一张照片，一段话，
让同一个人出现在任何地方

这本书给谁看，看完能明白什么

如果你听说过"AI 生图"，但从来没自己上手过；或者试过几次，出来的人一会儿像一会儿不像，就放弃了。这本书就是为你写的。

先说我是谁。我叫 Bin哥，过去大半年里，我用 AI 做了几十套人物写真，主角始终是同一位虚拟模特，我叫她 Tina。她去过网球场、晚宴、雪天的大桥、深夜的画室、健身房的镜子前。这些图我全都留着，连做坏的那些也留着，因为做坏的图往往比做好的更有教学价值。

这本书讲的不是某个软件的按钮在哪，而是一件更根本的事：你给 AI 什么，它就还你什么。你给的照片清楚，它就画得像；你把话说明白，它就听得懂；你一次改太多，它就乱。把这几件事搞明白，换任何工具都通用。

看完你能明白的五件事

1. AI 写真到底是什么，它和 P 图、换脸有什么区别。
2. 为什么"人物不像"是最大的坑，怎么一眼看出来，怎么修。
3. 一张图好看和一套图好看，差在哪里。
4. 怎么跟 AI 说话，说什么它才听。
5. 把这一整套交给一条"流水线"自动跑，是怎么回事，人还要不要管。

三条写作原则

• 只说验证过的事。书里每张真实案例图都能在我的写真库里找到原文件、原记录。质检没通过的，我就写没通过。
• 不承诺做不到的事。AI 不能保证百分百像，流水线也不能保证完全不用人管。哪里有边界，我会写清楚。
• 每个技术词都翻译成人话。第一次出现时给你一个生活里的类比，书末还有一张术语对照表。

AI 写真到底是什么？

先看图，再讲道理。下面六张照片里是同一个人。她没有摄影师，没有化妆师，没有出过门。

六个场景，六套衣服，六种光线，六种心情。你盯着脸看：眼睛的距离、鼻子的形状、下巴的线条、嘴唇的厚薄，都是同一个人。这就是 AI 写真在做的事。

一句话定义

它不是 P 图，不是换脸，也不是滤镜

很多人第一反应是"这不就是 P 图吗"。不是。三者的区别可以用一张图说清。

• P 图是在一张已经拍好的照片上改：磨皮、瘦脸、换背景。照片本身得先有。
• 换脸是把 A 的脸贴到 B 的照片上。B 的身体、动作、场景都是现成的，只是脸换了。
• AI 写真是从零画一张新照片。场景、动作、衣服、光线都是新的，唯一"旧"的是这个人长什么样。

所以 AI 写真更像一次真正的拍摄，而不是一次修图。它的难点也在这里：既然一切都是新画的，"这个人还是不是她"就成了最容易出问题的地方。第 4 章会专门讲。

它能用来干什么

我自己用下来，最实在的用途有三个。

1. 给自己或账号做一个固定形象。做自媒体的人最怕两件事：没图发，和图风格乱。有一个稳定的人物，你可以每周给她换一个主题，图源源不断，风格还统一。
2. 给商品配模特。做电商的人有衣服没模特，或者请模特太贵。让一个固定人物穿上你的衣服，正面、侧面、背面都能出。
3. 把脑子里的画面做出来。你想过"如果我在雪天的布鲁克林大桥上会是什么样"吗？现在可以直接看到。

它是怎么"拍"出来的？

你不需要懂 AI 的原理，就像你不需要懂相机的电路。但你得知道自己在这件事里扮演什么角色。

你是导演，AI 是整个剧组

真实的写真拍摄里，有摄影师管构图和光线，化妆师管脸，造型师管衣服，布景师管场地。导演一样都不用会，但导演要能说清四件事：拍谁、穿什么、在哪、什么感觉。

AI 写真里，这四个岗位由一个 AI 包了。而你，就是那个坐在椅子上的导演。你说得越清楚，剧组干得越对；你含糊，剧组就自己发挥，发挥出来的往往不是你要的。

进去的是什么，出来的是什么

中间那个盒子，你可以这样理解：它看过海量的照片，知道"网球场长什么样""白裙子在阳光下是什么质感""人跨步的时候裙摆会怎么动"。你给它一张脸和一段话，它就按你说的，把见过的东西重新拼成一张新照片。

