当你不再把AI绘图当成“输入一句话、吐出一张漂亮图”的自动售货机，而是把它当成一套需要人类美术指导的生产系统，很多问题会突然变得清楚。

真正要解决的并不是“哪句提示词最神”，而是：怎样把一个模糊想法变成可交付视觉，同时让简报、参考图、迭代历史、权利问题、事实性宣称和内容来历都清楚到足以被另一个人审查？

这本质上是工作流问题。

下面用六道决策门来拆。之所以刻意不绑定某一个模型，是因为模型能力、产品条款、编辑功能和输出控制都会变化。真正投入商业使用之前，必须核对你实际使用工具的最新文档与条款。

A门：生成之前，先把“这张图负责什么”说清楚

先写一段极短的图像简报，至少有五个字段：

  • 用途：首页Hero、产品概念、情绪探索、剧情关键帧、社媒海报、内部提案？
  • 受众：谁必须一眼看懂或产生反应？
  • 必须出现：哪些元素不能丢？
  • 禁止出现：品牌冲突、不安全画面、保密信息、误导性细节有哪些？
  • 成功标准：怎样才算“能用”，而不只是“看着惊艳”？

很弱的简报是：

未来幻想城市，电影感，漂亮，高级。

能工作的简报则更像：

故事落地页横版主视觉。雨后黎明，两名核心人物位于右下三分之一，左侧由垂直交通塔建立视觉锚点。城市要有生活感，不要自动滑向末日废墟。招牌保持抽象，不生成可辨识品牌名。左上留安静负空间，后续放中英文标题。

第二种写法不是“提示词更长”，而是给审核者建立了可检查标准。

决策规则

如果你无法在不提模型名、不提风格预设的情况下解释这张图为什么存在，那么工作本身还没定义好。

B门：参考图要按“功能”拆开

不要把十几张参考图扔进一个文件夹，然后期待系统自动理解你想拿哪一部分。

至少拆成五类：

  1. 构图参考：机位、比例、视觉重心、留白；
  2. 材质参考：布料、金属、皮肤、建筑、天气；
  3. 身份参考：必须稳定识别的角色、已批准产品或自有设计；
  4. 情绪参考：光线、密度、节奏、温度；
  5. 约束参考：输出绝对不能违背的形状、颜色、事实或安全条件。

为什么要拆？因为系统可能“学错东西”。你只是拿一张照片参考光线，它却把照片里的服装风格一起带走；你只想参考产品轮廓，它却连摄影棚背景也吸收。

给参考资料写明“它负责什么”，人类审核者才能判断输出到底漂移在哪。

如果参考图里包含第三方受保护内容、个人数据或客户保密资料，上传之前先停一下。能不能访问这些资料和生成结果看起来够不够原创是两类问题；产品条款、授权范围和内部政策都需要单独判断。

C门：先想清楚“人到底在创作哪一部分”

美国版权局2025年关于生成式AI可版权性的报告给出了一个重要边界：作品能否获得版权保护，关键仍在于是否存在足够的人类创作表达；仅靠提示词本身并不会自动产生完整的人类作者性。人类对内容的选择、编排、修改，在具体作品中可能形成受保护表达。

对实际生产而言，最稳妥的做法不是在页面上武断宣布“这张图一定有版权/一定没版权”，而是记录真实的人类创作决策。

例如：

  • 生成前已经画好的分镜或版式；
  • 明确选择的镜头关系；
  • 原创角色设定；
  • 蒙版、局部重绘和反复修正；
  • 多张结果的合成；
  • 人工paint-over；
  • 字体、排版和最终层级；
  • 哪些淘汰标准持续影响最终选择。

商业价值高时，把工作文件一起保存。

这些记录不会自动保证任何法律结论，但至少让法务、合作方和未来的自己面对的不是一句“我们大概写了几个prompt”。

D门：每轮迭代只回答一个问题，别不断堆形容词

最常见的失控方式是“提示词膨胀”：

更史诗、更高级、更电影、更细节、更有冲击力……

它的问题是：你不知道到底哪一项坏了。

更有效的做法，是让每轮只回答一个问题。

第1轮：构图。 缩成缩略图后，视觉主次对不对？
第2轮：身份。 角色或产品的关键识别点稳不稳？
第3轮：空间。 手、道具、家具、门、反射和透视有没有物理矛盾？
第4轮：材质。 布料像布料吗？金属的反射逻辑一致吗？
第5轮：交付。 真正裁成广告尺寸、压上文字、导出目标格式后还能不能用？

哪一轮失败，就只动与这个失败有关的变量。除非概念本身已经改变，不要每次都把整个brief重新洗一遍。

成本 / 风险 / 停止规则

  • 构图没解决，不要先打磨纹理。
  • 身份漂移，不要靠“更精致”掩盖。
  • 产品事实错误，不要把它当真实产品图发布。
  • 如果每张图都需要几十处局部修复，应该重新比较传统插画、3D、摄影或混合流程的总成本。

AI不一定在加入审核与返工之后仍然是最便宜的路线。

E门：发布前检查“画面自己在说什么”

