GPT Image 2（ChatGPT 影象）提示詞指南：對話式修圖怎麼用

熬夜改一個功能改到第三版，最煩的不是改，是每次都要把前兩版的上下文重新講一遍。ChatGPT 裡的影象生成和編輯——社群一般直接叫它 GPT Image 2——最省心的地方就在這，它記得上一輪你改了什麼，第二輪直接說"再往左挪一點"就行，不用把整段描述重寫一遍。這篇不吹它比誰強，就講實操：gpt image 2 提示詞該怎麼組織，效率最高。

對話式連續修圖，多輪怎麼改

第一輪給完整描述，把主體、場景、風格一次說清楚；第二輪開始，只說"變化量"，不用重複沒變的部分。比如第一輪出了一張照片，第二輪想調整表情，直接說"表情換成微笑，其他不變"，它能接住這個上下文，不需要你把人物穿著、背景全部重新打一遍。這個邏輯跟改程式碼一樣——已經跑通的部分別動，只 diff 變化的那一行。

常見的翻車點是心急，一次性甩出五六條修改要求，指望它一輪全改完。實測下來，改動項超過三條，命中率明顯往下掉，不如拆成兩三輪，每輪改一兩處，改完看一眼再繼續，跟提交小步 commit 是一個道理，出問題也好回溯是哪一步錯的。

還有個容易踩的坑是中途換話題——上一輪在改人像的表情，這一輪突然要求換成完全不相關的產品圖，模型會把之前的上下文當成還在生效的約束，結果兩邊都不乾淨。需要跳轉到新主題時，乾脆開一輪新對話，比硬接在同一串上下文裡省事，也省得回頭排查是哪句話把風格帶歪的。

這張人臉參考復刻案例就是靠多輪對話逐步逼近的，先定構圖，再逐輪校準五官細節，一次到位的機率其實不高，分步來才穩，這類需求在修圖改圖分類裡能找到更多同邏輯的案例。

自然語言描述 vs 引數堆砌，這模型吃哪一套

寫慣了引數化提示詞的人，上來容易犯一個錯——把 GPT Image 2 當成需要堆關鍵詞的模型，一串"4K, 電影感, 超寫實, 高對比"甩過去。它其實更吃人話，直接描述場景發生了什麼、人物在做什麼動作，比堆形容詞管用。舉個例子，與其寫"高階感通勤寫真，都市感，冷淡風"，不如寫"電梯門剛開啟，她穿著通勤裝回頭看了一眼，背景是寫字樓大堂"，後者資訊密度高，模型不用猜你到底想要哪種"高階感"。

這張電梯寫真的提示詞就是按"發生了什麼"來寫的，沒有堆砌形容詞，構圖和神態反而更準，這條思路跟站內提示詞萬能結構公式裡說的"主體先具體"是一回事。

區域性替換與風格化，直接說要改哪塊

改圖這件事，GPT Image 2 的對話屬性用在區域性修改上最划算。不用重新生成整張圖，直接說"背景元素去掉，其他保留"或者"把這塊換成拼貼風格"，它能理解"其他不變"這個隱含要求，不會順帶把沒提到的部分也改了。風格化轉換同理，直接說想要的效果和保留的邊界，比寫一長串風格關鍵詞更精準。

這張撕紙拼貼案例展示的就是區域性風格化的效果，邊緣毛邊和底層畫面的過渡是提示詞裡明確要求保留的，具體的換背景寫法可以參考ChatGPT修圖指令大全這篇，裡面有更完整的指令清單。

動作類的替換也是同樣思路——保留物理邏輯，只換主體。

這張動作替換案例把人物換了但攀爬姿態的物理合理性保留住了，這類創意腦洞類需求，提示詞裡主動寫"保持動作的物理連貫性"這句，比不寫效果穩定得多。

和繪圖類模型的定位差異

GPT Image 2 更像一個"能聊的修圖助手"，起點是已有影象或明確的場景描述，靠對話逐步逼近想要的效果；Nano Banana Pro 這類模型更偏向一次性把結構化長提示詞跑到位，尤其是畫面裡要出現大段文字、或者需要多圖參考保一致性的場景，結構化寫法效率更高。簡單說，邊聊邊改選前者，一次性長提示詞追求精細排版選後者，兩條路線互相不替代，具體差異可以看GPT Image 2 對比 Nano Banana Pro這篇實測對比，跟速度更快的Nano Banana對比可以看這篇。

這張字型排版實驗是 GPT Image 2 處理設計類需求的一個例子，字型和人物的空間穿插關係是靠對話逐步調整位置定下來的，不是一次成型，這類設計素材需求同樣能靠多輪修改逼近滿意的排版。

chatgpt 修圖怎麼用，幾條實操建議

中文提示詞直接能用，不用先翻譯成英文再輸入，這點省了不少事；改圖前先想清楚這輪到底改哪一處，別把新需求和舊需求混在一句話裡；效果不滿意的時候，回頭看是描述模糊了，還是這類需求本身就該換個模型試試——不是所有需求都適合硬跟一個模型死磕。參考圖能上傳就儘量上傳，比純文字描述"跟這張類似"要準得多，模型能直接讀取構圖和配色，不用靠文字二次轉譯。提示詞裡該避免的雷區，負面提示詞指南這篇裡也有講到，同樣適用。

想直接上手試試這套對話式流程，首頁image.faxianai.com可以照著案例改欄位用，模型定位差異更全面的說明在模型百科，全部對比資料在對比專題。