提示词结构 标签页

作者用 NanoBanana 让模型充当“冷门好看漫画推荐官”，一次性列出 4 部恶魔题材的隐藏宝石作品，并用 2x2 网格的形式排版，每格对应一部作品，还为主角设计成 Nendoroid 风格黏土小

作者分享了一条偏长但效果很可爱的 NanoBanana 提示词，用“candy_sketch_pop_world”风格，把外星题材的好莱坞电影做成 16:9 的 2×2 宫格图，每格像糖果色黏土场景

作者用模块化结构做街拍提示词，让 AI 自主生成路人、城市环境和动作，并对比了 GPT Image 2 与 NanoBanana Pro 的效果。核心是把“陌生人、城市语境、无意识行为、拍摄介质、并置

原推展示了一个有趣的提示词结构：让模型先“分析主题”，再从中提取轮廓和内部节奏，自动生成 2x2 栅格，4 个与原主题相关但不直接侵权的 AI 推断话题。这类结构思路，可以帮助我们在做 IP 延展、品

作者分享了一种更易读、又能出好图的混合提示词结构：用简单的一句话，就能让 NanoBanana 在一张图里生成多场景网格排布。这类结构非常适合做情绪板、场景对比或一屏多方案展示，对做视觉方案、概念设计

作者分享了一个给漫画和电影粉丝用的 2x2 网格提示结构，可以一次性用 NanoBanana 生成同一 IP 下不同风格的角色形象。核心思路是：先指定一个作品（电影/游戏/漫画），模型先分析出标志性角

这组图把「奇异经典车」做成 2x2 网格，一次输出四台不同造型，通过统一结构的 Prompt 来控制系列感：固定车类 + 可变细节 + 统一“英雄车”质感。画面偏电影级、广告感强，非常适合作为车辆系列

作者用同一提示词对比 NanoBanana 与 GPT Image 2 的效果，生成 2x2 网格、按不同主题做物品平铺（knolling）图。GPT Image 2 的理解和排布更到位，说明这类“结

这条案例展示了如何用「CONSTITUTION + identity_lock」结构，把参考照中的人物脸型精确锁定到生成图上。通过指定“优先级最高”和“保持 100% 面部几何结构”这种规则，可以在多

作者用同一段提示词分别喂给 NanoBanana 与 GPT Image 2，发现两边生成风格差异很大，但都各有魅力。这里的核心结构是：用“权重加法”组合两个视觉概念，并在 2x2 网格中展示 4 本