AI 创意工具产品化：AI 图像生成的用户工作流设计

AI 创意工具产品化：AI 图像生成的用户工作流设计

一、图像生成的"抽卡"困境：为什么用户总在反复重试

AI 图像生成工具（如 Midjourney、Stable Diffusion）的核心体验问题是"不可控性"。用户输入一段 Prompt，AI 生成四张图片，用户从中挑选最接近预期的一张，然后修改 Prompt 再次生成。这个循环可能重复数十次，用户才能得到满意的结果。这种"抽卡式"的交互模式，让创作过程变成了碰运气。

更深层的问题在于，用户对"如何描述一张图片"缺乏系统性的认知。Prompt 工程的技巧——权重调节、负面提示词、采样器选择——对普通用户来说是隐式知识。当用户想要"一只在雨中撑伞的猫，宫崎骏风格"时，他们不知道应该加上"watercolor, soft lighting, detailed fur"等修饰词，也不知道"宫崎骏风格"在模型中的对应标签是什么。

产品化的核心挑战是：将 Prompt 工程的隐式知识显式化，将"抽卡"式的随机探索转化为"定向调整"的渐进式工作流。

graph TD A[用户意图] --> B[意图解析层] B --> B1[主体识别<br/>猫、伞、雨] B --> B2[风格映射<br/>宫崎骏 → anime, soft colors] B --> B3[构图建议<br/>居中/三分法/俯视] B1 --> C[结构化 Prompt 构建] B2 --> C B3 --> C C --> D[AI 图像生成] D --> E[生成结果] E --> F{用户反馈} F -->|满意| G[高清放大 + 后处理] F -->|风格不对| H[风格微调<br/>滑块/参考图] F -->|构图不对| I[构图调整<br/>拖拽/裁剪] F -->|细节不对| J[局部重绘<br/>Inpainting] H --> C I --> C J --> K[局部重绘模型] style B fill:#e1f5fe style F fill:#fff3e0

二、从 Prompt 到工作流：三层渐进式设计

第一层：意图解析。用户输入自然语言描述，系统解析为主体、风格、构图三个维度。主体识别提取图像中的核心元素（人物、物体、场景），风格映射将自然语言风格描述转化为模型可理解的标签（"宫崎骏风格" →anime, studio ghibli, soft colors, whimsical），构图建议提供常见构图方案的预览图。

第二层：结构化调整。生成结果后，用户通过可视化控件调整具体维度，而非修改文本 Prompt。风格强度滑块控制风格化程度（0% 为写实，100% 为极致风格化），构图网格允许拖拽调整主体位置，调色板提供预设的色彩方案。每个调整都对应 Prompt 中特定部分的修改，用户无需理解 Prompt 语法。

第三层：局部精修。对于"整体满意但局部不满意"的情况，提供 Inpainting 功能——用户圈出需要修改的区域，输入新的描述，只重绘该区域。这比"整图重新生成"高效得多，因为保留了满意的部分。

