AI修图中文提示词的边界：哪些需求它听不懂

AI修图中文提示词最稳的部分，恰恰是最不像中文的部分——「背景虚化30%」「肤色提亮两档」这种带数字的指令，基本百发百中。一旦换成「P得精神点」「修出松弛感」，结果就开始抽签。我从今年3月起专门干这件事：拿几百条中文修图指令喂给手头能碰到的修图工具，成语、量词、方言、网络用语各建一个「听得懂／听不懂」文档，每条至少跑三次再下结论。半年下来感受很明确：模型不是不懂中文，是不懂中文里那些没法直接翻译的部分。

成语：字面义能过，引申义必翻车

成语大约一半能听懂：画面和字面重合的能执行，靠引申义的一律跑偏，把成语改写成白话动作反而是捷径。

我攒了120条成语，全是能挂在修图指令上的那种，比如「整体调成古色古香」「皮肤修得白里透红」。字面义和画面重合的，通过率不低。「古色老香」这种打错字的都能被纠正过来，「白里透红」8月底那次重测五次过了四次。

麻烦的是引申义那批。「眉眼修得顾盼生辉」，它给眼角加了两个高光点，像贴了星星贴纸。「形神兼备」输进去，图一动不动，连参数都没变。「蓬荜生辉」最离谱，直接在背景上撒了一层金色光斑——它真就理解为「要生辉」。说实话，这感觉像一个背熟了成语词典但没怎么用过成语的外国朋友：每个字都认识，连起来全靠猜。

所以我在成语文档的结尾写了一行备注：能改成白话的，别用成语。「古色古香」改成「降低饱和度、偏黄褐色调、加一点暗角」，五次全过。同样的意思，换个说法就是两回事。

量词和方言：翻车重灾区

量词错得最隐蔽：「一点点」「一丢丢」常被当成大改，方言词十个里九个失灵，换算成数字或百分比最保险。

量词是整个测试里最气人的部分。错得隐蔽，你下单的时候以为它懂了。「把亮度提一丢丢」，它提了接近一半，我原图直接过曝。「裁掉一圈背景」，它裁掉了差不多四分之一的画面。「稍微意思一下就行」这句我最想骂——这是我妈发照片让我修时的原话，我原样输进去，饱和度直接拉满，输出红得像过年。你觉得表述已经很客气了，它没有接收这个信号。

方言更惨。东北话的「整精神点」，输出完全随机，五次里三次没反应。四川话的「P得巴适点」，一次直接回了我不理解该指令。粤语写「影得靓仔啲」，全军覆没。后来我对比过国产工具和国外软件在同一批方言词上的表现，国外那款连「磨皮」都要换成英文才稳定执行，中文支持的差距值得单独说，感兴趣可以看我整理的外国软件中文支持实测（AI修图外国软件中文支持）。

话扯远了，话说回来，量词和方言的共性是同一个：它们都是「约定俗成的缩写」，缩的是只有人之间才有的默契。模型没有这份默契，就只能按字面抡。

「帮我P精神点」为什么会变成加特效？

「精神」既能形容人的状态，又被网络语境带成了某种特效风格，模型挑了它见得最多的那条路：加光效。拆成动作清单才能救回来。

这是我今年5月最经典的翻车现场。我把证件照丢进工具，输入「帮我P精神点」，出来的图眼角带着星芒，背景一圈光晕，瞳孔里还有高光亮点，整个像开了「精神特效」滤镜——字面意义上的，给「精神」加了特效。截图发给我朋友，她回了三个「哈哈哈哈」加一句「这是要做法事吗」。

复盘下来原因不复杂。「精神」是个多义词：状态好的精神、精神小伙的精神、照片里那种利落有神的气质，全挤在同一个词里。模型在海量数据里见过最多的大概率是带光效的「精神」修图教程，于是它就往那个方向去了。你觉得模糊，它觉得明确，这才是最要命的错位。

解决办法笨但管用：拆。我把这条指令改写成「去掉黑眼圈、眼白提亮一档、嘴角轻微上扬、头发边缘清理干净」，同一张照片连跑五次，四次达到我想要的效果。从零到五变成五中取四，这就是中文提示词的现实：不是模型不行，是中文一个词里塞的信息太多了。具体怎么拆才高效，我在AI修图描述写法那篇里整理过一套流程（AI修图描述写法），可以直接照着改。

回到开头那句话：中文比想象难，难在它把大量信息藏在字面外面。半年测下来，我的「听不懂」清单确实越来越短了，可细看会发现，缩短的原因多数是我不说中文了——都说数字、说百分比、说动作。这算不算赢，我到现在也没想明白。至少有一点确定：下次你再想「P精神点」的时候，你知道它听到的可能是另一个东西。