深夜的工位上，一张产品图被反复放大：瓶身反光不对，背景阴影太硬，文案区域还空着。过去这类修改要来回沟通几轮；现在有人把原图拖进工具，画一笔，让模型补出缺失部分。图像生成在这里不像“凭空造图”，而像一种带概率的修补。
也正因为像修补，问题才具体。提示词能描述“冷色调、留白、木质台面”，却很难说清客户那句“要显得贵一点但别太亮”。模型会给出若干方向，编辑仍要挑选、擦除、重画。图像生成把出图时间压短了，却把判断密度提高了：每一步都像在问，保留多少随机，收回多少控制。
从“一次成图”到“可回退的编辑”
早期使用图像生成，常见动作是写长提示词，等一张完整画面。现在实际流程常是拆开：先定构图，再做局部重绘，随后用蒙版和参考图约束风格。这样不神奇，却接近设计工作。随机性不再是卖点，能否回到上一步、能否只改一只手、能否让同一角色在几张图里保持一致，才决定它能不能进入日常。
- 提示词负责方向，不适合承担全部细节。
- 局部重绘适合修边缘、补背景、换材质。
- 参考图与蒙版用来收住风格和范围。
这带来一个不太被提起的成本：素材管理。生成过的图、试过的参数、改到一半的蒙版，如果散落在不同位置，下一次很难复现。出图顺手之后，也需要把“怎么改的”留下来。否则团队只记得结果好看，却说不清为什么可用。
边界不在画面里，而在责任上
一张图被生成出来，只完成了前半段。能不能商用、是否误导、与品牌语气是否一致，仍要由人来判断。模型不会替编辑承担这些，它只负责在像素层面给出可能性。对这类工具保持克制的期待，把它当成可编辑的素材来源，而不是自动交稿的同事。
值得练习的动作，可能不在提示词长度上，而在把需求拆成可验证的小步骤：先确认构图，再确认材质，再确认文字和留白。每一步都能回退，每次修改都有记录。这种笨办法不耀眼，却让图像生成在真实工作里少一点碰运气。