1. 从零散截图到可复用资产我为什么要做这个视觉创作库做AI视觉创作这两年我最深的感受不是模型不够强而是经验留不住。同一个提示词技巧三个月前调通了三个月后换个项目又得从头摸一遍同一套构图逻辑在这个模型上跑得通换到另一个模型就完全失效。更麻烦的是团队里每个人都在各自摸索踩过的坑反复踩验证过的有效方法却散落在聊天记录、临时文档和截图文件夹里根本沉淀不下来。这个开源库就是在这种背景下攒出来的。它不是一个教程合集也不是提示词大全而是一套可检索、可复用、可迭代的视觉创作资产库。核心内容分三块上千张经过标注的实测图片、30条完整案例记录、10个封装好的可复用Skills。图片负责提供视觉参照和参数对照案例记录负责还原从需求到成品的完整决策链路Skills则把高频操作封装成可调用的模块让重复劳动降到最低。它适合三类人一是刚接触AI视觉创作、需要大量参照样本建立直觉的新手二是已经在用但产出不稳定、想系统化自己方法论的进阶用户三是需要把视觉创作能力集成到Agent工作流里的开发者。不管你是哪一类这个库的设计逻辑都是先看结果再拆过程最后拿走能直接用的模块。我特别想强调一点这个库的价值不在于我整理了多少东西而在于它记录了大量失败和修正的过程。网上大部分分享只给你看最终那张好看的图但真正有用的信息往往藏在为什么第一版不行参数从多少调到多少才通这些细节里。30条案例记录里每条都保留了至少两轮以上的迭代痕迹这才是它区别于普通素材库的地方。2. 上千张图片不是图库是参数与效果的对照实验场2.1 图片标注体系每张图背后都挂着可追溯的元数据很多人整理图片就是按主题分文件夹风景一堆、人像一堆找的时候靠肉眼翻。这种做法在AI视觉创作场景下几乎没用因为你真正需要的是在什么参数下、用什么提示词结构、得到了什么效果。我的做法是给每张图挂一套结构化元数据字段包括提示词原文、模型版本、采样器、步数、CFG值、种子、分辨率、参考图使用情况、以及一句人工标注的这张图的关键控制点是什么。比如一张光影层次特别好的图标注里会写清楚关键在于把光源描述放在提示词前三分之一位置且CFG控制在7以下避免过曝。这套标注体系带来的直接好处是当你遇到一个具体问题比如想要柔和逆光但总是过曝你可以直接按标注字段筛选找到所有涉及逆光控制的样本横向对比它们的参数差异。这比漫无目的地试参数效率高出一个量级。提示标注字段不要贪多我一开始设计了二十多个字段结果维护成本太高最后精简到九个核心字段。字段越多你越不愿意填库就越容易烂尾。2.2 图片分类逻辑按控制维度而非内容主题组织这是我在整理过程中做的最重要的一个决定。按内容主题分类人像、风景、产品看起来直观但实际使用时你会发现你需要的往往不是一张人像而是一张能体现肤色过渡控制的人像或者一张能体现背景虚化层次的人像。所以我改成按控制维度分类主要分这几类构图控制类验证不同构图描述方式对画面布局的影响比如三分法、对称、引导线在提示词里怎么表达才有效。光影控制类顺光、逆光、侧光、顶光、环境光的具体描述词与参数配合。材质与质感类金属、布料、皮肤、水面等材质在不同模型下的表现差异。色彩控制类色调、饱和度、冷暖对比的描述方式与后期空间。风格迁移类同一内容在不同风格描述下的输出对比。失败样本类专门收集崩坏、畸变、语义偏离的案例标注触发条件。失败样本类是我特别想推荐的。大部分人只存好图但失败样本的信息密度往往更高因为它直接告诉你边界在哪里。我库里大概有15%是失败样本每次调新提示词前都会先翻一遍对应维度的失败记录能避开很多已知的坑。2.3 图片检索的实操方法库大了之后检索效率就是生命线。我的方案是文件名用维度_控制点_序号的格式比如light_rim_003表示光影维度下轮廓光控制的第三张。配合一个简单的本地检索脚本按文件名关键词就能快速定位。如果你不想写脚本用系统自带的文件搜索也够用前提是命名规范要严格执行。我见过太多人一开始随便命名库到几百张之后就彻底找不动了最后只能重建。另外建议每张图额外存一份缩略图原图放单独目录。浏览和筛选时看缩略图确定要用再调原图这样翻库速度会快很多。这个细节看起来小但当你库里有上千张图时体验差异非常明显。3. 