AI绘画从指令到制作一本通:指令是最容易被替代的一环,它却写了整整一本
一、一本书,一条流水线,重复了二十遍
先把地形说清楚。基础篇两章,讲 AI 绘画是什么、有哪些工具;操作篇四章,讲 ChatGPT 生成指令、文心一格、Midjourney、剪映;案例篇四章,讲艺术、游戏、电商、美术四个场景;变现篇两章,讲商用模式和变现方式。前言里作者把这套结构归纳成一个"实"字,说体现在"实入门、实际应用、实战案例、实用为王"四个层面。
结构本身没有问题。问题出在,四篇十二章里真正被反复执行的动作,只有一条。
我把全书二十来个案例的操作步骤抄在一起对比过。第 7 章风景画:在 ChatGPT 里输入"你现在是一位 AI 绘画师,请提供一些生成风景画的指令建议",拿到建议后说"请整合上述建议,提供一个山景的 AI 绘画指令示例,要求专业的摄影写实风格,字数在 50 字以内",再说"请将这段山景的 AI 绘画指令示例翻译为英文",然后粘贴进 Midjourney 的 /imagine,出四张,点 U4 放大。
第 8 章游戏场景,把"风景画"换成"游戏场景"。第 8 章角色原画,换成"角色原画"。第 9 章店铺 Logo,换成"店铺 Logo"。第 9 章产品主图,换成"茶叶产品主图"。第 9 章模特展示图,换成"模特展示图"。第 9 章详情页、第 9 章海报、第 10 章图书封面、第 10 章装置品、第 10 章服装、第 10 章珠宝、第 10 章室内布局,一路换到最后一章。中间只有一处变化:有的案例会多一句"请重新生成指令示例,要求背景为白色"或者"要求采用专业相机拍摄人物全身"。
那一句"字数在 50 字以内",在全书出现了二十次以上。它像一个模板的接缝,把这本书的成书方式漏了出来。
我据此下一个判断,说得直白一点:这本书的真实作者是 ChatGPT 的模板回答,李凤做的是选词、截图、排版和串联。这不是贬低——能把二十个行业的提问写成同一套句式、能从几十次会话里挑出能用的那几条、能把界面一步一步截下来,是体力活,也需要耐心。但前言里那句"本书汇集了众多行业专家的经验和智慧",和版权页上孤零零的一个署名放在一起,读者心里该有数。
更值得注意的是每节标题的措辞。案例篇四章,几乎每一节都叫"2 个步骤生成××"或"3 个步骤生成××"。这十八个"步骤"拆开看,第一步永远是"编写××指令",第二步永远是"生成××图",第三步(如果有)永远是"优化细节"。也就是说,这本书并不是十二个行业的教程,而是同一个教程做了十二次。你想学电商主图,和你想学水墨画,读到的动作是一样的。
二、它教对了一件事:把模糊的需求压成可执行的描述
公平地说,这本书有一件事做对了,而且做得不坏。
它教的是"结构化"——把一个说不清楚的中文念头,压成一组机器能读的描述。第 7 章讲风景画那一段,ChatGPT 给出的六条建议是:描述场景(地点、季节、天气、光线)、确定主题(山脉、湖泊、森林)、设置画面元素(树木、花草、建筑、动物的位置数量外观)、确定色彩与氛围、细节强调(哪些元素要被特别看见)、添加情感或故事。这六条其实是摄影构图的清单,只是换了说法。但从"我想画一座山"到"秋日山脉层层叠叠,山脚有松树和彩叶树,明媚蓝天中飘浮云彩,细腻描绘山间小溪和婉转瀑布",中间跨过的正是这一步。
书里最终落到 Midjourney 的那句英文,我原样抄下来:"Autumnal mountain ranges with cascading peaks. Pine and colorful foliage trees adorn the foothills. Clear blue sky dotted with floating clouds. Elaborate details of a meandering stream and graceful waterfall, revealing clear water and rocky bed. Warm tones convey a sense of serenity in a professional, photorealistic style."
