我接了個活，為一家童書電商公司生產教輔插圖。本文記錄了我如何分析可行性，如何做前期準備，如何干完第一單，如何決定金盆洗手的整個過程。

其中也會穿插大量 AI 技巧和技術實踐，講原理和思路為主，具體操作不會寫得那么詳細。別慌，如果你對那些神秘的 AI 術語不感興趣，我保證你也能看懂。我會把技術細節放在特定模塊里，故事部分盡量避免術語。你可以直接快進跳過，不影響你看故事。

鑒于為客戶保密的義務，我無法直接展示成品，但可以用變通的方法讓你看到類似的效果。所以你在本文中看到的圖片，全部都是我事后生成。

現在項目已經完結，在故事開始前，先分享一個結論：AI 不能讓普通人代替插畫師，但是能讓掌握 Photoshop 的人代替插畫師。

更多AI實戰方法：

一、機會

2025 年 4 月，朋友給我推薦了個活，AI 生成兒童插畫。量非常大，一個月能有一萬張左右。按朋友給的報價，只要我產能足夠，哪怕只是接下其中 2000 張，利潤也會非常可觀。

打動我的關鍵點是：量大。

因為我最大的本事，是擅長從亂麻般的復雜流程中理出頭緒，并做成自動化流水線。所有環節各個擊破，用 Python、提示詞工程、Excel、多維表等技術和工具串起來，實現以一敵十的效果。

這個本事簡單說就是：工業化。

當然，AI 生圖我本身也有豐富經驗，是能接這個活的前提。

從賺錢角度來說，這似乎是個不錯的生意。雖然現在 AI 生圖工具遍地是，人人都能生成像模像樣的兒童插畫，但生成一兩張和上萬張可完全是兩碼事。上萬張手動生成，耗費的精力并不亞于一份全職工作。

我的算盤是，把生成插圖的一整套流程都自動化，耗費極少時間，掛機大批量出圖。我的主要精力只用來挑選圖片，以及與客戶溝通。對，因為 AI 生成的圖總免不了有問題，要碰運氣（行話叫抽卡），所以我會讓程序為每幅插畫生成多張圖片，我來從中挑選。如果一張可用的都沒有，就標記一下，進入重試流程，再來一輪，直到找到可用的。

至于細節的修改，比如人物多個手指、少個手指，雖然我用 AI 工具和 PS 也能修，但親自動手產量上不去。我只想賺自動化的錢，手工活的錢我打算二次外包給插畫師賺。我朋友正好有這方面門路，能幫我找到插畫師。初步談下來，插畫師有合作意向，我給的價格也在對方接受范圍內。

接單的要素集齊。這樣一來，我就有了一根高效的杠桿，用自己極少的時間，產生超越自己時薪的利潤。那幾天心情愉快，在廚房洗奶瓶時都會不自覺唱幾句。

1. 技術分享

技術部分開始。

① 選擇模型

在這個時間點，AI 生圖的現狀是：最頂流的模型，國外的是 gpt 4o，國內的是即夢（豆包）。開源模型方面，效果最好且生態完善的是 Flux dev。

由于出圖量大，不能只看效果，還得顧及成本。gpt 4o 成本過高，即夢沒有官方 API。客戶對圖片的風格又有明確要求（真的非常具體），可行的方案只能是開源模型。

在開源模型中，SDXL 和 Flux dev 是兩個主流方案。SDXL 便宜且快速，但我知道它的局限。童書插圖有大量多人出現的場景，當一個穿著藍色條紋短袖 T 恤的小男孩，和穿著卡其色開衫的媽媽同時出現在畫面中，SDXL 經常會把兩人衣服都畫成藍色或卡其色，廢稿率奇高。用 Flux dev 就要穩定得多。

拿我在其他項目中的對比結果舉例。上圖是 Flux dev 畫的，完美地遵循了我對人物外貌的要求：女主青綠色衣服、銀灰色長發；男主紅色衣服，紅色頭發。甚至人物的眼珠顏色都遵照了指令。

然后 SDXL 生成的就是這么個玩意，一團混亂。

這是兩者的 CLIP 模型能力差異所導致。CLIP 模型是理解和處理圖文對應關系的模型。擴散模型不懂人話，CLIP 懂。CLIP 把你輸入的提示詞轉化成擴散模型能理解的“語言”，相當于是個翻譯。如果翻譯自身語言水平差，當然容易雞同鴨講。

