AI绘图模型海报生成选型与落地流水线：从留白到印刷交付

AI绘图模型进海报生成流程这件事，我从最初的不信任到现在的日常依赖，前后不到一年。中间踩过的坑足够写一本小册子：生成的图好看但没法放字、放上字又看不清、看清了印出来发灰、发灰了还得返工重做。所以这篇不讲什么"十大神器"，只讲一件事——当你的交付物是一张要落地投放的海报时，主流AI绘图模型在海报生成场景下到底谁更适合干什么活，以及一套能复现的选型判断方法和落地流水线。不管你是刚接手市场物料的设计新人，还是要给团队定工具方案的技术负责人，看完之后至少能判断出：手上这个活儿该用哪一类模型出底图，哪些环节绝对不能指望模型，以及怎么把返工率压到最低。

1. 先想清楚：海报到底要模型解决什么问题

1.1 海报和插画是两个物种

很多人第一次拿AI做海报失败，根子在于把海报当成了插画来生成。插画的成功标准是"画面本身好看"，视觉重心、构图趣味、色彩情绪到位就赢了；海报的成功标准是"画面加上文字之后，信息传达有效"，它本质是一套信息容器，图只是容器的一部分。

这个差别直接决定了提示词该怎么写。做插画你会写"a girl standing in the rain, cinematic lighting, ultra detailed"；做海报你得写"画面右侧三分之一留出干净深色区域，主体集中在左侧，顶部留出标题带，整体色调压低以便叠白色文字"。前者描述的是内容，后者描述的是空间分配。我见过不少人在模型里反复抽卡，抽了几百张总觉得"差一点"，其实差的不是画质，是没有告诉模型哪里要空着。

还有个更隐蔽的差别：插画允许构图上的意外，海报不允许。一张海报要放在电梯里、地铁灯箱上、电商详情页首屏，它的视觉动线是被设计过的——视线先落标题，再到主视觉，再到卖点，最后到行动指令。AI生成的图天然是"发散"的，它会把注意力均匀撒在整张画面上，这跟海报要求的"强引导"是冲突的。所以海报场景里，模型的角色是提供主视觉素材，而不是提供成品。想明白这一点，后面所有的参数设置、后期流程就都顺了。

1.2 三个硬指标：能读、能改、能交付

我把海报场景对模型的要求压缩成三个词，这三个词对应的问题在实际项目里几乎每次都会撞上。

能读，指的是画面和文字能不能共存。这里不只是模型会不会写字的问题（后面单独说），还包括生成的画面有没有一块"安静"的区域承接文字。我做过一个测试，让同一个提示词分别生成"满构图"和"留白构图"，前者在后期加文字时有八成需要重新裁切或者压半透明蒙版，后者只有两成需要微调。蒙版压多了，整张海报的质感就废了。

能改，指的是模型给出的结果能不能被局部修正。海报的修改频率远高于插画——甲方要换产品角度、要挪产品位置、要把背景从冷色改暖色、要把人物手里那杯饮料换成自家产品。如果模型只能用整张重抽来解决局部问题，那效率会崩。所以选型时必须看这个模型在局部重绘、扩图、结构控制上的成熟度，这比出图美观度重要得多。

能交付，指的是分辨率、色彩、授权三样都能过关。屏幕上看是一回事，A3印刷是另一回事；1024×1024的原生尺寸直接拉到3508×4961像素，细节会糊成一团；sRGB鲜艳饱和的色块转成印刷色之后常常发闷。授权这块更要有意识：不同模型对生成内容的商用条款、对训练数据来源的声明差别很大，团队用之前一定要自己去看原始条款，别听二手转述。

1.3 我把评测拆成了六项打分

为了让"效果对比"这件事不流于主观，我给自己定了一套六项打分法，每项1到5分，实际项目里连打十几轮之后，各模型的定位就非常清楚了。

这套打分法有个好处：它逼着你把"我觉得这个好看"翻译成可比较的维度。实际打下来最常见的情况是——某一类模型质感分很高但版式服从度只有2分，另一类正好反过来。这时候答案就不是"谁更好"，而是"你的项目里哪一项权重更高"。