它不是在"检索"一张现成的图，而是在"画"。所以同样的输入，两次画出来的结果不会完全一样，就像同一个画家画两遍也有差别。这一点后面会反复用到。

一个真实的例子：Tina 的第一张网球场照片

那段"话"是怎么写的？我把库里真实用的那段描述翻成人话，大概是这样：

参考这张模特图，保持同一个人的五官和脸型，不要改眼距、鼻型和下巴线条。
拍一张真实感的彩色照片：晴天的蓝绿色网球场。
她穿白色无袖翻领网球裙、白帽、白袜白鞋，正跨过底线走回场地，
右手倒提球拍，左手压住被风吹起的一绺头发，眼睛看向球网另一边。
光从左前上方来，帽檐在眼睛上留下阴影。
竖图、全身，人站在画面右边三分之一。
只有一个人，不要多出来的手脚、文字和商标。

你会发现这段话没有一个词是"高级""氛围感""绝美"。全是能看见的东西：穿什么、做什么、光从哪来、人在画面哪里。第 6 章会专门讲怎么写。

为什么它有时听话，有时不听话

做了几十套之后，我总结下来就两条：

"模型"是什么？换一个"摄影师"

你在网上会看到各种名字：Nano Banana、GPT Image、Midjourney、Flux……这些叫"模型"。用饭桌上的话说，模型就是不同的摄影师。有的擅长真实感，有的擅长插画，有的对人脸把握得稳，有的手部经常出错。

本书所有真实案例，用的都是我当时在用的那一位：库里记录的名字叫 Nano Banana 2。你换别的摄影师，导演要说清的四件事不变，只是每位摄影师的脾气略有不同，需要你试几次摸清楚。

三种参考图，各管什么？

给 AI 看的图不是越多越好，而是要"各司其职"。一张图只交代一件事，AI 才不会搞混。

人物图：管"像谁"

这是最重要的一张。它决定了照片里的人是不是你要的那个人。我的要求只有几条，但每条都不能省：

• 正脸清楚。眼睛、鼻子、嘴都能看清，脸没有被头发、手、墨镜、口罩挡住。
• 光线自然。别用逆光、别用夜店的彩色灯，别用手机的强美颜。美颜会把脸磨平，AI 学到的就是一张"没有特征的脸"。
• 最好有侧脸和全身。只有正脸，AI 不知道鼻梁多高、身材什么样。Tina 的模特图就是四格：正脸、侧脸、正面全身、侧面全身。
• 背景越干净越好。白墙最好。背景复杂，AI 会分心。

库里 41 套写真，有 39 套用的是同一张 Tina 模特图。这张图从年初用到现在没换过，这就是"固定人物"的底子。

穿搭图：管"穿什么"

如果你只在描述里写"白色网球裙"，AI 每次画的裙子都会有点不一样：褶多褶少、领子形状、腰线位置。一套六张图，六条不一样的"白裙子"，看起来就像换了六套衣服。

解决办法是给它一张穿搭图。我现在的做法是"三视图"：同一个人穿着这套衣服，在纯色影棚背景前，正面、侧面、背面各一张，并排放在一张图里。

三视图的好处很实在：换动作的时候衣服不会走样，背影镜头也有依据。做电商的人尤其需要它，因为商品的版型、颜色、细节全靠这张图钉住。

场景图（源图）：管"在哪、什么光、什么感觉"

有时候你在网上看到一张很喜欢的照片，想"照着拍一张"。这张照片就是场景图，我在库里叫它"源图"。它负责告诉 AI：场地长什么样、光从哪来、整体是什么情绪。

但它只借风格，不借脸。源图里的人是谁，跟你的成片没关系。你要的是它的场景和光线，人物还是你的模特图说了算。因为这个原因，本书不放任何别人的源图，只放我自己的成品。

