参考图、多轮对话与指令式编辑

本课导读

前三课的输入都是纯文字。但文字有天花板：有些视觉信息根本写不出来——"就要这张脸""构图照这张来""风格像这套海报"。本课引入第二类输入：图像本身。你将学会参考图的五种用法、多轮对话式编辑的指令结构，以及一个纯文字时代不存在的新敌人——编辑漂移。学完本课，unit-1 的"生成与提示基础"就齐了：文字定规格，图像定细节，多轮对话做精修。预计 50 分钟。

为什么需要参考图：文字的信息密度不够

试着用文字描述一个具体的人脸，让别人画出来——画出的永远是"同类型的另一个人"。人脸、具体构图、微妙的风格质感，这些信息的密度远超语言的承载力。参考图就是把一整块高密度视觉信息直接塞进输入，跳过语言的有损压缩。

这也解释了参考图的适用判断：语言能低成本说清的，用文字（可控、可改、可复用）；语言说不清的，用图（高保真、但整块传入难拆解）。两者混用才是完整的提示能力。

参考图的五种用法

同一张图，声明的用途不同，模型提取的信息完全不同。喂参考图时永远显式声明用途：

用法	你想从图里提取什么	典型场景
风格参考	色调、笔触、光感、"氛围"	"画面内容按我的提示词，风格像这张"
构图参考	布局、机位、主体位置	"构图照这张，内容全换"
角色参考	这张脸/这个角色的身份特征	系列内容里同一人物反复出现
产品参考	产品的外形结构、细节	电商图：产品不能变形，场景随便换
内容素材	图里的实物直接进画面	"把这个 logo 放到杯子上"

支持多图输入的模型可以组合用法："角色用图 A，构图用图 B，风格用图 C。"这已经很接近艺术指导下 brief 的方式了。

两个通用要点：

• 参考强度（各产品叫法不同：权重/相似度/strength）：拉太高＝复制原图，提示词失效；拉太低＝参考等于没给。从中间值起步，按 L2 的单变量方法调。
• 反推提示词：拿到一张风格很好的参考图，先用视觉理解（L1 的第四种任务形态）让模型描述它的风格要素，再把描述并入你的提示词——图转文之后，这份风格就变成了可编辑、可复用、可进实验日志的文字资产。

多轮对话式编辑：从"重新抽卡"到"逐步逼近"

对话式模型（L1 模型地图的第一层级）带来了工作方式的质变：不满意不用重写提示重抽，直接说"把背景换成黄昏，其他别动"。生成从一锤子买卖变成逐步逼近。

但多轮编辑有自己的坑，需要一套指令纪律。

指令结构：保留 / 改变 / 禁止

每轮编辑指令都显式包含三部分：

【保留】人物的脸部、姿势、服装，画面构图不变
【改变】把背景从白天办公室换成黄昏的落地窗前，
        光线相应改为暖调侧逆光
【禁止】不要改变人物面部特征，不要移动主体位置，
        不要添加新的人物或物体

只说"改变"是新手写法。模型对"没提到的部分"的默认处理是随缘——它可能顺手"优化"你没让它动的地方。保留和禁止就是把随缘的部分钉死。

编辑漂移：多轮编辑的复利税

漂移（drift）：每轮编辑时，模型实际上是"理解画面→重新生成"，哪怕只让它改背景，主体也会发生肉眼难察的微小变化。单轮看不出来，六轮之后把第一版和最后一版并排放——脸变了、材质糊了、细节丢了。这是复利：每轮 2% 的损失，十轮后面目全非。

对抗漂移的四条纪律：

1. 锚点版本：每达到一个满意状态就保存原图。漂移超标时回到锚点重来，而不是在漂移的版本上继续修；
2. 合并指令：三个小修改能一句话说完就别分三轮——轮数本身就是漂移的来源；
3. 大改早做，小修晚做：换背景、改构图这种大手术放前面，微调细节放最后。顺序反了，后面的大改会把前面的精修全部洗掉；
4. 关键特征外置：角色的脸用角色参考图锚住而不是靠"禁止改变脸"硬扛——参考图是硬约束，文字禁令是软约束（unit-2 的一致性课会把这套方法系统化）。

