ai画图：把“随机抽卡”变成“精准出图”

先检查蒙版边缘。边缘太硬是最常见的原因，把羽化范围放到主体轮廓外两到三像素，让模型有过渡空间。其次看提示词里有没有描述被改区域周围的光线和材质，局部重绘不只是改那一块，模型还需要知道那块和周围怎么接上。

没有固定值，但可以从六到七成起步。强度太高，模型没有空间换风格和材质；太低，结构又容易跑掉。先给一个中间值跑一张，看哪些部分保留住了、哪些被改动了，再根据结果往高或往低调。保留结构的需求越强，越要往高走。

精简优先。先固定三到五个高频问题词，比如多余手指、文字乱码、过曝，跑一批图看问题是否还出现。如果某一类问题反复出现，再针对性补充。清单太长会互相干扰，也可能把正常元素压掉，保持短而准比长而全有效。

把文字内容用引号单独框出来，并在提示词里指定位置，例如“左上角三字标题‘春游记’”。位置描述比“加一行字”更容易被模型执行。同时确保文字与背景有足够的明暗对比，否则即使字写对了，也可能看不清。生成后仍然需要检查笔画是否准确。

先定主次，不要平均分。主风格给七成左右，辅风格给三成，跑一张看画面里哪些元素被辅风格带偏。如果辅风格的痕迹过强，降到两成再试；如果完全看不出来，再往上加。混合的目的是让辅风格补充细节，而不是让它和主风格争夺画面主导权。

不一定，最好自己说清楚。在提示词里按位置描述分工，比如“图一提供场景，图二提供主体，图三提供配色”。这样模型不需要猜每张图的角色，合成结果的可预期性会高很多。如果某张参考图的作用说不清楚，先拿掉它，比留着让模型乱猜更好。

多数情况下先出中图更稳。中图阶段把构图、光影和主体结构敲定，再用放大补细节，既省算力，也避免高分辨率下模型在细节区域自由发挥导致结构漂移。如果模型本身支持较高的直接输出且速度可接受，也可以直接跑，但前提是构图在低分辨率试跑时已经确认过。

光线方向和材质逻辑不一致。提示词里先把主光源位置写死，再描述产品表面的反光强度。如果后期要换背景，用局部重绘只改背景区域，不要整张重跑，否则产品本身可能被重新生成。文字标签如果出现在画面里，需要单独检查笔画和排版位置。

具体数值因模型而异，原则是“只看到构图和气氛，不追求细节”。用明显低于成品输出的步数快速跑一批，重点看主体位置、画面比例和整体色调对不对。选定方向后再回到正常步数精修。低步数阶段的废片率会高，但单张耗时短，总体筛选效率反而更好。

不一定，堆形容词经常互相削弱。更稳的做法是结构优先：主体是什么、放在画面什么位置、光从哪来、材质什么质感，每一项用少量准确的词说清楚。形容词负责定调，结构词负责定形。如果一段提示词里全是氛围词，模型很难判断哪些是必须执行的约束。

先用同一段提示词在新模型上跑几张，观察它偏向强化什么、弱化什么。有的模型对风格词更敏感，有的对空间描述理解更好。找到差异后，调整提示词里对应部分的权重或写法，而不是整套推翻重写。把旧模型的提示词当作基线，改一到两个变量来对比，适应速度会快很多。

先把具体问题词写进去，比如“多余手指”“重复肢体”“杂乱线条”。不要笼统写“错误”，模型对具体名词的反应更明确。如果问题只出现在某一区域，可以结合局部重绘，在蒙版范围内单独处理，而不是整张图加负面词，避免影响其他正常区域。

适合需要精确摆放元素的构图，比如海报里标题区、产品区、留白区的位置分配。先用框把每个区域定好，模型在框内生成内容，不满意时只改对应框，其他区域不受影响。如果只是自由探索构图，用纯文字描述更快，不必一上来就上框。

检查提示词里有没有过度固定的外貌描述，以及参考图是否给得太强。适当降低参考强度，或者在提示词里加入可变化的面部特征维度，比如年龄段、脸型、发型走向。如果模型本身对人物一致性有强化倾向，可以在不同批次之间调整种子，而不是反复微调同一段描述。

先从提示词层面收背景：降低背景元素的细节密度、把背景明度压下来、避免背景使用高饱和色。如果已经生成了一张主体满意但背景太抢的图，用局部重绘选中背景区域，在提示词里强调“简化、低对比、虚化”，主体区域不动。不要整张重跑，否则主体的细微状态可能丢失。

至少记四项：种子、步数、参考强度、风格模型版本。同一段提示词在不同参数下差异很大，只存文字等于只存了一半。如果用了负面提示词清单或边界框坐标，也一并记下来。模板的用途是复现和微调，记录越完整，下次改动时越清楚是哪个变量带来了变化。

不建议。概念稿的任务是确定方向和气氛，细节留到选定方向之后再补。过早追求细节会让你在几个错误方向上花掉大量时间。低步数、宽范围的跑法更适合这个阶段，先看大关系对不对，再收窄条件进入精修。判断方向不对，换方向的成本也比改细节低得多。

高分辨率下模型对细节的“自由发挥”空间更大，提示词里对材质和结构的约束反而要更明确。如果只是放大，没有新增约束，模型可能在纹理区域生成多余元素。建议中图阶段就把结构敲死，放大时只补细节性描述，不要引入新的主体或场景变量。

常见表现是风格出不来、画面结构变差，或者颜色偏移。先确认风格模型是否针对当前底模版本训练，不匹配时降低风格权重往往只能缓解一部分问题。与其硬调权重，不如换一个对应版本的风格模型，或者回到基础底模先把结构跑稳，再考虑叠加风格。

目前不能。生成模型负责从无到有或从有到变，但精确的版式对齐、文字排版、色彩管理和细节修复，仍然需要后期工具介入。比较实际的流程是把ai画图用在构图探索和元素生成上，把需要精确控制的部分留给后期。分清两者边界，比期待一个工具全包更省时间。