2. 四类主流模型的能力边界与选型逻辑

2.1 为什么按"类型"分组而不是按"品牌"排名

版本迭代太快了，任何按品牌名字做的排名，三个月后就基本失效。但模型的技术路线和能力倾向相对稳定，所以我习惯按路线把市面上的模型分成四类来看：开源扩散系底模（可本地部署、生态插件丰富、可微调）、云端订阅制服务（开箱即用、审美在线、可控参数少）、新架构生成系（原生高分辨率、指令理解强、细节执行准）、垂直行业微调模型（针对电商、人像、国风等场景做过定向优化）。

按类型分组的另一个原因是，团队选型选的从来不是单个模型，而是一套组合。真实工作流里很常见的搭配是：用云端服务快速出概念图给需求方定方向，用开源底模加结构约束出可改的底图，用新架构模型补高分辨率的成品局部，用垂直微调模型处理特定品类（比如美妆瓶身、食品特写）。单押一个模型，几乎一定会卡在某个环节。

2.2 四类选手的脾气与擅长环节

开源扩散系底模是可控性天花板。它的优势不在于原生出图多惊艳，而在于你能用结构约束（边缘、深度、姿态、线稿）把构图钉死，能用低秩微调把品牌视觉语言灌进去，能在本地跑批处理不担心调用次数。做系列海报的时候这个能力是命脉——十二张节日海报要保持同一套视觉体系，靠抽卡是抽不出来的，必须靠固定的微调权重加固定种子。

它的短板也很明显：原生审美偏平，提示词稍微写得不讲究就出"塑料感"；对复杂长指令的理解力一般，一段话里塞五个约束条件，通常会丢掉两个；高分辨率需要外挂放大流程，多一道工序。而且它对使用者的门槛不低，参数、采样器、约束权重这些不熟，出图质量波动会非常大。

云端订阅制服务的强项是审美起步高。它内部做过大量偏好对齐，同一个简单提示词，出来的画面氛围、光影层次、构图张力普遍比裸奔的开源底模高一档。给需求方做方向确认、做情绪板、出三版风格草案，用它最快，沟通成本也最低。

代价是控制权少。它通常不给你精细的结构约束、不给种子复用（或者给了也漂移）、不给局部重绘的高精度入口，尺寸和比例的选项也有限。还有一个现实问题：出图是在别人的服务器上跑的，涉及未公开的产品外观、还没上市的包装设计，能不能传上去是要打问号的。这条线很多团队是踩过之后才立规矩的。

新架构生成系这两年在海报场景的上升势头最明显。它最大的变化是原生支持较高分辨率，而且对"指令里的空间关系"理解明显更好——你说"左侧人物、右侧大块深色留白、顶部一条浅色标题带"，它真的会照着排。这对海报来说价值极大，因为它把"留白"从玄学变成了可执行的指令。

另外它在画面内文字的渲染上比老一代扩散模型进步明显，短英文单词、数字、简单符号的准确率能到可用的程度。但中文依然是硬伤，长句更是别想，这一点后面单独展开。它的短板是生态相对新，很多成熟的局部编辑工作流还没跟上，而且不同服务商提供的同一代模型，实际表现会因为封装策略不同而出现差异。

垂直行业微调模型是效率放大器。它把某个品类的视觉规律吃透了——比如化妆品瓶身的反光怎么打、食品特写的汤汁质感怎么表现、国风插画的线条怎么走。做对应品类海报的时候，它一步到位，比通用模型反复调提示词快得多。

但它的通用性是反过来的短板：拿食品微调模型去做科技发布会海报，出来的东西会很怪。而且这类模型的质量参差不齐，很多是个人或小团队训练的，稳定性和授权清晰度都要自己核实。我的建议是把它当"专科医生"用，别当"全科医生"。

