晚上十点，做电商详情页的朋友把四十张候选图摊在屏幕上。她说，生成花了二十分钟，挑图花了两小时，改图还没开始算。这个比例，大概是眼下不少人对图像生成的真实体感：出图不再是瓶颈，判断才是。
提示词写不出你想要的那条边
语言和画面之间不是一一对应的。你说“暖调、自然光、轻微颗粒”，十个人有十种理解，模型也有它自己的偏好。同一段提示词换个种子，构图就偏了；想补一句“左边留白多一点”，整体氛围又跟着松动。这跟谁用得对不对关系不大，问题出在描述本身就粗糙。
所以真正省时间的做法，往往不是把提示词写得更长，而是把需求拆成能验证的小块：先定构图，再定光线，最后调质感。局部重绘能救回一部分，但接缝处的光影、物体边缘的过渡，还是得靠眼睛一遍遍看。
一致性靠流程，不靠灵感
单张图好看不难，难的是同一套视觉连着做二十张。人物脸型漂移、同款产品换了颜色、系列封面的字重不统一——这类问题在图像生成里格外突出，因为每次采样都带随机性。常见的应对是用参考图锁定风格、固定种子、再用后期统一调色，本质上是把生成嵌进一条已有规范的生产线，而不是让它单独跑。
- 先定规范：色彩区间、字体、留白比例，写成可执行的约束；
- 再定流程：哪一步生成、哪一步人工修、最后由谁确认；
- 留档回溯：种子、提示词、参考图一并存下来，出问题能倒查。
它现在还不擅长的几件事
画面里的文字仍然容易出问题，中文尤其明显。笔画多的字会粘连、变形，标点位置也不稳。涉及精确排版、严格比例、需要跟真实物料对齐的图，目前还是要回到设计工具里做。另外，训练数据来源的疑问一直没有完全澄清，商用之前该核查的授权、该保留的记录，别省。
更合适的用法是把它当草稿机
有段时间我也试着让它直接出终稿，结果是反复返工。后来改了用法：用它把脑子里模糊的想法快速摊成五六个方向，选一个，再回到熟悉的工具里精修。这样反而快，因为决策发生在成本最低的阶段。
另一个变化是评审标准要前置。以前是图出来再讨论“感觉不对”，现在得在生成之前就把“不对”定义清楚——是主体比例的问题，还是光线方向的问题。说不清楚，生成多少次都只是碰运气。
图像生成这几年进步很快，快到容易让人误以为它解决的是“画”的问题。实际用下来，它更多在解决“看”的问题：逼着你把模糊的审美判断，说成具体的、可被检验的条件。这件事做完了，工具换不换，影响其实没那么大。