一个"借多了"的真实案例

有一次我照着一张健身房镜前自拍的源图做 Tina。源图里的人手臂和大腿上有纹身。结果出来的第一版，Tina 身上也长出了纹身。

这件事说明：AI 分不清你想借源图的哪一部分。它看见了纹身，就觉得"这个场景里的人应该有纹身"。所以用源图时，要在描述里明确说"只参考场景和光线，人物以模特图为准"，并且把不要的东西点名排除。

三张图放一起，各管一段

247 这一套，最终生图时只给了 AI 两张图：模特图和穿搭图。场景、光线、动作全靠文字描述。源图只在前期"分析"阶段用过，用来帮我想清楚要拍什么，生图时没有传进去。

最大的坑：人物不像

每个做 AI 写真的人都会掉进这个坑。好消息是，不像有原因，原因能查，查到能修。

先看一组真实的失败

236 号项目，城市球场网球写真。同一张 Tina 模特图，同一位"摄影师"，第二版和第三版出来的人却不太一样。

质检记录里的原话是："肤色系统性偏古铜，与模特图的白皙自然肤色不符。"六张图的"样貌"总分都是 21 分，及格线是 24 分，全部不通过。

不像的根源，往往不在脸上

你可能会想：脸还是那张脸，怎么就算不像了？因为"像不像"不只看五官。肤色和气质变了，人就变了。你的朋友晒黑三度、换了一身打扮，你远远一看也会愣一下。

那这次的肤色是从哪来的？查下去发现，问题不在描述，也不在模特图，而在穿搭图。

这就是第 3 章说的"互相打架"：模特图说她是白皙的，穿搭图说她是小麦色的，AI 两边都信了一点，结果谁也不像。修法不是改描述，而是回到上游，把打架的那张图重做。

顺带一提：这组衣服上的运动品牌标志，也是从穿搭图带进来的。个人练习无所谓，要商用就得在做穿搭图的时候把标志去掉。第 7 章还会讲。

不像的四种常见原因

1. 参考图本身不够用。模糊、侧脸、被遮挡、妆太重、美颜太狠。AI 没见清楚这张脸，只能靠猜。
2. 描述或别的参考图和人物图打架。236 就是这种。另一种常见的：模特图明明是白皙的，描述里却写了"小麦肤色""欧美混血感"。
3. 场景光线太强，把脸"冲"掉了。逆光、夜景霓虹、强烈的彩色灯，脸上没有足够的明暗层次，AI 画不出细节，就容易画成"一张普通好看的脸"。
4. 一次改太多变量。换装、换景、换动作、换光线一起上，AI 要同时兼顾太多事，最先牺牲的就是脸。

怎么一眼看出不像

看四个地方，顺序从大到小：

好参考图和坏参考图

怎么修

1. 一次只改一个变量。先把场景、动作、光线都固定住，只换一套衣服，看脸有没有跑。跑了，就是穿搭图的问题；没跑，再换下一个变量。
2. 把"必须保持"写在描述最前面。比如"严格保持同一人物的五官比例与脸型，不得改变眼距、鼻型、下颌线"。247 那一套六帧，每一帧的第一句都是这个。
3. 把肤色和气质写成锚点。不要只写"像模特图"，要写"白皙自然肤色，不是晒后小麦色；清透干净的气质"。锚点越具体，AI 越不敢乱动。
4. 查上游。像 236 那样，如果六张图一起不像，问题多半在某张参考图。逐张检查，找到打架的那张，重做它。
5. 实在不行，换参考图。有的照片天生不适合做模特图。别硬撑。

"改一处，看一次"：眼镜御姐的三个版本

这是另一组案例，复古窗边的眼镜御姐。它经历了三个版本，每一版只改一件事。

三个版本放在一起看，你会发现"一致性"不是一次做对，而是每次只动一个地方，动完就看，看完再动。这个节奏比任何技巧都管用。

从一张好看，到一套写真

出一张好看的图，多试几次总能碰上。出一套六张、放在一起还协调的图，靠的不是运气，是设计。

为什么单张容易，成套难

单张图你只要回答一个问题："这张好不好看？"成套图你要同时回答三个："每张好不好看？六张放一起像不像一套？六张连起来有没有讲一件事？"

