GPT Image 2.5 参考图怎么给：四类参考的分工与选图要求

这一页讲「给之前」那一侧：参考图不是给得越多越准

除了从零生成和局部修改，日常还有第三种动作：把几张图放进去，让它照着来。这个动作看着最省事 —— 挑几张觉得对的图，剩下交给它。实际恰恰相反：这一步之后所有结果的上限，都由这几张图定了。

常见的默认做法是「多给几张，总能挑到有用的」。但参考图不是候选池，每一张都会被读进去。几张各自说得不一样的图放在一起，得到的是它们之间的折中，而不是其中最对的那一张。

这一页只讲给图之前那一侧：一张图该不该给、它替你说哪一句话、几张之间怎么分工。参考图给多了会带来什么，成因已经单独整理过，见精准编辑翻车 7 类原因与规避方法；数量与分辨率这类硬上限属于另一层，列在GPT Image 2.5 局限清单里。

一张参考图只承担一个职责

判断一张图该不该给，只需要问一句话：它在替你说哪一句。「东西摆在哪个位置、画面怎么切」是一句，「这个对象长什么样」是另一句。一张图通常只把其中一句说得清楚。

让它同时承担两句，它就必须在这两件事上同时像 —— 而它本来只是恰好长成这样。为了同时满足两句，结果只能向中间收，两件事都不够像。这不是取舍失误，是输入本身就没有给出可分辨的信息。要让它只做一件事，得先由你把这件事说清楚 —— 归好类的那一张，往往更容易被读对。

这条原则能筛掉一批图。那些「整体感觉不错、一时说不出哪里好」的图，多半同时带着构图、色调与内容三重信息：放进去以后，既拿不准它换掉了什么，也没法把其中一件单独去掉。

四类参考，各自要什么

把参考图按职责分成四类，选图这件事就具体了。

构图参考。 它回答位置关系与画幅：主体在哪、占多大、景别多远、视角是平视还是俯视。这类参考不要求清晰，线条草图就够，因为它要传达的是摆法，不是细节。反过来，一张拍得很讲究的照片当构图参考，会把它的色调与光位一并带进来 —— 那已经越到另一类去了。纯讲构图这一类的可复制写法，收在Sketch 草图生图提示词里。

主体参考。 它回答「要像谁」：形状、可辨识特征、结构细节。这类图要的是干净 —— 单一对象、边缘清楚、背景不抢戏。同一个对象有多个角度时，挑离得最近、遮挡最少的那一张，而不是最好看的那一张。

材质与质感参考。 它回答表面看起来什么样：面料、金属、玻璃、木纹，以及光泽是软是硬。这类图要近景与均匀光照，表面信息才更准确；远景或强反光会让信息失真，看了等于没看。

风格与色调参考。 它回答「整体像哪一类」：配色、明暗关系、质感倾向。这类图可以取自别人完成的作品，因为你取的是那一类观感，不是它的内容。取这一类时，更适合选画面内容与你无关的图 —— 越无关，内容被一起带进来的可能性越低。

四类之间没有高下，只有「这一步需要哪一类」。把图归错类比不给更费事：它会让模型认真地照着错的那一项去对齐。

参考图与原图：两张图坐在不同位置上

编辑的时候，手里其实有两种图：一种是要改的原图，另外是要像的参考图。两者不是同类 —— 原图回答「它现在是什么样」，参考图回答「它要变成什么样」。

把这两种图混在一起，最典型的结果是不知道该守住哪一个：你想保住原图里的主体，同时又给了一张主体参考，结果只能落在两者之间。判断只需要一个问题：这一处改动，是发生在原图上的，还是从别处搬过来的。

发生在原图上的（改颜色、改文字、挪位置），原图本身就是基准，参考图只用来补「要像的那一部分」；从别处搬过来的（换背景、换服装、换场景），参考图承担主要描述，原图负责守住不该动的部分。只做局部调整时，多数情况下原图本身就是更贴近真实的描述，精准编辑完全指南把这一步的写法整理得比较细；主体与场景一起换的那一类活，另外整理在换背景不抠图。