这句是可执行的:主体、季节、植被、天空、细节、色调、风格,七样齐了。第 5 章讲 Midjourney 参数时,这本书还教了一层更细的东西——把抽象要求换成具体词。"干净简洁"不是词,"几何形状、留白、白色背景、无杂乱线条"才是词;"高级感"不是词,"85 毫米镜头、浅景深、柔和侧光、暖金色调"才是词。这个转换动作,是这本书真正的教学内容,也是它在 2026 年还没有完全作废的原因。
但也正是在这里,它把"时代限制"当成了"方法论"卖给读者。
整本书二十次流程里,有一道工序是固定的:把中文指令翻成英文。为什么?因为 2024 年的 Midjourney 只吃英文,中文提示词基本无效。这是当时工具的限制,不是创作的必经之路。作者在"特别提示"里承认了这一点,但只承认了版本号:
本书在编写时,是基于当前各种 AI 工具和软件的界面截取的实际操作图片,但本书从编辑到出版需要一段时间,这些工具的功能和界面可能会有变动,请在阅读时,根据书中的思路举一反三进行学习。
这段话说得很小心,也很诚实——但它只说对了一半。会变的不只是"功能和界面",还有"必须翻成英文"这条硬规则。到 2026 年,国内模型直接吃中文描述,转译这一层已经成了多余工序;而这本书把它写成了二十次的固定动作,读者照着做,学的是一门已经不需要的手艺。
一本工具书最难的判断,是分清"这个工具现在是这样"和"这件事本来应该这样做"。这本书在前者上做得很细,在后者上几乎没有着墨。
三、全书唯一过时了还能用的部分
如果只保留一章,我留第 5 章的第 5.2 节,七种技巧。这是全书唯一在 2026 年读起来还成立的部分,也是唯一写了"权衡"而不是"步骤"的部分。
它讲的七个参数是:
--ar 定横纵比。给一句"abeautiful blossom with a bee on it against a blue background... --ar 3:4",出来的就是竖构图。书里提醒了一句容易被忽略的话:图片在生成或放大过程中,最终输出的尺寸可能会略有修改。
--chaos 定发散程度。范围 0 到 100,默认 0。作者的说法很准:低值产生更可靠的结果,风格构图上比较相似;高值产生意想不到的结果,差异较大。同一组关键词,--chaos 10 出来的是四张亲戚,--chaos 90 出来的是四个陌生人。
--no 排除元素。在关键词末尾加 --no people,画面里就不出现人。这个参数的价值在于它是"减法"——大多数人的提示词只会加,不会减。
--q 定质量。给了 .25、.5、1 三档实拍对比:.25 生成的图"模糊,观感较差",.5 和不加差不多,1 有更多细节。然后跟了一句全书最像人话的判断:"更高的 --quality 值并不总是更好,有时较低的 --quality 值可以产生更好的结果,这取决于用户对作品的期望。例如,较低的 --quality 值比较适合绘制抽象主义风格的画作。"
--seed 定种子。加一个信封反应,机器人回你一串 Job ID 和 seed 值;同一个种子加同一组关键词,出同一张图。作者的用法说得很明确:利用这点可以生成连贯一致的人物形象或者场景。这是"系列图"和"同一个人出现在二十个场景里"的技术底座。
--stylize 定艺术化程度。10 和 1000 的对比放了两页:低值与提示词紧密相关,但艺术性差;高值非常有艺术性,但与关键词的关联性弱,AI 会有更大的自由发挥空间。
--iw 定参考图权重。0.5 到 2,值越大上传的图片对结果影响越大,书里最后用了 --iw 2,出来的图和参考图"风格极其相似"。
这七个参数为什么没过时?因为 Midjourney 到 v7 加了 --sref 和 --cref 这类新东西,但这七个的语义一直没变。一个 2024 年学会 --chaos 和 --seed 的人,今天打开 v7 依然知道自己在调什么。这是技术写作里最难的一种耐用:它写的是机制,不是界面。
同样耐用的一处,是第 2 章讲词魂和 Blue Shadow 时那句提醒:在 Midjourney 上使用某个提示词,"可以得到和例图相似的图片,出图质量稳定。可以调整图片的尺寸比例和主体信息"。这句话点出了一个事实——提示词库里那些好看的图,背后是"稳定复现",不是"灵感"。灵感不可教,复现可以。