30条案例记录把怎么调出来的完整还原出来3.1 案例记录的标准结构每条案例记录我都按固定结构写包含六个部分需求描述、初始方案、第一轮输出与问题、修正思路、第二轮输出与问题、最终方案与关键结论。这个结构看起来啰嗦但它强迫你把决策过程写下来而不是只留一个结果。需求描述部分要写清楚我到底想要什么效果包括那些模糊的直觉比如想要一种安静但有张力的氛围。这些模糊描述恰恰是最有价值的因为把它们翻译成提示词的过程就是视觉创作的核心能力。初始方案部分记录你第一版提示词和参数。第一轮输出要如实记录问题不要美化。修正思路部分要写清楚我为什么这么改是加了负面提示词还是调整了权重还是换了描述顺序。这个为什么是整条记录的灵魂。3.2 案例拆解一个光影控制的完整迭代过程拿一个具体案例来说。需求是黄昏室内暖光从窗户斜射进来人物半侧脸要有明显的明暗过渡但不生硬。初始方案我写的是warm sunset light through window, half face, soft shadowCFG 9步数30。第一轮输出问题很明显光线是有了但明暗过渡非常生硬暗部直接死黑而且人物脸部结构有轻微畸变。修正思路我判断问题出在两个方面。一是CFG太高导致对比度过大二是soft shadow这个描述太笼统模型不知道软到什么程度。于是把CFG降到6.5把光影描述改成gradual light falloff, ambient fill in shadow area同时加了负面提示词harsh contrast, pure black shadow。第二轮输出明显改善过渡柔和了但出现了新问题整体偏灰暖光的感觉弱了。这说明降CFG的同时把色彩饱和度也带下去了。最终方案是在提示词里单独强化色彩描述rich warm amber toneCFG回到7步数提到35。这一版基本达到需求。关键结论我写的是光影柔和度和色彩饱和度在CFG这个参数上是耦合的降CFG柔化光影的同时会损失色彩强度需要通过提示词单独补回色彩描述。这条结论后来在好几个案例里都复用了这就是案例记录的价值——它产出的是可迁移的判断而不是一次性的参数。3.3 案例记录的维护心得30条听起来不多但每条都是完整迭代记录实际信息量很大。我的维护原则是宁缺毋滥不追求数量追求每条都能独立解决一类问题。写记录时有个技巧先写结论再补过程。因为结论是你真正想传达的过程是支撑。如果先写过程很容易写成流水账读者包括未来的你自己抓不到重点。另外建议给每条案例打上标签比如光影构图材质失败复盘方便按需检索。标签不要超过三个多了等于没打。4. 10个可复用Skills把高频操作封装成可调用模块4.1 什么是Skills为什么需要它Skills这个概念在Agent工作流里越来越常见简单说就是把一组固定的操作步骤、提示词模板、参数配置封装成一个可调用的模块。你给它输入它按预设逻辑处理输出结果。对于视觉创作来说Skills解决的是重复劳动问题。比如生成一张符合电商主图规范的图片这个需求涉及构图约束、背景处理、光影标准、尺寸规范等一系列固定操作。每次手动调太累封装成Skill之后输入产品描述直接输出符合规范的图。这就是Skills的价值——把经验固化成流程。我整理的10个Skills覆盖了视觉创作里最高频的场景包括标准人像生成、产品图规范化、风格迁移、批量变体生成、构图校正、光影重塑、材质替换、色彩统一、失败样本诊断、提示词结构化改写。4.2 Skills的封装逻辑与调用方式每个Skill的封装包含三部分输入定义、处理逻辑、输出规范。输入定义要明确你需要提供什么比如产品图Skill需要产品名称、核心卖点、目标风格。处理逻辑是内部的提示词模板和参数配置这部分是Skill的核心资产。输出规范定义你会得到什么包括图片规格和附带信息。调用方式上我设计成尽量简单。以提示词结构化改写这个Skill为例输入一段口语化的需求描述输出是结构化的提示词按主体-环境-光影-风格-技术参数的顺序组织。这个Skill我几乎每天都在用因为口语化描述直接丢给模型输出质量很不稳定但经过结构化改写之后成功率明显提升。