在提示詞裡加一句要求，出圖沒照做。於是把那句話寫得更明確、語氣再加重一點，重送一次，這回照做了，可是畫面裡本來好好的另一樣東西不見了。只要拿文生圖去做規格明確的東西，大概都繞過這個圈：改一次，換一個地方壞，而且每次壞的地方都不一樣。

我們在做的產品，是家長上傳一張孩子的照片，系統就寫出並畫出一本以那個孩子為主角的繪本。其中生日主題的封面是要求最密的一頁：主角要看得出來是本人，要有蛋糕，要有朋友，蠟燭數量最好對得上年紀。這一頁讓我們把「提示詞寫得越用力越有效」這個直覺整個丟掉。

三張封面，同一個角色，只改提示詞

同一份腳本、同一個主角，連續出三次圖，每一輪都把上一輪沒畫出來的那樣東西寫得更用力：

第三次已經動用了管線裡最強的兩個手段：先把要求改寫過再掛上去，還逐項編號數給它聽。結果蛋糕整個消失。

一個生日封面，沒有蛋糕。

這張表要說的事情，我們看懂得很慢：這個渲染器只兌現密集提示詞裡的一個子集，容量大約是「主角加上兩樣額外的東西」。第三樣寫進去，不會變成第三樣被畫出來，只會把本來畫得好好的其中一樣頂掉。

模型會先丟掉哪一樣

朋友、蛋糕、狗、派對帽、彩旗，這些是生日場景的常規家具，幾乎每張都會自己冒出來。「紙做的小客人」和「恰好六根蠟燭」不在常規裡，於是每一次都被預設值頂回去。

被丟掉的不是隨機的，是最違背模型先驗的那一個。

這件事一旦看清楚，「怎麼把話說得更有力」就是死路，因為那等於在跟先驗掰手腕。

最高級措辭會被「買單」

真正讓我們改口的是下面這次。為了讓燭光有氣氛，提示詞裡寫了這麼一句：

蠟燭是畫面裡最強的光源，火焰要贏過每一張臉。

同一個主題，這句話進去之前，蠟燭數量落在五根到八根之間。進去之後：十五根，十二根。

渲染器沒有忽略那句話。它非常認真地兌現了那個最高級：多畫幾根蠟燭，是把「最強的光」畫出來最省力也最正確的解法。順帶還多了兩個沒人要求過的東西。孩子被放到桌面上，因為那樣才構得到蛋糕高度的光。「光是往上散開的」被畫成半空中一道看得見的黃色光柱。三個新缺陷，全部是對一句規格不足的話的合理解讀。

下一版替每個缺陷各補一句反制，然後逐頁量。「不許出現可見光柱」兩頁全中。「腳必須踩在地上」兩頁中一頁，另一頁照樣坐在桌面上。「a handful of candles，不要再多加」完全無效，三頁全是十一根。

最高級不是一句反制句抵消得掉的東西。它在產生需求，反制句只是跟它搶同一份服從預算。第三版的修法是把那個最高級整句刪掉，連同那句量出來無效的反制一起刪。第三版的提示詞比第二版短。

飽和的時候該減字

現在再遇到「某樣東西沒畫出來」，第一步不是改措辭，是先數這張圖總共被要求了幾樣。超過三樣就先當成飽和來處理：排序，砍到兩樣，依據是這個主題到底靠什麼撐起來。剩下的做法有三條。

把元素綁進構圖。不要寫「在孩子旁邊」，要寫「孩子捧在手心裡，而且正看著它」。構圖不依賴的東西，就是會被丟掉的那一樣。

約束白送的，不要新增必需的。蛋糕反正會出現，那就去約束它長什麼樣，而不是把它列進必需清單，再讓它去擠掉別的。

尺寸參照物一定要是保證在畫面裡的東西。更穩的是直接拿主角的身體當比例尺，例如「小到可以捧在她手心裡」。拿一個物件當量尺，渲染器多半會把那把尺也一起畫出來。

蠟燭數量本身，後來連年紀小的也測了一輪。兩歲那本，內頁要求兩根，畫出六根和五根；封面要求一根做成數字造型的蠟燭，畫出九根普通蠟燭，零個數字造型。所以現在的狀態是：文字、內頁、封面三個地方都不出現數字。那支數蠟燭的檢查還留著，測試也留著，只是沒有任何地方在呼叫它。要重新打開它，門檻是「渲染器換掉了」這種證據，不是又想到一種新的措辭。

上面所有的例子都來自我們自己的產品，不是別人的案例。

生日封面之所以最容易踩到飽和，是因為它同時被要求的東西最多。如果你正在找讓孩子自己當主角的生日禮物繪本，我們自己在用的判斷方式跟上面是同一條：先看那張封面上，除了孩子本人以外還被塞了幾樣東西。塞得越滿，能保證畫對的就越少。