用Midjourney生成图片时，经常遇到这种情况：明明想要一张干净的极简背景海报，结果画面里总是冒出杂乱的人群、多余的文字或者不需要的装饰物。反复修改正面提示词效果有限，这时候就该请出负面提示词了。Midjourney通过--no参数实现这一功能，它告诉模型在生成图像时主动弱化甚至移除某些元素。本文将从基本语法、工作原理、进阶用法和常见误区几个方面，带你彻底掌握这个参数。
一、--no参数的基本语法与使用场景
--no参数的使用非常简单，直接放在提示词末尾即可，后面紧跟你不想在画面中出现的元素。基础格式如下：
a beautiful mountain landscape, sunrise --no people, text, watermark
这条提示词的意思是生成一幅日出时的山脉风景，同时排除人物、文字和水印。注意几个细节：第一，--no后面如果要排除多个元素，用,（英文逗号加空格）分隔；第二，--no必须放在整条提示词的最后，与其他参数（如--ar、--v）并列时建议放在参数区域，不要夹在正面描述中间；第三，被排除的元素建议使用简洁的关键词，越具体效果越好，比如写--no crowds比写--no many people walking around效果更稳定。
典型使用场景包括：人像生成时排除眼镜、胡须、耳环等特征（--no glasses, beard）；产品图生成时排除杂乱背景（--no background clutter）；建筑渲染时排除植物和车辆（--no plants, cars）；或者强制画面保持单一主体（--no other objects）。根据实际测试，在大多数版本中--no都能有效降低指定元素出现的概率，但并不是百分之百的删除，这一点在下一节会详细解释。
二、工作原理：--no不是删除，而是降低权重
很多人以为--no是让模型把某个元素从画面里剪掉，这种理解并不准确。Midjourney官方文档中说明，--no参数的本质等价于给指定关键词设置一个很低的权重，其底层逻辑类似于旧版本中的::-0.5权重写法。也就是说，模型并非完全忽略这个元素，而是把它在生成过程中的影响力压到极低，使其大概率不会出现在最终图像中。
理解这个原理非常重要，因为它解释了两个现象。其一，--no偶尔会失效，尤其是在指定元素与画面主体强关联时。例如你写a cat sitting on a table --no table，模型很难生成一只悬浮在空中的猫，因为猫和桌子在训练数据中高度绑定，此时可能得到奇怪的结果。其二，被排除的元素即使不直接出现，也可能间接影响画面，比如--no color会倾向于生成黑白图像，这其实是把彩色权重压低后的副作用。
正因如此，使用--no时要思考元素之间的关联性。排除独立元素（如水印、文字、路人）效果最好，排除结构性元素（如背景、光线、构图成分）时则要谨慎，必要时应通过正面提示词引导替代方案，而不是一味堆砌负面提示。
三、进阶技巧：参数组合与权重控制
--no可以与Midjourney的其他参数自由组合。例如结合宽高比和版本参数：
cyberpunk city street at night, neon lights --ar 16:9 --v 6 --no blur, motion sickness, low quality
这条提示词生成了16比9的赛博朋克夜景，同时排除了模糊、眩晕感和低质量等负面因素。不少资深用户习惯把常见的画质问题关键词放进--no，比如blurry, low resolution, jpeg artifacts, deformed hands，这相当于一份通用的画质排除清单，能显著提升出图的整洁度。
另一个进阶玩法是利用权重机制精细控制。在V6及以上版本中，你可以配合多重提示（multi-prompt）语法调整权重强度。同时要注意，--no中的关键词权重是被统一压低的，如果希望某个元素保留一点点痕迹而不是完全消失，单纯靠--no做不到，此时应改用正面权重写法，例如crowd::0.3表示轻微保留人群元素。这种区分让画面的控制粒度更细。
还有一个实用技巧：先用/describe命令让Midjourney反推一张你满意的图片的提示词，找出其中你不喜欢的描述词，再把它们加进--no，这样形成的排除列表往往比自己凭空猜测更精准。
四、常见误区与避坑指南
第一个误区是负面提示词堆砌过多。有些用户恨不得在--no后面塞十几个关键词，结果发现画面内容反而变得贫瘠甚至扭曲。原因在于权重压低是有代价的：被排除元素关联的视觉信息会整体被削弱，排除项太多会让模型无所适从。建议每次排除控制在3到5个核心元素以内，抓主要矛盾。
第二个误区是把--no当成万能橡皮擦。如果你不希望画面出现文字，正确做法是--no text；但如果你希望画面必须没有某个概念，同时又希望保留与之相关的氛围，比如想要安静但没有空无一人的街道，直接排除往往适得其反。这类需求更适合通过正面描述词（如quiet, empty benches）来表达，而不是依赖负面提示。
第三个误区是版本兼容问题。--no在V4及之后的版本中均可使用，但在部分测试版本或Niji模型下的表现会有差异，如果发现排除效果异常，可以尝试切换模型版本再测试。此外，写在--no里的关键词不要使用引号包裹，也不要混入长句子，保持简洁的关键词形式效果最稳定。
五、实战示例：不同风格的排除清单
最后给几组可以直接套用的实战模板。人像方向：
portrait of a young woman, soft lighting, film photography --no makeup, jewelry, glasses, deformed face
场景概念设计方向：
ancient temple in the jungle, mist, cinematic composition --no people, modern buildings, text, watermark
产品渲染方向：
minimalist product shot of a ceramic vase, studio lighting --no hands, props, background patterns
这些模板的共同点是：正面描述聚焦主体和氛围，负面排除聚焦干扰项和画质缺陷，两者分工明确。掌握--no参数后，你会发现抽卡命中率明显提升，与其反复重新生成，不如一开始就把不想要的元素排除在外，节省时间也节省订阅额度。
Midjourney负面提示词Midjourney --no参数AI绘画提示词修改时间：2026-09-09 17:45:10