局部编辑：漂移的终极解法

对话式编辑是"全图重生成"，而局部编辑（inpainting）只重画选中区域，未选中的像素物理上不参与生成——漂移直接归零。判断标准很简单：修改能不能用一个框圈出来？能圈就局部编辑（换商品颜色、去路人、修文字），圈不住才全图对话（整体色调、光线氛围、风格转换）。

局部编辑还有个方向兄弟：扩图（outpainting）——画布向外扩展让模型补全，横图改竖图、给海报腾文案位的标准操作。

完整工作流：四课合体

unit-1 学完，你的生产流程已经从"一句话抽卡"进化成：

① 定规格    十二槽位写出 v1 提示词（L2），镜头光线按意义选型（L3）
② 加锚点    语言说不清的部分挂参考图，声明用途和强度（本课）
③ 生成初版  选对模型层级（L1），单变量迭代到构图光线满意
④ 对话精修  保留/改变/禁止结构逐步逼近，盯住漂移，锚点常存
⑤ 局部收尾  能圈出来的瑕疵用 inpainting 点杀，需要就扩图
⑥ 记录归档  提示词、参考图、模型版本、种子进实验日志（L1/L2）

动手任务：六轮编辑马拉松

基础路线（约 50 分钟）：

1. 用 L2/L3 的方法生成一张你满意的基础图（人物或产品均可），存为锚点 v0；
2. 规划六轮编辑，每轮用完整的"保留/改变/禁止"结构，难度递增：
   • 第 1–2 轮：改颜色、去元素（小修）；
   • 第 3–4 轮：换背景+连带改光线（中修）；
   • 第 5–6 轮：加新元素、改整体氛围（大修）——对，这故意违反了"大改早做"，就是让你亲眼看看代价；
3. 把 v0 和 v6 并排对比，写漂移分析：哪些特征变了？从第几轮开始变的？哪一轮损失最大？
4. 回答复盘题：如果重来一次，你会怎么重排这六轮的顺序？哪几轮应该合并？哪个修改其实该用局部编辑？

进阶路线（可选）：找一个支持局部编辑的工具，把六轮里最"圈得出来"的那次修改用 inpainting 重做一遍，对比对话式编辑版本的漂移差异——你会理解为什么生产环境把 inpainting 当收尾标配。

随堂测验

随堂测验0 / 4 题正确

1. 你有一张构图绝佳的参考图，想让新图「布局照它来，但内容和风格全换」。喂图时应该？

A显式声明这是构图参考，配合描述新内容/新风格的提示词，参考强度从中间值调起B直接把图丢进去不说话，模型会懂的C声明为风格参考D把参考强度拉到最高，确保构图一模一样

2. 多轮编辑到第六轮，发现人脸和第一版已经明显不像了。按本课的纪律，最该做的是？

A继续追加一轮：「把脸改回第一版的样子」B回到之前保存的锚点版本，合并剩余修改重新出发，并考虑用角色参考图锚住脸C接受现状，脸变了也挺好看D把提示词写得更长

3. 以下哪个修改最适合用局部编辑（inpainting）而不是对话式全图编辑？

A把整张图从白天氛围改成夜晚氛围B把写实风格转换成水彩风格C把画面整体色调调冷D把桌上那只多出来的第六根手指修掉

4. 「换背景为黄昏」之后画面出现了「合成感」——人物像贴上去的。最可能漏掉了什么？

A分辨率不够高B背景选得不够漂亮C连带修改：环境换了但人物光线没跟着换，还顶着白天的冷调顺光站在黄昏里D没有加「高质量、大师之作」这类词