四、案例篇的真相:四个行业,止步于"生成四张图"
这是我读这本书最不满意的地方。
案例篇占了全书四章、将近一半的篇幅,号称覆盖艺术设计(风景、人像、水墨、油画、漫画)、游戏设计(场景、角色原画、物品道具、用户界面)、电商设计(Logo、产品主图、模特展示、详情页、海报)、美术设计(图书封面、装置品、服装、珠宝、室内布局)四大领域十九个品类。听起来很全。
但每一个案例的终点,都是"单击 U 按钮,放大第 N 张图片效果"。
生成一张 1024 见方的图,然后说这件事完成了。这是案例篇的普遍状态。可真正的"制作"从来不在这里。
电商主图:平台要求白底、800×800 或 1:1、主体占比有规定、卖点文字要留出位置、不能带明显的水印和拼接痕迹。这些在书里一个字都没有。书里给的茶叶主图指令是"深红色普洱茶叶在木制托盘上,旁有一只优雅的茶杯,白色背景凸显茶叶与器具"——图是好看的,但它不是一张能上架的主图,因为它没有为价格、卖点、促销标签留任何一个位置。
图书封面:要出血 3 毫米、要字号层级(书名最大、作者次之、社标最小)、要留书脊、要字体商用授权。书里第 10.1 节做了一本《星际追寻者》的科幻封面,生成完就结束了,还补了一句"生成的封面设计图中会带有一些字母,这些字母不具有任何实际含义,用户可以将其当作文字排版的参考"。也就是说,一本讲"制作"的书,承认自己产出的封面不能直接用,然后把这一节命名为"生成图书封面"。
详情页:要切图、要移动端适配、要图文混排。海报:要文案排版、要字号对比、要视觉引导线。这些同样一句没有。
所以"从指令到制作一本通"这个书名,中间那个"制作"是空的。它写到"生成"就停了,剩下的全部交给读者自己去补,而补的那部分正是这行手艺真正的门槛。
全书唯一接近"制作"的地方,是第 6 章 6.1.3 用剪映做菜品宣传视频那八步:启动剪映、点模板、搜"餐厅新品宣传"、选模板点"使用模板"、在文本区改字、在时间线里点导入把 AI 生成的图换进去、点完成、点播放预览。这八步是这本书里唯一一段"生成之后怎么办"的完整叙述,而它只占了不到十页。某种程度上,这本书把最该展开的部分压缩成了最薄的一节。
五、作者自己承认的死穴:文字
这本书有三句话,我认为是全书写得最诚实的,值得单独抄出来。
Midjourney 生成的字母是非常不规范的,有时甚至是不可用的,用户可以在后期选定相应的图片后,使用 Photoshop 进行修改。
以当前 Midjourney 绘制图片的水平尚不能生成有效的带文字的图片。
Midjourney 生成的封面设计图中会带有一些字母,这些字母不具有任何实际含义。
三句话说的是一件事:模型写不出能用的字。三句话分别出现在第 9 章(Logo)、第 9 章(海报)、第 10 章(图书封面)。
问题在于,作者知道这件事,还是把 Logo、海报、封面这三个"必须有字"的品类,都当案例写完了。这在逻辑上叫:用一个已知不可用的方案,去完成一个必须用字的任务,然后把剩下的活儿推给 Photoshop。
我不认为这是偷懒。这更像一种行业惯性——2024 年的 AI 绘画工具书基本都这么写,因为不写这三个品类,目录会短一截,而写了的成本只是加一句免责声明。但站在 2026 年回头看,这三句话反而成了最好的时间刻度:它们精确地标出了"AI 能干什么"和"AI 干不了什么"的分界线,而这条线在过去两年里被推着往前挪了一大步,却还没有完全挪过去。
这三句话也顺带解释了另一个现象:为什么这本书的案例看起来都很漂亮,但读者照着做完,手里拿到的是一堆不能直接用的图。因为书里选的案例,恰好都停在"看起来对"的那一层。
六、讲 AI 绘画原理,却不讲扩散模型
第 1 章第 1.2 节叫"3 个要点把握 AI 绘画",其中第一个要点是技术原理。这一节写了六块内容:数据收集与模型训练、生成对抗网络(GAN)、卷积神经网络(CNN)、迁移学习、图像分割、图像增强。
六个名词,全部属于 2016 年前后的技术谱系。而这本书是 2024 年 5 月出版的。