于是 Flux dev 成了唯一的選擇。

② 選擇模型調用方式

另一方面，生圖過程如果想要自動化，必須通過程序來調用。

目前 Flux 生圖有 3 種方式：WebUI、ComfyUI、直接編程調用。我最熟悉的是 ComfyUI，它提供 API，可以把一整個工作流傳進去。只要模型和其他資源都準備到位，這邊程序輸入一個工作流，運行完那邊輸出一張圖片。把這個過程封裝成工具函數，放在一個更大的程序中循環調用，就可以實現大批圖片的連續生成。

③ 選擇運行環境

還有個問題是，AI 生圖耗費大量運算資源，這些運算資源從哪來？我的個人電腦是一臺 7000 多的 i7 處理器 Windows 筆記本，顯卡很爛，運行 SDXL 都要 10 分鐘一張圖，顯然指望不上了。換電腦是個法子，但考慮到合作還沒穩定開展，且要根據需求量靈活擴展運算資源，云端機器是更合適的方案。

最硬核的辦法是去云服務商買機器、買存儲，不過我這種半吊子開發者折騰起來也夠嗆。最終鎖定了兩個更簡單友好的平臺：Replicate 和 Runcomfy，只需要對接 API，不用費勁折騰機器配置。

Replicate 上提供 Flex dev Lora 模型。輸入提示詞和一些參數，運行完，一張圖就出現在我電腦上，非常簡單。其中 Lora 模型我需要自己訓練，然后放到 Huggingface 或 Civitai 上，通過鏈接來調用。這個模型是按張計費的，一張圖人民幣 2 毛左右。

但是 Replicate 有一點滿足不了我。它無法使用任意自定義節點，畢竟這個平臺提供的不只是生圖模型，文本、語音……什么模型都有，它不會專為ComfyUI提供這么細致的支持。而我打算使用的圖像放大技術，需要用到一個叫TTP_Image_Tile_Batch的節點，Replicate并不支持。

Runcomfy 則更加專注于 ComfyUI。它有云端機器，而且帶有存儲，意味著我可以把要用的模型、自定義節點傳上去，這個平臺理論上可以運行任意生圖模型和自定義節點。Runcomfy 按機器運行時間計費，精確到分鐘。每次要生圖，無論是打開在線 ComfyUI 界面手動操作，還是通過 API，都要先啟動一臺機器。從機器啟動成功那一刻開始計費，用完關掉機器停止計費。

關鍵是，算下來它一張圖還比 Replicate 便宜！

技術部分結束。

二、準備

正式接單前，經過了兩輪試稿。

1. 試稿磨合，客戶認可

第一輪試稿，根據客戶給出的風格參考圖，分別用水彩和扁平兩種風格畫出：公園里，男孩伸手想要摘花，媽媽連忙勸阻。

最終客戶滿意的效果類似這樣，左水彩，右扁平。肢體問題請忽略（這是我事后生成），主要看風格：

挑戰 1：滿足風格要求

剛開始我偷了點懶，認為客戶對風格的要求沒有那么高，沒有專門訓練風格模型，而是去 AI 社區找別人的模型來用。生成了幾次，客戶對水彩風格勉強接受，但認為扁平風格和他們的參考圖差異太大。

別人模型的生成結果。

客戶公司自己就有一大批插畫師，有相當數量的插圖是他們的插畫師純手工繪制的。于是乎，他們盯風格那叫一個細，甚至對于人物眼睛大小和畫法、水彩勾線的筆觸質感、扁平色塊上微妙的鉛筆紋理，都有要求。

這下沒懶可偷了，只能用最精確的方式：自己訓練模型。這事聽起來嚇人，但 AI 發展這么久了，借助現成的工具其實挺簡單的。而且整個訓練過程也不貴，只花了我不到 100。

客戶每種風格都提供了幾十張參考圖，足夠訓練了。模型訓練出來后，除極個別風格細節沒還原出來，其它方面簡直以假亂真。恰好，缺失的風格細節，我也有辦法用 PS 來實現，而且也能自動化。這下風格沒有問題了，客戶也認為非常好。

挑戰 2：準確表現人物互動

另一個問題是 AI 對圖片內容的理解。它雖能畫出公園，畫出小花，畫出男孩和媽媽，但人物的行為總是差點意思。比如男孩摘花視線卻不看花，男孩蹲下左手竟然放在右邊膝蓋上，媽媽伸手不像阻止卻像接受男孩獻花。

