不会修图的人，如何用 GPT-Image-2 辅助出图
先交代个背景。我平时写技术博客，经常需要配图——流程图、示意图、封面。但我压根不会用Photoshop，连图层和蒙版都分不清。以前只能去素材网站扒图，要么侵权要么丑。后来在一个叫v.877ai.cn的AI聚合站上试了试GPT-Image-2，发现这个模型对“手残党”出奇友好。用了几个月，我手边的素材图基本都能自己生成了。今天就把这套不修图、只靠“说话”出图的方法分享出来。
GPT-Image-2是什么？
简单说，它是OpenAI在2025年底推出的图像生成模型，可以看作是DALL-E 4的轻量化迭代版。和之前版本最大的区别是：对自然语言的理解更“笨人友好”。你不需要背提示词公式，也不用学什么“C4D渲染、Octane光线”这种黑话。直接说人话——比如“一张商品摄影图，白色背景，一只猫打翻了咖啡杯”——它就能出来能用的结果。
据官方文档，GPT-Image-2内部接入了改进版的CLIP和扩散Transformer，对“位置关系”“材质感”和“小物体细节”的还原度提升很明显。最关键的是，它原生支持多次局部修改，不需要你圈选蒙版，直接说“把杯子的颜色改成蓝色”就行。
不会修图的人，怎么用它出图？
很多人的误区是：觉得自己得先学会写“完美提示词”。完全不用。我总结了一个最笨但最有效的方法：对话式迭代。
第一步：说需求，别想太多
假设你现在要一张公众号封面图，主题是“代码调试”，希望有个人低头看屏幕，光从屏幕打到脸上。
直接输入：
帮我生成一张图，一个程序员在昏暗的房间里看着显示器，显示器的光映在他脸上。风格偏写实，不要卡通。横版16:9。
GPT-Image-2会在十几秒里给你四张。大概率有一两张构图对了，但颜色或细节不对。
第二步：用“自然纠错”代替修图
不会修图不要紧。你看哪不对，直接打字告诉它：
“显示器上的代码太亮了，看不清屏幕内容，把亮度降低一点。”
“他脸上的光太硬了，像鬼片，加一点柔光。”
“背景太乱，把房间里的杂物去掉，只留桌子和显示器。”
这些指令放在Photoshop里你得学蒙版、调曲线、做模糊。但在GPT-Image-2里，它就是一句人话。模型会根据上下文重新生成，保持主体不变，只改你描述的部分。我实测过，连续改四五次后，图文一致性依然很好，不会像早期模型那样越改越歪。
第三步：解决“手指/文字/边缘”的老毛病
2026年的GPT-Image-2已经大幅减少了畸形手指和乱码文字。但如果出现了，怎么办？也不用修图。你可以圈定一下：
“把左边那张图里人物的右手重新生成，手指个数要正常，不要多指。”
“屏幕上的代码改成‘import numpy as np’这行字，清晰一点。”
模型会局部重绘那个区域。成功率大概八成。遇到剩下两成死活不对的，我的经验是放弃这张，退回上一步换个描述角度重新生成——比硬修快多了。
实战：我做了一张技术博客配图
上周我要写一篇关于Python装饰器的文章，需要一张“函数被层层包裹”的示意图。我没用任何设计工具，全程只靠说话：
第一轮：“画一个长方形蛋糕，外面裹了三层不同颜色的保鲜膜，抽象一点，极简扁平风格。”
第二轮：“保鲜膜的透明度提高，能看到里面是蛋糕。每层膜标上小标签‘装饰器1’‘装饰器2’‘装饰器3’。”
第三轮：“背景白色，蛋糕放在盘子里，盘子不要有花纹。”
最终生成的图放到文章里，读者评论说“这个配图很直观”。他们不知道我连圆角矩形都画不圆。
注意事项：它不能取代设计，但能取代“不会修图的痛苦”
GPT-Image-2不是万能药。它生成的结果分辨率通常是1024×1024左右，印刷品不够用；复杂的多人物场景仍会有肢体穿模；对特定字体、Logo的精确控制也不如人工。但对99%的技术博主、运营、小创业者来说，它已经足够让你不打开PS就拿到能用的图。
如果你还想横向对比其他图像模型（比如Midjourney V7或Stable Diffusion 3.5），我直接用一个聚合站就解决了，省去挨个注册的时间。不过工具终究是工具，核心还是想清楚自己要什么——剩下的，就“说”给它听就行。
希望这篇对和我一样的“修图困难户”有用。