新手最常见的成套问题是：六张图都是"站着看镜头"，只是背景略有不同；或者六张图各自好看，放一起像六个不同的摄影师拍的。这两种情况，都是没有在出图之前先做设计。

先学会拆一张图：六个要素

拆的时候你会发现：人物、穿搭、光线在一套图里应该固定；场景可以微调；构图和情绪要每张不一样。固定的部分让六张图"像一套"，变化的部分让六张图"不重复"。

再学会排一套图：远、中、近，加一个小故事

一套 4 到 6 张的写真，我的排法是：

• 远景交代环境。至少一张让人看清"她在哪"。
• 中景交代穿搭。至少一张全身，让衣服、鞋子看得清楚。
• 近景交代表情。至少一张七分身或半身，看得见她在想什么。
• 动作连成一个小故事。不是六个摆拍，而是一件事的六个瞬间。

真实案例：247 这一套，讲的是"一个回合之间"

这一套的故事线只有一句话：一名球员在训练局的换拍间隙，从走回底线，到读球、迎拍、收拍，再到回合结束。画外的对手始终不出现，她的视线和来球方向构成了一个"没说完"的关系。

流水线出了六帧，我留了五帧。第 3 帧"跨网迎拍"质检打了通过，但我复看时发现人物和球网的位置关系不真实，像是人穿过了球网，就把它拿掉了。这件事第 7 章还会讲。

注意每张图注里的三个数字：景别、相机高度、距离。五张图五个不同的机位，这是刻意设计的。如果五张都是"正前方、腰高、3 米"，再好的动作也会显得像证件照。

动作怎么设计：先站稳，再动一处

很多人卡在"不知道让她做什么动作"。我借用摄影师南鸢总结的"转、弯、顺、露"四字口诀，翻成三步：先确定站着还是坐着、身体朝哪；再选一个主要变化，比如转头、屈肘、微屈膝；最后按画面问题补一句。

这个方法的好处是每一步都能验证：她站稳了吗？主要变化清楚吗？画面上有没有别扭的地方？有，就补一句。没有，就停。别一口气写十个动作要求，AI 做不到，人也看不过来。

怎么"跟 AI 说话"？

描述不是作文，是清单。先说什么必须不变，再说画面里有什么，最后才说质感。顺序反了，AI 就先忙着做质感，把人忘了。

先分清：哪些钉死，哪些允许变

把这两类分开写，是我写描述的第一原则。钉死的部分放在最前面，用最肯定的语气；允许变的部分放在后面，每张图各写各的。这样 AI 一眼就知道优先级。

拆开看：一段真实的描述，由六块组成

下面是 247 第 1 帧真实用的描述，我把它拆成六块，每块用一种颜色标出来。右边那张图，你可以对着看每一块对应画面里的哪一部分。

① 开头约束：人物一致参考我上传的模特肖像与穿搭图，精准保持人物样貌一致性，严格保持同一人物五官比例与脸型；不得改变眼距、鼻型、下颌线。输出一张写实彩色人像摄影，光影有明确方向并保留自然阴影，皮肤保留毛孔与细纹，不过度磨皮。

② 画幅机位3:4 竖幅环境全身，摄影机在底线外、人物左前方约 35°，腰部高度、约 5.5 米外斜向拍摄；人物位于右侧三分之一，从帽顶到鞋底完整入镜。

③ 人物与穿搭深黑长直发从无标识白色遮阳帽下自然披至胸下；清透防晒运动妆与低饱和蜜桃粉润唇；白色无袖翻领网球短裙，腰线和裙褶边缘有深色细滚边，单一无标识白色网球拍、白色中筒袜、白色网球鞋；没有首饰、包袋、文字、水印或品牌标识。

④ 姿态表情她正跨过磨白底线，右脚前掌刚落、左脚仍离地，右手倒提球拍，左手正在压住被风吹散的一绺头发；视线越过球网看向画外发球区，双唇自然合拢，呼吸刚从上一拍平复。

⑤ 环境与光线晴日蓝绿色硬地球场，深色球网和绿色围栏清楚分层；右后方空长椅放着折叠白毛巾，两三颗用过的网球散在磨损发白的边线旁。主光来自画面左前上方，帽檐遮住眉眼，裙褶内侧留中等阴影。

