一个做家居用品的朋友给我看他的屏幕：一张产品图旁边排着一列缩略图，构图几乎一样，差别在光从哪边来。他说这活儿以前靠拍，现在先跑一批，再挑几张送去修。
这大概是图像生成进入日常工作后很常见的样子。它没有把人换掉，而是把一段流程拆开，重新分配了一遍。
讨论多半停在“像不像”。真正决定一张图能不能用的是另一个问题：改得动吗。
一张图容易，一套图难
刚上手的人往往会被头几张图惊到。接着问题来了：要给同一款产品出二十张不同角度的图，要把一张已经通过的图里杯子往左挪两厘米，要把背景从浅灰换成米白而主体不动。这些要求听上去琐碎，却是实际工作里的绝大部分。
于是围绕图像生成的技术讨论，重心慢慢从“画得好不好看”挪到“控不控得住”。局部重绘、参考图约束、轮廓与姿态的引导、固定随机种子再微调，这些手段解决的都是同一件事：让结果可以被反复调、被局部改、被复现。生成一张漂亮的图不难，难的是第二天还能生成同一张。
这也解释了一个现象：很多人试用时很兴奋，落到项目里却卡住。不一定是模型不行，而是流程还没围着“可编辑”重新设计。文件命名、版本、哪一版是谁改的、改动用的是什么提示词，这些看着像琐事，实际决定了团队能不能复用一张图。
提示词不是说明书
写提示词常被当成写规格书：把要求逐条列清楚，模型照做。用过一阵会发现不是这样。它更像在给方向，剩下的部分由模型自身的习惯补上。
麻烦在于，这些习惯是隐性的。你没写“干净背景”，它也可能给你一个干净背景；你没要求某种打光，它也可能默认那种打光。看起来省事，实际是把一部分决定权交了出去。做品牌的人对此会比较敏感：一组图摆在一起，如果都是同一种默认气质，辨识度就淡了。
所以我更愿意把提示词看成一种编辑语言——它描述的是取舍，而不是参数。有效的做法，常常是先用少数几张图把方向定下来，再围绕这几张做延展，而不是每张都从头描述一遍。
它不擅长的地方，恰好是要签字的地方
文字、数量、精确的空间关系、多个物体之间的接触点，这些一直是图像生成容易出错的地方。偶尔能对，但不能指望每次都对。所以带文字的物料、需要精确尺寸的图、涉及结构关系的示意，稳妥做法仍然是人来收尾。
另一件需要谨慎的是权利问题。训练数据来源与产出物如何使用，目前业内并没有统一的理解，不同工具的服务条款差别也不小。商用之前先把自己所用工具的规定读一遍，比事后补救省事。
还有一层不太被提起：当一张图的生产成本降到很低，审图的成本反而上去了。判断一张图能不能用，需要有人知道它该长什么样。这个“知道”，是图像生成给不了的。
回到那位朋友的屏幕。他现在的工作方式是把需求先写成几句明确的话，跑出一批，挑两张，再花时间在细节上。省下来的不是创意，是那些原本要反复沟通“光从哪边来”的时间。这大概就是它现在的样子：不惊艳，但确实挪动了一些东西。