三、AI 图像生成工作流的代码实现

以下实现展示了从意图解析到局部精修的完整工作流管线。

from dataclasses import dataclass, field from enum import Enum from typing import Optional from datetime import datetime class CompositionType(Enum): CENTER = "center" # 居中构图 RULE_OF_THIRDS = "thirds" # 三分法 SYMMETRICAL = "symmetrical" # 对称构图 DIAGONAL = "diagonal" # 对角线构图 @dataclass class StyleMapping: """风格映射：自然语言 → 模型标签""" user_description: str # 用户输入的风格描述 model_tags: list[str] # 对应的模型标签 negative_tags: list[str] # 负面标签（需要避免的元素） style_strength: float = 0.7 # 风格强度 0-1 @dataclass class ParsedIntent: """解析后的用户意图""" subjects: list[str] = field(default_factory=list) # 主体元素 style: Optional[StyleMapping] = None # 风格 composition: CompositionType = CompositionType.CENTER # 构图 mood: str = "neutral" # 情绪 color_palette: list[str] = field(default_factory=list) # 色彩方案 negative_prompt: str = "" # 负面提示词 @dataclass class GenerationResult: """生成结果""" image_url: str prompt_used: str seed: int params: dict = field(default_factory=dict) created_at: datetime = field(default_factory=datetime.now) @dataclass class InpaintRequest: """局部重绘请求""" source_image_url: str mask_base64: str # 需要重绘的区域（白色=重绘区域） new_description: str # 新区域的描述 blend_strength: float = 0.8 # 融合强度 class ImageGenerationWorkflow: """AI 图像生成工作流""" # 风格映射表：将常见风格描述转化为模型标签 STYLE_MAPPINGS = { "宫崎骏": StyleMapping( user_description="宫崎骏", model_tags=["anime", "studio ghibli", "soft colors", "whimsical", "detailed background", "watercolor influence"], negative_tags=["photorealistic", "3d render", "dark", "horror"], style_strength=0.8, ), "赛博朋克": StyleMapping( user_description="赛博朋克", model_tags=["cyberpunk", "neon lights", "futuristic", "rain", "dark atmosphere", "holographic"], negative_tags=["pastoral", "bright", "natural", "cute"], style_strength=0.75, ), "水彩": StyleMapping( user_description="水彩", model_tags=["watercolor", "soft edges", "color bleeding", "paper texture", "delicate"], negative_tags=["photorealistic", "sharp", "digital art"], style_strength=0.7, ), } def __init__(self, llm_client, image_model, storage): self.llm = llm_client self.image_model = image_model self.storage = storage async def parse_intent(self, user_input: str) -> ParsedIntent: """解析用户自然语言意图""" prompt = f"""分析以下图像生成请求，提取结构化信息。 用户请求：{user_input} 请以 JSON 格式输出： {{ "subjects": ["主体元素列表"], "style": "风格描述（如：宫崎骏、赛博朋克、水彩、写实等）", "composition": "构图方式（center/thirds/symmetrical/diagonal）", "mood": "情绪（happy/sad/calm/energetic/mysterious）", "color_palette": ["主色调列表"], "negative_elements": ["需要避免的元素"] }}""" response = await self.llm.complete(prompt) import json try: parsed = json.loads(response) except json.JSONDecodeError: parsed = {"subjects": [user_input]} # 风格映射：将自然语言风格转化为模型标签 style_desc = parsed.get("style", "") style_mapping = self.STYLE_MAPPINGS.get(style_desc) if not style_mapping and style_desc: # 未命中预定义映射，使用 LLM 生成标签 style_mapping = await self._generate_style_mapping(style_desc) return ParsedIntent( subjects=parsed.get("subjects", []), style=style_mapping, composition=CompositionType(parsed.get("composition", "center")), mood=parsed.get("mood", "neutral"), color_palette=parsed.get("color_palette", []), negative_prompt=", ".join(parsed.get("negative_elements", [])), ) async def build_prompt(self, intent: ParsedIntent) -> str: """构建结构化 Prompt""" parts = [] # 主体描述 if intent.subjects: parts.append(", ".join(intent.subjects)) # 风格标签 if intent.style: parts.extend(intent.style.model_tags) # 构图提示 composition_hints = { CompositionType.CENTER: "centered composition, focused subject", CompositionType.RULE_OF_THIRDS: "rule of thirds composition", CompositionType.SYMMETRICAL: "symmetrical composition, balanced", CompositionType.DIAGONAL: "diagonal composition, dynamic angle", } parts.append(composition_hints.get(intent.composition, "")) # 情绪提示 mood_hints = { "happy": "warm lighting, bright atmosphere", "sad": "melancholic, muted colors, soft shadows", "calm": "serene, gentle lighting, peaceful", "energetic": "vibrant colors, dynamic motion", "mysterious": "dramatic lighting, fog, shadows", } if intent.mood in mood_hints: parts.append(mood_hints[intent.mood]) # 色彩方案 if intent.color_palette: parts.append(f"color palette: {', '.join(intent.color_palette)}") # 质量标签 parts.extend(["high quality", "detailed", "masterpiece"]) return ", ".join(p for p in parts if p) async def generate(self, intent: ParsedIntent) -> GenerationResult: """根据意图生成图像""" prompt = await self.build_prompt(intent) negative = intent.style.negative_tags if intent.style else [] if intent.negative_prompt: negative.append(intent.negative_prompt) result = await self.image_model.generate( prompt=prompt, negative_prompt=", ".join(negative), style_strength=intent.style.style_strength if intent.style else 0.5, ) image_url = await self.storage.save(result.image_data) return GenerationResult( image_url=image_url, prompt_used=prompt, seed=result.seed, params={"negative_prompt": ", ".join(negative)}, ) async def inpaint(self, request: InpaintRequest) -> GenerationResult: """局部重绘：只修改指定区域""" result = await self.image_model.inpaint( image_url=request.source_image_url, mask=request.mask_base64, prompt=request.new_description, blend_strength=request.blend_strength, ) image_url = await self.storage.save(result.image_data) return GenerationResult( image_url=image_url, prompt_used=request.new_description, seed=result.seed, ) async def _generate_style_mapping(self, style_desc: str) -> StyleMapping: """使用 LLM 为未知风格生成模型标签""" prompt = f"""将以下艺术风格描述转化为 AI 图像生成模型可理解的标签。 风格：{style_desc} 输出 JSON： {{ "model_tags": ["标签1", "标签2", ...], "negative_tags": ["需要避免的标签"], "style_strength": 0.0-1.0 }} 标签应包含：绘画技法、色彩特征、光影风格、常见元素等。""" response = await self.llm.complete(prompt) import json try: parsed = json.loads(response) return StyleMapping( user_description=style_desc, model_tags=parsed.get("model_tags", []), negative_tags=parsed.get("negative_tags", []), style_strength=parsed.get("style_strength", 0.7), ) except json.JSONDecodeError: return StyleMapping( user_description=style_desc, model_tags=[style_desc], negative_tags=[], )