2.3 成本与产出效率对照

选型绕不开钱。我把实际用下来的数据整理成一张表，成本按中等规模团队（月产海报40到60张）折算，单价会因为服务商策略和使用方式有出入，但量级关系是稳定的。

这张表真正想说的是：成本差异主要来自"返工次数"，不是"单次出图价格"。一个单张便宜但每次都要重抽二十遍的模型，综合成本远高于一个单张贵但三遍就能定的模型。我们内部算过一笔账，一张海报从需求到交付，纯出图环节的时间占比大概只有两成，剩下八成在改、在等确认、在补细节。所以选型时把"一次命中率"和"可修改性"的权重调高，通常比抠单张价格更划算。

3. 海报生成的核心细节与实操要点

3.1 提示词要按"版式"来写，不是按"画面"来写

这是我踩过最久的一个坑。早期我写提示词的习惯是堆形容词：高级感、电影感、超精细、8K。结果出来的图确实精致，但每一张都是满构图，文字没地方放。后来我把提示词结构改成了五段式，命中率立刻上来了。

五段式是这样组织的：

1. 主体与动作：一句话说清楚画面里有什么、在干什么。
2. 空间分配：明确左中右、上中下的内容归属和留白区域。
3. 视觉风格：材质、笔触、光影方向、色温。
4. 色彩约束：给出主色和辅助色的方向，最好点名"低饱和""深色背景"这类对文字友好的描述。
5. 排除项：明确不要什么，比如不要文字、不要水印、不要杂乱背景元素。

举个实际用过的例子（这里用自然语言描述，具体写法各家有差异）：

画面左侧三分之一为一个产品的侧面特写轮廓，材质为磨砂质感，光线从左上四十五度打入，背景为深灰到墨绿的渐变；画面右侧三分之二为纯净的深色渐变区域，无任何元素，用于后期排版；整体色调偏冷、低饱和、大面积暗部，不要出现文字、标志、水印，不要出现多余的道具和反光碎片。

这段描述里，真正起作用的是第二句和最后一句。第二句解决了留白，最后一句解决了"模型总爱在空白处加点装饰"的毛病。对比测试下来，加了排除项的版本，后期需要擦除杂物的比例从七成降到两成左右。

提示：写空间分配时，用"比例"比用"位置词"更可靠。"左侧三分之一"比"左边"稳定得多，因为模型对具体比例的响应一致性更好。

3.2 留白控制：海报的命门

留白不是"没画东西的地方"，是"被设计出来的呼吸区"。海报里留白要承担三件事：承载文字、分隔信息层级、给视觉一个停顿。AI模型天然讨厌留白，它会把画面填满，因为它训练时见到的"好图"大多是满的。

三个实操手段，按可靠性从低到高排：

手段一，提示词约束。上面说的比例描述，能解决大概六成情况。缺点是模型有时候会理解成"那里放个虚化的东西"，出来的不是纯色而是模糊背景。

手段二，结构约束。这是开源系模型的看家本领。你可以先画一张纯色块的版式草图（左边灰块代表主视觉，右边纯白代表文字区），用边缘或深度约束把它喂给模型，让它在这个骨架里填内容。这个方法命中率能到九成以上，代价是要多一步准备草图的时间。

手段三，扩图。先生成一个构图紧凑的主视觉，然后用扩图功能向指定方向延展画布，延展出来的部分天然是背景延续，正好当文字区。这个办法我觉得最省事，尤其适合竖版海报——先生成方图主视觉，再向下扩出一段渐变背景，标题和卖点直接排上去，视觉上还很自然。

三种手段我都用，选哪个看时间。赶时间的稿子走扩图，要严格对齐品牌版式的走结构约束，一次性的小物料走提示词约束就够了。

3.3 文字：别跟模型较劲，交给排版

这是海报生成里最容易浪费时间的环节。结论先放这儿：除了极短英文词和数字，其余文字一律后期加，不要指望模型。

原因很实在。扩散模型的生成机制是从噪声里逐步还原图像，它对"字形"这种需要精确结构的东西天生不擅长——字母容易多笔画、少笔画、粘连，中文字符更是几乎必然出错，因为汉字的结构复杂度和字符集规模远超模型能稳定记忆的范围。新架构模型在英文短词上有明显进步，但中文仍然是碰运气。

所以我的流程是：让模型生成不含文字的纯净画面，文字全部在排版软件里叠加。这在提示词阶段就要明确排除，用"不要出现任何文字、字母、数字、标志"压住。

那模型生成的短文字什么时候能用？两种情况。一是英文单词语义海报，比如一个大写的单词做视觉主体，这种可以让模型直接出，但依然要人工核验每个字母的笔画；二是风格化的、故意做旧做破的文字效果，本来就允许不规整，模型出的瑕疵反而成了质感。

中文的处理还有个进阶技巧：先让模型生成"类似文字但无意义"的笔画纹理作为装饰元素。有些海报需要底纹式的文字肌理，这种不需要语义，模型生成的伪汉字笔画做背景纹样效果相当好，然后前景的真文字用排版软件压上去。这个技巧我用在国风类海报上很多次，质感比纯色背景高一个档次。

3.4 分辨率与尺寸：从1024到印刷级的三次跃迁

尺寸这块必须算清楚，不然交付时一定翻车。

先看印刷需求。常规印刷要求300dpi，换算下来：A4（210×297毫米）需要约2480×3508像素；A3（297×420毫米）需要约3508×4961像素；常见的易拉宝80×200厘米，按150dpi算（大幅面观看距离远，可以降精度）需要约4724×11811像素。而主流模型的训练分辨率多在1024×1024附近，原生出图直接给到这么大就到顶了。

从1024到3508，是3.4倍的线性放大，像素总量是11.7倍。这个过程我一般分三步走：

第一步，原生高分辨率生成。新架构模型能直接出到2K级别，优先用它出底图，起点越高后面越省事。开源系模型可以用高分辨率修复流程，先低分辨率生成构图，再放大重绘，注意重绘幅度控制在0.3到0.45之间，太高会改构图，太低会保留噪点。

第二步，分块放大。一次性把1024拉到3508，细节必然糊。正确做法是切成若干块分别放大再拼接，或者用分块放大流程，每块单独做低幅度重绘。这里有个参数经验：分块之间的重叠区要给到64到128像素，否则拼接处会出现明显的接缝带。

第三步，局部精修。放大之后，产品主体、人物面部、关键道具这些视觉焦点区域，要用局部重绘再补一遍细节。这一步很关键，放大后的画面整体清晰度上来了，但焦点区域的材质细节还是软的，观众的眼睛恰恰就盯在那儿。

尺寸比例上也有个坑：不同模型支持的宽高比不一样，有些只支持几档固定比例。海报常用的比例里，竖版（约1:1.414）、方版（1:1）、横版（16:9）、长图（1:3，用于信息流）最常见。如果模型不支持你要的比例，别硬拉伸，用扩图补齐，否则画面元素会变形。

3.5 色彩：屏幕好看不等于印出来好看

这一条是纯经验，文档里基本不写。AI出的图有两个色彩倾向，对印刷特别不友好。

倾向一，饱和度过高。模型偏好高饱和的视觉冲击力，尤其是红、橙、荧光绿这类。屏幕上很抓眼，一进印刷色域就溢色，红色变成一团糊、绿色发脏。我的处理是在后期统一降低饱和度8%到15%，再单独把品牌色拉回来。降完看着"没那么炸"，但印出来才是对的。

倾向二，暗部过黑、亮部过曝。模型生成的画面动态范围经常超出印刷能表现的区间，暗部全压成纯黑，亮部全冲到纯白，印出来就是两块死区，什么细节都没有。处理办法是压缩色阶，把最黑提到8%到12%，最白压到92%到95%，让两端都留一点细节。

