---
title: "Platform-Specific Optimization"
type: concept
tags: [prompt-engineering, ai-image-generation, platform]
last_updated: 2026-05-15
---

## Definition

针对不同 AI 图像生成平台（Midjourney、DALL-E、Stable Diffusion、Flux）的特定语法、参数和优化策略，使提示词在各平台上发挥最优效果。

## Platform Comparison

### Midjourney
- **参数语法**：`--ar`（宽高比）、`--v`（版本）、`--style`（风格）、`--chaos`（随机性）、`--no`（负向）、`--iw`（图像权重）
- **多提示词加权**：使用 `::` 语法实现 token 级权重控制（如 `cat::1.5 dog::0.8`）
- **风格引用**：`--style` 参数支持预设风格库
- **优化要点**：强调氛围和情绪词，依赖参数调控技术细节

### DALL-E
- **自然语言优化**：支持完整的自然语言描述，无需特殊语法
- **风格混合**：通过描述性语言融合不同艺术风格
- **优化要点**：详细描述场景和情感，利用自然语言的灵活性

### Stable Diffusion
- **Token 加权**：使用括号 `(token)` 和数字权重 `[token:0.5]` 控制 token 强度
- **Embedding 引用**：通过文本反演（Textual Inversion）引用自定义概念
- **LoRA 集成**：调用特定风格的 LoRA 适配器增强特定效果
- **优化要点**：精细化 token 权重管理，结合 Embedding 和 LoRA 实现精准控制

### Flux
- **详细自然语言**：偏好详细、具体的自然语言描述
- **写实优先**：对写实摄影风格有天然优势
- **优化要点**：提供尽可能详细的场景描述，减少抽象暗示

## Cross-Platform Best Practice

1. 核心五层提示词结构在各平台通用
2. 平台特有参数在提示词末尾添加
3. 测试不同平台的相同核心描述的输出差异
4. 建立各平台成功提示词库，持续迭代优化

## Connections

- [[Five-Layer-Prompt-Structure]] 是跨平台的通用框架
- [[Midjourney]] / [[DALL-E]] / [[Stable-Diffusion]] / [[Flux]] 各自的专属优化
- [[Prompt-Engineering]] 的平台适配层

## Aliases

- Platform Optimization
- Multi-Platform Prompt Tuning
- 平台适配优化