用 JSON Prompt 构建 3D 图标：结构化提示词的强大实践

以生成 Jelly 风格 3D 图标为例，深入解析 JSON Prompt 的写法与最佳实践，让你的 AI 输出更精准、更高效。

2025/08/03 • AI • 14 分钟 • 3137 字

最近在 x.com 上看到一则关于生成 3D 图标的 JSON 格式提示词，让我产生了浓厚兴趣。此前我接触到的提示词大多是自然语言描述，或者仅用简单的标签区分系统和用户输入，而像这样结构化的 JSON Prompting 还是第一次见到。实际尝试后，发现这种方式的效果确实非常出色。

下面是我试用改提示词生成的图标，分别是千问、VS Code 和 Obsidian，可以看到这三个图标在风格上保持了一致性，同时又能清晰地表达各自的品牌特色，唯一有点区别的是背景色调——千问的背景色比起另外两个更加暗淡了一些。

使用 JSON Prompt 生成 3D 图标：Qwen、VS Code 和 Obsidian
使用 JSON Prompt 生成 3D 图标：Qwen、VS Code 和 Obsidian

相比传统自然语言提示词（prompt），这种“结构化”的方式更清晰、稳定、强大，特别适合需要精细控制的图像生成任务。在这篇文章中，我将以一个 Jelly 风格的 3D 图标生成为例，详细解析 JSON Prompt 的写法和最佳实践。

什么是 JSON Prompting？

JSON Prompting，顾名思义，是用 JSON 的格式撰写提示词，将任务目标、渲染细节、输出要求等用结构化方式传达给模型。它不是一句话的模糊请求，而是一个"输入说明书"，就像开发者写配置文件一样。

我使用如下 JSON Prompt 来生成图标：

{
    "style": "Jelly 3D Icon",
    "object": "User-uploaded logo or emoji (Qwen)",
    "base": {
        "shape": "Rounded square",
        "material": "Soft translucent jelly-like material",
        "color": "A strong contrasting color to icon (e.g. purple, green, blue)",
        "lighting": "Inner glow and soft ambient shadows that gently fade outward"
    },
    "icon": {
        "material": "Jelly/glassy translucent look, softly glowing from within",
        "color": "Brighter tone or brand color, always with a jelly-glass texture",
        "depth": "3D extruded with rounded edges and subtle bottom shadow",
        "placement": "Centered with even padding inside base"
    },
    "render": {
        "camera": "Front orthographic view with centered framing",
        "lighting": "Studio-quality lighting with soft top-left highlight and directional drop shadow underneath icon",
        "shadow": {
            "style": "Soft diffused base shadow with slight blur",
            "position": "Directly under icon, slightly offset down",
            "opacity": 0.15,
            "spread": "Medium, matching other icons in set"
        },
        "background": "Soft warm grey or pastel cream for consistency",
        "dimensions": "1:1 square ratio, minimum 1024x1024",
        "file_format": "PNG"
    },
    "style_notes": "Ensure consistent lighting and shadow softness across the set. Shadows should appear slightly beneath and behind the icon with soft blur — matching the Spotify, Camera, and Weather icon samples exactly. Avoid flat or harsh shadows. Emphasize clean separation between icon and base through shadow and depth."
}

为什么要用 JSON 格式，而不是自然语言？

  • 结构清晰：每个需求独立成字段，避免遗漏和歧义。
  • 机器易解析：AI 更擅长理解结构化数据，参数定位更准确。
  • 便于复用：模板化、批量生成和修改更方便，适合标准化场景。
  • 沟通高效：像需求文档一样，团队成员一看就懂。
  • 易于自动化：方便用脚本生成、校验和分析。

自然语言适合创意任务，JSON 格式适合精确、标准、可控的内容生成。两者可结合使用，根据需求选择。

这段 prompt 看似复杂，其实是由多个语义清晰的模块组成。下面我们逐个拆解。

字段结构与写作要点解析

在了解了整体结构和优势后，我们可以更细致地拆解每个字段的作用和写作技巧。下面将逐项解析 JSON Prompt 的各个部分，帮助你掌握结构化提示词的核心要点与实用写法。

1. 顶层参数：任务风格与目标对象

"style": "Jelly 3D Icon",
"object": "User-uploaded logo or emoji (Qwen)"
  • style 决定视觉基调，是整个图标风格的锚点；
  • object 明确了要被图像化的核心元素，尽可能具体，例如"logo"或某个 emoji 表情。

最佳实践：

  • 使用项目中已有的视觉语言关键词（如"jelly"、“glass”、“3D extrusion"等）；
  • 对对象的描述避免泛泛，要尽量明确具体。

2. base 区块：定义图标底板

"base": {
    "shape": "Rounded square",
    "material": "Soft translucent jelly-like material",
    "color": "...",
    "lighting": "..."
}
  • 这部分用于设置 icon 背后的底板样式，包括形状、材质、颜色和光照；
  • 非常适用于生成多个统一风格图标时保持一致性。

最佳实践：

  • shape 使用常规图形（如圆角方、圆形等），有助于保持现代风格；
  • color 可以使用对比色引导，例如"strong contrast to icon”。

