2026.04 / AI 生图工作流

有机渐变 AI 生图

Base 内部多个场景需要高质量氛围背景图,例如封面、头图、问卷主题和仪表盘背景。过去这类图依赖人工搜图或单次 AI 生图,风格不稳定、复用成本高,也难以持续扩展图库。这个实践把“参考图反推 + 多模型测试 + Prompt 微调 + Skill 固化”整理成一套可复用流程。

有机渐变图库效果
1000

批量生成规模

以 1000 张图作为效率估算口径

2h

自动化耗时

过去人工约 150 小时

3

沉淀产物

Prompt Bank、规则文档、生成 Runner

00概览

从生图到复用系统

这个项目的目标不是单纯生成几张漂亮图片,而是沉淀生图 Skill 和团队图库,减少重复配图工作,同时保障不同设计点位的调性统一。

有机渐变在 Base 场景中的使用示例
有机渐变在 Base 场景中的使用示例。

这类图片的难点在于“抽象但不空泛”:它需要保留花、植物或液态微距的色彩和纹理来源,又不能直接读成一朵花或一个具体物体;它要有视觉情绪,也要能作为背景承载界面内容。

01方法

从参考图倒推视觉语法

第一步不是直接生成,而是从已有高质量图片中反推视觉语法。我会拆解参考图里的光感、色彩、构图、抽象程度、材质残留和留白方式,再把这些视觉特征转化成可复用的 prompt 规则。

从 OpenAI 官网渐变背景反推 Prompt 的截图
从参考图倒推 Prompt 和 Prompt 结构。
  • 光感:高亮、柔和、空气感、无硬高光。
  • 色彩:干净、明亮、可融合,避免脏色和过度霓虹。
  • 构图:非对称、局部裁切,保留可承载文字的留白。
  • 抽象程度:来自花或植物,但不能读成完整花朵。
02调试

多模型与 Prompt 微调

第二步是把同一套 prompt 投入不同模型里测试。测试重点不是单纯比较哪张图更好看,而是观察不同模型对同一视觉语法的解释偏差:是否容易生成具象花朵、是否能保持柔焦光场、颜色是否干净、材质是否过强、同一批图片是否有足够 variety。

GPT-5 Image 生成的有机渐变结果
GPT-5 Image
GPT-5-4 Image 生成的有机渐变结果
GPT-5-4 Image
Gemini 生成的有机渐变结果
Gemini

在这轮测试里,只有 GPT-5 Image 能比较好地遵循抽象和提炼的要求,其他模型更容易生成过于具象的图片,不适合作为背景图大量出现。因此后续继续基于 GPT-5 Image 迭代。

01太像真实花朵

加强 “almost unrecognizable as a flower” 和 “botanical source only faintly implied”。

02花心或花瓣轮廓太清楚

加入 “no visible center”、“no readable petal outlines”、“no full flower silhouette”。

03画面太暗或太脏

强化 “luminous high-key soft clean light”,同时明确避免 muddy tones。

04图片之间太重复

开放 flower source、palette mode、composition、density 等变化轴。

AI 生图的稳定性不来自某一句万能 prompt,而来自一套可重复验证的视觉语法。

03沉淀

Skill 结构

当有效规则稳定下来后,我把它沉淀成有机渐变 AI 生图文档和 Skill 包,方便后续继续批量生成同一调性的背景图。

这个 Skill 的核心不是“自动生成很多提示词”,而是把生图过程拆成一套明确的设计系统:先定义风格边界,再人工写 prompt bank,最后才进入图片生成。这样做的目的,是让每一次生成都能回到同一套审美判断里,而不是靠模型随机发挥。

01先定义风格规则

Skill 会先读取 style guide 和 prompt rules,明确高亮、柔和、空气感、微距、非对称、花源弱可见这些风格约束。

02手写 10 条 Prompt Bank

Prompt 不是脚本随机拼接出来的,而是像 art director 一样手写,每条都要有明确的花源、主色、构图和抽象程度。

03用 Checklist 做质量控制

写完后再按规则检查:是否太像真实花朵、是否引入了无关材质、颜色系统是否过宽、是否还有足够留白。

04生成和写 Prompt 解耦

API runner 只负责读取已经写好的 prompt JSON 并生成图片,不负责自动改写或混合 prompt,避免生成流程反过来污染风格判断。

  • 只使用花或植物作为视觉来源,不引入玻璃、布料、墨水、矿物、UI、图标或科技物件。
  • 成图需要保持花源“隐约存在”,不能一眼读成完整花朵。
  • 色彩系统保持简单,通常控制在 1-3 个核心颜色,而不是宽泛的五色设计系统。
  • 默认输出是结构化 prompt bank,每条包含 slug、mode、dominantHue、flower、paletteNote 和 prompt。
01Style Guide

定义风格目标

高亮、柔和、空气感、微距、非对称,花源几乎不可识别。

02Prompt Rules

约束生成边界

只允许花或植物来源,控制材质、色彩数量和抽象程度。

03Reference Prompts

校准语言密度

用参考提示词校准措辞、细节密度和抽象层级。

04Manual Prompt Bank

人工写 10 条 Prompt

像 art director 一样手写 prompt,不用随机槽位机械混合。

05Checklist

做质量检查

检查是否太具象、颜色过宽、材质跑偏、留白不足。

06Image Runner

只负责执行生成

读取已有 prompt JSON 调用图片 API,不负责改写或重组 prompt。

这套结构把“写 Prompt”和“生成图片”分开:前半段负责审美判断和规则沉淀,后半段只负责稳定执行,避免自动化流程反过来稀释风格。