多张参考怎么配：先定一个主，再补细节

需要多张参考时，按下面四步配，比一张张往里加更稳。

第一步，每一张都要能说出它补的是哪一类。 说不出类的先拿掉 —— 它进了提示，你也不知道该拿它对齐什么。

第二步，同一类里出现两张，先自己看一眼它们像不像。 不像，说明你要的其实是两种结果。这时候要做的是删掉一张，而不是靠更长的描述去调和。

第三步，定一个主。 主参考决定这一步往哪个方向走，其余几张只在各自的类里补齐细节。有了主次，冲突出现时就知道该听谁的，产出也更接近你要的那一版。

第四步，分类和主次定完再提交。 顺序反过来、先提交再反复加图，每一版都在换输入，你很难分清是哪一张起了作用。这个模型在参考图保真上的定位，GPT Image 2.5 是什么讲得更清楚。

三种情况可以不给参考图

参考图是手段，不是必须有的一步。三种情况下不给更容易得到想要的。

从零生成、没有「要像谁」这一说。 要的是一种感觉而不是一个具体对象时，文字描述比图片更直接。

这一步是为了看几种可能。 探索阶段要的是分布，几张紧贴的参考图会把结果收窄，反而挡住你想看的那些方向。

原图本身已经够用。 局部调整、改文字、换配色这类动作，原图的约束力比任何参考图都强，多加一张只会引入第三套说法。

反过来，该给而没给时，代价通常落在次数上：同一处反复试，每次的偏差方向还不一样。这类情况与单张多次迭代的规则有关，处理方式另有一页，见多轮编辑不崩的 8 条规则。

收尾：给之前的三步检查

提交之前，用三个问题过一遍手里的图。

这一步是生成还是编辑。 编辑先确认原图就位 —— 它是基准，缺了它，后面几张参考图都在替一个本该由原图承担的职责说话。第一次编辑怎么开口，见GPT Image 2.5 怎么用。

每一张能不能一句话说出它的类。 说不出的拿掉，说重复的删到只剩一张。

有没有两张落在同一个类里。 有，就当场定主次，别等结果出来再回头调。

一句可以带走的话：参考图这一侧真正的变量不是数量，是职责分得清不清楚 —— 它考的不是模型的能力上限，是给进去的输入够不够干净。改字和多主体这两类活对参考图的要求各有不同，分别整理在修改图片中的文字与多主体局部调整；句式层面常用的结构收在GPT Image 2.5 提示词库里，按主题分好组的常见疑问在GPT Image 2.5 常见问题。

常见问题

一张图能不能既当构图参考又当风格参考？+

能，但要接受它在这两件事上都只做到一半。一张图同时承担两句话时，它给的是自己那套绑在一起的结果，你没法只取其中一件。想要两件事都准，就分别找一张只负责其中一件的图。

参考图和原图同时在场，以哪个为准？+

看这一处改动发生在哪里。发生在原图上的，原图是基准，参考图只补「要像的那一部分」；从别处搬过来的，参考图承担主要描述，原图负责守住不该动的部分。两者混着用而不分主次，结果最容易落在中间值上。

参考图一定要清晰吗？+

分职责，不一律。构图参考不要求清晰，摆法看得懂就够；主体参考与材质参考才依赖清晰度，因为要看的是形状与表面。把一张模糊的图放在后两类位置上，属于位置配错了，不是图本身不合格。

手上找不到合适的参考图怎么办？+

先判断这一步需不需要它。局部改动通常原图就够；确实没有可用参考图时，把描述写具体，并接受这一步多跑几版的代价 —— 参考图省下的是试的次数，不是必需的输入。

两张参考图互相打架，先动哪一张？+

先分清它们是不是同一类。同一类里出现两张，说明你要的其实是两种结果，这时候该去掉一张，而不是加长描述去调和。不同类之间打架，通常是位置搞混了，把每一张重新对回它该在的那一类即可。

给了参考图，主体还是变了，先查什么？+

先查参考图里的干扰项：主体是不是只出现一个、背景是不是抢戏、边缘是不是清楚。这三项都没问题，再看这一类参考是不是被别的图顶掉了主次位置 —— 多数情况下，问题出在配图结构，不在指令长短。