這個畫得像媽媽扶男孩起來，男孩眼睛也不知道在看哪里。

這諸多問題的根源是，AI 能理解你要它畫的事物，但不理解事物之間的關系。因為它并不真的像人類這樣先理解物理世界再學畫畫，它像是個一輩子被關在地窖里的圈養畫師，看了無數別人的畫，然后開始邯鄲學步畫世間萬物。

為此，我專門優化了我的生圖系統。我在讓 deepseek 生成畫圖提示詞的時候，要求它把人物的動作神態描述得極其細致，細到人物站在畫面的什么位置，多少度朝向哪個方向，視線看著哪里，左手在干什么，右手在干什么，等等。

這樣確實有大幅改善，但無法完全杜絕此類問題。AI 本身能力也就到這了，如果抽卡無法解決，只能后期手動修復。

挑戰 3：解決手部畸形

還有個普遍問題：畸形的手，這是 AI 生圖老大難。手應該是人類變化最豐富的肢體了，畢竟人類通過物理接觸來與周圍環境互動，無論什么形狀的物體，都優先通過手來操作。目前的 AI 哪怕是閱圖無數，能把人臉畫得惟妙惟肖，也還是領會不了人手的全部變化。

還是那個原因，繪圖 AI 是不理解物理世界的。不像人類美術生要從人體結構學起，AI 學畫畫一上來就是一遍又一遍地刷像素點，連手指數量都畫不對。

而且，客戶這道試稿題本身畫手難度也高。首先是手的尺寸小，畫面里兩個人物，還都是全身像，那手有多小就可想而知了。AI 的注意力沒多少能分配在手上，效果可想而知。

另外由于小男孩要摘花，這就得畫出手與花的互動，人手摘花主要發力的是拇指和食指。但不懂人體結構的 AI 能畫對嗎？反正我是看到好幾張握紅酒杯的手勢，把花莖夾在食指與中指之間。

同時，媽媽的手還得阻止，要加上手與手之間的互動。媽媽的手按在小男孩的手上，這種情況是最難的，兩只手手指重疊的情況，AI 往往畫成一團糊。但也有取巧的辦法，讓媽媽的手按在男孩小臂上，或者抬起手來搖食指，同樣符合要表達的含義。

以上 3 個問題，風格問題已經穩定解決，而人物互動和手部問題則可以以量取勝，通過試稿并不難。至于第二輪試稿，雖然插圖數量加到了 5 張，但主體都是單個的動物或人物，輕松通過。

技術分享

技術部分開始。

① 訓練模型

為準確還原客戶想要的兩種風格：水彩與扁平，自己訓練模型不可避免。Lora 模型非常擅長解決這個問題。

說實話，玩 SD 和 ComfyUI 這么久，訓練 Lora 這事我竟然還是第一次干。之前沒有專門嘗試，因為我確定訓練模型會越來越簡單，真有需要再臨時學。這不，現在只要在 Liblib 的圖形界面里點點鼠標就可以完成了。

不過，訓練過程還是有些設置項要考慮。如何裁剪圖片，給訓練圖打什么標，訓練多少輪，這些還是得好好琢磨。

讀了一篇 別人的 LoRA 訓練經驗，解答了全部疑問：

1. 訓練圖最好是方形圖。我沒有用 Liblib 的圖像裁剪功能，而是自己寫程序把圖都裁剪成了方形。這樣能把一些裁剪效果不好（比如人只剩半張臉、主體不完整）的圖剔除掉，以保證模型訓練質量。
2. 風格類 Lora，模型特征無差別應用在整個畫面所有元素上，完全不打標是個不錯的選擇。這樣訓練出來的 Lora，使用時不需要觸發詞，只要掛上 Lora，風格就出來了。
3. 關注 LOSS 函數的變化趨勢，訓練輪次增加，LOSS 逐漸減少。但到達一定輪次，曲線趨于平緩，LOSS 幾乎不再下降。如果不確定這是局部最小值還是全局最小值，看看模型的樣例圖也大概能判斷。其實對于細節較少的非寫實類圖片，有 8-10 輪訓練，效果就很理想了。

② 自動出圖工作流

把訓練好的 Lora 傳到 Runcomfy 的存儲里，資源就緒。搭建一個最基礎的 Flux 文生圖工作流，再掛上兩個 Lora，一個手部細節優化 Lora，一個自己訓練的風格 Lora。

