AI 图像生成工作流：一套决定精修、重生成还是交付的评审关卡

在 AI 图像生成工作流里，大部分时间并没有花在写提示词上，而是花在看生成结果、并决定拿它们怎么办：这张留下，那条边缘修一下，推倒重来，还是整张交给修图师。一旦这个决定凭感觉来做，工作就会变成死循环。每一版看起来都比上一版稍好一点，于是每一版都值得再来一轮，而事后没人说得清那份通过的文件为什么通过。

评审关卡把这个死循环解开，办法是让决定变得明确。它由四部分组成：在第一张图生成之前就写好的验收标准、固定的检查顺序、统一的候选对比方式，以及在精修、重生成与合成之间做选择的规则。关卡并不能让模型生成更好的图，它只是让你不必为不需要的轮次买单。

在出第一张图之前写下验收标准

四行字就够了，五分钟能写完：

• 交付尺寸与裁切：1200 像素的正文内插图、3000 像素的首屏大图、正方形社交卡片、4:5 竖版。
• 画面里必须数得清的东西：一个产品、两个人、三只瓶子、一行清晰可读的标题。
• 不能变动的东西：标签图案、产品比例、客户标识、地平线。
• 这张图会被看到的最小尺寸：相关文章缩略图、搜索结果、手机信息流。

每一条后面都会变成一个检查项。“看着不错”没法争论；“标签在 320 像素宽时仍清晰可读”则可以让一个没写过提示词的人在十秒内判定通过或不通过。标准还能在换评审人时继续有效，这一点在出图的人和签字放行的人不是同一个时尤其重要。

按最终交付的尺寸生成

分辨率是评审变量，而不是导出设置。在当前的 Nano Banana 系列模型上，输出从 1K 起步，也可以要求 2K 或 4K。Google 关于 Nano Banana 2.1 的模型文档把 1K 列为默认值，2K 与 4K 可选；Nano Banana Pro 的规格页面列出的同样是这三档输出尺寸。这在评审阶段很关键，因为缺陷并不是等比缩放的。细小的字形、细带子、发丝边缘和产品上的小字，在 1K 下可能看着干净，到 4K 就崩了；而在缩略图里完全散掉的构图，放到原始尺寸细看时却显得相当合理。

务实的折中办法是刻意做一轮便宜的图。小尺寸渲染，只看结构，并且默认这张图是要扔掉的。构图定下来之后，再切到交付分辨率，在那里判断细节。要按 4K 交付的素材就应该在 4K、100% 视图下评审，因为只有在那个视图里，你花钱想避开的那些失败才看得见。

先查结构，再查细节，最后查适配

按这个顺序走完三轮检查，不要跳步。

结构检查问的是：这个画面是不是对的画面。数清主体数量，按要求的比例核对裁切，确认没有重要内容落在安全区之外。找出视线落点，判断那是不是信息应该在的位置。找一找留给文案或产品角标的空白区域。最昂贵的失败大多发生在这里，而它们恰恰是最容易看出来的。

细节检查问的是：这个画面渲染得对不对。沿主体与背景的交界走一圈轮廓。看手、带子、工具手柄、反射和投影，核对影子方向与光线是否一致。每一处文字都逐字念出来，而不是扫一眼。扫一遍大片平坦区域，找出暴露生成痕迹的重复纹理，再检查远景里有没有没人要的东西。

适配检查问的是：这张图放到它要待的地方还成不成立。按交付尺寸、在它将要出现的载体上看一遍，再缩到它会露出的最小尺寸。如果主体在缩略图宽度下已经读不出来，那是构图的问题，不是细节的问题，再多几轮精修也救不回来。

顺序本身就是重点。在一张你马上就要换掉的画面上修细节，等于把时间花了两遍，而细节检查恰恰是最慢的一轮。

把候选图并排放在同一尺寸下比较

一张一张地看图，人的判断会漂移。最新的一版通常是你最近才看过的，于是感觉它最完善；而第一版是你记得自己在脑子里点过头的。这两种效应都不是质量信号。

把三四张候选图放进同一个网格，尺寸一致，顺序不要由你自己排，然后拿验收标准逐项打分，而不是让它们互相比。下一轮继续用同一个网格。一张在结构上输掉的候选图，不该因为它打光最好而被救回来；一堆差一点的东西就是这么一次让一步地被放行的。

