本论文提出了一种免提示的扩散图像隐写框架（Prompt-Free Diffusion Steganography），旨在解决现有基于文本提示的潜在扩散模型（LDM）隐写方法中，文本提示灵活性不足导致隐写图像质量低、秘密图像恢复不准确的问题。核心创新包括：1）级联仿射耦合模块（CACM），建立秘密图像与其潜在表示之间的双射确定性映射；2）将风格语义先验集成到扩散过程中，控制潜在表示并确保生成隐写图像的视觉不可感知性；3）引入预测-校正机制，通过当前状态和预测下一状态的反馈迭代优化生成轨迹，缓解无条件反向过程中的轨迹偏差。实验结果表明，该方法在安全性、秘密图像重建准确性和可控性方面优于现有方法。本研究主要面向信息安全、图像隐写、深度学习领域的研究人员。