给一张产品照片换背景，本来是十分钟的活。我用图像生成试了一遍：白底换成浅灰水泥台面，光从左上打过来。第一次效果不错，第二次再跑，台面的纹理变了，瓶身的高光位置也挪了几毫米。第三次，标签边缘开始糊。
问题不在于哪一张更好看，而在于我没办法让它“就停在那一张”。
每次采样都是一次重新开始
扩散类模型的生成过程，是从噪声一步步去噪。即使提示词、种子、尺寸都不动，只要换一次采样，细微处的走向就可能不同。局部重绘看起来是在原图上改一小块，实际上模型仍要重新推断遮罩内的像素，边缘如何衔接、纹理如何延续，靠的是上下文和参数，而不是对上一轮结果的记忆。
这决定了一件事：图像生成更像是在采样一个分布，而不是在编辑一份文件。它给出的是“这一类里的一张”，不是“我要的那一张”。
控制感是一点点攒出来的
用过一段时间后，我的习惯变了，不再指望一句话出图，而是把可控的部分尽量前置：
- 遮罩画得比感觉需要的小一圈，边缘留出过渡带，减少接缝处的突兀；
- 把参考图当成约束，而不是灵感来源，风格、光照、材质分开喂；
- 一次只改一个变量，改完立刻存版本，避免几轮之后说不清哪一步跑偏；
- 生成的图回到普通修图软件里做最后一遍对齐，该手动的地方不勉强。
这些做法谈不上技巧，更像是承认工具的脾气之后，把流程重新排一遍。
它擅长的，和它不肯负责的
氛围、材质、构图发散，是图像生成真正省时间的地方。做情绪板、试配色、给文案配一张占位图，几分钟能出十几个方向，这种“广度”靠人工画不出来。
但涉及精确复现的部分，它显得漫不经心：同一个角色在不同画面里的衣领、多行文字的排版、重复排列的零件数量。这些恰恰是商业稿件最容易出问题的地方，因为错一点就要返工，而返工的成本往往比从头做还高。
我不觉得这是“能力不足”那么简单。生成模型优化的目标是让结果看起来合理，而不是让结果符合某份具体的规格说明。这两件事在很多场景下重合，在需要严格一致时就会分开。
把边界写进流程
所以我现在的用法比较保守：把图像生成当作素材来源，而不是终稿。凡是需要精确的地方——品牌标识、产品结构、文字信息——回到确定性工具里完成。提示词、种子、参数和修改记录都留着，出了问题能往回找。
这样做效率没有想象中高，但返工少。工具还在变，也许明年这些顾虑就不成立了。不过在那之前，判断一张图能不能用、哪里必须手动补，仍然是我这半边的事。