做决定：精修、重生成，还是合成

几乎每一次评审都能归到三种结果里，而刻意在它们之间做选择，正是把轮次压下来的关键。

结构对了、缺陷是本地的，就精修：一个物体位置不对、一个颜色错了、一处边缘发虚、一个词拼错。精修意味着每轮只改一处，同时给出一份明确的保留清单，写清哪些必须保持完全一致，因为只给修改指令而不给保留清单，等于请模型把整个画面重画一遍。

结构错了，就重生成：主体数量不对、裁切装不下这个构图、必需的元素缺失，或者画面传达的意思是错的。在糟糕的布局上做精修，代价比用修正过的提示词或加一张参考图重出一版更高，而且过程中往往会不断堆积瑕疵。

要求像素级原样保留时，就合成：真实的商品标签、已有的照片、已获批准的标识，或者一个不能位移的手绘元素。没有任何提示词能保证某个区域完全不被改动，带图层的编辑器可以。

连续两轮都没能推动同一个验收项，说明问题出在做法上，而不是措辞上。改变输入的类型，而不是往上堆形容词：精确描述目标区域、提供一张参考图，或者把活换到另一个工具里做。

记录每一轮

每轮一行，写在与任务说明同一个文件里：模型、分辨率、提示词版本、相比上一轮改了什么、哪些验收项通过、哪些没通过，以及结论。每出一版图花两分钟记录，第一次有人问起“第三张为什么通过”时，这个本钱就回来了。

记录还能带来更好的提示词。把没通过的验收项写成画面里看得见的东西，比如“瓶盖在上边缘被切掉了”，而不是“构图别扭”，下一轮就有明确目标。当记录显示同一个验收项在三次尝试、三种不同写法下都没通过，问题通常出在输入图或取景上，而不是那句话上。

把模型差异当作评审输入

模型文档是一份待测清单，而不是可以跳过的清单。Google 关于 Nano Banana 2.1 的页面提到：文字渲染与信息图版式有所改进，思考层级可选，最多支持十四张参考图，可在四个角色上保持一致性、在十个物体上保持还原度，并针对 2K 与 4K 下极端全景比例出现的拼接瑕疵做了处理。知道这些的评审者会刻意测小字、为反复出现的主体使用参考图、并沿着超宽画面的接缝看一遍。把同一页当成承诺来读的评审者，这三项检查一项都不会做。

模型之间的比较也是如此。轻量模型和重量级模型都能输出 1K、2K 和 4K，却仍可能在你这份说明最在意的那一项上分出差别。用同一道关卡、在同一尺寸下按那一项给它们打分，并把落选的文件连同记录一起留着，这样下一个版本发布时还能重新审视当初的选择。

放行时交出的应该是配方，而不只是一个文件

一张通过了的图如果没有配方，就是一个你没法往下延伸的成品。把验收通过的文件和这些一起存好：提示词版本、它出自哪个模型和哪个分辨率、一共几轮、它通过了哪份验收清单、用了哪些参考图。三个月后需要做变体的人，就能从一个已知的起点出发，而不是从一张撞大运的图出发。

否决意见也要记在同一份记录里。“2K 下双手糊在一起”“第四轮时标签文字走形”这样的教训，第二次写下来时成本就低了；能翻出上个季度失败记录的评审者，这个季度写的标准会更好。

在 KOOX AI 上跑一遍这道关卡

KOOX AI Nano Banana Pro 页面是一个可以拿来练这道关卡的地方：写下那四行验收标准，先出一张便宜的图看结构，再切到交付尺寸，按顺序走完三轮检查，并把记录放在成品旁边。第一次跑起来会比惯常的循环更慢。第二次通常就比那个循环更省图了。