对于新手小白来说，看到网上大佬们生成的美图，或即使不是ai生成的图片，想用提示词复刻，却又不知如何下手。

本文提供一套结构化分析反推思路——json结构化反推，让你学会一种像ai提问图片背后提示词的方法。这套方法适用于拆解复刻人像写真、插画、产品图、分镜流程图等几乎所有常见图像。

一、什么是 JSON 结构提示词

简单来说，JSON结构提示词是一种强约束、标准化、结构化的AI指令范式，通过固定的JSON字段格式、明确的解析维度、限定的输出规则，强制AI按照统一规范生成内容。在GPT-image2到来之前，特别是 SD生图到 Nanobanana 模型的时期，json结构提示词被一些大佬认为是最为有效的控制生图质量和画面内容的手段。

用古一老师的提示词举个例子，以下是古一老师公开的提示词原文：

9:16。梦幻柔光、低对比胶片感、局部过曝高光、细颗粒轻柔焦的真人古风人像摄影，俯视倒置构图；年轻古风美女仰躺在近黑背景中，她身材夸张，头部倒置位于上中部，闭眼，头微后仰，颈部拉长，冷白偏粉到象牙白肤调，柔光让额头、鼻梁、脸颊和下巴略发亮，红润水光唇微微放松，迷离如花间睡梦。黑色高盘发，珍珠弧形发饰、花簪和浅色发钗点缀；青绿色半透明薄纱汉服披帛大面积铺展在中下部，红粉花卉刺绣或印花，衣料宽松披覆肩颈与身体，自然褶皱和叠层透光，左下角少量粉色牡丹/芍药花束与花瓶作为前景点缀。正面偏上柔光照亮面部，黑色背景压低，青绿衣料与粉花、象牙肤色形成低饱和古典色彩，织物中等清晰、背景暗部有噪点。

如果写成json格式，可能是这样子：

{
  "画面基础信息": {
    "画面比例": "9:16竖屏",
    "拍摄类型": "真人古风人像摄影",
    "整体风格": "低对比胶片质感、梦幻柔光、古典低饱和、氛围感迷离静谧"
  },
  "镜头与画质质感": {
    "焦段效果": "细颗粒轻柔焦",
    "画面质感": "主体织物中等清晰，背景暗部带自然噪点",
    "光影特质": "局部高光轻微过曝，整体光线柔和无硬阴影"
  },
  "构图与场景": {
    "构图方式": "俯视倒置构图，人物头部位于画面上中部",
    "背景环境": "近纯黑深色极简背景，压暗突出主体",
    "场景布局": "人物居中，青绿色披帛铺满中下部，左下角花卉道具点缀前景"
  },
  "人物主体细节": {
    "人物姿态": "古风女子倒置仰躺，头部微仰、颈部拉长，双眼闭合，神态松弛迷离，似花间睡梦状态",
    "肤色妆容": "冷白偏粉过渡象牙白肤质，面部受光通透发亮，唇色红润水光",
    "发型配饰": "黑色高盘发，搭配珍珠弧形发饰、古风花簪、浅色发钗"
  },
  "服饰与道具": {
    "服饰细节": "青绿色半透明薄纱汉服披帛，宽松覆于肩颈身体，带有红粉花卉刺绣印花，衣料自然褶皱、多层透光",
    "前景道具": "左下角摆放粉色牡丹、芍药花束与花瓶，点缀古典氛围"
  },
  "灯光与色彩": {
    "光源角度": "正面偏上柔光为主光源，重点提亮人物面部",
    "色彩搭配": "青绿色衣料、粉系花卉、象牙白肤色、纯黑背景，整体低饱和古典配色"
  }
}