這樣就準備好了兩套生圖工作流，一套水彩風格，一套扁平風格。分別導出 API 格式文件，留待程序調用。

另一個核心工作流是高清放大。本質是基礎的 Flux 圖生圖工作流，但有這幾個區別：

1. 降噪值設為 0.15，能保證圖片高清放大時忠實于原圖內容。
2. 掛了一個 4 步生圖 Lora，它能讓 Flux dev 生成圖片時只需要 4 步（通常要 20 步），但質量降低，把 Flux dev 當 Flux schnell 用，以大幅減少生圖時間。也不知道作者哪來的奇思妙想。這種用法很適合圖像放大的場合，質量降低的影響很小，肉眼看不出來。
3. 采樣節點前后都接了 TTP_Image_Tile_Batch 節點。它的作用是把原圖分割成許多小塊，生成的時候，Flux 每次只專注畫一個小塊里的內容。由于注意力集中了，可以畫得更細致，細節更加準確和豐富。最后，怎么分割的就再怎么拼回來，以此達到高清放大的目的。

特別講講降噪值這個概念，想要 ComfyUI 玩得溜，這個概念必須深刻理解。我一直把它理解成在一堵漢白玉石墻上雕刻浮雕。比如說這墻有 1 米厚，降噪值為 1（最大值），就意味著你可以隨心所欲地雕。整堵墻鑿通，然后正反兩面開工雕出個大衛像都沒問題。降噪值如果為 0.15，也就是你只能動表面 15%的厚度，里面的不能動，這樣最終只能是淺淺的浮雕。

在文生圖的情況下，這堵墻原本就是一塊平板，沒有任何圖案。降噪值越大，AI 發揮的余地越大，一般都會開滿。

但在圖生圖情況下，這墻上原本就雕有圖像。如果你想一定程度保留原圖的特征，降噪值反而不能開太大。一面九龍壁，你把降噪值開低一點，AI 只能動動表面，它就會把心思花在龍鱗龍須這些細節上，不至于把整條龍改成了迎客松。

③ 手動修補工作流

經過測試，Lora 模型和生圖、放大工作流可以穩定輸出了。但為了應對各種可以預見的特殊修改，還是應該把手動修補的工具也準備好。雖然我打算丟給插畫師，但得有 Plan B，如果插畫師實在忙不過來，我自己還能臨時頂一下。

手動修補工作流有這幾個：文生圖局部重繪、圖生圖局部重繪、轉繪。

文生圖局部重繪，用的是 Flux dev fill 模型，這個模型是專門用來局部重繪和擴圖的。工作流其他方面和基礎文生圖一樣，只是還掛了我訓練的風格 Lora。當需要給人物加一頂帽子、換雙鞋子，改改貓尾巴的形狀，就用這個工作流。

圖生圖局部重繪，用 Flux dev fill 結合 Flux redux 模型。要放入圖中的物體，經過 Flux redux 的處理，能以合理的方式、相同的風格融入畫面中，同時最大限度保持物體特征。Redux 無視文字提示詞，圖片是唯一的輸入信息。這個技巧最常用來給電商模特換衣服。

轉繪，則是 Flux dev 基礎模型和 Flux redux 的結合，給一張圖片生成一個整體看上去差不多、但沒有任何一處細節相同的仿制品。再掛上我的風格 Lora，就能把照片轉繪成扁平或水彩插畫，同時原圖特征都盡量保持住。這是關鍵的自媒體洗稿技巧，把網圖一轉繪，既相似又避免盜圖處罰，別人的圖搖身一變，成了自己的原創內容。

剛才提到的各種模塊，都可以在我的 Flux 萬能工作流 里找到。

之后所有的手動修改，除了 PS 和偶爾使用的豆包，都是這 3 個工作流交替使用搞定的。配合不同的降噪值使用，又能產生更多用法變化，解決不同的問題。

技術部分結束。

2. 搭建自動化生圖系統

試稿的插畫我是手動生成的，現階段還在調試技術細節。同時，我也在一邊搭建我的自動化出圖系統。

兩輪試稿通過后，客戶已經打算給我派活了。但我的系統還沒搭建完成，手動生成太耗時，所以這個單子我暫時推掉了，說等我系統完成開始接單。

系統搭建完成，我用第二輪試稿的任務又跑了一遍，非常絲滑。有了這套系統，我具體要做的事情只剩這幾件：

1. 把客戶的插圖內容（Excel 中的一列）復制到我的多維表里，等 deepseek 自動為每張插圖生成繪圖提示詞。
2. 把多維表導出成表格文件，并把它放到我的程序目錄下。
3. 運行 1 號程序（生成），它會從表格文件中找到所有繪圖提示詞，啟動云端機器，每幅插圖輸出 4 張圖片，全部完后自動關閉云端機器。
4. 手動挑選圖片，如果某幅插圖一張可用的都沒有，就在多維表的重試列中打勾，之后再重復執行 2、3 步直到成功。
5. 運行 2 號程序（放大），它會啟動云端機器，把挑選出的圖都高清放大（童書是印刷品需要高清圖片）。
6. 運行 3 號程序（分辨率），它會把放大后的圖片轉換成印刷所需的分辨率，并縮放到客戶指定的尺寸。
7. 執行我準備好的 PS 批處理動作，給所有圖片加上紋理細節。
8. 運行 4 號程序（整理），把處理好的圖片按書籍分到不同文件夾，便于最終發送給客戶。

