必须精准锚定形制、配色、材质和姿态四维度：形制需明确朝代款式、结构细节并排除干扰；配色用传统色名+材质组合，加光线质感关键词；姿态限定视角构图、肢体动作及数值化比例。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在Figma中用AI插件生成符合汉服审美与结构逻辑的人像图，必须让提示词精准锚定形制、配色、材质和姿态四个维度，否则AI容易输出混搭风或现代服饰元素。
明确汉服形制关键词
第一步：在提示词开头强制锁定朝代与款式，例如写“【明制立领斜襟褙子+马面裙】”，不能只写“汉服”或“古风服装”。后者会让AI自由发挥，大概率生成唐风齐胸襦裙或清装改良款。
第二步：补充典型结构细节，如“交领右衽”“袖宽三尺”“裙门绣缠枝莲纹”，这些是形制识别的关键锚点。AI模型对“右衽”理解稳定，但对“宽袖”可能误判为现代泡泡袖，所以需量化——写“袖口宽于肩宽1.5倍”比“宽袖”更可靠。
第三步：排除干扰项，直接加否定词：“no collarless, no modern jeans, no zippers, no lace trim”。Figma AI插件（如Galileo或Cody）的文本理解仍依赖强否定，漏掉“no zippers”可能导致腰间出现隐形拉链结构。
控制色彩与材质表达
方法一：用传统色名+材质组合，例如“月白缎面褙子+秋香色暗花马面裙+银红织金云肩”。避免写“浅蓝色丝绸”，因“浅蓝”在不同模型中映射色值偏差大，“月白”是明代《天工开物》记载的标准色名，AI识别更稳。
方法二：指定光线与质感关键词，如“soft studio lighting, matte silk texture, slight fabric drape on left hip”。这一步常被忽略——不加“matte silk”时，AI倾向生成反光化纤感；不提“drape”，裙摆易呈硬质纸片状。
注意：禁用“高清”“8K”等泛泛描述。Figma AI插件不解析分辨率指令，反而会挤占有效词位，导致形制关键词被截断。
校验人像姿态与比例
第一步：限定视角与构图，“full-body front view, centered, feet grounded, slight weight shift to right leg”。AI生成侧身或仰视图时，马面裙褶皱逻辑会崩坏，必须锁死正面站姿。
第二步：绑定肢体与服饰关系，“left hand holding sleeve edge, right hand resting on waistband”。空手站立时，AI常让手臂穿透衣料或袖口悬空，给出具体手部动作能强制模型计算布料牵拉关系。
第三步：检查比例约束，“Hanfu robe length covers ankles, skirt width 2.3x shoulder width”。数值化描述比“长裙”“宽裙”更有效——测试显示，未加数值时裙摆宽度标准差达±37%，加入“2.3x”后收敛至±8%。