输入一个女孩在咖啡馆看书下午阳光温馨 输出 主体young woman reading a book 环境cozy cafe interior, wooden table 光影afternoon sunlight through window, warm tone 风格lifestyle photography, shallow depth of field 技术参数--ar 3:4 --style raw这个改写逻辑看起来简单但它把想到什么说什么变成了按视觉要素组织模型理解起来顺畅得多。4.3 Skills的迭代与组合Skills不是一次封装就完事的。我在实际使用中会持续记录这个Skill在什么情况下失效然后针对性修正。比如标准人像生成这个Skill最初版本在生成侧脸时经常出问题后来在内部逻辑里加了侧脸专用的构图约束才稳定下来。更有意思的是Skills的组合使用。比如风格迁移色彩统一可以做出系列感很强的组图构图校正光影重塑可以救回一张构图好但光影差的图。组合使用时的顺序很重要一般原则是先结构后风格先整体后局部。注意Skills封装时不要把参数写死。我一开始把CFG固定成7结果遇到需要高对比度的场景就完全没法用。后来改成默认值可覆盖的模式灵活性好了很多。5. 这套库怎么用从检索到复用的完整路径5.1 新手的使用路径如果你刚接触AI视觉创作建议的使用顺序是先翻图片库里的控制维度分类每个维度看20到30张建立对不同描述方式产生什么效果的直觉。这个阶段不要急着调参数先看懂输入和输出的对应关系。然后挑3到5条案例记录精读重点看修正思路部分理解遇到问题怎么判断、怎么改。最后选一个最简单的Skill比如提示词结构化改写用它来处理你自己的需求感受一下结构化前后的差异。这个路径大概需要两到三天的碎片时间但能帮你跳过很多盲目试错的阶段。5.2 进阶用户的复用方法如果你已经有基础直接按问题检索。遇到具体问题先在案例记录里搜相关标签看有没有现成的判断可以复用。如果没有再去图片库里按控制维度筛选对照样本。进阶用户最应该关注的是Skills的组合使用。我建议你先把自己最高频的操作流程梳理出来然后对照我的10个Skills看哪些能直接复用哪些需要改造。改造时保留封装结构只替换内部逻辑这样能保证调用方式的一致性。5.3 开发者集成到Agent工作流如果你要把这套库集成到Agent里核心是把Skills转成可调用的工具函数。每个Skill的输入输出定义要严格因为Agent依赖明确的接口。图片库和案例记录可以作为检索增强的知识源当Agent遇到视觉创作任务时先检索相关案例再调用对应Skill。这里有个实操建议给每个Skill加上适用条件和失效条件的元数据。Agent在调用前可以先判断当前场景是否适用避免硬套导致输出质量下降。这个细节在单次手动使用时无所谓但在自动化流程里非常关键。6. 整理过程中踩过的坑和几条实在建议第一个坑是贪多。我一开始想做成大而全的库什么模型、什么风格都往里塞结果维护成本爆炸更新跟不上很多内容很快就过时了。后来砍掉了一半内容只保留经过实测验证、且判断逻辑可迁移的部分库反而更有用了。视觉创作领域变化太快具体参数会过时但判断逻辑不会所以库的重心应该放在逻辑上。第二个坑是只存结果不存过程。早期我存了很多好看的图但没记录怎么调出来的后来想复用的时候完全想不起来当时的关键操作。这个教训让我把案例记录的结构固定下来强制自己写过程。过程比结果值钱这句话在视觉创作里尤其成立。第三个坑是Skills封装过度。有段时间我恨不得把每个操作都封装成Skill结果Skill之间职责重叠调用时反而不知道该用哪个。后来精简到10个每个职责清晰用起来才顺手。封装的原则应该是高频且流程固定低频或需要大量人工判断的操作不适合封装。几条实在建议一是先跑通再整理不要为了整理而整理整理是为了下次更快二是失败记录要单独存它的价值不低于成功记录三是定期回顾和修剪过时的内容果断删掉库的可用性比完整性重要四是标注要写给人看不要写只有自己懂的缩写三个月后的你就是另一个读者。这套库我还在持续更新但核心结构已经稳定了。它不是什么高深的东西就是把日常创作中那些本来会丢掉的经验认真存了下来。如果你也在做类似的事我的建议是别追求一步到位先从记录一条完整案例开始慢慢就会长成你自己的资产库。