Genie 3 提示詞：撰寫有效的世界描述
基於演示分析與世界模型原理，撰寫有效 Genie 3 提示詞的指南。
嗨，我是 Dora。2026 年 1 月下旬，我在測試一個 Genie 3 版本時，不斷得到輕飄飄、毫無後果感的世界——第一幀畫面很美，但物理效果像在夢裡一樣。我的提示詞在腦海中聽起來沒問題，但輸出結果卻飄移了。門沒有完全打開。重力忘記了自己的存在。
於是我放慢了腳步。我把提示詞當成一份簡短、平白的規格說明來寫，而不是詩。這樣做之後，世界開始變得更有凝聚力。不完美，但更穩定。這就是我現在撰寫 Genie 3 提示詞的方式，框架來自於實際任務中真正有效的方法。
世界模型的提示詞結構
我不再寫華麗的提示詞，而是開始寫簡短、樸素的——那種隊友掃一眼就能理解並付諸實踐的類型。世界模型對此反應良好。我的基本結構包含四個部分：
- 場景設定：在哪裡、什麼時候。保持具體。「黃昏時分的狹窄巷弄」，而非「神秘的都市氛圍」。
- 動態描述：什麼在移動、如何移動。指明力量、限制條件和觸發因素。
- 主體角色：誰或什麼在行動。第一人稱視角還是側視？人類還是物體？有哪些能力？
- 目標／可互動性：這裡能做什麼。門可以打開、拉桿可以拉動、梯子可以攀爬。
我把這些寫成一到三句話，再加上一行限制條件。就這樣。寫得越長，通常越容易出現矛盾（而模型會選錯那個）。
我反覆使用的結構：
- 第一句：具體的地點＋一天中的時間＋光線。
- 第二句：可控制的主體＋鏡頭＋動作動詞。
- 第三句：關鍵互動與結果。
- 限制條件行：1–3 條簡短限制（物理、鏡頭、節奏）。
為何這很重要：世界模型不只是在繪畫，它們在模擬規律。如果你說「快速」又說「穩定」，你在要求兩種不同的節奏。如果你不說重力的方向，它就自己猜。減少歧義有助於模型選擇穩定的預設值。
若想更深入了解 Google Genie 3 如何模擬這些規律及更多內容，請參閱我們的詳細文章：什麼是 Google Genie 3？
告訴我結構有效的信號：
- 在同一種子的 3–5 次生成中，鏡頭抖動減少
- 物體從一幀到另一幀保持質量感（杯子不再飄浮）
- 互動在 6 秒內完成，而不是漫無目的地拖了 15 秒
如果場景持續搖晃，我會先刪掉形容詞，而不是增加更多。越簡單通常越管用。
環境描述技巧
為世界模型描述環境，與為單張圖像設定風格截然不同。以下幾點讓我獲得了更好的效果：
- 用兩三個硬質表面錨定空間。「濕漉漉的鵝卵石地面、左右兩側的磚牆、盡頭的金屬門。」硬質表面提示接觸感、反射和摩擦力。
- 明確指出可互動物件。如果拉桿應該被拉動，就說「胸口高度的可拉式拉桿」。如果門應該向內開，就說明鉸鏈的位置。
- 用人體尺度設定比例。「膝蓋高的路緣石」、「腰部高的欄杆」、「一輛卡車寬的巷道」。模型會根據這些錨點調整動作。
- 指定一個有方向的光源。「門上方的霓虹燈招牌，紫色漫射光從左向右。」這減少了陰影閃爍，並防止鏡頭四處搜尋焦點。
- 將雜亂物件定義為區域，而非清單。「右牆沿線堆疊的板條箱」比逐一列出每個物件效果更好。太多名詞讓場景嘈雜，卻沒有增加有用的行為。
我遇到的阻力：
- 模糊的材質導致物理效果滑溜。「地板」讓角色像在溜冰；「橡膠健身墊」提供了抓地力。
- 過度擁擠的佈局讓路徑規劃混亂。當我在小房間塞進六個道具時，主體在角落附近猶豫不決。
- 缺少光線方向的一天時間描述效果不彰。單獨說「早晨」幾乎無法穩定陰影。
當場景仍然感覺脆弱時，我會增加一個物理線索（例如「風從左向右吹」或「有可見水花的小雨」）。小的物理線索對連貫性的提升，遠比額外的風格詞語更有效。
風格與美學控制
風格很容易成為最先追求的目標。我試著把它留到最後。一旦世界的行為正確了，我才微調外觀：
- 使用一個風格錨點，而非三個。「1990 年代 DV 攝影機」或「柔和的膠片顆粒」。堆疊「電影感、復古、粗糙」會讓動態效果變得混濁。
- 將風格與物理效果結合，而不只是顏色。「手持攝影機帶有輕微的肩膀晃動」既是一種風格，也設定了鏡頭行為。
- 只在必要時提及等效焦距。「28mm 廣角」有時對近距離場景有幫助，但過多的焦距描述可能會壓過動作線索。
- 用動詞增添質感，而非形容詞。「塵埃微粒在陽光束中漂浮」勝過「夢幻、朦朧、空靈」。動詞給模型一些可以動畫化的東西。
與 Runway 的 Gen-3 等純影片模型相比，我注意到世界模型的提示詞對動作和可互動性的反應，比對純粹外觀的反應更強烈。如果你來自 Gen-3，你可能需要減少風格描述，增加空間與動作的描述。
