等局部混乱。改写方向：补充关键部位的约束，如“面部清晰，手指自然收拢”，同时避免在主体描述中夹杂光线词，防止细节被压缩。
每次反向调整仍按单变量原则，只改一个字段，然后重新生成 3 张图并记录分数。若某缺陷连续两次调整没有改善，建议换掉当前风格词或重写主体描述，而不是继续打磨同一句。
固化一套适合业务的提示词库
调优结果如果不整理，下次仍需重复试错。建议把通过评分的提示词按业务场景收纳进结构化 JSON 文件，直接供团队加载到工作流中使用。文件结构如下：
{
"prompt_library": [
{
"template_name": "工业人物海报",
"scenario": "官网首屏人物配图",
"default_params": {
"subject": "一位穿深色工装夹克的中年男性，手里拿着保温杯，正面站姿",
"scene": "旧工业风办公室，傍晚窗边，暖黄色侧光",
"style": "赛博朋克",
"negative": "模糊，畸变，多余肢体，水印，文字"
},
"example_prompt": "一位穿深色工装夹克的中年男性，手里拿着保温杯，正面站姿，旧工业风办公室，傍晚窗边，暖黄色侧光，赛博朋克，模糊，畸变，多余肢体，水印，文字",
"score": 3.7,
"model_version": "seedream-5.0-pro"
}
]
}字段说明：template_name 是业务内统一叫法；scenario 标注适用场景，避免误用；default_params 存放四段结构；example_prompt 是拼接后的完整提示词，便于可读性和复测；score 是评审通过时的平均分，用于横向对比；model_version 标注模型版本，因为同一提示词在不同版本下的表现可能变化。
固化时建议遵循三条规则：一，只入库平均分不低于 3.5 且波动小的写法；二，每个模板都要配一张成功样张和一张失败样张，避免团队成员只凭文字理解；三，当模型升级或业务需求变化时，重新做一轮单变量实验，而不是直接沿用旧词库。