Konsten att skriva prompts för bildgenerering
På denna sida
Lektionen omskriven den 3 november 2026 baserat på xAI:s Image Prompting Guide, skriven för
grok-imagine-image-2.0: motivet kommer före stilen, ljuset beskrivs utifrån sin källa, riktning och hårdhet, en lista över förbjudna objekt ersätts med det du vill se, och en fristående bild beskrivs i fyra till sex meningar. Den tidigare versionen angav en gräns på “1 024 tecken” som inte finns på någon aktuell xAI-sida, och rekommenderade att “specificera vad du inte vill se”, vilket guiden avråder från. Källa: Image Prompting Guide.
Det viktigaste först: motivet
xAI:s guide för prompts anger ett enkelt framgångskriterium: en bild är bra om dess motiv matchar prompten. Färgpalett, kornighet och stil kommer senare. Denna hierarki styr allt skrivande: en prompt som börjar med stämning, filmtyp eller en lista över förbjudna objekt ger en polerad scen runt ett ungefärligt motiv.
Inled med en mening som etablerar motivet: vad det är, dess tillstånd eller form, vad som håller det och var det befinner sig.
- Otydligt: “en tekanna”
- Precist: “En svart tekanna i gjutjärn, med locket på glänt, placerad på en korkunderlägg på ett skifferbord nära ett fönster.”
Beskriv sedan motivet som ett objekt du skulle kunna peka på: varje viktigt element, benämnt efter den form det har i bilden (“en kabelstickad tröja” snarare än “en tröja”); kvantiteter (“två muggar”, “en enda öppen bok”); och betraktningsvinkeln, angiven en gång och entydigt (“trekvartsvy i bordshöjd”, “vertikalt foto ovanifrån”).
En fast sexstegsordning
Guiden föreslår en ordning att hålla sig till från en prompt till nästa, särskilt i en serie:
- Motivet: vad det är, dess form, dess underlag, dekoren
- Detaljer och fokuspunkt: nyckelelement, material, kvantiteter, betraktningsvinkel
- Art direction: stora färgzoner och två eller tre tillbehör, var och en benämnd
- Ljus: dess källa, riktning, hårdhet
- Färger: de som tillhör motivet och de som tillhör bakgrunden, separat
- Komposition: beskärning, vad ramen skär av, vad som hålls skarpt – en enda scen
Skriv allt som löpande text, likt beskrivningen av ett enskilt fotografi. En mening som låter som en instruktion (“gör tröjan mörkare”) fungerar dåligt vid generering: modellen har inget “före” att jämföra med och läser det som ett attribut hos bilden som ska produceras.
Stil, på sin plats
Stil är fortfarande en kraftfull hävstång, förutsatt att den kommer efter motivet. Att nämna en rörelse eller teknik styr utdata:
styles = [
"watercolor",
"impressionist oil painting",
"digital art",
"hyperrealistic photography",
"minimalist flat design",
"manga",
"art deco",
"retro pixel art",
]
Lektion 11 visar hur du beskriver vad som utgör en stil snarare än att bara namnge den, och hur du håller den konsekvent genom en serie.
Ljus: källa, riktning, hårdhet
“Vackert ljus” betyder ingenting för modellen. Beskriv ljuset som en ljussättare: var det kommer ifrån, vilken sida, om det är hårt eller diffust, och hur skuggor och reflektioner ser ut. “Skrivbordslampa till vänster, hårt ljus, skarp pennskugga på pappret” blir ritat; “varm stämning” blir gissat.
Två försiktighetsåtgärder kommer från guiden. Be om en exponering som är ljus nog för att motivet ska vara läsbart: “lätt underexponerat” eller “krossade skuggor” mörkar hela bilden. Och utelämna optiska eller tryckfel – färgkantning, damm, repor – som modellen ritar som verkliga defekter.
