当 AI 工具生成图片时，通常涉及两种不同的机制，而这两者的区别决定了你能否对其进行修正。
文本生成图像将文字转化为图片。每次生成都从零开始。图像生成图像结合了图片和文字，生成修改后的图片。模型可以看到它上一次生成了什么。
这听起来似乎只是微小的差别。但这正是编辑与赌博的区别。
同样的指令，两种机制
这里有一张起始图片和一条指令——把天空弄暖和一点，加一些云——运行了两次。提示词完全相同。唯一的变量是之前的图片是否被传回给模型。
没有之前的图片
房子不见了。海岸线也不见了。你要求天空暖和一点，却收到了一张恰好有暖色天空的不同照片。什么都没有被编辑，因为根本没有什么可编辑的——那七个词是模型的全部输入，因此它绘制了那七个词所能描述的最合理的图片。
有之前的图片
房子一样。草地一样，前景的岩石一样，海景也一样。天空更暖，还有云。这就是编辑。
你没有提到的所有细节都保留了下来——而且你不必去提及它们，这正是关键所在。纯文本提示必须重新指定你想保留的每一个细节，而任何你忘记的细节都会被重新生成。
为什么这会改变你的工作方式
在使用文本生成图像时，工作的基本单位是提示词。你写了九十个词，得到了百分之八十的正确结果，然后面临一个糟糕的选择：要么接受它，要么修改提示词，从而失去那百分之八十你喜欢的部分。
在使用图像生成图像时，工作的基本单位是修正。只需正确地描述一次场景。之后，每条指令都简短而具体：
把它放在木桌上太暗了——照亮整个场景把相机移近一点右侧留空以便放文字
每次只改变一件事。其他什么都不动。你是在收敛，而不是重新生成。
它的用途
- 达到简报。 艺术指导本质上是一份修改清单。这是唯一能将这些修改视为修正的工作流。
- 单一场景的变体。 季节版本、不同的道具、不同的光线——全部源自一个既定基础。
- 真实布局的构图。 留出标题空间作为最终调整，远比将其作为初始要求效果更好。
- 从你已有的照片开始。 将其上传为参考图，第一轮生成的画面中就已经包含你的产品，而不是凭空想象出来的。
解决不了什么
三个诚实的限制，因为它们比优势更重要：
它不是修复错误想法的工具。 精修只能修复几乎正确的图像。如果场景、角度或情绪从根本上就是错的，重新开始需要一轮；进行六次修正就要花费六轮，而且通常最后会得到一团模糊的结果。如果连续两轮都没有进展，请重新开始。
轮次会叠加。 每一轮都会重新渲染整张图片，因此细微的偏差会不断累积。进行四到五轮后，画面往往会偏离方向，绕回到之前的某一轮，而不是继续推进。
它不能把图片变成你产品的照片。 上面的房子并不存在。生成的图像适合用于概念、布局、广告和社交媒体；但不适合用来描绘客户正在购买的具体商品——这在大多数国家属于误导性广告，也违反大多数市场的上架规则。这一界限并非技术问题，任何模型授权都无法跨越它。
如何进行循环操作
- 把精力集中在第一轮。 这是长提示词唯一能发挥价值的地方，因为后续的所有步骤都基于这个框架。
- 每轮只改变一件事。 一句话里包含两个改变，你就无法分辨哪个指令起了作用。
- 描述你期望看到的画面。 “长阴影和橙色光线”比“黄金时刻的氛围”更容易实现。
- 最后再做构图。 移动主体会改变画面构图；请在场景和光线确定后再进行。
- 开始前选择宽高比。 这会锁定对话设置，是有意为之——这样后续的轮次就无法静默地改变你构建的画面构图。
实战示例
每个示例都展示了一张图片经过完整的修正流程，并附上了每一步使用的具体指令：
- 如何制作符合简报的 AI 产品照 — 对产品照进行四轮修正，最终留出标题文字的留白空间。
- 所有工作流指南 — 系列文章的其余部分，包括常见问题和每个问题的一句话解决方案。
注册即送 300 积分，直接开始 — 无需绑卡