把同一句提示词贴进输入框，隔几分钟再生成一次，得到的画面常常对不上：构图偏了，光线换了，人物手里的杯子变成了花瓶。很多人第一反应是工具不稳定，其实这更像在问一个更基本的问题——我们到底在向什么要一张确定的图。
差异来自哪里
主流的图像生成模型大多从一团随机噪声出发，一步步把它“擦”成图像。起点这团噪声每次不同，后续每一步的判断都会跟着分岔。即便提示词一字不改，采样路径也不会重走一遍。有的工具会暴露随机种子这个参数，把种子固定住，输出才可能复现；有的把它藏在后台，用户只能靠反复试。
提示词本身也留了很大的解释空间。“安静的咖啡馆”没有规定杯子放哪、窗朝哪边、光是上午还是黄昏。模型在训练中见过大量同类画面，学到的是这类场景的分布，而不是某一张具体的照片。它每次从分布里取一个样本，取到的自然不一样。这不是模型没学会，而是它学的东西本来就不是唯一答案。
随机性带来的麻烦，和它省下的事
做系列物料的人常常被这件事绊住。同一套视觉要用在十几张图上，风格统一是硬要求，而每次重生成都像重新掷一次骰子。反过来，构思阶段的人又往往靠这点随机性打开思路：同一个想法换几个角度长出来，反而能撞见自己没想到的处理方式。
于是工作流被分成两段。前一段放开随机性，多看几种可能；后一段收窄，把选中的方向固定下来。常见的手段不复杂：锁定种子、把满意的图作为参考垫进去、只重绘局部区域、用线稿或深度信息约束构图。约束加得越多，可动的空间越小，出图越贴近预期，但同时也越难出现意外的好东西。
什么时候值得较真
- 需要连续出图、要求同一角色或同一产品外观稳定时，固定随机源比反复调提示词省力。
- 只是找灵感，不必急着锁参数，多生成几次，撞见可用方案的机会反而多一些。
- 涉及文字、精确排版、可核对的细节，图像生成目前仍不适合独自承担，需要人工介入。
还有一层容易被忽略：不同工具对同一句提示词的响应方式差别不小，换工具几乎等于换了一套解释规则。把一个平台上调好的提示词原样搬到另一个平台，结果常常要重新找感觉。
把它当成一个有脾气的合作者
我的判断是，与其期待图像生成给出稳定复现的结果，不如在流程里给它留一个位置：它负责提出方案，人负责挑选和收束。理解它为什么不稳定，能省下不少反复试的时间。下一次画面又跑偏时，先看看随机种子有没有被固定，再想想提示词里是不是还留着没交代清楚的空白——多数时候，答案在这两处。