还有一个细节：别用模型输出的CMYK转换结果直接交付。转换算法各家不同，暗部容易出色偏。稳妥做法是在排版软件里做转换，转换前先确认画面里没有超出色域的荧光色块，有的话提前替换。批量做的话，可以建一个固定的色彩处理预设，所有海报统一过一遍，效率高且一致性好。

4. 一套可复现的海报生成流水线

4.1 第一步：需求拆解与版式草图

拿到需求先别打开模型。我习惯先花十分钟做三件事：定尺寸、定信息层级、画一个火柴人级别的版式草图。

定尺寸是硬约束，先确定最终交付尺寸和用途（印刷还是屏幕），倒推出需要的像素和比例。这一步定错了后面全白干。

定信息层级是把海报上的所有文字信息按重要性排序，标出哪个是主标题、哪个是副标题、哪个是卖点、哪个是行动指令。这决定了画面要留几块区域、每块多大。一张信息层级清晰的海报，留白方案自然就出来了。

画草图不用精细，色块就行。左边一块灰的写"主视觉"，右边一条白的写"文字区"，顶上一条浅的写"标题带"。这张草图在后面对接模型时作用极大——用结构约束的时候它是输入，用云端服务的时候它是沟通素材，跟需求方对齐的时候它是确认依据。

提示：草图阶段就把"最坏情况"想一遍。比如文字最多会加到多少字、标题会不会临时改长、产品图会不会换成竖版构图。这些变量在草图阶段预留好，比后期改图省太多时间。

4.2 第二步：底图生成与参数固化

这一步是产能核心。我的做法是先用云端服务快速出四到六个方向，每版出两三张，拼成一张对比图给需求方选。这一步的目的不是定稿，是排除——把明显不对的方向砍掉，避免在错误方向上精细打磨。

方向定了之后，转到可控性强的模型做正式底图。这里几个参数我基本固定下来，形成"配方"：

• 采样步数：25到35步。低于20步细节不足，高于40步边际收益极低，纯浪费时间。实测25步和50步的差异，在最终印刷尺寸上几乎看不出来。
• 引导强度：7到9之间。低于6画面松散、不听指令；高于11色彩开始过饱和、材质出现蜡质感、构图僵硬。这个区间是甜点区。
• 采样器：选稳定、收敛性好的那类，不同采样器出来的质感差异比对参数调整还大，选定一个就长期用，别频繁换，否则配方失去意义。
• 种子：系列海报必须固定种子或者固定种子族。同一套视觉体系下，种子固定的四张图，色系和笔触一致性会明显好于随机种子。
• 负向提示：这一项在海报场景里权重很高。文字、水印、标志、多余边框、杂乱背景、低质量细节，全部写进负向。

参数固化成配方之后，做系列物料就是换主体描述、换颜色、留配方不动，效率能提三倍以上。这也是我一直强调"可复现"的原因——靠感觉调参的人，做不出稳定的商业产出。

4.3 第三步：局部重绘与扩图

底图出来之后，八成需要局部修。常见的修改有三类，处理方式不一样。

修瑕疵：多余的手指、扭曲的边缘、奇怪的反射。用局部重绘，只框住问题区域，重绘幅度给到0.5到0.7，其余区域完全锁定。这里的关键是框选范围要略大于问题区域，留一点余量让模型有上下文，框太紧反而修不自然。

换元素：把人物手里的道具换成自家产品。这类修改难度高，因为涉及光影匹配。我的做法是先把新产品按相似角度、相似光线单独生成一张，然后用图像融合的方式贴进去，而不是让模型直接"换"。直接换的成功率低，且容易把周围一起改掉。

扩画布：前面提过的文字区扩展。向指定方向扩出20%到40%的画布，让模型补背景延续。扩图时把重绘幅度调低一点（0.4左右），避免扩出来的部分风格突变。

三步做完，底图基本可用。整个过程熟练的话，一张海报的图面处理在20到40分钟之间。

4.4 第四步：排版合成与文字处理

这是AI完全不参与的环节，也是最见功力的环节。所有文字、标志、二维码、价格标签、活动规则，全部在这一步完成。

排版有几个和AI出图直接相关的注意点。文字区和画面的过渡要处理好，直接在渐变色块上打白字经常糊，加一层非常淡的径向暗角或者轻微模糊，文字立刻清楚。文字颜色不要从画面里随意取色，容易撞色，稳妥做法是用画面主色的互补色或者直接黑白。字号层级要拉开，主标题和副标题的字号至少差两倍，不然远看是一片糊的。

还有个细节：AI生成画面的视觉重心经常不在你以为的位置。排完版之后把整张海报缩到手机屏幕大小看一眼，如果视线第一落点不是标题，那就得调——要么挪文字，要么给文字区加对比度。这个方法我每张必做，能救回不少"电脑上看着挺好"的稿子。

4.5 第五步：交付前检查

我有一张固定的检查清单，逐项过一遍，能挡掉绝大多数返工。

最后一项很多人跳过，但它其实是唯一一个"事后无法补救"的项。画面不满意可以改，授权有问题只能重做。

5. 踩过的坑：常见问题与排查速查

5.1 五个高频失败现场

现场一：图很惊艳，但放上字就毁了。这是最普遍的。根因是留白不足。排查顺序是先看提示词有没有明确的区域描述，再看有没有用结构约束，最后考虑是不是该改用扩图方案。我的经验是，只要在提示词里加上"指定比例的纯净背景区"并配上负向排除，七成情况能解决。

现场二：同一套系列海报，十二张风格各异。根因是没有固化。种子、提示词结构、风格描述、微调权重，这四样必须至少固定三样。我做过对比，只固定种子不固定提示词结构，一致性大概只有六成；四样全固定，一致性可以到九成以上。

现场三：小尺寸看很好，放大到印刷尺寸全是噪点和糊块。根因是跳过了分块放大，直接拉伸。1024直接拉到3508，等于每个像素被复制三倍多，细节全是插值出来的假细节。正确路径是先原生高分辨率生成，再分块放大，再局部精修，三道工序不能省。

现场四：中文标签怎么生成都是错字。根因是跟模型的能力边界较劲。解法只有一个——后期加。我试过各种提示词技巧、各种模型、各种"文字渲染增强"的方案，中文长句的准确率始终上不去。放弃这一项，效率反而提高。

现场五：印出来比屏幕上暗一档、灰一层。根因是色彩管理没做。屏幕是自发光的加色模式，印刷是反射的减色模式，同样的数值表现完全不同。解法是压低饱和度、压缩色阶、用统一的转换预设批量处理，并且在正式印刷前打样确认。

5.2 问题速查表

5.3 几条不外传的小技巧

技巧一：用"低分辨率试错，高分辨率定稿"。探索方向阶段用512到768的小图快速出十几版，选定方向后再用高分辨率精修。一步到位用高分辨率试错，时间是三倍以上，收益为零。

技巧二：建立自己的"配方库"。每做完一个项目，把能用的提示词结构、参数组合、负向词表存下来，标注适用场景。半年下来这个库就是团队最值钱的资产，新人接手能直接复用，不用从零摸索。

技巧三：故意留一点不完美。太干净、太均匀、每个角落都精致的AI图，反而显得假。在后期加一点不均匀的噪点、轻微的暗角、局部的锐度差异，观感会真实得多。这个"降AI感"的操作在海报场景里很重要，尤其是偏人文、偏手工质感的物料。

技巧四：把模型当"素材供应商"而不是"设计师"。设计师的活儿是判断——判断哪张图能承担主视觉、判断文字放哪里、判断色彩对不对。模型只负责产出素材。角色分清了，工作流的每个环节该交给谁就清楚了，不会在"为什么模型不懂我的审美"这种问题上耗时间。

