一张活动海报已经排到最后一轮，客户说杯子往左挪一点、阴影别动。对设计师来说，这不是大改；对图像生成工具来说，却可能是一次重来。
刚接触图像生成时，注意力都在“像不像”。真正进入工作流后，问题会换一个方向：能不能只改局部，能不能保留构图，能不能让下一版还认得出上一版。初稿带来惊喜，反复修改才决定它是否可用。
改得动，比画得像更难
图像生成通常从一段文字描述出发，模型在一次又一次去噪中形成画面。这个过程擅长从无到有，却不天然擅长“在已有画面上做手术”。当你要求只替换一个物体，模型可能顺手改变光影、透视和背景纹理。不是它故意不听话，而是整张图被当作一个整体重新计算。
于是，局部重绘、蒙版和参考图成了常见办法：用蒙版圈出要改的区域，用参考图约束风格，用边缘或姿态信息约束结构。它们解决的不是把画面推向某种效果，而是把修改限制在可预期的范围内。这里有一个容易被忽略的前提：控制条件越细，操作成本越高。若只是生成一张情绪板，文字描述足够；若要交付一张带版式的物料，往往需要在生成之外补上排版、校对和人工修整。
一致性是隐形成本
多轮修改时，一致性问题会慢慢浮现。同一角色换一个角度，同一产品换一个背景，同一套视觉换一种尺寸，模型都可能在细节上漂移。观众未必说得出哪里不对，但会觉得“不是同一张”。这类成本很少出现在初次演示里，却会在交付前反复出现。
因此，我更愿意把图像生成看成一种草稿与素材的扩展方式，而不是一键成品。它的价值在于把试错前移：构图可以快速铺开，风格可以并行探查，局部可以反复试探。但最终判断仍要回到具体任务：文字是否准确，元素层级是否清楚，多轮修改后是否还能追溯。工具若只保存最终图，不保存修改路径，改稿就会变成猜谜。
边界不在画面里
从实际使用看，这类工具适合探索氛围、材质和构图方向，也适合在已有素材上做局部替换。但涉及精确文字、品牌规范、复杂版式和跨轮次一致性时，人工检查仍不可省略。一个可操作的判断是：如果修改需求能用一句话说清，且允许一定随机性，它可以先上；如果每个像素都有明确责任，生成结果只能作为中间稿。
回到开头那张海报。真正省时间的，不是让模型再画十张，而是让它只改被圈出的杯子，并保留阴影、透视和版式。这类工具要进入日常生产，需要补上的可能不是更大的模型，而是更细的编辑接口、更清楚的修改记录，以及承认“初稿好看”和“多轮修改后可用”之间隔着一段工程活。