什么是指令编辑？「把天空调蓝」怎么实现

在 WPS AI 的图片工具里输入「把天空调蓝，云保留」，几秒后图就改好了——不用套蒙版，不用调参数。这种用一句自然语言指挥模型改图的能力，叫指令编辑，它正在改写「修图」这件事的门槛。

一句话怎么变成精确改动

背后是三步接力。第一步理解：语言模型读你的指令，拆出「改什么（天空）」「改成什么（蓝）」「不动什么（云）」。第二步定位：视觉模型在图里圈出「天空」对应的区域，这一步相当于自动打蒙版，替代了修图软件里手工涂抹。第三步改画：生成模型只重绘圈定区域，其余像素原样保留。三步串起来，大白话就落成了像素级的精确手术。

三步各管一段，失手的位置也各不相同。

类比：装修队的工长，以及它失灵的地方

把指令编辑想成装修工长：你说「客厅刷成米白，电视墙别动」，他带人只刷客厅。类比失灵之处在于：工长看得见现场，模型对「天空」的理解来自训练经验——逆光发灰的天空、玻璃反光里的天空，它可能圈错范围；指令里含糊的词（「好看一点」）更会让它自由发挥，改出来的方向未必是你想的。

指令怎么写，改得才准

经验有三条。一是点名主体和范围：「把左下角的水杯删掉」好过「把那个杯子去掉」；二是说清保留项：「换白衬衫，脸和姿势不变」，不变的部分点出来，模型就不越界；三是一次改一处，连环指令（调蓝再压暗再加光）容易顾此失彼，分轮做更稳。另外，改完若整体质感不对，可配合图像超分救一下清晰度；大幅改画风则属于图生图的范畴，两者分工：图生图全局变，指令编辑局部动。

它会越界吗，边界在哪

常见翻车有两类：该改的没改净（边缘残留旧色），不该动的动了（背景悄悄变形）。前者靠把指令范围说得更明确，后者靠明确「保留清单」。视频里的指令编辑难度更高，改动要在每一帧保持一致，牵涉帧间的稳定，思路与视频插帧处理的连贯问题同源。更深一层，编辑能力与生成能力共享底层：文生图怎么理解你的文字（提示词编码器那一步），编辑就怎么理解你的修改要求。数字人场景里改换装、换背景，本质也是这套指令编辑在干活，见数字人的驱动方式与3D 生成的形象制作。

补充两个进阶用法。一是反向利用「越界」：故意不说保留项，让模型顺着指令重画整片区域，可以快速做旧、换季、换氛围，比手动调色快得多。二是把编辑当画笔用：先大笔挥一道（「整个背景改成黄昏」），再用窄指令收边（「只保留左侧建筑的暖光」），粗调加细修两轮下来，比一次写一长串复合指令效果好。遇到模型反复改不对的位置，不妨换个说法描述目标——它对「夕阳」「金色时刻」这类成熟视觉概念的对应，比对你自创的说法稳得多。指令编辑练到熟，修图软件里一半的手工活都能一句话代劳。

指令速查

• 范围写具体：左下角的水杯，别只说杯子
• 保留项点明：脸不动、姿势不变
• 一次一处：连环改动分开做
• 改糊了：接超分补清晰度

一句话带走：指令编辑是像素级的「指哪打哪」，话说得越准，模型下手越准。

关于指令编辑，问得最多的三个

• 它和裁剪调色有什么区别？：调色是全局像素运算，规则固定；指令编辑理解语义，能按内容改局部，做的是「手术」不是「滤镜」。
• 改过的图痕迹重吗？：小范围改动基本看不出，大范围重绘的纹理走向可能与原图衔接不上，放大细看能发现。
• 能指定改到某个位置吗？：能，方位词加参照物（「海报右上角的字」）通常有效，模型会先定位再动手。