⑥ 质感与负面约束鼻翼、脸颊、锁骨保留细小毛孔和自然汗光；毛巾有折痕，地面有低密度胶片颗粒。只有一位人物、一副自然比例的双手双腿；不出现多手、多腿、多宫格、其他人物、文字、水印或品牌标识。

这段描述有五六百字，看起来很长。但你会发现它没有一句废话：每一句都对应画面里一个能看见的东西。长不是问题，含糊才是问题。

新手最常见的四种写法错误

抽象词翻译表

大家嘴上爱说的那些词，AI 听不懂。但它们都能翻译成能看见的东西。

一份可以直接照抄的清单

【必须保持】参考模特图，严格保持同一人物的五官比例、脸型、肤色和气质。
【画幅机位】3:4 竖图 / 全身或七分身 / 相机在哪、多高、多远。
【穿搭发型】按穿搭图；写清上衣、下装、鞋、配饰；没有品牌标识和文字。
【动作表情】她正在做什么（一个进行中的动作）；看哪里；嘴角眼睛什么状态。
【环境光线】在哪；周围有哪三样东西；光从哪来、硬还是软。
【质感】保留毛孔和阴影，不磨皮；轻微颗粒；有一两处生活痕迹。
【不要出现】多手多腿、第二个人、文字、水印、品牌标识、多宫格。

照着这七行填空，你的第一份描述就不会跑偏太远。

出图之后：检查、挑图、修图

图出来了，工作才做了一半。AI 不知道自己画错了，你得替它看。看什么、按什么顺序看、什么情况必须重做，这一章讲清楚。

五看：脸、手、衣服、背景、整组

1. 看脸：像不像。用第 4 章的四个看点：脸型、五官、肤色、气质。这是第一关，不像就不用往下看了。
2. 看手：手指数量和关节。AI 最容易在手上出错：六根手指、关节反折、两只手长在一条胳膊上。凡是画面里有手，就放大看一眼。
3. 看衣服：和穿搭图一样吗。领子、腰线、颜色、鞋。电商尤其要逐件对。
4. 看背景：有没有多出来的东西。多出来的人影、看不懂的文字、莫名其妙的标志、飘在空中的物体；还有人和物体的前后关系对不对，比如人不能穿过球网。
5. 看整组：六张放一起协不协调。光线方向是不是一致，衣服是不是同一套，有没有哪张突然换了风格。

硬性拦截项：出现一项，直接重做

真实案例：AI 帮我"照搬"了一个品牌标志

252 号项目，雪天大桥上的白色套装。穿搭图是我用另一张参考照片生成的，那张参考照片里，人物胸前别着一枚奢侈品牌的胸针。穿搭图忠实地保留了它，成片也忠实地保留了它。

教训很简单：穿搭图里有什么，AI 就搬什么，包括你没注意到的标志。所以"看背景、看衣服"这两步，要专门找一眼有没有多出来的标志。要避免，就在做穿搭图那一步把它去掉，或者在描述里写"无任何品牌标识"。

打分怎么打：把库里的规则翻成人话

我的质检不是凭感觉，是一张打分表。满分 80 分，分两大块：

第 4 章那组 236 第二版，就是"气质肤色"只有 5 分，样貌总分 21 分，卡在 24 分以下。第三版把肤色修回来，这一项 8 分，总分 24 分，刚好过线。数字不是目的，目的是让"像不像"这件事有个能说清的标准。

"能过但要记一笔" 和 "必须重做" 的区别

247 那一套六张全部通过，但质检报告里还是记了一条：帽子。

穿搭图里是一顶全罩的白色棒球帽。帧 1、4、6 对了，帧 2、3、5 画成了空顶的遮阳帽。质检报告的原话："白色空顶遮阳帽与三视图穿搭图不一致；非阻断偏差。修复建议：若后续统一重出，固定为三视图中的无标识全罩白色遮阳帽。"

