很多人用 AI 生图，都会经历一个很微妙的阶段。

刚开始很兴奋。

随便写几个词，图就出来了，质感还不错，甚至有时候比自己想象得还好。

但真到工作里，问题马上就来了。

要做一张广告图，文字多一个字。

要做一页融资 slide，数据层级乱了。

要给模特换衣服，衣服是换了，脸也顺手换了。

要抠一个产品，瓶身边缘糊了，标签还被重新设计了一遍。

这时候你会发现，AI 生图最大的问题，不是它不够会画，而是它太会发挥。

它很努力，也很热情，就是有时候热情过头了。

你想让它只改一把椅子，它顺手把厨房审美也升级了。

你想让它移除一朵花，它连人物气质都帮你重新规划了一下。

所以我看完 GPT-Image-2 这套官方案例后，最大的感受不是“模型又变强了”。

而是：AI 生图终于开始从抽卡，进入生产。

这套手册一共 34 页，里面有 28 个案例。

但如果只把它理解成“提示词案例合集”，就太可惜了。

它真正有价值的地方，是把 AI 生图拆成了三个层次：

第一层，生成。你要学会从零定义一个完整画面。

第二层，编辑。你要学会在已有图像上画清楚边界。

第三层，生产。你要学会把生成、编辑、质量档、尺寸、迁移策略串成工作流。

别一上来就追求 high

很多人看到新模型，第一反应是把参数开到最高。

这其实是典型的新手思路。

GPT-Image-2 里的 quality，不是审美开关，而是取舍旋钮。

low 适合批量探索、草图初筛、方向验证。

medium 适合多数工作流的默认起点。

high 适合小字密集、近景人像、身份相关编辑、最终交付图。

真正成熟的做法不是“永远 high”，而是先低后高。

先用更低成本跑通结构，再把值得投入的图推到高质量档。

尺寸也是一样。

很多人先写一大段美术词，最后随手选个尺寸。

这个顺序反了。

尺寸本身就是交付规格。

竖版适合海报、信息图、漫画、移动端 UI。

横版适合 slide、图表、产品首屏、广告横幅。

画布会决定模型如何组织信息。你让模型猜一次，就会多一轮返工。

生成是在建世界，编辑是在画边界

GPT-Image-2 最重要的分野，是生成和编辑。

生成任务，是从零开始建一个世界。

你要写清楚产物类型、受众、主体、构图、材质、文字、尺寸和质量档。

编辑任务，是在已有图像上动刀。

你不是让模型重新创作，而是告诉它：只改哪里，哪里绝对不能碰。

生成 prompt 的好坏，取决于世界定义是否完整。

编辑 prompt 的好坏，取决于边界是否清楚。

第一个案例是信息图。

信息图不是“画得好看”就行，它的核心是把结构化信息传达给特定受众。

学生、高管、客户、普通大众，看到同一张图需要的重点不一样。

所以提示词要像给设计师下 brief：讲什么内容，采用什么结构，哪些标签必须出现，给谁看。

信息图本地化也是一个很好的编辑案例。

你不是重新生成一张英文图，而是在原图上只替换文字。

排版风格、位置、间距、图标、层级，都不应该动。

这就是编辑任务的关键句式：

只改文字。

其他不变。

想要真实感，也不要只写“超逼真”。

真正有效的是摄影语言。

镜头、机位、光线、景深、胶片颗粒、真实皮肤纹理、织物磨损、自然色彩。

如果你不想要广告精修感，就要明确写“不要美化，不要重度修图”。

真实感不是更锐、更亮、更干净，而是更像现实世界。

GPT-Image-2 还可以调用语境知识。

当你给出足够精确的时间和地点，模型可能推断出背后的历史事件，并生成符合时代背景的画面。

这说明一件事：提示词不一定越长越好。

有时候，精确的上下文比堆形容词更重要。

好提示词不是愿望清单，而是约束系统

Logo 生成尤其能说明这个问题。

你不能只说“做一个温暖高级的面包店 Logo”。

你要说品牌名、行业、品牌个性、图形风格、负空间、可缩放、纯色背景、无水印。

这些都不是装饰词，而是约束。

约束越清晰，输出越可用。

广告生成也是一样。

广告不是技术规格堆叠，而是创意简报。

品牌是谁，面向谁，表达什么文化，画面里有哪些人，文案必须是什么，哪些东西不要出现。

你给出边界，模型在边界内发挥。

这比“帮我做一张潮流广告”稳定得多。

漫画案例告诉我们，叙事也要结构化。

不要写“宠物搞破坏”。

要写每一格发生什么动作，每一格状态如何变化。

主人出门，宠物占沙发，主人回来，宠物假装无事发生。

故事越落到动作，模型越容易生成可读的视觉节奏。

UI 生成也有一个常见坑。

很多人会写“做一个农贸市场 App 概念图”。

概念图听起来很合理，但模型很容易做成漂亮草图，而不是可用界面。

更好的写法是：像描述一个已经上线的真实产品。

标题、列表、分类标签、今日特价、地点、营业时间、手机边框、界面层级，都要写清楚。

教育图解的关键，是教学设计。

谁在学？

要学会什么？

必须出现哪些标签？

哪些科学关系不能错？

图解不是插画，它是知识结构的可视化。

生产力图片更是如此。

融资 slide、数据图、流程图，最怕的不是不好看，而是结构不可用。

标题、真实数字、图表类型、脚注、字体、颜色、布局层级，都应该直接写进 prompt。

不要写“做一页市场机会”。

要写“做一页能进 deck 的市场机会页”。

编辑任务最怕模型“顺手优化”

