从单张生成到批量生产——多模型策略与自动化产线
普通课约 55 分钟
本课导读
需求很少长成"给我一张图"的样子。真实的需求是："这个活动，我要主视觉一张、横幅三尺寸、竖版海报两版、社媒方图五张、详情图六张、缩略图若干"——二十多个资产，同一套视觉语言，明天要。手工点一天也点不完，而且点到第十五张时风格已经悄悄漂了（L6 的老敌人）。本课把 unit-2 的控制体系接上产能：多模型路由（哪一步用哪个模型）、模板化批量（一次派生一批）、LLM 参与的产线（谁来检查），以及始终最重要的那个问题——人在哪一环把关。预计 55 分钟。
多模型策略：为每道工序选工具
L1 的模型分层（对话式/高审美/高质量文生图/开放）在单张生成时是"选一个用"，到了产线上升级成路由：一条产线的不同工序，本来就该用不同模型。
| 工序 | 选型倾向 | 理由 |
|---|---|---|
| 概念探索、找方向 | 快而便宜的模型 | 这一步要的是量和多样性，不是质量 |
| 主视觉定稿 | 最强审美/最高质量的模型 | 一张图定调，值得用最贵的 |
| 系列派生 | 与主视觉同一模型＋控制条件 | 换模型＝换"方言"，风格会裂（L6 进阶任务的伏笔在此兑现） |
| 精确编辑、扩图 | 编辑能力最强的模型 | 编辑和生成不是同一个能力 |
| 放大出图 | 专门的放大模型 | 生成模型不负责这件事 |
这就是"多模型"的正解：不是"哪个模型最好"，而是"每道工序谁最合适"。你在 L2 的多模型基准测试里攒下的评分表，到这里终于兑现成产线配置——那张表就是你的路由依据。
提示
路由的隐藏收益是成本。一条产线里九成的生成量花在探索和废片上，一成花在定稿。把探索阶段路由到便宜模型，账单能降一个数量级，而成品质量完全不受影响——因为定稿那一成仍然走最贵的。
批量化的四件事
1. 模板化提示词。把 L6 的风格块升级成带槽位的模板：
【模板：活动视觉 v1.0】
{主体描述}，置于{场景}，{构图指令}，
—— 以下冻结不改 ——
{风格块 v1.2}，{品牌色板}，{光线规范}
固定部分冻结，变量部分填槽——批量生产的本质就是"只让该变的变"。这与 L2 的提示词模板是同一件事，只是现在由程序填槽而不是手填。
2. 动态提示与批量变体。一次任务展开成一批：主体三选一 × 场景四选一 = 12 张变体一次跑完，挑好的留。节点工作流（L8）或 API 脚本都能做——你的 Python 能力在这里第一次直接派上用场。
3. 尺寸适配的正确顺序。同一视觉要出方图/竖版/横幅，不要各生成一次（三次抽卡＝三种构图，风格必裂）。正确做法是：一次生成主视觉 → 用扩图（L7）向不同方向扩展 → 裁切定稿。主体像素完全一致，只是画布不同。
4. 自动命名与归档。文件名即元数据，一开始就定好规则：
{项目}_{资产类型}_{尺寸}_{版本}_{日期}.png
活动618_主视觉_1080x1080_v3_20260807.png
配合工作流文件（L8）和实验日志（L2），三者合起来才叫"可追溯的生产"。三个月后客户说"就要上次那版"，你要能在十秒内找到它。
LLM 参与的产线：谁来写提示、谁来检查
批量生产的瓶颈很快从"生成"转移到"写提示"和"看图"。语言模型可以接管其中几环：
需求解析 → 提示生成 → 图像生成 → 视觉检查 → 自动修订 → 人工批准 → 输出归档
(LLM) (LLM) (图像模型) (VLM) (LLM+图像) (人) (脚本)
