把一张图里某处改掉，常常比重新生成一张更费劲。背景不变、人物姿势不变、光线也别动，只把桌上的杯子换成另一款——输入框里写起来简单，落在图像生成里却容易牵一发动全身。这个细节，正在决定它更像玩具，还是更像工具。
“只改一点”为什么难
多数图像生成模型并不是在像素上逐格作画。它先把画面压进一个更抽象的特征空间，再从噪声里一步步还原。好处是整体感强，代价是局部与整体绑得很紧。你让它换杯子，它可能顺手改了桌面反光、阴影方向，甚至人物的手。模型理解的是“画面应该像什么”，而不是“哪一块必须保持原样”。
于是出现一种倒挂：从零生成一张好看的图越来越顺手，按明确要求做可控修改却仍要反复试。这里的难点不只在算法。需求方说的“只改一点”，往往隐含着一串未写出的约束：品牌色不能偏，包装文字要可读，材质要像同一批货。提示词很难把这些约束说全，模型也没有义务逐条遵守。结果就是，生成很快，验收很慢。
从“像”到“对”的距离
这类工具早期解决的是“像不像”的问题：轮廓、质感、氛围是否可信。进入实际工作后，问题变成“对不对”：位置对不对，比例对不对，和现有素材能不能接上。前者可以靠审美判断，后者需要可核对的标准。没有标准，修改就会变成一轮轮碰运气。
这也是为什么局部重绘、蒙版、参考图、分层输出这些能力被反复提起。它们不炫目，却把“随机惊喜”往“可重复操作”拉近了一点。一个工具能不能被稳定使用，常常不取决于它一次能生成多惊艳的图，而取决于失败时能不能定位原因，重来时能不能少改几处。
边界不在生成，而在验收
图像生成真正进入工作流，绕不开验收环节。谁来判断一张图能不能用？依据是品牌规范、版权来源、场景适配，还是单纯的“感觉对”？如果这些判断只留在个人经验里，团队协作就会很脆。相反，把要求拆成可检查的条目，哪怕条目很朴素，也能减少无效迭代。
另一个常被忽略的边界是痕迹管理。生成、修改、再修改之后，最终版本和最初意图之间可能已经隔了很多步。没有记录，很难说清哪一处是刻意保留，哪一处是模型顺手改掉。对个人创作者，这或许只是麻烦；对需要多人交接的场景，它会变成成本。
所以，面对这类工具，我更愿意先问一个不性感的问题：这张图改完之后，谁能一眼看出它“对”在哪里？如果答案只有“看着还行”，那再流畅的生成，也只是把不确定性往后推了一步。