很多人写提示词时会顺手丢一张参考图进去，结果出图跟参考图毫无关系，或者人物脸、构图、色调全跑偏。问题通常不在模型，而在参考图放的位置、权重和描述方式不对。这篇按「先确认入口支持什么、再写图和文的关系、最后排查为什么没用」的顺序，给你一套可照做的写法，也说明哪些情况下加参考图反而会拖后腿。
很多人写提示词时会顺手把一张参考图丢进去，结果出图跟参考图毫无关系，或者人物脸、构图、色调全跑偏。这种翻车通常不是模型不行，而是参考图放的位置、权重和文字描述方式没对上。参考图能不能生效，取决于入口支不支持、图和文各自管什么、以及冲突时谁让步。
下面按「先确认入口支持什么、再写图和文的关系、最后排查为什么没用」的顺序，给一套能直接照做的写法。同时说明哪些情况下加参考图反而会拖后腿，省得你在一张图上反复试错。
先确认你用的入口到底吃不吃参考图
同样是 MiniMax，网页对话、开放平台接口、第三方套壳工具的传图方式完全不同。有的入口只有一个上传位，有的能传多张，还有的所谓「上传」只是把图存进对话历史、压根不参与生成。动手写提示词之前，先花一分钟确认你手上这个入口到底怎么吃图，这一步能省掉后面大半的无效调试。
- 网页对话入口
- 上传位通常在输入框附近，一般只认少量图，传完要看它是否显示成缩略图而不是文件名
- 开放平台接口
- 图片通过独立字段传入，不写在文字里；字段名和数量上限各家不同，别照搬别家的文档
- 第三方套壳工具
- 中间多了一层转发，有的会压缩图片，有的直接丢掉图片只发文字，最难排查
还要分清这张图是当「参考风格」用，还是当「生成底图」用。前者是让模型看着图的调性重新画，文字要负责补细节；后者是拿图当起点做改造，文字要负责说改哪里。两者对提示词的要求正好相反，拿图生图的写法去写风格参考，基本等于白传。
图的格式、大小、长宽比通常都有隐性门槛，比例差太多容易被裁切，甚至被直接忽略。各入口当前的限制口径会变，别记死，到 MiniMax 接口兼容情况速查（/official-api/providers/minimax） 核对当时的数字。
提示词里把「图管什么、字管什么」分开写
参考图被无视，最常见的原因是文字和图在抢同一件事。写法上要主动分工：一句话点明参考图负责哪一部分，比如只锁人物长相、只锁画风、只锁构图，别让它默认全包。剩下的变量——动作、场景、光线、镜头——全部交给文字，并且明确写出「保持参考图的人物特征，换背景」这种关系句，而不是含糊的「参考这张图」。
| 参考图负责 | 文字应该写 | 文字不要写 |
|---|---|---|
| 人物长相 | 动作、服装、场景、镜头 | 发型、脸型等外观描述 |
| 画风色调 | 具体画面内容和主体 | 「高级感」这类形容词 |
| 构图布局 | 主体细节、材质、光线 | 另起一套构图描述 |
| 全部都要像 | 尽量少写，只补必要细节 | 与图冲突的任何外观词 |
- 参考图不止一张时，逐张说明用途，例如第一张管脸、第二张管服装，并写清哪张优先
- 张数越多越要排优先级，否则模型会自己乱揉，最后五官和服装互相串
- 文字描述尽量写可观察的特征：发型、服装材质、色调偏向，少写没法落地的词
- 风格词和参考图怎么配合，可以对照 提示与调参术语速查（/ai-dict/category/tips） 挑词
权重和冲突：参考图为什么会被无视
图与文字互相打架是头号原因。文字里写了「短发」，参考图是长发，模型只能二选一，而且往往选文字，因为文字在提示词里更靠前、更明确。遇到这种情况，先删掉冲突项，再谈权重，顺序反了会一直调不对。
想更贴参考图，就减少文字里的外观描述，把文字收窄到动作和场景；想更自由，就降低参考图的作用范围，只留风格不留长相。这两条不能同时要，只能选一个方向。
- 冲突优先：先删掉与参考图矛盾的形容词，再看效果有没有变
- 收敛文字：只在文字里留下动作、场景、光线，外观交给图
- 收窄范围：只让图管画风或构图，不强求长相一致
- 固定变量：批量出图前先定好风格和参考图，别每张都换
同一张图反复用却每次结果都不一样，属于正常波动，不是参考图失效。判断是否生效，要看多次产出里有没有稳定继承某个特征，比如每次都保留同一种发色或同一种构图，而不是盯着一张图下结论。想把风格固定下来，思路可参考 AI出图风格怎么固定（/guides/image-style-locking-guide）。
出图不对时的排查顺序
排查要按从便宜到贵的顺序来，别一上来就怀疑模型。先看图有没有真的传上去，有些入口上传失败不报错，界面看着正常其实只发了文字；再看图有没有被裁切或压缩糊掉，模糊的图模型很难提取特征。
- 确认图传上去了检查缩略图是否正常显示，接口调用要看返回里有没有图片字段，别只信本地日志
- 检查图的质量看有没有被裁切、压缩变形，长宽比是否接近目标出图比例
- 排查图文冲突逐句读提示词，删掉与参考图矛盾的描述，再跑一次看变化
- 调整图文占比减少文字里的外观描述，或把参考图限定到风格、构图单一维度
- 换图验证换一张差异明显的参考图，看输出有没有跟着变，没变说明这一路不吃图
如果换了三张差异很大的参考图都没变化，基本可以判定这个入口这一路不支持参考图，换入口比继续改提示词快得多。要长期对比不同写法，建议用同一提示词跑多家模型看差异，入口在 同一提示词比多家模型出图质量（/tools/pelican-bench）。
下一步先确认你常用的入口到底支持几张参考图、以什么方式生效，再去调提示词，能少走很多弯路。→常见问题
参考图加进去完全没效果，是提示词写错了吗？
先别改提示词。按顺序确认三件事：图是否真的上传成功、是否被裁切变形、当前入口是否支持参考图。三项都正常再去看文字和图有没有互相冲突。很多时候问题出在入口本身不接收参考图，改多久提示词都不会有变化。
一张参考图能同时管人物长相和画风吗？
能，但结果不稳定。更稳的做法是把两件事拆开：长相靠图锁，画风靠风格词或第二张图来定，并在提示词里写清哪张图管哪一块。想让模型全盘照搬，通常只能拿到接近但不满意的结果，尤其是在换动作或换场景时。
参考图和文字描述冲突时，模型听谁的？
没有固定答案，不同入口、不同批次的表现会变。实用做法是主动删掉冲突项：要贴参考图就别在文字里重复描写外观，要自由发挥就把参考图的作用范围缩到只锁风格。把冲突留在提示词里，等于把结果交给随机性。