Beskriv det du vill se
Beskriv ett material positivt: “patinerad mässing, med ljusare kanter” ger modellen en yta att återge, “inte för ny” ger den ingenting. Samma princip gäller uteslutningar. Guiden noterar att en lång lista över förbjudna objekt lätt ignoreras, och fyller prompten med objekt som ändå dyker upp. Behåll en begränsning endast när den gäller ett antal eller ett specifikt objekt, och koppla den till det du vill ha: “en enda penna, placerad till höger om anteckningsboken”.
Namnge också varje objekt för vad det är – en kopp, en mugg och en skål är tre olika objekt – och beskriv en textur bara en gång: upprepas den hamnar den till slut på fel yta.
Hur långt?
För en fristående bild räknar xAI:s guide med fyra till sex meningar: motivet och dess detaljer, sedan dekoren, ljuset och beskärningen. Detta är inget tak, det är storleksordningen för en komplett beskrivning; xAI:s sidor specificerar ingen maximal promptlängd.
Jämförande exempel
Se skillnaden mellan en grundläggande prompt och en prompt byggd enligt guidens ordning, med OpenAI-klienten konfigurerad i Lektion 1:
# Grundläggande prompt
basic = client.images.generate(
model="grok-imagine-image-2.0",
prompt="a desk",
)
# Strukturerad prompt: motiv, detaljer, art direction, ljus, färger, beskärning
optimized = client.images.generate(
model="grok-imagine-image-2.0",
prompt=(
"A light oak desk holding a turned-off monitor, a potted monstera, "
"and a steaming mug of coffee, seen from a three-quarter view at "
"seating height. The surface shows wood grain and a gray felt desk pad. "
"Off-white wall, shelf on the left with three books. "
"Soft natural light from a large window on the right, "
"light shadows, honey wood and deep green foliage. "
"35 mm photography, entire desk in frame, mug in sharp focus."
),
)
Den första lämnar allt åt modellen: beskärning, ljus, objekt, stil. Den andra bestämmer var och en av dessa punkter, i samma ordning som alla prompts i serien.
Generera eller redigera?
Guiden skiljer på två situationer. Generera när det inte finns någon bild än, eller när själva motivet är fel: ett annat objekt, ett saknat element, fel antal. Redigera när motiv och layout är bra och endast en till tre detaljer behöver ändras: modifieringen först, sedan en mening som behåller samma motiv, samma vinkel och samma beskärning. Redigering behandlas i lektion 5–8.
Iterera metodiskt
Bedöm varje bild mot den ursprungliga prompten, även efter flera försök: är motivet det som namngavs, är varje element synligt i den beskrivna formen, stämmer antalet, är varje objekt det korrekta, är bilden ljus nog för att se motivet? En lyckad bakgrund runt fel motiv är fortfarande ett misslyckande.
Håll prompten bredvid bilden, och ändra vid nästa steg endast den detalj som misslyckades: resten av prompten finns kvar, och motiv och layout flyttar sig inte. Om en korrigering inte fäster, byt ord snarare än att insistera: peka på den del av bilden som ska korrigeras och beskriv vad den ska visa.
response = client.images.generate(
model="grok-imagine-image-2.0",
prompt="Your prompt, modified on a single detail",
n=4,
extra_body={"aspect_ratio": "3:2"},
)
for i, image in enumerate(response.data):
print(f"Variation {i+1}: {image.url}")
Att generera flera variationer av samma prompt (n sträcker sig från 1 till 10) hjälper till att skilja ut vad som håller sig till prompten från vad som beror på slumpen. Behåll också samma aspect_ratio genom en serie, så att bilderna hör ihop.
Viktiga punkter
- Motiv först: en lyckad bild är en där motivet matchar prompten
- Håll en fast ordning: motiv, detaljer, art direction, ljus, färger, beskärning
- Beskriv ljuset utifrån dess källa, riktning och hårdhet, och be om en bild som är ljus nog
- Beskriv det du vill se snarare än en lista över förbjudna objekt
- Räkna med fyra till sex meningar för en fristående bild
- Iterera en detalj i taget, och bedöm varje bild mot den ursprungliga prompten