旧 prompt 突然不稳：AI 商品图回归失败后，先别急着重写

旧 prompt 在新模型里突然翻车，最危险的处理不是失败本身，而是团队一着急，把能交付的旧方法也一起改没了。别急啊，先别把提示词删空重写。很多返工不是因为你不会写 prompt，而是没有先分清：模型变了、参考图变了，还是商品证据层本来就没锁住。

2026 年 5 月 9 日晚上，我们在西安雁塔区的小工作室做了一轮内部复盘。材料是 37 张脱敏商品图样张，覆盖杯装冷萃、透明手机壳、宠物零食袋和一组白底小家电。它不是行业统计，只是团队实际经验里很典型的一次回归失败：同一批旧 prompt，前一天还能稳定出图，第二天换到新模型后，背景干净了，商品细节却开始发飘。

图注：先把旧 prompt 和样张摆回同一张桌面。

证据一：旧 prompt 没坏，坏的是它默认的“模型脾气”

内部复盘里，小吴先拿 12 张杯装冷萃图做了对照。旧 prompt 里有一句“clean premium condensation”，在上一版输出里只是把杯壁水珠提亮；到了新模型，水珠边缘被修得更规整，像一排透明贴纸。画面更亮，真实感反而弱了。

这个差异很小。运营只看缩略图，会觉得新图更干净；客服放大杯壁，会发现冷凝水变成了装饰纹。问题不在“clean”这个词本身，而在新模型对“premium”的响应更激进。它把“高端感”理解成统一、顺滑、少瑕疵。杯装饮料、电镀小家电、透明手机壳都容易被这类词带偏。

所以第一步不是重写整段 prompt，而是做一张三列回归表：旧模型输出、新模型原样输出、新模型降强度输出。图叮里可以先保留原 prompt，只把风格词降一档，把证据词加硬。例如把“premium condensation”改成“保留杯壁自然水珠大小差异，只清理背景灰点”。这类改法很笨，但它保住了旧流程的可解释性。

如果你想看提示词版本怎么留痕，可以接着看 AI 修图提示词版本管理 SOP。那篇讲命名、变更记录和回滚；本文更关心模型更新后第一小时该怎么止血。

图注：三列对比能看出模型脾气变在哪。

证据二：先回滚变量，不要边救火边发明新流程

真实项目脱敏记录里，透明手机壳那组更麻烦。37 张样张里有 9 张是透明材质，问题集中在镜头孔、边缘折射和磁吸环。旧 prompt 里写了“clear edge, clean reflection, precise cutout”。新模型把边缘修得太干净，孔位旁的真实灰线少了，磁吸环也更像印刷贴片。

如果这时直接把 prompt 改长，通常会越来越乱。小吴那晚试过一次，把“不要改变孔位、不要改变磁吸环、保留边缘折射”连着写进去，输出反而更紧张：模型开始在孔位周围补奇怪的高光。我们后来把变量拆成三组，每次只动一组。

第一组是风格词，只管干净度和质感；第二组是证据词，只管孔位、标签、纹理、接触阴影；第三组是输出参数，只管尺寸、比例和参考图权重。图叮处理这类商品图时，先动第一组，若证据仍漂，再加硬第二组。不要三组一起改。你看起来省了 10 分钟，后面可能多出 2 个小时的返修。

这里和 prompt 漂移的 5 个信号 是同一个底层问题。漂移不一定来自提示词写错，也可能来自模型把同一个词的权重重新排了一遍。遇到这种情况，急活儿最需要慢半拍。

证据三：商品证据层没锁住，模型更新会把老问题放大

第三组是宠物零食袋。团队复盘里，19:40 之后我们把包装袋、封口压痕、口味贴和净含量区域单独截出来看。新模型最爱做的一件事，是把包装褶皱修顺。对普通背景图这算进步；对食品包装图，这可能让克重贴、封口热压线和袋内颗粒感都变得不可信。

池里的小鱼平时接生鲜和餐饮图多，我会更在意这种“看起来更好，但卖货证据更弱”的变化。凉皮外卖、冷萃咖啡、宠物零食，商品图不只是在争点击率，也是在提前回答售后问题。袋口是不是二次封装，杯壁是不是自然冷凝，标签是不是同一批次，这些细节都不能让模型凭审美处理。

所以模型更新后的复盘表里，要加一栏“证据层是否被改写”。不是只写通过或失败，而是写成 4 个动作：保留、降强度、局部回滚、补拍。保留意味着新模型没碰关键证据；降强度意味着画面变漂亮但证据还在；局部回滚说明证据被动过，必须回旧图或用 Photoshop 25.4 手工找回；补拍则说明原图证据本来就不够，继续修只是让问题更像真图。

图注：证据层要写成可执行动作。

这类失败，图叮该怎么接住

我建议把模型更新后的处理顺序写得短一点，别做成几十行大表。第一句：这批旧 prompt 还能不能复用？第二句：新模型最先改坏了什么？第三句：先回滚哪一组变量？第四句：哪类图要直接补拍？

图叮适合承接前两步。它能把同一张商品图按旧 prompt、新 prompt、降强度 prompt 跑出对照，再让运营用放大区域看差异。Photoshop 适合承接第三步里的局部回滚，尤其是标签、小字、孔位、边缘折射这类不能让模型猜的区域。补拍不丢人。原图证据没有拍清楚，AI 再聪明也只能在雾里摸鱼。

这篇文章不是说旧 prompt 一定比新 prompt 好。相反，很多新模型确实更会处理背景、边缘和噪点。我的判断只是：旧 prompt 突然不稳时，先救回可交付路径，再讨论重构。急单里最怕的不是慢，是一边返工一边改地基。

如果你手里有相反的复盘，比如新模型原样继承旧 prompt 反而更稳，欢迎拿出样张、变量和回滚记录来反证。只要证据够清楚，我宁愿改这套判断，也不愿把一次顺手成功当成流程。