更刺眼的是 Stable Diffusion 的待遇。它出现在第 2 章 2.2.5 节,作为"5 个 AI 绘画生成平台"里的最后一个,全文约两百字,开头是:"Stable Diffusion 是一个基于人工智能技术的绘画工具,支持一系列自定义功能,可以根据用户的需求调整颜色、笔触、图层等参数。"
一句话都没提它是扩散模型,没提潜空间,没提去噪过程,没提 CFG 和采样器。而在 2024 年 5 月,Stable Diffusion、Midjourney、DALL·E 3、文心一格,主流工具全部是扩散模型体系。GAN 时代早就过去了。
这不叫"原理讲得浅",这叫讲错了时代。一本讲 AI 绘画的书,把唯一的那台发动机漏掉了,转而用六张 2016 年的零件图拼了一个原理章。读者读完这一节,会知道判别器和生成器怎么对抗,但完全不会知道"为什么你写的提示词能影响出图"——而后者才是这本书后面三百页全部内容的地基。
有意思的是,作者在别的地方清醒得多。第 1 章第 1.3.2 节讨论争议时,有这么两段:
AI 绘画只能从现有的数据库中进行学习,无法解释其生成内容的逻辑,它们更像是对现有艺术作品的一种再现和组合,而非真正意义上的原创。
但人工智能本质上依然是工业产品,通过输入关键信息来搜索和选择使用者需要的结果,用最快的方式和最低的成本从庞大的数据库中找出匹配度相对较高的资源,创作出新的图画。所以,AI 绘画只是降低了重复学习的成本,它所创作出来的作品与真正的艺术还有着较大的差别。
这两段判断是有分量的,甚至比很多鼓吹 AI 艺术的书都冷静。它说明作者不是不懂,而是"原理章"那部分被写成了一份百科词条的拼接,和后面那些真正有判断力的段落之间,没有打通。前面是抄来的,后面是自己想的,两者放在同一本书里,接缝肉眼可见。
顺带说一句第 2 章的一个细节。2.2.3 节介绍百度 ERNIE-ViLG,写它"在 MS-COCO(文本生成图像公开权威评测集)和人工盲评上均超越了 Stable Diffusion、DALL·E 2 等模型,并在语义可控性、图像清晰度、中国文化理解等方面展现出了显著优势"。这是厂商自己的宣传口径,书里原样搬来当客观事实写,既没给评测时间,也没给对比条件。一本工具书对国产模型留面子,可以理解;但把营销话术写成技术结论,是另一回事。
七、变现篇写的是 paperwork,不是 know-how
最后两章,第九章讲商用模式,第十章讲变现方式。这是全书最"完整"也最没用的一篇。
第 11 章给六种商业模式:直接销售、与画廊合作、艺术品拍卖、版权授权、定制委托、数字插画与设计。每一种都配了流程图。艺术品拍卖那一段写了五步:评估作品、选择拍卖行、洽谈细节、签署合同、宣传展示。版权授权那一段列了六条注意事项:明确授权范围、修改和演绎权、署名权、保留权利、费用和报酬、合同书面化。
第 12 章给七种变现路径:两种直接(卖作品、接定制),五种间接(拼成 AI 视频、卖教程、做游戏、出版物插图、转 VR 体验)。每一种都配了"渠道"和"优势"两张图。
读下来的感觉是:这是 paperwork,不是 know-how。
它告诉你拍卖有五步,但不告诉你一张 AI 生成的图在拍卖行值多少钱、有没有拍卖行收、成交记录在哪里查。它告诉你版权可以授权,但不告诉你在中国,AI 生成物的著作权登记从 2023 年起已经有实际判例,也不告诉你各平台对 AI 生成内容的标注要求。它告诉你可以在抖音、B 站、小红书变现,但不告诉你这些平台对"AI 生成"的限流规则和标注义务——而这恰恰是 2026 年做这行最要命的一条。
更基本的问题:一张图卖多少钱?书里一个字都没给。
对比一下就清楚了。我此前读过另一本讲 AI 影像接单的书,它给的是可执行的东西:报价三段式(基础费+变更费+授权费)、里程碑 30/40/30、大改的五种触发条件(换脚本、重设风格、新增镜头超 30%、换配乐、重录全配音)、48 小时集中反馈、撤单时 30% 的"停工与占档补偿"、交付四层(视觉成果、复现凭证、合规凭证、使用说明)。同样是讲变现,一本给的是能直接改成合同的条款,一本给的是"可以""有助于""能够"。
这本书的变现篇,内容是任何一本艺术市场入门书都能查到的常识,只是把"画作"换成了"AI 绘画作品"。它对一个真想靠这个吃饭的人,帮助接近于零;它对一个只想了解行业全貌的人,算是一份合格的目录。
