一张海报改到第三版时，设计师把需求写得很具体：主体靠左、留白给标题、光线从右上角来。图像生成给出的画面大体符合，但杯口边缘多了一圈不存在的反光。她盯着那圈光看了几秒，还是决定手动修掉。这个停顿很能说明问题：它已经能进入工作流，却还没到可以闭眼交付的程度。
它先是一套压缩后的视觉决策
很多人把图像生成理解成“输入一句话，得到一张图”。实际使用中，提示词只是入口，真正影响结果的是模型对视觉惯例的压缩：构图、材质、光影、风格线索被压进参数里，再由一次采样展开。它擅长处理“大致对”的画面，比如气氛图、背景板、早期概念草图；一旦进入文字排版、精确结构、品牌规范，人的复核就绕不开。
这也解释了为什么同一段描述，换一个词序，画面就会偏。不是模型在故意捉弄人，而是它没有稳定的“意图理解”，只有概率上的接近。对使用者来说，写提示词更像在调一个没有说明书的旋钮：有效，但需要试。
验收环节常被挤到最后
我见过一种常见的误判：把生成结果直接当成成品，忽略检查。图像生成出的手部、文字、镜面反射、重复纹理，仍可能出现不合理的细节。它们不一定显眼，却会在印刷、放大、裁切后暴露。与其反复追问“能不能一次生成对”，不如把流程拆成生成、筛选、修正、复核。前面快，后面就要稳。
另一个容易被低估的成本是沟通。需求方说“高级感”，生成端听到的是另一套视觉词汇。中间如果没有参考图、版式约束和明确的禁用元素，反复抽卡就会变成新的加班来源。它省下的是绘制时间，不一定省下对齐时间。
- 画面里有没有文字、标识或手部等容易出错的区域；
- 光线和透视是否与现有素材冲突；
- 生成的元素能否被拆开修改，而不是只能整张重来。
边界清楚，使用才轻松
我倾向于把它看成一种高吞吐的草稿工具：适合把抽象描述快速变成可讨论的对象，适合填补背景和氛围，适合在早期方案里提供分叉。涉及精确信息、正式发布、法律风险的内容，仍然需要人来把关。把边界说清楚，反而能让它用在合适的位置。
所以，当下一次有人把生成的图发到群里，别急着问“像不像”。先问：这张图要经过哪些环节，谁负责验收，哪些细节不能被概率决定。它已经足够有用，但它的好用，往往取决于使用它的人是否愿意把验收做得具体。