3. icon 区块：定义图标主体

"icon": {
    "material": "...",
    "color": "...",
    "depth": "...",
    "placement": "..."
}
  • material 与 depth 共同定义图标的质感和立体层次；
  • placement 用于居中并维持边距对称，强调图形对齐和审美平衡。

最佳实践：

  • 使用 depth: “3D extruded” 明确建模方式；
  • 统一材质表达，比如都为 jelly-glass 系列，能让图标呈现果冻般通透感。

4. render 区块：定义渲染方式与输出格式

"render": {
    "camera": "...",
    "lighting": "...",
    "shadow": {...},
    "background": "...",
    "dimensions": "...",
    "file_format": "PNG"
}
  • 控制图像生成的"拍摄视角"和"工作室灯光"效果；
  • shadow 子字段提供高度可控的阴影设置；
  • dimensions 和 file_format 保证输出用于网页或印刷时的稳定性。

最佳实践：

  • 始终指定分辨率（如 1024x1024），防止 AI 生成模糊图；
  • 使用 background: pastel cream 统一背景风格，避免杂乱。

5. style_notes：设计师级别的主观审美引导

"style_notes": "Ensure consistent lighting and shadow softness across the set..."

这一段让 AI 理解美学意图，虽然是补充说明，却能在高质量模型中起到很大作用。

最佳实践：

  • 模拟你正在对一个人类渲染师下达风格指南；
  • 多使用相对概念词（如"avoid harsh shadows", “match Spotify-style icons”）。

写作总结：JSON Prompt 的通用模板

你可以将这套模式复制到其他内容生成任务中，比如：

{
    "task": "generate image",
    "style": "3D glass icon",
    "object": "light bulb emoji",
    "base": { ... },
    "icon": { ... },
    "render": { ... },
    "style_notes": "..."
}

无论是生成图标、产品展示图还是网页插图，只要结构化表达得当，AI 的输出会更精准。

JSON 提示词的核心优势

JSON 提示是一种结构化的向 AI 传达需求的方式，与常规模糊的指令不同，它通过特定格式清晰地列出任务需求。例如，想要写一篇关于某个应用的公众号文章，常规提示可能是"写一篇关于[应用名称]的公众号文章"，而 JSON 提示则像"{‘任务’: ‘写公众号文章’, ‘主题’: ‘[应用名称] 应用’, ‘长度’: ‘短篇，1000 字以内’, ‘语气’: ‘专业但亲和’}"，详细说明了任务、主题、长度和语气等要求。

JSON 提示的优势主要体现在以下几个方面：

  1. 清晰明确：它避免了 AI 对模糊词汇的猜测，如"有趣"这类词在常规提示中可能让 AI 理解模糊，但 JSON 提示可精确界定需求。
  2. 符合 AI 处理习惯：JSON 格式与 AI 训练所基于的代码类似，符合 AI 处理数据的习惯。
  3. 节省时间：使用 JSON 提示能节省时间，无需多次调整提示以获取满意结果。

JSON 提示词的使用方法

在使用 JSON 提示词时，应遵循以下原则：

  1. 使用清晰标签：明确写出"任务"并阐述具体任务，如"写公众号文章"。
  2. 详细阐述：添加诸如受众、风格等细节信息。
  3. 将大任务拆解：对于复杂任务，通过嵌套部分将其细化。

比如为创业者朋友获取书籍推荐，可使用"{‘任务’: ‘推荐书籍’, ‘主题’: ‘更好的思维’, ‘受众’: ‘创业人士’, ‘格式’: ‘5 本书，每本附带简短的一句话总结’}“这样的 JSON 提示。

JSON 提示词与常规提示的对比

以撰写关于个人创业者保持专注的公众号文章为例，先使用常规提示"写一篇关于创业者专注力的公众号文章”，得到的内容普通、缺乏特色；而后使用 JSON 提示，详细规定平台、主题、结构和语气等，结果生成的文章以引人入胜的问题开篇，包含具体实用的技巧和真实案例，结尾还引发了大量读者评论，充分体现了 JSON 提示在生成特定平台内容时的优势。

JSON 提示词的适用场景

JSON 提示适用于需要精确控制 AI 输出的场景，能让用户清晰地传达需求，获得符合预期的结果。但在需要创意和自由发挥的内容创作方面，如创作充满想象力的儿童故事或科幻小说创意，它并不适用，此时常规的自由提示更能激发创意。

结语：结构化提示词是更工程化的创作方式

使用 JSON Prompt 的过程让我意识到一个趋势：我们需要的不只是"让 AI 懂你"，而是"教 AI 明确做事"。

相比自然语言那种带有不确定性的"请求式"对话，JSON Prompt 更像是一个规范、一个参数表、一个需求文档。这种方式尤其适合开发者、设计师、产品经理等需要构建稳定创作链条的人。

如果你也在做多图生成、多场景文案、内容模板化创作，不妨试一试 JSON Prompting。你会发现，它不仅让 AI 输出更强，也会让你自己思路更清晰。

文章信息

最后更新 2025/08/03 编辑页面 AI Prompt Engineering JSON 3D 图标 设计

文章导航

相关文章

评论区