提示词工程发展到今天，已经没有多少人在意“一段提示词打天下”的可行性了。真正常被忽视的问题是：为什么精心调优的提示词换个模型就失效。把Midjourney的描述词原样丢给Stable Diffusion，画面质量往往大幅下降；把文生图的提示词交给大语言模型，得到的输出更是驴唇不对马嘴。这不是模型能力不行，而是不同模型对文本的解析逻辑、权重分配和参数体系完全不同。跨模态迁移的本质，就是理解这些差异并做针对性改写。
先搞清楚：不同模型对提示词的解析差异在哪
跨模态迁移的第一步不是动手改词，而是理解目标模型怎么“读”你的提示词。市面上主流的AI模型大致分三类：以CLIP为文本编码器的文生图模型（Stable Diffusion系列）、自带语言理解系统的闭源图像模型（Midjourney、DALL·E）、以及基于Transformer架构的大语言模型。三者的分词器和训练语料差异巨大，直接决定了同一段文字在不同模型里的命运。
Stable Diffusion依赖CLIP编码器，它对提示词的处理接近“关键词袋”模式：越靠前的词权重越高，逗号分隔的短语比长句子更容易被准确理解，超过77个token之后的内容基本被截断。Midjourney则不同，它对自然语言句子的理解能力更强，还支持--ar、--stylize这类后置参数控制画面。大语言模型则完全相反，它期待的是指令、上下文和约束条件的组合，关键词堆砌反而会让它困惑。
还有一个容易踩的坑：同一个词在不同模型的训练语料里关联完全不同。比如“高清、8K、最佳质量”这类质量词，在Stable Diffusion早期版本里是有效的加分项，但在新模型中作用微弱，甚至可能触发审美偏差。迁移提示词前，最好先查一下目标模型的官方文档或社区经验帖，确认哪些词是“硬通货”，哪些已经失效。
文生图模型之间的迁移改写策略
图像模型之间的迁移是最常见的需求，核心工作是结构重组和语法转换。假设你有一段为Midjourney写的提示词，要迁移到Stable Diffusion，可以按照“主体、细节、风格、质量词”的顺序重新排列。Midjourney容忍长句，SD偏好短语，所以第一步是把句子拆成逗号分隔的关键词片段。
Midjourney原始提示词： A lonely astronaut standing on a red desert planet, looking at two moons in the purple sky --ar 16:9 --stylize 400 迁移到Stable Diffusion后： (masterpiece, best quality), an astronaut standing on desert, red sand, two moons in sky, purple sky, lonely atmosphere, wide shot, cinematic lighting
注意改写中的几个关键动作。第一，把--ar 16:9这类Midjourney专属参数去掉，换成SD生成界面里的宽高比设置或第三方插件控制。第二，补充了质量词和镜头语言，因为SD对这类提示的响应比Midjourney更敏感。第三，句式全部改为名词短语，去掉了"looking at"这种动词结构，CLIP编码器对动词的理解远不如名词稳定。
反过来从SD迁移到Midjourney时，思路要倒过来：把碎片化的关键词重组为流畅的描述句，删掉大部分质量词，把权重语法转换成Midjourney的双冒号分段语法。SD的(word:1.3)权重写法在Midjourney里无效，对应的替代方案是用::分隔不同语义段，或者在描述中通过重复关键词来强化。另外SD常用的负面提示词体系在Midjourney里没有直接对应物，只能通过--no参数实现简单排除。
从图像模型迁移到大语言模型：思维完全不同
图像提示词迁移到文本模型是另一回事。图像提示词本质是“画面描述”，而文本模型需要的是“任务指令”。直接把“一只赛博朋克风格的猫，霓虹灯背景”发给ChatGPT或文心一言，它不会生成图片，只会困惑地回应你。这种迁移的真实场景通常是：让大语言模型帮你优化提示词，或者基于画面描述生成配套文案。
正确的做法是给文本模型加上明确的角色和任务框架。比如你想要模型帮你把一段中文描述改写成SD可用的英文提示词，应该这样组织指令：
你是一位精通Stable Diffusion提示词工程的专家。 请将下面的画面描述改写为SD提示词，要求： 1. 输出英文，使用逗号分隔的关键词短语 2. 按“质量词、主体、环境、光照、风格”顺序排列 3. 总长度控制在60个token以内 4. 改写完成后，解释每个关键短语的作用 画面描述：黄昏时分，一位老渔夫在海边修补渔网， 远处有归航的帆船，天空是橙红色的
这种结构化的指令框架包含了角色设定、输出格式、约束条件和示例说明，是大语言模型最容易消化的提示词形态。同样地，如果你想让文本模型为一幅AI生成的画作写配文，也应该把画面描述作为素材输入，而不是当作指令本身。
跨语言迁移与权重语法的坑
中文用户还有一个绕不开的问题：中文提示词在英文模型上的效果普遍打折。Stable Diffusion的CLIP编码器主要在英文语料上训练，中文需要经过翻译或多语言编码插件中转，语义损耗在所难免。实践中有两条路：一是使用支持中文的模型分支或双语文本编码器，二是先用大语言模型把中文描述翻译成结构化的英文提示词再使用，后者目前效果更稳定。
权重语法是另一个重灾区。同样是“强调某个元素”，不同模型的写法毫无通用性：SD用(keyword:1.2)或嵌套括号，ComfyUI的某些节点支持单独调节权重层，NovelAI系模型用花括号{keyword}表示1.1倍权重，Midjourney用::分段。迁移时必须逐个对照替换，没有任何工具能自动完成全部转换，这也是为什么建议为常用模型各维护一套提示词模板库。
负面提示词同样需要本地化处理。SD的负面提示词是一整套独立的体系，常见的负面向量有“lowres、bad anatomy、extra fingers”等，这些词是社区在长期实践中沉淀下来的，直接沿用其他模型的负面词往往无效。迁移时建议先使用社区验证过的通用负面模板，再根据实际生成结果逐步增删。
一套可复用的迁移检查清单
最后把前面的技巧收敛成一份操作清单，遇到提示词迁移需求时按顺序过一遍即可。第一步，确认目标模型的类型和版本，查看官方文档中的提示词规范。第二步，检查专属参数：Midjourney的--参数、SD的权重括号、NovelAI的花括号，全部替换为目标模型的等价写法。第三步，重组结构：图像模型按权重顺序重排关键词，文本模型改写为指令加约束的框架。
第四步，做本地化测试：用同一组种子值生成几个结果对比，观察哪些关键词被模型准确响应，哪些被忽略。第五步，迭代修剪：删掉目标模型不响应的失效词，补充模型偏好的风格词和质量词。整个过程通常两到三轮就能收敛，比从零开始写提示词省时得多。
提示词跨模态迁移看似是体力活，背后其实是对模型机制的深入理解。每完成一次成功的迁移，你对目标模型的分词习惯、权重分配、审美倾向都会有更直观的认识。积累多了，你甚至可以在看到一段提示词的瞬间，就判断出它适合哪个模型、需要怎么调整，这种能力才是提示词工程真正的进阶标志。