“画一台机甲，结果出来的东西像穿了壳子的人，螺丝钉一个都没看见。”这是很多人在AI绘画工具里反复调整提示词之后的真实感受。生成机械类图像，难点不在于模型能力不够，而在于提示词的颗粒度太粗。笼统地写“机器人”“机甲”“机械臂”，模型只能给出一个泛化的轮廓，它不知道你要的是液压驱动的关节还是齿轮传动的轴系，也不知道表面是铸铝件还是碳纤维蒙皮。想要让AI输出真正有机械感的画面，必须把描述词从“物体名称”下沉到“结构特征”和“表面属性”的层面。
为什么零散的关键词堆不出机械感
很多提示词里高频出现的词是“机械”“steampunk”“robot”“mecha”。这些词属于风格标签，它们负责告诉AI“你要画一个什么东西”，却不能告诉AI“这个东西应该长成什么样”。机械感是一种由结构逻辑和表面处理共同构成的视觉结果，支撑它的是明确的受力关系、装配关系、材质厚度和加工痕迹。如果提示词里只有风格标签没有结构描述，模型就会从训练数据中取一个“平均的机械形象”——这个平均值往往是圆润的、装饰性的、缺乏功能感的。
问题的根源在于，Diffusion模型对词汇的理解是分布式的。它会把每一个词映射到高维空间中的某个区域，多个词之间相互作用后生成图像。当你的描述词全部落在“风格层”时，模型在高维空间里能影响到的区域就非常有限，输出的图像自然趋于雷同。只有当结构词、材质词、光影词形成互相约束的关系时，生成的图像才可能稳定地指向某个具体的机械形态。比如“exposed gear train”这个短语，它同时包含“暴露的”“齿轮”“传动链”三个信息，它的约束力远大于单独一个“gear”。所以在构造提示词的时候，要把零散的形容词改写成“结构+特征”的短语，这是体系化写作的第一原则。
要建立这种体系，可以先把描述词拆成几个维度，分别是：结构特征词（决定形态）、材质属性词（决定表面状态）、加工痕迹词（决定工艺感）、光影与镜头词（决定呈现方式）。后文会逐一展开。
结构描述词：从概念层级到特征属性
画机械结构的时候，一个常见误区是只写部件名称。写了“齿轮”但没说齿形，写了“机械臂”但没说关节形式，写了“引擎”但没说缸体排列。AI并不知道你要的是直齿圆柱齿轮还是锥齿轮，是六轴关节臂还是平行四边形连杆机构。结构词的写作核心，是给出“部件名称+几何特征+连接方式”的组合。例如描述一个液压系统，可以写成：
double-acting hydraulic cylinder with polished piston rod（双作用液压缸配抛光活塞杆），这个名字+特征+附件的结构，信息密度远高于单个“hydraulic system”。
按照机械设计的常识，结构描述词可以按层级来组织。最顶层是“功能部件”，如机械臂、炮塔、底盘、动力包、散热格栅。第二层是“连接与传动”，如万向节、滚珠丝杆、行星齿轮组、链传动、同步带。第三层是“细节特征”，如加强筋、减重孔、法兰盘、油路管道、波纹管保护套。生成图像时，可以从顶层选一个主体，从第二层选两个传动部件，从第三层选三到五个细节词，组合起来。这样的描述方式，本质上是在模拟一个粗略的机械设计过程——你先有了一个大致的结构布局，然后往里填充真实的机械零件。
在描述结构时，尽量使用“能看到内部结构”的词组，比如“cutaway view showing internal mechanisms”，或者“partially disassembled revealing ball bearings”。这类词能触发模型对“剖视图”“爆炸图”的训练记忆，生成的结构细节会明显增多。与之相对的，如果写的是“closed casing”“sealed shell”，模型就会把内部结构全部隐藏掉，机械感会大打折扣。下面这条示例提示词可以直观看到结构词的分层写法：
close-up of a heavy-duty robotic arm joint, exposed planetary gear set with visible sun and planet gears, double-row angular contact ball bearings, hydraulic hoses with swivel fittings, steel structural frame with gusset plates and lightening holes, partial cross-section view showing internal splined shaft, industrial design, realistic, high detail
硬表面材质关键词的层级与组合逻辑
硬表面材质是区别于有机物表面的重要描述域。金属、合金、碳纤维、工程塑料、陶瓷涂层，每种材质都有不同的光学属性：金属有高反射率和镜面高光，碳纤维有编织纹理和哑光吸收，粉末涂层表面则有细腻的漫反射颗粒感。材质词不能只写一个名称，因为同一名称在不同光照下呈现的结果差异巨大。正确的做法是“材质名称+表面处理+微表面状态”三层结构。以铝合金为例：
brushed aluminum with fine linear grain（拉丝铝，带细腻线性纹理），
sandblasted aluminum with matte finish（喷砂铝，哑光处理），
anodized aluminum in dark gunmetal tone（阳极氧化铝，深枪色）。
同样是铝合金，三种表面处理会生成完全不同的质感。
微表面状态是材质词里的关键变量。它描述的是物体表面的微观起伏，比如“worn”“scratched”“weathered”“oil-stained”。这些词直接影响光线在表面上的散射方式，是决定“真实感”的核心因素。一个全新的、完美镜面的金属零件，在AI生成时很容易变成塑料感——因为现实世界中的金属件总会带有一点加工痕迹。所以材质词里可以加入适当的表面缺陷词：
machined aluminum with subtle tool marks（机加工铝，带隐约刀痕），
cast iron with orange rust patches and pitting（铸铁，带橘色锈斑和点蚀），
titanium alloy with heat discoloration near the edges（钛合金，边缘带高温变色）。
这些词能让画面从“渲染图”变成“照片级”，差异非常显著。