为什么不算不通过？因为它不影响"像不像"，不影响穿搭主体，也不是硬性拦截项。它是一个"要记一笔"的偏差：这套图可以用，但如果哪天要重出，先把这一条改了。质检的价值就在这里：不是所有问题都要立刻返工，但所有问题都要写下来。

还有一种情况要单独说：打分表全部及格，人一看却不对。247 的第 3 帧"跨网迎拍"，样貌 26 分、穿搭妆容 45 分，质检结论是通过。可我自己复看时发现，她的身体和球网的位置关系说不通，像是人穿过了球网。这种"物理上不成立"的问题，打分表里没有对应的格子，只能靠人眼。所以这张图我直接弃用了，全书只用其余五帧。打分表是帮你少漏东西的，不是替你做最后决定的。

修图策略：单张重做，不要整组重做

1. 先分类。硬性拦截的，重做；打分不及格的，查原因再重做；非阻断偏差的，记下来。
2. 先改输入，再重新生成。手画错了，不是运气不好，多半是动作描述太复杂。改描述，再出。
3. 只重做出问题的那一张。其余五张没问题就别动。整组重做意味着所有的偶然性都重来一遍。
4. 改一处看一次。第 4 章的老规矩。重做一张也是如此。

让 AI 自己跑流水线

前面七章是你手工做一遍：看参考图、想设计、写描述、出图、检查。做熟以后你会发现，这几步每次都一样。一样的事，就可以交给流水线。

Agent 是什么：把几个工位串成一条线

我的 AI 写真 Agent，你可以把它理解成一条小型流水线。每个工位上站着一个"小工人"，也就是一段专门干一件事的 AI 指令：

1. 分析师：看参考图，写一份"这张图好在哪"的分析：人物、穿搭、场景、构图、光线、情绪，就是第 5 章的六要素。
2. 造型师：从参考图里提取穿搭，生成一张三视图穿搭图。
3. 设计师：根据分析和主题，设计 4 到 6 帧的组图方案，每帧写清画面目标、动作、机位、光线、故事推进。
4. 提示词工程师：把设计文稿翻译成每一帧的描述，就是第 6 章那种六块结构。
5. 绘画师：拿着模特图、穿搭图和描述，逐帧生成。
6. 质检员：按第 7 章的打分表逐张检查，出报告，标出哪张要重做、哪条要记一笔。
7. 文案：根据设计文稿写一篇可以直接发的小红书文案。

这七个"小工人"不是七个软件，而是同一个 AI 在不同工位上扮演不同角色，每个角色有自己的规矩和检查表。人只在最开始放入材料，和最后看结果。

你放进去什么

一个文件夹，里面三样东西：

• 模特图：必须有。就是第 3 章那张四格的 Tina。
• 穿搭图：可选。没有的话，造型师工位会从参考图里帮你提取一张。
• 源图或一句主题：二选一。要么给一张"照着拍"的参考照片，要么写一句"晴天网球场，回合之间的训练间隙"。

它吐出来什么

还是一个文件夹，但里面多了很多东西。这是 247 那一套跑完之后的样子：

247 晴日网球场·回合之间/
├── 写真套图_01_回到底线.png          ← 六张成片
├── 写真套图_02_读球的侧身预备.png
├── 写真套图_03_跨网迎拍.png
├── 写真套图_04_挥拍后的回身.png
├── 写真套图_05_追回中心位.png
├── 写真套图_06_网前的停拍余韵.png
├── 小红书文案.md                    ← 文案工位的产物
├── docs/
│   ├── 源图分析文档.md              ← 分析师的产物
│   ├── 设计文稿.md                  ← 设计师的产物
│   ├── 提示词文档.md                ← 提示词工程师的产物
│   ├── 最终质检报告_v1.md           ← 质检员的产物
│   └── 任务执行日志.md              ← 整条线的运行记录
└── images/
    ├── model/模特图.jpg             ← 你放进去的
    ├── outfit/穿搭图.png            ← 造型师生成的三视图
    └── source/源图.JPG              ← 你放进去的参考照片

