做人像换装、商品换场景这类图像编辑任务时，经常要同时上传好几张参考图：一张人物、一张外套、一张手袋，可能还有一张背景。图一多，提示词就很容易写乱——哪张图负责什么、要保留哪些细节、冲突时听谁的，全靠临时想。本文用 Qwen Image 2.1 Pro 的多参考图编辑为例，介绍一种把“参考图角色”结构化的写法，并附一个几十行的 Python 脚本，在提交前自动检查素材、拼出编号清晰的提示词。

链接页面要点：wan30.io/zh/qwen-image-2-1-pro（2026-10-30 读取）

先看官方给的约束

Qwen Image 2.1 Pro 页面上列出的和参考图相关的规则主要有这些：

• 图像编辑最多支持 10 张参考图，格式为 JPG、PNG 或 WebP，每张不超过 30 MB；

• 画幅可以用自动，或从 1:1、2:3、3:2、1:4、4:1、3:4、4:3、4:5、5:4、1:8、8:1、9:16、16:9、21:9 中选择；

• 提示词上限 20,000 字符；

• 上传顺序与提示词中的编号应对应，并说明冲突时优先保留什么。

页面还特别提醒：参考图越多并不一定越好，先使用足够清晰、彼此兼容的素材，避免多个不同人物、背景或色彩方案争夺同一个位置。编辑指令最好同时包含“修改什么”和“保留什么”。

这些规则正好可以写成代码里的校验项。

思路：把每张参考图写成一条结构化记录

与其直接写一大段自然语言，不如先把任务拆成一份 JSON：

• goal：最终画面是什么（主体、构图、光线）；

• ratio：画幅；

• refs：参考图列表，每张图有 file、role（负责什么）、keep（要保留什么）；

• change：要修改什么；

• priority：冲突时的优先级。

脚本做两件事：先按上面的约束检查，再按上传顺序拼出“图1（人物）：保留……”这样的编号提示词。

自制图：每张参考图的角色与保留项

脚本

import json, os, sys


ALLOWED_EXT = {".jpg", ".jpeg", ".png", ".webp"}
MAX_REFS = 10
MAX_MB = 30
RATIOS = {"auto", "1:1", "2:3", "3:2", "1:4", "4:1", "3:4", "4:3",
          "4:5", "5:4", "1:8", "8:1", "9:16", "16:9", "21:9"}
MAX_PROMPT = 20000


def check(brief):
    errors = []
    refs = brief["refs"]
    if len(refs) > MAX_REFS:
        errors.append(f"参考图 {len(refs)} 张，超过 {MAX_REFS} 张")
    for i, r in enumerate(refs, 1):
        ext = os.path.splitext(r["file"])[1].lower()
        if ext not in ALLOWED_EXT:
            errors.append(f"图{i} {r['file']}: 格式 {ext} 不支持")
        elif os.path.getsize(r["file"]) > MAX_MB * 1024 * 1024:
            errors.append(f"图{i} {r['file']}: 超过 {MAX_MB} MB")
        if not r.get("keep"):
            errors.append(f"图{i} {r['file']}: 没写要保留什么")
    if brief["ratio"] not in RATIOS:
        errors.append(f"画幅 {brief['ratio']} 不在可选列表中")
    return errors


def build(brief):
    lines = [brief["goal"]]
    for i, r in enumerate(brief["refs"], 1):
        lines.append(f"图{i}（{r['role']}）：保留{r['keep']}。")
    if brief.get("change"):
        lines.append("修改：" + brief["change"])
    if brief.get("priority"):
        lines.append("冲突时优先保留：" + brief["priority"])
    return "\n".join(lines)


if __name__ == "__main__":
    brief = json.load(open(sys.argv[1], encoding="utf-8"))
    errs = check(brief)
    if errs:
        print("检查未通过：")
        for e in errs:
            print(" -", e)
        sys.exit(1)
    prompt = build(brief)
    assert len(prompt) <= MAX_PROMPT
    print(prompt)
    print(f"\n[参考图 {len(brief['refs'])} 张 | 画幅 {brief['ratio']} | 提示词 {len(prompt)} 字符]")

几个设计点：

• 格式、大小、数量、画幅、提示词长度，都直接对应页面上的规则，规则变了只改顶部常量；

• keep 为空会被当成错误——这是刻意的，逼自己为每张图写清保留项；

• 输出的提示词按上传顺序编号，和页面“上传顺序与编号对应”的建议一致。

跑一下

用三张占位图片（纯色图，只为测试流程）和一份正常的任务描述：

{"goal": "竖版人像换装图：人物站在浅灰色影棚背景前，全身构图，柔和正面光。",
 "ratio": "2:3",
 "refs": [
  {"file": "model.jpg", "role": "人物", "keep": "脸型、发型和站姿"},
  {"file": "coat.png", "role": "外套", "keep": "藏青色、双排扣和长度"},
  {"file": "bag.webp", "role": "手袋", "keep": "棕色皮质和金属扣"}
 ],
 "change": "人物穿上图2的外套，左手拎图3的手袋。",
 "priority": "人物面部 > 外套颜色 > 手袋细节"}
​

三处问题都在提交前被拦下来了。这些错误如果到了工作台才发现，至少要多来回一次。

自制图：JSON 任务描述 → 校验 → 编号提示词

生成之后：每轮只改一组内容

页面在“多轮细化”部分建议：把已认可的结果保存为下一轮参考，每次只修改一组内容，这样更容易追踪变化，也能及时发现面部、Logo、标签文字或产品结构偏移。

配合脚本，可以把每一轮都保存成一份 JSON（比如 round1.json、round2.json），只改 change 字段，其余不动。用 diff 比较两份文件，就能清楚地看到这一轮到底改了什么。出图后对照原图逐项检查：人物面部、外套颜色、手袋细节，按 priority 的顺序看。

另外，页面建议先用 1K 探索构图、配色和主体关系，确定方向后再提高输出清晰度。也就是说，前几轮验证参考图组合时不必一开始就选最高档，等组合确定了再提高。

一些注意事项

• 脚本只检查“能不能提交”，不保证效果。参考图本身是否清晰、彼此是否兼容，还是要人眼判断；

• 页面也说明，参考图与保留指令能帮助维持可识别特征，但不同任务的还原程度可能不同，商业素材要逐项核查；

• 品牌 Logo、人物肖像这类素材，提交前确认自己有使用权。

自制图：多参考图编辑提交前检查清单

小结

多参考图编辑最容易出问题的地方不是模型，而是提示词里“谁负责什么”没写清。把参考图角色写成结构化数据，用脚本做一次提交前检查，再按上传顺序生成编号提示词，能省掉不少来回试错。脚本很短，可以按自己的任务类型继续扩展，比如加上背景图、加上必须出现的文字。