#AI%20%E7%94%9F%E5%9B%BE

第六章预告了「构图变量」，这一章从它的第一个模块讲起：画幅比例（Aspect Ratio）。它是构图里最常被忽略、却又最早决定一切的东西——一旦比例定了，空间方向、主体大小、留白方式、信息布局全跟着变。拆解六种常用比例，并给出一套「先问用途，再定比例」的决策法。

画幅比例决定「画布形状」，景别决定「镜头远近」，这一章的机位决定「镜头从什么高度、什么角度去看主体」。俯视、平视、仰视不只是三个角度，各自带出完全不同的心理感觉——俯视让人变小变安静，平视最自然真实，仰视让人变强变有气场。

景别管远近、机位管高低，而镜头管的是「空间如何表现」——画面会不会变形、背景是被拉开还是被压缩、细节是不是被放大。拆解正常、广角、长焦压缩、微距特写四种镜头语言，并完整保留每种镜头的可复用 Prompt 模板。

第二章把 Prompt 拆成了五维/十层，其中「Lighting 光线」这一维最值得单独做控制变量。想判断哪种光最适合一个商品，唯一正确的做法是：主体、构图、背景、风格全锁定，只换光线。这篇拆解自然光、侧光、逆光、霓虹光四种光的语义差异，并给一套可复用的「固定模板 + 光线变量库」。

第三章测了「光线」这个单一变量，这一章测另一个单一变量——「承托材质」。同一个商品主体、同角度、同构图、同光线逻辑，只换承载或包围商品的材质：木质、大理石、金属、丝绸、纸张。拆解五种材质的视觉倾向，并给出汽车后市场商品的选型建议。

从 Midjourney 的公开机制出发，拆解 AI 生图的底层原理：生图不是在图库里找图，而是从随机噪声出发、在「视觉概率空间」里采样。理解这一点之后，Prompt 的本质、构图法、Seed、--stylize 这些心法就都有了统一解释。

第三章测了「光线」这个单一变量。这一章往上走一层：情绪不是一个能直接写进 Prompt 的孤立参数，它由「光线表现 + 色彩氛围 + 空间构图节奏」三个底层变量共同决定。拆解柔和、安静、强烈、神秘、轻松五种情绪，给出可复用的「情绪变量生成器」。

用 Midjourney、Stable Diffusion 生成的图，屏幕上看很惊艳，一上印刷机却满是噪点和色偏。这篇观察拆解了「生图 → 印刷」这条链路里的三个关键点：RGB 与 CMYK 的色域鸿沟、分辨率与网线数的匹配、以及 ICC 色彩管理闭环——核心是一句话：生成和交付是两个标准。

第七章的画幅比例决定「画布是什么形状」，这一章的景别决定「镜头离主体有多远」。同样是构图变量，画幅管空间框架，景别管主体尺度。用实拍式成图拆解远景、全景、中景、近景、特写五档，并给出每一档可复用的 Prompt。

这是五维公式里「Style 怎么表现」那一维的深入。同一个商品主体、构图、角度、背景复杂度都不变，只换最终视觉表达方式：商业摄影、极简草稿、线稿图、杂志插画、水彩风。拆解五种表现形式的用途，并把整个「商品图变量测试」体系收束成六类变量。

第一章讲了 Midjourney 的底层原理——生图是在「视觉概率空间」里采样。这一章回答下一个问题：既然 Prompt 的本质是收缩这个空间，那具体该在哪几个维度上收缩？答案是 Google 的「视觉变量公式」——Subject、Action、Scene、Style、Composition 五维，进阶再扩成十层模型。

我把小红书图文的整套做法也做成了 skill：从 GEOFlow 母版整理成固定 5 张图的结构化提示词（封面→原理→对比→决策+商业→FAQ 避坑），贴给 ChatGPT 一次出图，再配封面和标题/Tag。核心是三条我踩出来的规则：固定 5 张、商业只在图4、FAQ 是图文长尾搜索的核心资产。这篇是它的完整说明文档。