AI 產圖真正的門檻，不是會不會堆出一串華麗形容詞，而是能不能把視覺需求寫成可生成、可修改、也可驗收的規格。好提示詞的價值不只在第一張圖好看，更在於換尺寸、換背景、換情境時，團隊仍能穩定重做，不必每次都靠運氣。
OpenAI 的 Image Prompting 官方指南把方法說得很務實：先定義要什麼圖，再描述主體、構圖與可見細節；做圖片編修時，還要把「要改什麼」和「什麼不能動」分開。本篇將這套方法整理成台灣企業可直接使用的中文流程，並補上商品照、社群素材、B2B 零件圖與內部驗收的實戰做法。
先決定用途，提示詞才有方向
同一個產品，官網首圖、蝦皮商品圖、展覽海報與業務簡報需要的構圖完全不同。官網首圖通常要預留標題區；電商主圖重視產品辨識與乾淨背景；社群貼文要在手機小尺寸仍看得懂；技術型簡報則要讓零件、箭頭與標示關係清楚。提示詞第一段若只寫「請生成一張漂亮的商品照」，模型不知道真正的交付標準。
- 用途：官網首圖、社群貼文、型錄、簡報、教學圖，或廣告素材。
- 觀看情境：桌機、手機、投影幕，或印刷品。
- 交付規格：橫式或直式、是否留字區、背景是否透明、是否允許出現人物。
- 驗收目標：文字必須正確、產品不能變形、品牌色要一致，或情境必須符合產業。
把官方原則整理成五層提示詞
官方指南列出八項基礎原則，包括定義結果、使用可維護格式、描述可見細節、交代人物與構圖、指定文字、區分修改與保留、說明參考圖角色，以及一次只調整一件事。實務上可把它濃縮成五層：用途與交付物、主體與動作、構圖、可見細節、限制與驗收。
「可見細節」尤其重要。與其寫「高級感」，不如描述霧面紙盒、柔和側光、乾淨陰影、白色與墨綠配色；與其寫「專業工業風」，不如描述明亮工廠、白色工程塑膠零件、不鏽鋼工作台與清晰刻度。模型看到的是具體畫面條件，不會自行理解企業內部對「質感」的默契。
可直接複製的中文提示詞模板
下面模板可用於新圖生成，也可作為行銷、設計與客戶之間的需求確認單。沒有需求的欄位可以刪除，不要為了長而硬填。
用途：這張圖會放在哪裡，誰會看到？
交付物：橫式／直式、尺寸、是否透明背景、是否預留文字區。
主體：主要產品、人物、物件與數量。
場景與動作：主體正在做什麼，位於什麼環境。
構圖：鏡位、視角、景別、主體位置、留白方向。
可見細節：材質、光線、顏色、表面、季節、攝影或插畫媒材。
文字（逐字）："必須出現的文字"，位置與字體感；不要增加其他文字。
參考圖角色：哪張圖負責產品外觀、人物、姿勢、配色或構圖。
只修改：此次允許變更的項目。
必須保留：不可改動的產品、人物、標誌、尺寸與背景元素。
不要出現：禁止文字、浮水印、錯誤零件、額外人物或不合情境物件。
驗收標準：交付前要逐項核對的事實。例如 B2B 商品主圖可以這樣寫：用途是官網型錄；主體是一只白色 PTFE 加工環；45 度俯視、中近景、產品置左並在右側留標題空間；保留原圖中的孔位、比例、邊角與表面紋理；只把背景改成淺灰實驗室工作台；不要新增螺絲、孔洞、文字或品牌標誌。這種寫法直接對應驗收項目，比「做成科技感商品照」可靠得多。
圖片編修的核心：把變更與保留分開寫
圖片編修最常見的失敗，不是背景不好看，而是模型順手改了不該動的東西。官方建議明確說明要改的內容，以及其餘必須維持不變的部分。對人像要保留身分特徵、姿勢或服裝；對商品要保留包裝、標籤、形狀與材質；對工業零件更要保留孔位、尺寸關係與數量。
多輪編修還會產生漂移：第一次只換背景，第二次調光，第三次移動產品後，外型或細節可能逐步偏離。做法是每輪只改一個變數，重述關鍵保留條件，並在每次輸出後比對。若需求是像素級不變，例如正式商標、法規標示、精密尺寸圖或必須逐字正確的包裝，單靠提示詞不一定足夠，應保留原始圖層、遮罩或用影像合成工具處理。
Flare、Sunburst 與兩種 API 怎麼選
依 OpenAI Image Generation 官方指南，Image API 適合一次性的生成或編修；Responses API 適合對話式、多輪的圖片工作流，模型可在生成與編修之間持續承接上下文。模型面向上，GPT Image 2.5 Flare 側重速度與日常任務；Sunburst 側重高品質、複雜構圖與精確編修。
- 社群草稿、構圖探索、大量候選：優先用 Flare，先快速確認方向。
