一位做电商详情页的朋友最近改了工作习惯。以前他要在素材网站翻半小时，现在打开图像生成工具，输入几句描述，等十几秒，四张草图就摆在眼前。听着省事，但他抱怨的重点变了：不是画不出来，而是“选不出来”。四张图都说得过去，可放到页面上都不太对劲——光影方向不统一，产品边缘有细微的糊，文字区域更是没法直接用。
这个细节比任何演示都更能说明图像生成当下的处境。它已经越过了“能不能生成”的门槛，正卡在“生成之后怎么办”这一关。
从“像”到“可用”，中间隔着一段路
外行看图像生成，判断标准往往是像不像。人物手指数量对不对，杯子有没有长在桌面上，这些早期翻车案例至今仍被反复提起。但实际投入生产的人关注的是另一套指标：同一个提示词跑十次，风格是否稳定；局部修改时，其余部分会不会被顺手带偏；分辨率放大之后，纹理是继续生长还是变成一团糊。
这些问题的共同点在于，它们都不是单张图的问题，而是流程的问题。一张图好看靠运气，一批图可用靠一致性。而一致性恰恰是生成模型较难保证的部分，因为它每次都在重新“想象”，而不是从一张底稿上修改。这也是为什么不少团队把图像生成放进流程的前段——用来出概念、试构图、铺氛围，而不是直接产出终稿。
提示词写得越好，越像在描述一种偏见
用久了会发现，提示词这门手艺有点像跟一个理解力很强但没见过世面的助手沟通。你说“简洁的白色背景”，它可能给你一片纯白，也可能给你一面带阴影的墙。为了减少歧义，人会不断加限定词，越加越长，最后变成一份说明书。
麻烦在于，写得越细，结果越窄。创作者原本想要的是意外之喜，实际得到的却是自己偏好的精确复刻。图像生成在这里显出一种矛盾：它擅长快速铺开可能性，却容易在人的反复调教下收敛成单一风格。用久了的人常有一种感觉——图越来越“对”，也越来越像。
细节可信度，仍是绕不开的坎
如果只是做插画和氛围图，很多瑕疵可以容忍。但一旦涉及需要经得起放大的场景，比如产品图、建筑效果、带有文字标识的画面，问题就集中暴露。手指、发丝、织物纹理、镜面反射，这些人类视觉极度熟悉的东西，模型稍有偏差就会被一眼识破。
目前常见的做法是分段处理：生成负责铺大关系，后期负责修局部。这并非技术退步，而是对工具边界的现实承认。指望一句话得到可直接交付的成品，在多数严谨场景里仍不现实。反过来说，把图像生成当成一位出图极快但需要审校的协作者，预期就顺了。
边界问题不会自己消失
还有一层讨论常被使用者跳过：训练素材的来源、生成结果与既有作品的相似度、商用授权范围。这些问题不像画面瑕疵那样直观，却直接关系到能不能放心用。不同工具的使用条款差异不小，有的对商用有明确限制，有的对生成内容的权利归属表述含糊。把这些弄清楚，耗时但并不复杂，麻烦的是很多人习惯先用了再说。
谨慎的做法并不玄妙：涉及对外发布的商业物料，保留生成记录与修改过程；对风格高度接近某位在世创作者的结果，主动回避；在团队内部约定哪些场景可以用、哪些必须人工复核。这些约定听起来笨，但比事后解释省事。
它改变了谁的工作，又没改变什么
图像生成确实压缩了从想法到草图的时间，让不会画画的人也能把脑子里的画面摆出来看看。但它没有替人决定要表达什么。构图可以自动，审美取向不能；色彩可以生成，为什么用这个颜色仍需人来回答。
所以更实际的态度，也许不是追问它会不会取代谁，而是把它放在合适的位置：用来试探、用来铺量、用来做那些不值得请人画的中间稿。剩下的判断、取舍和收尾，仍然留在人这边。工具越顺手，这部分反而越显重要。