同一句提示词连点二十次，AI 半小时内交出二十张电商主图；换成一套十二页的连载分镜，画到第三页，主角的脸已经换了一个人。两件事的差别不在画得好看不好看，而在能不能控制：前者允许每张都不一样，后者要求每一张都必须是同一个。
控制权在哪，活就分到哪
把「画一张图」拆开，其实是一串决策：画什么、怎么构图、用什么风格、角色长什么样、文字放哪、尺寸和色值按谁的规范、出错谁负责。AI 能自主完成前两项，中间几项要看它有没有对应的控制手段，最后一项它完全不参与。
这个拆法能解释一个常见现象：同一个模型，做概念图时惊艳，做品牌物料时处处要改。概念图只需要前两项，品牌物料几乎全靠后几项。
按环节拆，谁接哪一段
六个环节里，AI 的可用程度差别很大：
| 工作环节 | AI 能做到什么 | 画师不可替代的部分 |
|---|---|---|
| 概念探索 | 十分钟出二十个方向，风格跨度大，成本极低 | 判断哪个方向符合品牌调性、能落地、不撞已有作品 |
| 单张成图 | 配图、海报背景、商品场景图，一次多版可选 | 确定最终构图、修掉结构错误、统一光影逻辑 |
| 角色一致性 | 单张内稳定，换角度、换动作、换场景容易变脸 | 设定角色表，逐张校准五官比例与服装细节 |
| 图内文字 | 短词偶尔能写对，长句和中文常出错或变乱码 | 排版、字距、层级关系，以及文字与图的视觉平衡 |
| 品牌规范 | 能模仿风格，给不准色值、字号、安全边距 | 按 VI 手册落色值、网格、留白，让多物料保持一致 |
| 交付担责 | 不承担任何责任，也无法解释为什么这样画 | 对成品负责，能说明每一处修改的理由 |
角色一致性这一行是分水岭。单张图的任务里，角色不一致根本不算问题；一旦进入连载、IP、系列物料，一致性就成了主要成本，而这个成本目前主要落在人身上。
改一处，为什么常常变成重画一张
生成模型的工作方式是「按提示重新采样」，不是「在原图上动笔」。你说把左手抬高一点，它重新生成整张，右手、背景、光影都跟着变。局部重绘能限定修改区域，但边界处的融合、光影的连续性仍然要人工补。
后来加的一批控制手段缓解了这个问题：参考图锁定风格、姿态控制锁定骨架、遮罩锁定修改范围、固定随机种子减少整体漂移。这些手段让「可控」从愿望变成工程问题，代价是每一步都要调参数，出图速度比随手生成慢一个量级。提示词能约束的部分始终有限，剩下的要靠这些结构化输入。
一致性难在什么地方
模型没有「这个角色长这样」的持久记忆。每次生成，它都从提示词和参考图重新推断长相，推断的随机性直接体现为脸型、发型、服装细节的漂移。换角度时漂移最大，因为训练数据里同一角色的多角度样本本来就少。
业界的常见做法是给角色单独训一个小模型，把十几张设定图喂进去，让它记住这张脸。效果明显，成本也不低：要准备素材、要训练、要维护，角色一改设定就得重来。另一种做法是把一致性交给后期，用同一张底图做局部修改，能稳住一部分，动作幅度大时还是会崩。
它接不了的那几类活
精确文字是第一类。标题、价格、标志里的字，要求笔画准确、字距均匀，模型给的往往是形似而错字的结果，中文尤其明显。这类内容现在仍然靠排版软件加上去。
硬性规范是第二类。品牌色值有明确编号、字号有明确层级、安全边距有明确数值时，模型的输出只能当草图，落地要重新按规范做一遍。第三类是要担责的专业图：工程图纸、器械说明图、建筑报审图，错一个标注就是事故，这类图有制图标准和审核流程，模型进不去。
第四类是长篇幅的连贯作品。几十页的绘本、成套的系列插画，要求角色、场景、色调在整本里统一，目前的工具做不到一次交付，只能一张张生成再人工统一。图像生成模型内部在做什么决定了它擅长的是「像」，不是「准」。
还有一层常被忽略：训练数据的来源与授权。模型怎么看图和它用什么图训练是两件事，商用前要确认所用工具的授权条款，尤其是模仿特定在世创作者风格时。
实际的分工长什么样
能跑通的流程通常是三段：AI 出方向和备选，人做筛选和定稿，最后回到工具里做精修、加文字、对规范。第一段省下的时间最多，第二段决定成品质量，第三段决定它能不能交付。
指望它一次出成品，返工时间往往超过省下的时间。判断标准可以很具体：这张图如果错了，改起来是「重画一张」还是「调两个参数」，前者交给人，后者交给它。
速查：哪些活交给 AI，哪些留给人
- 概念图、配图、背景、场景图：可以交给 AI，一次多版挑一版
- 角色一致性、系列物料、IP 延展：人定设定，AI 出草稿，人逐张校准
- 图内文字、标志、价格：一律后期加，不让模型写
- 品牌规范落地、专业制图、成套交付：人做，AI 只提供参考