- 正式商品圖、精確編修、複雜文字與高品質交付：優先評估 Sunburst。
- 一次生成或一次編修：使用 Image API，流程單純。
- 需要連續討論、逐輪微調或在既有結果上修改：使用 Responses API。
- 模型、品質、尺寸與背景屬於 API 參數；不要全部塞進自然語言提示詞。
企業的實用策略不是所有圖都用最高品質，而是先用快速模型做方向稿，通過構圖與內容審核後，再把少量入選版本交給高品質模型。測試時一次只調一個參數或一段提示詞，否則無法知道品質改善來自哪一項改動。
台灣企業情境一：食品、保養品與電商商品照
食品、茶飲、保健品或保養品品牌，常要把同一產品延伸成官網橫幅、電商方圖、限時動態與節慶貼文。最有效率的做法，是先建立一份品牌提示詞底稿：包裝參考圖負責產品外觀，品牌規範負責色彩，情境參考圖只負責構圖。每個渠道只改尺寸、留白與場景，不重寫產品事實。
這類素材的風險是標籤文字、容量、成分或食品外觀被模型改動。即使提示詞已指定逐字文字，正式上線前仍要放大核對；法規文字與條碼最好由設計工具覆蓋原稿，不把生成結果直接當最終包裝。AI 可以負責場景與版本延伸，但不能取代商品資料審核。
台灣企業情境二：製造業零件、設備與型錄
製造業可用 AI 統一背景、清除雜物、生成應用情境或把零件照片整理成型錄視覺。例如工程塑膠、密封件或機械設備，可以要求保留幾何、孔位、顏色、表面加工與零件數量，只修改背景、光線和擺放方式。業務在詢價或展覽前能更快產出清楚素材，不必每次重拍整套照片。
但工程圖片不能只看起來合理。若圖片會被用來判斷規格、加工方式或安裝位置，必須由工程或品保人員對照原始照片與圖面。AI 圖可以作為行銷示意，不能偷偷變成技術證據。提示詞內也應寫明「不得新增孔洞、牙紋、接頭、量測數字或安全標誌」，降低模型自行補完的空間。
企業流程要驗收，不是生成完就交件
當 AI 產圖從個人嘗試進入企業流程，提示詞只是其中一環。團隊還需要保存參考圖、提示詞版本、模型與參數、產出用途、修改紀錄與核准人。這些資訊能讓下一次重做有依據，也能在錯字、侵權疑慮或產品不符時追查原因。
- 確認用途、渠道、尺寸與留白，不讓同一張圖硬套所有版位。
- 逐字檢查標題、包裝、數字、品牌與法律必要文字。
- 對照參考圖，確認人物身分、產品幾何、顏色與材質沒有漂移。
- 檢查是否多出手指、零件、標誌、浮水印或不合情境的物件。
- 保存原始素材、提示詞、模型、參數與每輪修改結果。
- 由內容負責人核准；技術產品再由工程或品保複核。
- 上線後依實際點擊、轉換或詢問品質評估，而不是只憑主觀好看。
若關心內容來源，可參考 OpenAI 的 Content Provenance 官方說明。官方驗證工具可檢查 C2PA 或 SynthID 等訊號，但「未偵測到」不代表內容一定是人類製作；截圖、壓縮與格式轉換也可能削弱訊號。因此企業仍應保存原始檔與內部產製紀錄，而不是把單一檢測結果當成絕對證明。
Interact Vision 的產品映射：把提示詞變成可管理流程
對企業而言，真正可擴充的做法，是把這套提示詞結構放進可管理的 Agent 與工作流。Interact Vision 可協助企業把品牌規範、產品資料與禁止事項整理成知識庫，由 AI 起草圖片需求或內容版本，再交給指定角色覆核；也能依網站、LINE、Telegram、WeChat 或內部作業情境，分配不同 Agent、權限與輸出規則。
這樣的重點不是讓 AI 自動產更多圖，而是降低溝通成本：行銷知道該填哪些欄位，設計知道哪些內容不能改，主管知道誰核准，後續也能查回使用的知識、版本與修改紀錄。當企業需要批次產生商品素材、客服圖片或多渠道內容時，品質才不會隨人員與批次大幅波動。
結論：把提示詞當成可驗收的視覺規格
寫 AI 產圖提示詞最實用的原則，可以濃縮成三句：先說用途與結果，再描述畫面能看見的事實；做編修時，把允許變更與必須保留分開；每輪只改一件事，產出後逐項驗收。掌握這個結構後，模型與工具即使更新，團隊仍保有一套可重複的方法。
AI 圖片可以很快，但企業內容不能只求快。真正能省時間的，不是少做一次檢查，而是從需求、參考圖、生成、編修到核准都有清楚欄位。當提示詞成為規格，AI 才會從偶爾驚喜的創作工具，變成能穩定支援行銷與營運的生產流程。