- 需求解析／提示生成：把一句话需求（"618 大促，主打年轻人，要有活力"）展开成结构化的提示词集合——这是你 AI 主线学过的能力，在这里当零件用；
- 视觉检查：视觉语言模型（VLM）可以看图回答"这张图里有几个人？文字拼对了吗？产品 logo 在不在？"——把 L6 的结构清单质检自动化，处理二十张图里明显不合格的那几张；
- 自动修订：检查不过的图，把问题描述回灌成修订提示词，重新生成或局部重绘（L7）。
但机器检查有明确的天花板：语义和事实类错误它能抓（少了个按钮、文字拼错），审美和品牌调性它抓不住，合规与安全风险更不能交给它判断。这就引出本课最重要的一节。
人工审核节点：放在哪里
自动化产线的设计难点不是"怎么自动"，而是"在哪儿必须停下来等人"。三个节点不可省：
- 方向批准（开工前）：主视觉定稿必须人来拍板。方向错了，后面二十个资产全是精致的废品——这是自动化最贵的失败模式；
- 抽样质检（生产中）：批量产出后按比例抽检，重点看风格漂移（把第 1 张和第 20 张并排，L6 的老规矩）；
- 发布前终审（交付前）：合规、品牌、事实准确性，全部由人签字。AI 生成的内容，责任永远在按下发布键的人身上——这条下一课（L11）会展开成完整的审核框架。
说明
当前版本速览（2026-08，过时请以官网为准）：主流图像模型均提供 API，可编程调用与批量提交；节点工作流（ComfyUI）支持 API 模式与批处理队列；视觉语言模型（各家多模态模型）已能胜任基础的图像质检问答。API 定价、并发限制与模型能力变动频繁，成本估算请以当期官网为准——本课的产线结构与人工节点设计长期有效。
成本与失败：产线的两个现实
- 成本管理：开工前先算——单张成本 × 预计生成量（含废片，按 3–5 倍成品数估）＝ 预算。设置额度告警，别等账单来了才知道探索阶段跑了两千张；
- 失败重试：API 会超时、会限流、会返回不合格图。批量脚本必须有重试和断点续跑，否则跑到第 180 张挂了要从头再来；
- 质量筛选：生成 3–5 倍数量再挑，是 AI 生产的常态而非浪费——废片率是成本模型的一部分，不是失败的证据。
动手任务：一个品牌，二十个资产
基础路线（约 90 分钟，手工＋模板也能完成，不必写代码）：
给一个虚拟品牌（自拟：咖啡店、健身 App、文具品牌均可）做一套活动视觉资产：
- 定方向：用便宜模型探索 8–10 张概念图，选一张作为主视觉方向（这一步就是路由的第一段）；
- 主视觉定稿：用你手里最强的模型 + L6 风格块产出主视觉，人工拍板（节点一）；
- 派生 20 个资产：横幅（宽版）、竖版海报、社媒方图、详情图、缩略图——用扩图和裁切派生，不要重新生成；
- 自动命名归档：按命名规则整理成一个文件夹，附一份资产清单表（文件名/用途/尺寸/来源模型）；
- 写产线说明（本课真正的交付物）：画出你这条产线的流程图，标明——哪几步用了哪个模型（路由）、哪几步是自动/半自动、三个人工节点分别在哪、你在第 20 张时有没有发现风格漂移。
进阶路线（可选）：用 API 或 ComfyUI 批处理把第 3 步真正自动化，脚本包含模板填槽、批量提交、自动命名、失败重试；再加一步 VLM 自动质检（让它回答"品牌色在不在、有没有多余文字"），把不合格的挑出来。
随堂测验
1. 同一个活动视觉要出方图、竖版海报和横幅三种尺寸。正确做法是？
2. 自动化产线里，三个不可省的人工节点中最贵的失败模式对应哪一个？
3. 关于「多模型策略」，本课给出的正解是？
4. 视觉语言模型（VLM）自动质检在产线里的合理定位是？
划选正文任意文字可高亮、批注或加入复习卡
讨论
载入中…