另外要注意材质词与结构词之间的搭配逻辑。不要写“metal robot arm”这种过于宽泛的组合，而是给出具体的材料与结构的绑定关系。比如：
forged steel connecting rods（锻钢连杆），
carbon fiber monocoque frame with visible weave（碳纤维单体壳车架，可见编织纹），
cast aluminum gearbox housing with ribbed exterior（铸铝变速箱壳体，外部带加强筋），
brass valve body with polished chrome fittings（黄铜阀体配抛光镀铬接头）。
这样的结构词与材质词深度绑定，生成结果的机械合理性会高很多。
光照与镜头语言对机械质感的决定性影响
同一台机器，在柔光棚拍和硬光工业环境下呈现的感觉完全不一样。机械质感的呈现高度依赖光照对表面轮廓的刻画。写提示词时，需要指定光线的方向和性质。方向性强的硬光适合表现金属锐利的边缘和划痕，例如：
single hard light source from left, long shadows, rim light on metal edges（左侧单硬光，长阴影，金属边缘轮廓光）；
而柔和的散射光适合表现磨砂材质和无光表面的细腻过渡：
overcast lighting, soft shadows, low contrast reflections（阴天光线，柔和阴影，低对比反射）。
镜头焦段与拍摄角度同样会改变观感。广角镜头会产生透视拉伸，让机械结构看起来更夸张、更有压迫感；长焦镜头则会压缩空间，让结构细节更扁平化地呈现。提示词中可以明确写出：
shot on 24mm wide angle lens（24mm广角镜头拍摄），
shot on 135mm telephoto lens（135mm长焦镜头拍摄）。
机位角度也值得描述：低角度仰拍会强化机械的雄伟感，俯拍可以展示顶部结构布局，平视则更接近工程图册的视角。对于需要展示复杂结构的画面，“macro photography”是一个常用但好用的词，它能把局部结构细节放大到极致，通常在展示齿轮啮合、焊缝纹理、螺栓连接时效果非常好。
还有一个容易忽略的点是背景环境。环境承载的光影信息会反馈到主体表面上。例如：
machine inside an industrial workshop, concrete floor with oil stains, fluorescent tube lighting reflections on metal（机械在工业车间内，混凝土地面有油渍，荧光灯管在金属表面留下反射）。
这个句子通过环境词间接定义了主体的反射内容，让金属表面不再是一个“空镜头”的反射，而有了真实的场景映射，质感会立刻提升。
权重排布与负面提示词：让模型理解主次关系
在实际使用Stable Diffusion或Midjourney时，提示词的排布顺序会影响模型对重点词的关注程度。通常越靠前的词权重越高，所以主体结构词应当放在开头，材质词次之，光照和环境词收尾。比如将本文上面的示例调整顺序，把“robotic arm joint”移到最前，把“lighting”相关词放后面，生成效果会更有针对性。也可以用括号语法显式分配权重，例如：
(industrial robotic arm:1.3)，
(exposed gear train:1.2)，
(brushed aluminum:1.1)。
这样模型会优先保证这些特征的准确性，其他细节则作为补充。
负面提示词（Negative Prompt）的作用同样不能小看。机械主题中最怕出现的是塑料感、模糊、畸形结构、多余肢体。可以在负面词里写入：
plastic look, toy, blurred, deformed, extra limbs, fused gears, melted surfaces, oversaturated, cartoon, 3d render。
特别是“plastic look”和“3d render”这两个词，前者能有效去除光泽过强的假反射，后者可以避免画面变成低质量的CG渲染效果。
实操中可以通过对比快速确定权重是否合理。比如将某个核心结构词的权重从1.0提升到1.3，生成的图像中它所占的构图比例和细节完整度通常会明显提高。这个调节过程很接近摄影中对焦与景深的控制——你让哪个词占据视觉中心，画面就会围绕哪个词展开。
组合示例：一个可以直接套用的完整提示词
将以上几个维度的内容整合起来，可以形成一套完整的提示词模板。下面给出一个综合性示例，主体是“重型机甲膝关节模组”，整合了结构、材质、加工痕迹与工业环境光照；这个提示词可用于Stable Diffusion的txt2img，也可以在Midjourney中直接使用：
heavy-duty mecha knee joint module, exposed multi-stage planetary gearbox with visible ring gear and carrier, titanium alloy housing with heat discoloration near weld lines, carbon fiber armor panels with visible twill weave, steel hydraulic piston with chrome plated rod, rubber dust boot with slight cracking, grease stains and metal particles on surfaces, workshop environment with concrete floor, overhead fluorescent lighting with crisp reflections, shot on 85mm lens, f/2.8 shallow depth of field, product photography, ultra realistic, 8k, high dynamic range
把这条提示词与最开始的“robot, mecha, machine”对比，生成结果的巨大差异能直观说明问题。结构词、材质词、环境词体系化组合之后，AI输出的图像会有明确的机械逻辑，而不再是模糊的风格拼贴。逐步调整负面提示词并观察每次输出的变化规律，最终就能建立一套属于自己的机械主题提示词库。