实话，现在的豆包，做图做视频的能力已经强到离谱。
你随便打一段话，它就能给你生成一张质量不错的图；传一张照片，说一句“让海浪动起来”，它就能给你一段自然流畅的视频。
但问题来了：
为什么同样是用豆包，有些人做出来的东西一看就有“质感”，而你生成的总感觉有点“平”？ 不是工具不行，也不是你不会用。 很可能只是——你缺少一个“提示词灵感库”。
今天这篇文章不聊基础操作，直接讲两件事：
怎么用豆包稳定输出高质量图片和视频（核心思路） 我挖到的一个宝藏网站，专治“词穷”和“没方向” 一、豆包现在能做到什么程度？ 先快速同步一下现状，免得你还停留在“AI做图很随机”的旧印象里。
做图：豆包背后的Seedream模型，已经非常“听话”。你描述一个具体画面，它基本能还原个八九成。光线、构图、风格、人物细节，都能控制得很稳。 做视频：图生视频、文生视频都很成熟。你上传一张图，告诉它“人物慢慢回头，背景的风车转动”，它就能生成一段顺滑的短视频。不需要你懂运镜、调帧率。 也就是说，工具层面已经没有瓶颈了。 真正的瓶颈在于：你能不能把脑子里的画面，清楚地“翻译”成豆包能理解的提示词。
二、写提示词的核心：从“形容词”变成“画面清单” 很多人写提示词的习惯是堆形容词：
一个很酷的女生，科技感，未来，高级，好看。
这种写法不是不能用，但结果很随机。因为“酷”“高级”“好看”太主观了，AI不知道你到底要什么。
一个更稳的方法是：把提示词当成一个“画面清单”，一项一项列出来。
你可以按这个框架来组织：
[主体/角色] + [场景环境] + [动作/姿态] + [风格] + [镜头/构图] + [光线/氛围]
举个例子，你想要一张“深夜便利店外的女生”：
常规写法（碰运气）：
女生站在便利店外，夜景，电影感。
清单式写法（稳定出图）：
一位20岁左右的女生，站在深夜便利店的玻璃门外，手里拿着一罐饮料，微微抬头看天空，穿着宽松的卫衣，日系电影风格，半身中景，暖黄色的店内灯光从她身后透出来，画面安静，略带孤独感。
把这两段分别输入豆包，效果差别会非常明显。第二种基本就是你脑子里的画面，不需要反复抽卡。
三、做视频的提示词思路：把“动态过程”描述清楚 豆包的视频生成也很强，但很多人写视频提示词容易犯一个错：只描述静态画面，忘了说“怎么动”。
比如你上传一张“海边背影”的照片，只写“海浪”，结果可能是海浪乱晃、人物僵硬。
更好的方式是把动态拆解成几个简单的动作：
示例（图生视频）：
照片中的女生缓缓转头看向镜头，海浪从远处涌来拍打在沙滩上，头发被微风吹起，镜头缓慢向前推进，夕阳暖色调，5秒，画面稳定。
示例（文生视频）：
一只橘猫趴在木质地板上，慢慢闭上眼睛又睁开，尾巴轻轻摆动，窗外有阳光照进来，影子随着光线移动，日系家庭风格，竖屏9:16，柔和氛围，无抖动。
豆包会根据这些描述，自动生成符合逻辑的动态。你不需要懂运镜术语，用大白话把“谁、做什么动作、什么效果”说清楚就行。
四、一个我私藏的“宝藏”： 前面讲的框架，你肯定能看懂。但理解框架和实际写出来，中间还是有一道坎：
“我知道要写场景、光线、构图，但一到自己写，脑子就是空的，不知道该选什么词。”
这太正常了。 我自己也经常这样。 我的解决办法不是硬想，而是——找参考，然后改。
别人是怎么描述主体和场景的 用了哪些光线和风格的词 镜头和构图是怎么写的 我的使用习惯特别简单：
先搜一下，找一个跟我想要的效果接近的案例 看它的提示词结构 把主体、场景、风格替换成我自己的需求 举个例子，我想做一个“科技感办公桌”的图，我就去找一个“极简办公”的案例，把“极简白色”改成“深灰金属”，“自然光”改成“屏幕蓝光+侧逆光”。 整个过程可能也就一两分钟，比自己从零开始憋词快太多了。
如果你也经常“词穷”，或者想让自己的豆包作品更有质感，强烈建议去 ccprompt.com 翻一翻。 它就像一个提示词词典，你用它来“查词”“抄结构”，很快就能写出稳定好用的提示词。
五、最后说几句 豆包这个工具，已经到了“只要你描述清楚，它就能做到”的程度。 而“描述清楚”这件事，其实是有方法的： 把提示词拆成具体的画面要素 视频提示词要写出“动态过程” 没灵感的时候，去找现成的案例库“抄作业” ccprompt.com 就是帮你解决“抄作业”这一步的。 一起把豆包玩出花来。