二、json格式提示词当下价值

为什么现在很少有人提起「JSON结构化提示词」？

随着Image2 类新一代图像生成模型的能力迭代。早期AI绘图模型理解能力弱、容错率极低，只有结构化、精细化、强约束的JSON提示词，才能保证画面稳定落地、不跑偏、不丢细节。但现阶段主流Image2模型具备了极强的自然语言理解、语义联想、细节补全能力和最重要的高级审美，用户只需输入简单、随性、碎片化的自然语言描述，模型就能自动补全风格、光影、构图、质感细节，稳定产出高质量画面。这就导致大量普通用户不再需要学习、编写复杂的结构化JSON提示词，JSON结构化提示词逐渐淡出大众视野。

但**“不用刻意写”不代表“没有价值”**

特别是在于反推别人图像的提示词，然后用于模仿优秀图像作品、洗图方面，使用json格式进行反推，则是为AI模型分析图像的过程提供一套稳定的模板，用户依旧可以在反推得到的json格式提示词基础上，对特定内容进行修改，对画面内容进行针对性的调整。

三、json格式提示词反推模板写法

当你在网上看到某张古风写真或者ai美图，但又没办法找到提示词时，就可以使用以下反推json格式模板扔给GPT或者豆包等大语言模型或者封装成skill，再给图片让大语言模型根据格式进行维度分析，得到的json格式进行调整，最后扔给生图模型进行生成。

还是以上文第一部分举古一老师例子中的json格式提示词的分析维度作为案例。就可以出制作如下模板。

当然不同的大语言模型用同一段内容进行反推，得出结果也会有差异，最终也会影响到生图结果。以下图片是用这段json结构反推使用的图片。改图片使用古一老师的原版自然语言提示词，通过image2生成。

当然，相同的提示词内容，使用不同生成模型生成的图像也会有所差异，这里不做举例。

四、多维度图像内容反推体系

可以看到以上的json模板分析维度包含了**【1. 画面基础信息；2. 镜头与画质质感；3. 构图与场景 构图方式；4. 人物主体细节；5. 服饰与道具；6. 灯光与色彩】**，这6个维度，适当修改可以初步做出一套适用于人像类照片的反推提示词。但实际运用过程中很多时候不限于人像类图片，也可以是插图、产品设计、甚至设计展板等。

这时候就可以增加更多的分析维度，让json模板更加全面，让反推内容更加全面。

例如：

画面类型（插画/展板/照片...)

文字OCR提取

UI界面专属维度

数据表专属维度

...

当然，json类目多了也会眼花缭乱，这时可以在json模板的最后增加一项总结，让顺带输出一段自然语言的简洁提示词。

以下是我自用的一套多维度图像分析的json结构反推提示词。

采用**【全局元数据 → 领域专项解析 → 视觉美学拆解 → 主体内容识别 → 空间环境关系 → 文本OCR提取 → 全局总结】**七层拆解逻辑，每层包含多个维度内容，并且自适应识别对应领域维度模块进行输出。

四、json格式提示词反推不是万能灵药

可能有些初学者认为只要维度拆得足够细、结构足够标准，就能100%稳定控图。但实际落地中可以明确得出结论：图像生成质量的最终下限和上限，核心取决于多模态模型的原生视觉理解能力，而非提示词结构。

而且在Image2模型普及后，纯文字极致精细化编写的性价比已经极低。过度死磕文本维度拆解、堆砌海量结构化字段，只会增加提示词冗余度，并不会正比例提升出图稳定性。

结构化维度只能提供“明确的指令约束”，但无法弥补模型本身的审美逻辑缺失等问题。同一套标准JSON提示词，在不同模型上的输出差异极大，这也证明了：文本结构化约束存在天然瓶颈。

举个例子，用这套json反推方案，对于画面构图内容的把握可以较好的复现，但是图片中的特殊光影滤镜，直接使用反推方式，是很难复刻效果的。同样，对于一些插画类作品，单纯依靠大语言模型的描述，更难以准确复现作者的画风。

这时候如果不能从原作者获取原图生成时候关于光影滤镜方面的文本描述，不如放下对于纯文本的执念。

采用**【结构化提示词+参考图】**方式进行生成。让【结构化提示词】主要负责画面内容构图，再让ai参考【参考图】的光影/画风作为滤镜，让生图结果更加贴近想要的效果。