六张成片只是结果。真正值钱的是 docs 里那一叠记录：它告诉你这套图是怎么想出来的、每帧写了什么、检查出了什么问题。下次想改，改记录就行，不用从头来。

执行日志长什么样

这是 247 的执行日志摘要，我删掉了路径，留下关键信息：

工作流：aiphoto-copy-v2，全自动执行
生图：Nano Banana 2，画幅 3:4，画质 1K
生成策略：六帧使用同一后端；无重试、无后端切换
六帧均为 896×1200 像素的 PNG

Step 1 准备输入        ：已通过
Step 2 案例分析        ：已通过 → 源图分析文档.md
Step 3 提取穿搭        ：已通过 → 穿搭图.png
Step 4 写真设计        ：已通过 → 设计文稿.md
Step 5 提示词设计      ：已通过 → 提示词文档.md
Step 6 逐帧生成        ：已通过，六帧
Step 7 文案与日志      ：已通过

最终质检：全部通过；第 2、3、5 帧存在非阻断的帽型偏差

质检报告长什么样

这张表的分数和结论是从库里的质检报告直接抄下来的；第 3 帧备注里的"弃用"是我复看后加的。每一帧都有分数、结论和备注。你不需要看六张图猜"哪张有问题"，表格直接告诉你。

流水线负责执行，人负责判断

说清楚边界：流水线做的是"按规矩把事做完"，不是"替你决定这套图能不能用"。它会打分，但分数是参考。你看了觉得不行，就是不行。上面那张表里的第 3 帧就是例子：各项分数全及格，但人穿过了球网，这张图就不能用。

失败也分两种，处理方式完全不同：

耗时和费用，如实说

下面的数字是我自己的经验值，按每张图 0.2 元的调用价估算。不同工具价格不同，仅供参考。

流水线省的不只是钱，更是"每次都得重新想一遍"的脑力。而且它把每一步都写下来了，下一套可以站在上一套的记录上做。

用在哪里：自媒体与电商

前面学的是同一套能力。到了用的时候，路分成两条，验收标准也分成两套。

自媒体这条路：固定人物 ＋ 系列主题 ＋ 每套一个小故事

做账号最怕的不是没图，是图没有"人设"。一个固定的人物解决这个问题：Tina 这周在网球场，下周在画室，再下周在雪天的大桥上，读者认得出她，账号就有了连续性。

验收看三件事：

• 人物可辨认。翻到任何一套，一眼认出是她。这是第 4 章的活。
• 组图有主题。六张连起来讲一件事，不是六张摆拍。这是第 5 章的活。
• 封面能挑出来。六张里至少有一张，缩成小图放在信息流里还抓眼。通常是近景、表情清楚、颜色干净的那张。

还有一条是新手容易忽略的：平台规则也是验收的一部分。第 4 章那组眼镜御姐，第二版图没问题，发出去却被平台限流，原因是蕾丝上衣。于是有了第三版，只把上衣换成缎面吊带。做自媒体，图能不能发得出去、发出去有没有人看到，也要算进"能不能用"里。

电商这条路：多一条验收线

电商用 AI 写真，是让固定人物穿上你的商品。人物一致性照旧要查，但多了一条更硬的线：商品本身不能变。颜色、版型、图案、材质、配件，一样都不能被 AI"发挥"。

电商的检查方式就是这样"逐件对"：把穿搭图和成片并排，一件一件数。少一件、颜色偏一度、口袋从两个变成一个，都算不合格。因为买家收到的是真商品，图上多画的东西，退货的时候都是理由。