图片不写一个字，也可能形成宣称。

生成的医疗设备可能暗示现实中不存在的功能；一张装修效果图可能让用户以为项目已经实际落地；产品图可能凭空多出接口、螺丝、尺寸标签或安全结构；旅行视觉可能拼出现实并不存在的地标关系。

所以只要涉及商业或后果较大的用途，就做一次视觉宣称审查：

  • 这张图在观众眼里代表的是哪个真实对象、人、地点、产品或结果？
  • 哪些可见细节属于事实？
  • 哪些只是概念探索？
  • 普通观众有没有可能把概念图误认为真实交付？
  • 必要时，文案与页面语境是否把身份说清楚？

这不是要求到处贴影响体验的免责声明，而是要求展示方式与真实状态一致。

如果内容还涉及品牌合作、赞助、达人推广，周围的商业关系可能触发另一套披露要求。内容来历和广告关系披露解决的不是同一个问题，别把它们混为一谈。

F门：保存内容来历，但不要把“来历”冒充“真相认证”

C2PA Content Credentials 可以给数字资产携带签名过的来历信息，记录某些处理历史和声明。这类基础设施很有用：它能帮助接收者知道什么信息被附加过，以及凭证是否仍然保持加密完整性。

但C2PA自己的解释也很清楚：provenance不是万能真相检测器。凭证可能不存在、被剥离或不完整；有凭证也不等于画面中的每个事实都正确。

一个面向真实合作的交付文件夹，可以保存：

  • 最终图；
  • 可编辑源文件/合成文件；
  • 简报；
  • 已批准参考资料清单；
  • 生成与修改日志；
  • 能记录时保存模型/工具/版本；
  • Content Credentials状态；
  • 审核人和日期；
  • 已知限制。

当一张图未来可能被裁切、多语言本地化、交给合作伙伴或再次用于广告时，这些东西尤其有价值。

一棵真正能用的选择树

你是否要求同一主体可重复、精准地保持一致？

如果是，尽早测试身份稳定性。工具无法稳定保持关键身份时，就转成更受控的混合方案：批准过的原画、3D、摄影、合成或人工插画。

你只是做概念探索吗？

如果是，生成工具很适合快速拓宽视觉搜索空间。但概念探索与正式批准的生产资产要分开管理。

图片是否在表达受监管、技术性或产品规格事实？

如果是，引入领域审核。不要让“看起来像真的像素”替代规格证据。

是否包含客户保密资料或个人材料？

如果是，上传前检查当前数据处理条款与内部政策。可用环境无法满足风险要求时，就换方法。

最终资产是否需要清楚的权利链？

如果是，把人类创作、素材权利、工具条款和下游授权都记录下来；涉及重要法律结论时，交给适格专业人士判断。

哪些时候不应该用AI绘图

一个成熟框架必须允许答案是“不用”。

下面几类任务要认真考虑别的方法：

  • 精确几何比视觉探索更重要；
  • 产品必须与实际销售规格完全一致；
  • 真人必须在获得同意并保持高身份准确度的条件下呈现；
  • 保密参考资料无法在现有环境安全处理；
  • 返工成本已经超过传统流程；
  • 团队无法明确“谁负责最后审核”。

目标不是给AI站队，而是让生产方法匹配任务。

一页纸美术指导记录

最终批准之前，留下六行：

**Brief：**这张图必须传达什么。
**Human decisions：**版式、筛选、局部编辑、合成、paint-over、字体。
**References：**每份参考负责什么，是否已获批准。
**Claims：**哪些现实细节已经核过。
**Rights：**哪些来源、合作、工具条款已经检查，哪些已升级处理。
**Provenance：**可用时保存凭证与可编辑历史。
**Delivery：**裁切、格式、多语言、无障碍替代文字、资产负责人。

它很“无聊”，但这种无聊非常值钱：一张神秘的“AI图”，因此变成了可以交接、复核、追责和重复生产的创意资产。

把“不确定”直接写进审核，而不是等出事后再承认

AI图像特别容易制造一种假确定感：画面已经完成得像成品，但支撑它的事实可能仍然不完整。

可以给审核备注加四种状态：

  • known：有批准过的参考或规格支持；
  • art-directed：由创意团队有意识决定；
  • generated assumption：系统生成的合理猜测，没有事实权威；
  • needs verification：发布前必须核实的高后果细节。

建筑、产品、制服、历史场景、地图、机械设备尤其适合这样做。成品越精致，越容易把“不确定”藏起来；标签反而把它重新显露出来。

本地化的不只是像素，还要本地化决策记录

一张资产进入另一个语言或市场时，不要默认同一套视觉语境天然中立。图中文字、手势、符号、制服细节、颜色、产品标签和披露位置都可能改变意义。

本地化之前先区分：哪些元素全球固定，哪些允许适配。把原始brief与本地化决策记录关联起来，让下游编辑能够知道某个差异究竟是有意适配，还是无意漂移。

这比试图做一张“全球通用”、最后却哪里都不完全合适的图更可靠。

Sources

Related Reading