四、AI 图像工具产品化的边界

风格一致性的局限。同一个 Prompt 在不同种子下生成的图像风格可能差异很大。对于需要系列图（如绘本插图）的场景，风格一致性是硬需求。解决方案是使用图像参考（Image-to-Image）或 ControlNet 锁定风格特征，但这增加了操作步骤。

局部重绘的边界融合。Inpainting 的重绘区域与原图的边界可能出现明显的接缝或风格不一致。融合强度参数可以缓解这个问题，但过高的融合强度会导致重绘区域被原图颜色"污染"。边界融合是当前技术的薄弱环节。

版权与伦理的灰色地带。AI 生成的图像可能在构图、色彩上与训练数据中的作品相似。对于商业用途，需要建立版权审查机制。产品层面应在生成结果中标注"AI 生成"，并提供相似度检测。

用户期望与生成质量的差距。新手用户往往期望"输入一句话就得到完美结果"，但实际需要多轮调整。产品需要管理用户期望——通过示例展示"从输入到满意结果"的典型工作流，让用户理解调整是正常过程而非工具缺陷。

五、总结

AI 图像生成工具的产品化核心是将"抽卡式"的随机探索转化为"渐进式"的定向调整。三层工作流设计——意图解析、结构化调整、局部精修——降低了用户的 Prompt 工程门槛，让创作过程更可控。但风格一致性、边界融合、版权合规仍是当前技术的薄弱环节。

落地路线建议：第一，建立风格映射库，覆盖最常见的 20-30 种风格描述；第二，提供"从输入到满意结果"的示例工作流，管理用户期望；第三，在生成结果中标注 AI 来源，并提供基础的风格一致性检测。