进入编辑案例后，逻辑就变了。

风格迁移里，你可以让模型沿用输入图像的视觉语言，但改变主体。

这里不需要解释太多风格细节，因为输入图已经提供了上下文。

你只需要说清：沿用什么风格，生成什么新内容。

虚拟试穿是最典型的身份保留任务。

衣服可以换。

脸不能换。

肤色不能换。

身形不能换。

姿态不能换。

表情和发型也不能换。

这类任务的写法就是先全部锁死，再只开放一个变量。

锁得越死，模型越不容易乱发挥。

草图转真实渲染，也不是让模型重新设计。

要保留布局、比例、透视，只补材质、光照和环境。

很多失败都发生在模型“觉得这样更好看”，于是添加了新元素。

所以“不要添加新元素或文字”这句话非常重要。

产品提取更像质检。

边缘干不干净？

标签是否可读？

几何形状有没有变？

背景是否纯白不透明？

有没有多余光晕？

这里不需要模型“升级设计”，只需要它准确执行。

图中文字是 GPT-Image-2 很重要的能力点。

但你不能含糊。

必须出现的文案，要放进引号里。

要求逐字呈现。

不要额外字符。

只出现一次。

字体、位置、对比度、字距也要写清楚。

这不是啰嗦，是验收标准。

天气和光照变换，看起来只是“改氛围”，但底层仍然是边界控制。

只改变光照、阴影、降雪、地面湿度和氛围。

不改变主体、几何形状、相机角度、物体位置。

这也是为什么分步编辑比一次生成更稳定。

每一步只动一个变量。

对象移除则更直接。

移除男人手里的花。

不要改变任何其他东西。

这句话简单到像废话，但在编辑任务里，它是核心指令。

人物插入场景更复杂。

你要同时锁定人物身份、动作状态、场景环境和摄影质感。

如果你想要真实照片，就要避免电影海报式灯光、戏剧性色彩和过度风格化构图。

真实感不是“更大片”，而是更像有人真的拍下了这一刻。

多图合成的规则也很清楚：

从哪张图取什么？

放到哪张图的哪里？

光照、构图、背景、比例和阴影如何匹配？

其他内容不许改。

只要这几件事没说清，模型就很容易把“合成”理解成“重新创作”。

真正的价值，是让失败变便宜

高价值案例里，室内替换特别适合商业场景。

客户想看一把椅子换成另一把椅子。

你要做的不是重新装修厨房，而是只替换那一件物体。

相机角度、室内光线、地板阴影、周围物体都要保留。

“只”这个字，在这里值钱。

立体贺卡案例适合季节营销。

它的关键不是梦幻，而是像真实产品摄影。

纸张层次、折叠、纤维、柔和灯光、浅景深、实体触感，都在让它从概念图变成可展示的商品视觉。

周边概念也是同理。

包装材质、印刷清晰度、零售摄影、原创设计、无商标、无水印，这些都决定它能不能进入商业讨论。

AI 很擅长出创意，但商业创意必须带着限制条件跑。

角色一致性是多页故事最容易翻车的地方。

第一步不是急着做故事，而是先建立角色锚点。

外观、比例、服装、气质、色彩、表情，都要先固定下来。

这就像给模型一张角色设定表。

后续故事延续时，核心句是“不要重新设计角色”。

场景可以变。

动作可以变。

情节可以推进。

但角色不能漂。

这句话比重复堆很多外貌描述更有效，因为它明确告诉模型：角色已经定稿了。

一套可以直接套用的生产模板

如果只能带走一个东西，我建议带走这套模板。

以后写 GPT-Image-2 提示词，先问八个问题：

交付物是什么？

给谁看？

画布是什么？

必须出现哪些文字？

版式层级是什么？

视觉语言是什么？

真实内容和数据是什么？

质量档怎么选？

这八个问题，比“高级感、电影感、8K”更有用。

因为它们不是在描述愿望，而是在定义规格。

编辑任务也可以浓缩成一句话：

可变项和不变量分离。

变量，是你允许模型改变的东西。

不变量，是它绝对不能碰的东西。

编辑 prompt 的质量，取决于 preserve list 的清晰度。

为什么这次说 GPT-Image-2 能进生产？

不是因为它更会画。

而是因为它在三个地方更接近真实工作流：

文字更可控。

身份更可守。

结构更可读。

真实生产里，效率提升不是第一张图更惊艳，而是首轮更接近规格，审核更少，重跑更少，局部返工更少。

如果你已经在用 gpt-image-1 或 1.5，也不要急着推倒重来。

迁移应该是增量式的。

新流程、客户资产、照片编辑、品牌敏感、图中文字，优先上 GPT-Image-2。

旧 prompt 先保留，拿真实样本比较质量、延迟和重试率。

哪里失败修哪里。

文字错，就补精确文案。

身份漂，就补保留项。

结构乱，就补层级。

最后总结成三句话。

产物先行。

边界显式。

指标闭环。

先定义广告、界面、信息图、幻灯片、照片，再写画面。

生成写完整规格，编辑写“只改什么 + 保留什么”。

用质量、延迟、吞吐、重试率决定 low、medium、high。

这不是提示词玄学。

这是把 AI 生图当成生产系统来用。

所以，真正会用 GPT-Image-2 的人，不会只问：

“这个模型能不能画得更好？”

他会问：

“我能不能把任务定义到它第一轮就更接近交付？”

能做到这一点，GPT-Image-2 就不只是一个玩图工具。

它会变成你的视觉生产系统。