6. 不同团队的选型建议

6.1 三种典型场景的组合方案

场景一：小团队、高频出图、预算紧。某电商团队一个月要出五十张活动海报，品类杂、周期短、预算有限。这种场景我建议以开源扩散系底模为主力，本地部署，配上固定的提示词配方和版式草图库，把可控性和成本都拿在手里。云端服务只用来做前期的方向确认，一周用几次就够。这套组合的落地成本主要是一次性的硬件投入和学习时间，跑顺之后单张成本极低。

场景二：品牌方、低频高要求、重规范。某品牌市场部一个月出三到五张重点物料，但每张都要过品牌审核，视觉规范严格。这种场景反过来，主力用可控性强的路线加品牌微调，把品牌的标准色、字体气质、图形语言通过微调灌进模型，保证出图天然带着品牌味。视觉探索阶段可以用云端服务提效率，但定稿必须在可控环境里做，也便于处理内部素材的保密问题。

场景三：内容团队、大量信息流素材、追热点。这种场景要的是速度和数量，单张质量要求没那么极致。主力用新架构生成系，看中它的指令理解和高分辨率直出，配合模板化排版，一张图从想法到成品能在半小时内完成。系列素材的一致性靠固定指令结构来保证，而不是靠微调。

三种场景的共性是：没有单模型方案。都是"一个主力加一个辅助"，主力决定产能下限，辅助决定方向探索的上限。

6.2 合规与授权：别等出事才看许可证

这块我要多说两句，因为它是唯一一个出问题就无解的环节。

第一，看原始条款，不看二手总结。每个模型或服务的使用条款都会明确写清楚生成内容的商用许可范围、是否需要署名、是否限制特定用途。这些东西经常更新，网上流传的"某某模型可以免费商用"这类说法，可能半年前就失效了。团队定方案的时候，把条款原文拉出来，让负责法务或者合规的人过一遍，比事后补救便宜太多。

第二，区分"能用于商业项目"和"能作为商标注册"。这两个是不同的授权层级，很多条款只允许前者。海报投放属于前者，但如果要把生成的图形拿去注册商标，得单独确认。

第三，内部素材的保密边界。未上市的产品外观、还没公开的代言人形象、内部策略信息，能不能上传到外部服务处理，这个必须有明文规定。我的建议是划一条线：涉及未公开信息的项目，一律在本地可控环境处理；只有已公开的、或者纯粹抽象概念的方向探索，才走外部服务。

第四，留痕。每次生成的参数、种子、模型版本、生成时间，建议记录下来。不是为了应付谁，是为了万一后面有人质疑素材来源，你能拿得出完整的生成链路。这个习惯在团队协作里尤其重要。

6.3 我个人在实际操作中的体会

做了一年多，最大的转变是：我不再问"哪个模型最好"，而是问"这个环节该用哪类模型"。这个思维切换之后，很多纠结自动消失了。出概念图纠结画质没意义，那个阶段要的是方向多、速度快；做定稿纠结速度也没意义，那个阶段要的是可控、可改、可复现。

另一个体会是关于人的位置。AI把"画出来"这件事的成本压到了接近零，但"判断画得对不对"的成本没降，反而升了——因为可选的东西太多了，判断变得更难。我见过团队买了一堆工具，产出反而下降，就是因为没人做判断，全在抽卡。真正拉开差距的不是用了什么模型，是有没有一套自己的判断标准和流程。

最后一个很实际的建议：先把一个场景做透，再扩展。别一上来就铺开做各种物料。挑一个最高频的海报类型，把它的提示词配方、参数、排版模板、检查清单全部打磨到稳定，跑通十张以上，再往其他类型复制。这个顺序看起来很慢，但它是唯一不会反复推倒重来的路径。我自己就是在一个品类上磨了两个月，后面扩展到其他品类时，几乎是把配方换个主体描述就能用，边际成本低得惊人。