八、它的短板
按这本书自己的说法,学完就该"有'用武之地'"。那我得老实说清它没能给到什么。
第一,原理章写错了时代。第 1.2 节六块内容全是 GAN、CNN、迁移学习这一代的名词,对扩散模型只字未提;Stable Diffusion 在全书只得到两百字"基于人工智能技术的绘画工具"。一本 2024 年 5 月出版、讲 AI 绘画的书,漏掉 2022 年之后所有主流工具的底层机制,这不是深浅问题,是准确性问题。读者读完,能背出判别器怎么和生成器对抗,但解释不了自己写的提示词为什么会改变画面。
第二,案例止步于生成,"制作"整节缺席。十九个品类,终点都是点 U 放大。尺寸规范、出血、字体授权、平台合规、文案排版、移动端适配,一样没写。书名里"从指令到制作一本通"的"制作",在正文里找不到对应的内容。唯一接近的是第 6.1.3 节剪映那八步,不到十页。
第三,关键步骤大量外包给二维码。几乎每一节的开头都有一行"扫码看教程",每一章的课后习题后面都有一行"扫码看答案"。也就是说,这本书正文里放的是"结果截图",操作过程在二维码后面。买一本纸质书或电子书,你拿到的是半个产品;剩下半个需要联网、需要扫码、需要那些链接还活着。对一本工具书来说,这是结构性缺陷,不是小毛病。
第四,模板化痕迹重,且有整页重复。"字数在 50 字以内"在全书出现二十余次,二十个不同行业的提问共用一套句式。更明显的是排版层面的重复:第 53、54 两页的"本章小结"与"课后习题"开头逐字一致;第 111、112 两页的课后习题重复;第 257、258 两页的课后习题重复。同样的段落印了两遍,说明这本书在编校环节没有被完整地读过一遍。
第五,事实未经校核。这一条最要命,因为它出现在一本教人"怎么用 AI"的书里。第 2.1.2 节把 Kugai AI 称作"ChatGPT 中文版的应用工具,与 ChatGPT 的功能和形式相当"——这是一个套壳站点,书里当正规工具推荐。第 2.2.3 节把 ERNIE-ViLG"超越 Stable Diffusion、DALL·E 2"的厂商口径当结论写。第 3.3.1 节讲"ChatGPT 生成的答案不唯一"时,把 ChatGPT 输出的一段 python 代码(set_canvas_size、set_pen_color、draw_line)当成了"生成水墨画的 AI 绘画指令"照原样印上去——那明显是模型答偏了,作者没有指出。第 3.2.3 节里,ChatGPT 分析一个提示词时自己说"phages 这个词可能是输入时的拼写错误",这句话也被原样保留,作者也没有改。
一个教你怎么用 AI 的人,把 AI 的错误答案印成了示范。这是这本书最深的裂缝——它示范的不是"如何判断模型说得对不对",而是"如何把模型的输出直接搬进书里"。
最后补一个事实,不是短板,是读者的投票:书末实拍页显示,微信读书推荐值 0%,阅读时长 55 分钟。我读完 442 屏,看到的最后一个画面就是这一页。它比我写下的任何一句批评都直白。
它把最容易被替代的那一环写成了最厚的一本,而真正替代不掉的部分——判断、修补、交付——它一页都没写。
阅读记录 · 李凤著《AI绘画从指令到制作一本通》,化学工业出版社 2024 年 5 月第 1 版,ISBN 9787122446299。全书 4 篇 12 章,我从版权页逐页读到末页"已读完",书末显示微信读书推荐值 0%、阅读时长 55 分钟。文中引文、参数与提示词均照录原书;因原书为图片版,OCR 存在个别字误(例如把"剪映"认成"草映""前映"、把"梵高"认成"楚高"、把"GAN"认成"GAM"),凡引用处均已对照上下文校正,未改写原意。第八节所述整页重复,重复段落为逐字一致,我据此判断为排版重复而非识别误差;若读者手中的版本无此问题,以纸质版为准。第八节关于 Kugai AI、ERNIE-ViLG 评测、python 代码与"phages"拼写的四处,均可在原书对应页面直接核对。
AI 实战导师 / 企业 AI 落地顾问 / 智能体工程师,17 年跨界、15,000+ 小时 AI 实操、20+ 套已交付工作流。
发表评论: