逆推提示词怎么用？拆了三十张海报后的工具实测

逆推提示词这事我干了三个月：见到好看的海报就存，攒了三十多张，挨个丢给逆推工具拆一遍，再把拆出来的词回炉重新生成，跟原图对着看。结论开头就给了——风格、色彩、质感是它的强项，版式打七折，文字内容零分。起因挺简单。帮朋友做音乐节视觉那阵，翻到一张国外工作室的海报，好看到有点气人，我就想弄清楚这种图到底是「说」出来的，还是「画」出来的。

我吃设计这碗饭，接的多是商业活动海报，样本也就偏这类：演出、快闪店、展览开幕占了二十一张，剩下九张是影展、艺术节这种文化海报。测法笨但管用，后面细说。

逆推工具到底在拆什么

逆推工具干的活是「看图说话」：把一张图反向翻译成绘图模型能认的文字，主要拆风格词、媒介和质感三样。跟文生图正好反着来——文生图是词变图，它是图变词。

打个比方，逆推工具像让一个学外语的人听录音默写。大意能默个八九不离十，腔调和语气模仿不来。它说得出「这张图是丝网印刷质感、高饱和撞色、主体居中」，说不出「设计师为什么把标题压在左下角」。

目前主流的路子有两类。一类是 CLIP 这种打标签式的，背后是个图像识别模型，看到什么贴什么标签，速度快，颗粒粗。另一类是能看图的多模态对话模型，你让它怎么拆它就怎么拆，能聊出结构和意图，但话多，还爱编。

三款工具挨个试了一遍

免费够用选 CLIP Interrogator，直接出可用提示词选 Midjourney 的 /describe，想拆版式和字体气质就交给 GPT-4o 这类能看图的对话模型。三款我都在正经项目里用过，不是点开玩两下。

CLIP Interrogator 在 Hugging Face 上有免费网页，传图几秒出结果，给一串媒介词、风格词，末尾还附一个艺术家名。价格最香，毛病也最明显：艺术家经常瞎猜。拆一张插画感很重的音乐节海报，它报了个法国插画师的名字，我搜了半天，人家压根没画过这种风格。照着这个名字回炉，出来的东西完全两码事。

Midjourney 的 /describe 我在订阅期内用过一阵。传图回四条提示词，每条自带画幅参数，基本能直接扔进文生图里跑。质感词是它最稳的一环，胶片颗粒、丝网印刷、riso 印刷这种词，它给得又准又地道。后来订阅到期我没续——拆海报这块，四条里往往只有一条贴题，性价比对我这种只拆不生的人差了点。

现在用得最多的是 GPT-4o、豆包这类能看图的对话模型。我会让它按五栏拆：版式、主体、色彩、字体气质、提示词写法。强在结构，它会说「标题占上三分之一、左对齐、右下留白、主色是砖红配米白」。翻车点是爱编。一张根本没有宣传语的海报，它一口咬定图上写着「城市在发光」，我盯着原图看了三遍，这五个字哪儿都没有。

拆完回炉，准确率我是这么测的

三十张海报拆出的提示词全部回炉重生成，逐张跟原图对比：色彩最稳，三十张对上二十七张；风格二十四周；构图二十一张；文字零命中。

测法不复杂。每张海报用每款工具各拆一遍，挑回炉生成里最接近原图的一张，按色彩、风格、构图、文字四项打勾，最后汇总数。这个成绩是三款工具里「取最好」的，单一工具都到不了这个数。

几个印象深的翻车。CLIP 拆一张水墨气质的展览海报，把风格猜成日本浮世绘，回炉出来全是和风元素，原图明明是宋代山水的底子，气得我当场关网页。对话模型那次编造「城市在发光」的案例前面说了，还有一回更离谱，它把海报上根本不存在的赞助商名单都念了出来，编得有模有样。文字这一项我后来直接放弃了，绘图模型现在写的字还是歪的，中文尤其没眼看。

对了，说个题外事。期间我拿逆推拆过一张自己两年前的旧海报，它给出来的词比我现在的写法还啰嗦，一股新手味。看来这两年我的提示词水平没怎么长进，这事有点扎心。话说回来，继续。

局限在哪，我现在的分工

逆推工具的天花板在「意图」：它说得出图里有什么，说不清为什么这么排。信息层级、留白取舍、字体气质这些设计判断，还是得人自己看。

用了三个月，我的分工固定下来了。风格词找 CLIP 或者 /describe，拿回来挑着用；版式拆解交给对话模型，但它给的每一条都自己核一遍，编文案的毛病改不掉；至于这张海报背后的取舍——客户预算、改稿三轮压出来的妥协——工具永远看不见。

还有一层要提醒：逆推学到的是「结果」，不是「过程」。同一张海报，你拆出的是终稿的样子，摸不到人家第一稿长什么样、为什么改。拿它当词典用挺好，当老师用就差点意思。

回到开头那张气人的音乐节海报。后来那单我没照搬它，而是把逆推出的词拆开，只借了丝网印刷质感和撞色思路，版式按客户的预算重排。交稿那天朋友问我是不是偷偷报了班。没有。我只是把别人的图，一张一张拆了三十张。