本书的电商案例只覆盖服装穿搭，这是我验证过的品类。其它品类，比如首饰、鞋包、家居，方法相通，但我没做过足够多的验证，不在这里下结论。

两条路，一张表看清

常见误区与能力边界：十问十答

这些是我被问得最多的十个问题。有的答案是"能"，有的是"不能"，有的是"看情况"。都如实说。

术语对照表、自查清单与案例来源

书里出现过的词，这里一句话一个。后面是一页可以打印出来贴在显示器旁边的检查表，以及每张真实配图的来源。

一、术语对照表：三十个词的人话翻译

AI 写真

用一张人物照片加一段描述，让 AI 画出一组从没拍过的新照片，人还是那个人。

参考图

你给 AI 看的样本图。分三种：人物图、穿搭图、场景图。

模特图 / 人物图

专门负责"像谁"的那张参考图。要正脸清楚、光线自然、最好有侧脸和全身。

穿搭图

专门负责"穿什么"的那张参考图。

三视图

同一套衣服的正面、侧面、背面拼成一张，纯色背景。穿搭图的推荐做法。

源图 / 场景图

你想"照着拍"的参考照片。只借场景和光线，不借人。

提示词 / 描述

你跟 AI 说的那段话。本书统一叫"描述"。

模型

帮你画图的那个"摄影师"。换模型不用换方法。

生图 / 出图

让 AI 画一张的动作。

画幅 / 比例

图是横是竖、多长多宽。3:4 是宽 3 高 4 的竖图。

分辨率 / 1K、2K

图有多少像素。1K 大约是长边一千多像素，手机上看足够。

一致性

换了衣服、场景、动作，人还是同一个人。

身份

让这个人是这个人的那些特征：脸型、五官、肤色、气质。

锚点

描述里用来钉住某个特征的那句话，比如"白皙自然肤色"。

变量

这次和上次相比你改动的那一项。一次只改一个。

景别

人在画面里占多大：远景、全身、七分身、半身、特写。

机位

相机在哪、多高、多远、朝哪拍。

构图

人放在画面哪里、前景有什么、背景怎么排。

焦段

相机镜头的"远近感"。数字小画面广，数字大背景压缩、人更突出。描述里写"50mm"就是这个。

逆光

光从人背后来。好看，但容易把脸冲掉，做参考图时避开。

景深 / 虚化

人清楚、背景模糊。

胶片颗粒

画面上细细的沙沙感，让图看起来像真拍的，不像电脑画的。

磨皮

把皮肤修得像塑料。要专门说"不磨皮"。

负面约束

描述里"不要出现什么"的那部分。

质检

出图后按固定清单和打分表逐张检查。

硬性拦截

出现一项直接不合格的问题：多手、多人、水印、品牌标志、畸形、多宫格。

非阻断偏差

能过关但和设计不完全一致的小问题，记下来下次改。

Agent

能自己按步骤把一件事做完的 AI。

工作流 / 流水线

把几个步骤按固定顺序串起来，每步产出是下一步输入。

执行日志

流水线自动写的工作日记。出问题先看它。

重试

某一张没出好，再出一次。

设计文稿

出图前写的那份"每一帧要拍什么"的方案。

限流

平台不把内容推给更多人看。图没错，发不出效果。

肖像权 / 授权

用别人的脸要经过本人同意，商用要书面同意。

二、一页自查清单

参考图，出图前看

• 人物图是正脸，眼鼻嘴清楚，没有墨镜、口罩、头发遮挡
• 人物图光线自然，没有滤镜和强美颜，背景干净
• 有侧脸和全身，最好拼成一张
• 穿搭图是纯色背景的三视图，上面没有品牌标志和文字
• 三张图各管一件事，互不打架：肤色一致、没有多余的纹身首饰

描述，出图前看

• 第一句就是"保持同一人物的五官比例、脸型、肤色、气质"
• 写清画幅（竖图还是横图）和景别（全身还是半身）
• 她正在做一件具体的事，手有事做，眼睛看向某处
• 光从哪来写清楚了；"高级""氛围感"这类词全部翻译成能看见的
• 末尾有"不要出现"清单：多手多腿、第二个人、文字、水印、品牌标志

出图后看

• 看脸：脸型、五官、肤色、气质，四项都像
• 看手：手指数量、关节方向，每只手都放大看过
• 看衣服：和穿搭图逐件对，电商多对一遍商品细节
• 看背景：没有多出来的人影、文字、标志、飘着的东西
• 看整组：光线方向一致、衣服同一套、六张连起来是一件事；问题都记下来了

三、真实配图来源

所有真实案例图均来自作者本人的写真库，人物为虚拟模特 Tina。项目编号对应库内目录名，便于回查原文件与质检记录。

示意插画 13 张由 AI 生成（gpt-image-2），仅用于辅助理解，不代表任何真实人物。

四、版本记录