當風格與行為發生衝突時，我會先移除風格。一個樸素但可信的場景，勝過一個美麗但滑溜的場景。
10 個範例提示詞分析
以下是我使用的確切 **Genie 3 提示詞**或其接近變體。我在 2026 年 1 月下旬各運行了 3–5 次，每次只調整一個變數。我將展示提示詞以及實際發生的變化。
寫實場景
- 「黃昏時分的狹窄巷弄，濕漉漉的鵝卵石地面，左右兩側的磚牆。第一人稱步行速度朝向閃爍霓虹燈招牌下的金屬門前進。伸手握住把手，向內推開門。」限制條件：穩定手持，小雨，重力向下。
結果： 門能可靠地在約 4–6 秒內打開。小雨有助於呈現摩擦感：腳步聲不再滑動。如果沒有「向內推」，門有時會往錯誤方向擺動。
- 「深夜的小廚房，頭頂日光燈嗡嗡作響。第三人稱，腰部高度的鏡頭跟拍一個人端著冒著熱氣的馬克杯走向木桌。把杯子放下：小水花：蒸氣盤旋。」限制條件：無鏡頭推軌，輕微碰撞聲，穩定陰影。
結果： 蒸氣和小水花在 5 次中的 4 次出現。如果我忘了說「木桌」，杯子在光滑表面上會稍微滑動。指定材質很重要。
- 「非尖峰時段的地鐵月台，冷白色照明。側視角，一名通勤者跨過黃色安全線，停下，然後退回。」限制條件：速度恆定，無跳切。
結果： 清晰的踏步與糾正動作。當我移除「停下然後退回」時，模型即興發揮了揮手或查看手機，雖然合情合理，但不是重點所在。
- 「有地毯地板和右側玻璃牆的辦公室走廊。第一人稱慢跑到密碼門：手輸入 PIN 碼：門咔噠一聲打開。」限制條件：輕微呼吸聲，手腕高度的密碼鍵盤，重力向下。
結果： 「手腕高度的密碼鍵盤」效果最好。沒有這個描述，手會向上飄。呼吸聲（即使只是一個詞）也能調整節奏，有助於避免機械式的動作。
- 「低矮天花板、光澤混凝土的停車場。第三人稱視角，一個滾動的行李箱撞上減速帶，搖晃，然後穩定下來。」限制條件：固定鏡頭，輕微回音，一致反射。
結果： 只有當我說「撞上減速帶」時，搖晃效果才會出現。如果我寫「越過一個凸起物」，輪子搖晃通常就消失了。帶有接觸線索的動詞有所幫助。
風格化環境
- 「正午時分的側捲軸紙立體模型城市。紙板建築，滑輪上的彩繪雲朵。一個剪影角色跑動並拉動一根紅色拉桿：一座吊橋降下。」限制條件：視差層次，清晰邊緣，重力向下。
結果： 拉桿與橋的序列乾淨俐落。當我要求「復古水彩＋紙板＋油墨」時，邊緣開始滲色，橋也出現卡頓。一個風格錨點保持了機制的完整性。
- 「溫暖夕陽光線下的低多邊形沙漠峽谷。第三人稱視角，一個球形化身從沙坡上滾下，向左轉上一座木板橋。」限制條件：滾動速度恆定，沙地輕微打滑，無鏡頭旋轉。
結果： 轉彎動作在 5 次中的 3 次奏效。增加「無鏡頭旋轉」消除了一個惱人的傾斜效果，那個傾斜讓坡度看起來比實際更陡。
- 「等距視角的溫馨酒館，像素藝術，32 色調色盤。一個酒保精靈擦拭吧台；一個顧客精靈揮手；一塊懸掛的招牌在門打開時搖擺。」限制條件：固定等距鏡頭，1 個搖擺週期。
結果： 當我指定「1 個搖擺週期」時，搖擺同步效果最好。沒有這個描述，招牌搖擺太久，將注意力從精靈身上轉移走了。
- 「薄霧中的水墨風格森林小路。第一人稱步伐跨過一根長滿苔蘚的原木，鏡頭隨著步伐下沉，然後回復。」限制條件：輕柔腳步聲，緩慢的頭部晃動，霧氣保持稀薄。
結果： 鏡頭下沉很好地呈現了跨步感。增加「霧氣保持稀薄」防止了模型用戲劇性的濃霧遮住原木。
- 「復古 DV 攝影機風格的滑板公園，午後。第三人稱跟拍，一名滑板手越過一個小路緣石做 ollie，落地，輕微的輪子震動聲。」限制條件：手持抖動幅度小，路緣石踝部高度，陰影拉長。
結果： 「路緣石踝部高度」修正了比例，改善了 ollie 的高度。沒有這個描述，技巧有時變成一個跳躍，卻沒有與路緣石的接觸。
迭代注意事項：
- 我對每個提示詞進行了有無某一限制條件的測試。移除「重力向下」讓場景再次感覺飄浮，在巷弄和滑板公園場景中尤為明顯。
- 較短的提示詞表現優於較長的。我的大多數提示詞約 30–45 個英文詞加上限制條件。
- 種子值（在可用時）幫助我比較變化。我保留了一個小型網格：3 個種子 × 2 個變體，每個想法約 6 次運行。聽起來很繁瑣，但實際上節省了時間。
一些我無法解決的限制：
- 精確的文字（如密碼鍵盤上的數字）始終模糊——我專注於動作，而非清晰度。
- 長而多步驟的謎題（三個或更多互動）往往在第二步就開始飄移。拆分成更小的片段效果更好。
- 高度反光的地板有時會讓陰影在鏡頭切換間融化。指出「一致反射」有所幫助，但並非每次都能解決問題。
