项目概览
本收藏基于社区分享的 NanoBanana Pro 提示词指南整理，系统介绍了该高性能 AI 图像生成模型的提示词工程方法论。内容涵盖模型定位、核心优势、常见使用痛点、七层提示词结构、视觉词汇表、中文提示词优势、标准生成流程、对话式迭代优化方法、真实应用场景、工程落地模板、质量检查清单、优缺点与局限、常见误区及学习路径。指南强调通过“精确描述 + 结构化组织 + 排除干扰”实现高质量输出，并指出大多数用户仅使用了模型 1% 的能力。适用于希望提升 AI 图像生成质量、掌握结构化提示词技巧的创作者。
解决什么问题
本收藏针对 AI 图像生成领域“工具能力远超用户使用水平”的核心矛盾，系统梳理了 NanoBanana Pro 提示词工程方法论。报告指出，大多数用户仅使用了模型 1% 的能力，常见问题包括：提示词过于简单、不理解提示词结构、不会利用排除项、不了解模型特长、缺少迭代优化思维。通过结构化提示词，可有效解决生成结果不可控、出现不想要元素、无法针对不同类型优化等问题。
工作方式
报告提出“精确描述 + 结构化组织 + 排除干扰 = 高质量输出”的核心思想，并给出六大设计原则：具体优于抽象、层次分明、视觉语言、排除项是标配、迭代而非重写、参考案例学习。核心方法是七层提示词结构：主体描述、场景环境、光线描述、构图与视角、风格与氛围、排除项、质量与尺寸。同时提供视觉词汇表（光线、构图、排除项词汇）、中文提示词特别优势说明、标准生成流程（输入完整提示词→解析→VQ Token 编码→Transformer 渲染→输出→评估→迭代）、对话式迭代优化流程（通常 2-3 轮迭代达到满意效果）以及从零开始的快速上手流程。
核心能力
- 极高的图像质量和细节还原度
- 强大的中文自然语言理解能力
- 对复杂构图和精细元素的控制力
- 出色的文字渲染能力
- 支持超写实和艺术风格的高质量切换
- 支持对话式迭代优化
- 排除项机制有效减少不想要的元素
- 提供人像、海报、国风、场景仿真等提示词模板
- 提供质量检查清单和迭代优化常用指令
使用前需要了解
- AI 整理 · 本地测试，未经人工复核；依据历史报告节选，不代表当前产品状态。
- 报告指出 NanoBanana Pro 的缺点包括：可用性受限于特定平台（非 ChatGPT 内置）、社区生态相比 Midjourney、GPT Image-2 仍较小、部分高级功能需要付费、模型迭代较快提示词可能需要随版本更新调整、学习曲线相对较陡需要理解七层结构。不建议使用的场景包括：需要大量批量生成（成本较高）、需要 Stable Diffusion 风格的精确控制（如 ControlNet）、需要 100% 确定性输出（AI 生成有随机性）。此外，报告注明部分内容基于社区公开信息和已有知识整理，原帖图片形式的完整提示词指南未能通过 API 提取。