這一套看似復雜，但手動操作其實很少。挑圖費點時間，其他的環節我只負責按一下運行鍵，然后掛機下樓遛娃。

關鍵是，來 100 張圖也好，2000 張圖也好，我都是這套流程。要是量大又急，我還可以改一改配置，用速度更快的云端機器。雖然成本略高一點，但機器成本和插畫師成本相比，九牛一毛。

技術分享

技術部分開始。

要實現剛才提到的系統，就要把分散在不同工具里的自動化能力銜接起來。一個完整的流程，最初的輸入來自客戶的 Excel 表格，其中一列是插圖內容的簡略需求描述。最終的輸出是一個個項目文件夾，里面是圖片文件。中間的復雜過程，能自動化的通通要自動化掉，難關只能自己一個個攻克。

① 飛書多維表生成繪圖提示詞

從簡略描述到具體的繪圖提示詞，飛書多維表是最適合的工具。它能調用非常豐富的第三方 AI 模型，不局限于自家模型，可以實現復雜文本處理任務的自動化。

我的表格結構有點復雜，從上到下有圖片表、人設表、項目表 3 層，另外還有兩張維度表，用來定義兩種風格的提示詞和圖片復雜度等級（不同復雜度價格不同）。上層表依賴下層表，從下層表中讀取數據。下層表匯總上層表，用以統計圖片量、估算營收。

從下往上講?；A是項目表，定義了項目名稱、所屬月份、圖片風格，匯總計算圖片數量，根據每張圖的復雜度去需求類型表里查出價格并求和，估算整個項目營收，同時也記錄一些備注性質的信息。

上一層人設表，專為人物一致性要求而準備。如果是繪本類的書籍，要求主角服裝樣貌貫穿全書。這張表里定義了人物的名稱，選擇人物所屬項目，并由 deepseek 隨機為該人物生成詳細的外貌描述。此處給 deepseek 的指令，要求它只關注人物外貌，忽略動作環境等會隨場景而變化的因素。還要明確要求 deepseek 定義發型發色、服裝款式顏色等主要外貌特征，且保證人物都是中國人。最后，為了我自己瀏覽方便，還調用階躍星辰的文生圖 API，輸出一列小尺寸縮略圖。雖然有費用，但這個很便宜可以忽略不計。

上層的圖片表變化最多，要展開講講。圖片表每行都是一張具體的插圖，客戶表格里的需求內容往場景列（scene）一貼，多維表自帶的免費豆包模型就會把描述總結成 10 個字以內的畫面標題。這個標題既為了自己方便查找，也用來拼接出圖片文件名。

然后，為每張插圖選定所屬項目（可以選好一行其他復制粘貼），就會有一列從項目表里讀取該圖片的風格，并把風格提示詞作為前綴加到完整繪圖提示詞的開頭。

如果畫面里出現了主角，則在人物列選擇人物。我準備了 3 個人物列，也就是說一個畫面支持 3 個主角同時出現。人物列會從人設表里把外貌描述讀取過來，作為完整繪圖提示詞的信息素材。

我還加了一列人工指令，當對畫面有明確而具體的要求時，就直接寫在這里。比如要求時間是夜晚，環境是戶外。這也會作為信息素材。

接下來輪到 deepseek 表演了。我讓它參照需求列的內容用英文寫繪圖提示詞，重點滿足人工指令列的要求，其次滿足一些通用要求：

1. 先算出畫面里有幾個人物。
2. 詳細描述每個人的動作，細到方位角度、視線朝向等。
3. 外貌特征優先從主角信息里照抄，一個字都不能改。非主角人物，外貌再自由發揮。
4. 中國人、服裝符合時代背景等細節要求。
5. 簡略描述場景環境。
6. 輸出的格式要求及示例。

deepseek r1 能夠漂亮地完成任務，絕大多數時候生成的提示詞直接可用，準確且詳細。不過，這里的 deepseek 不是免費的，可以用火山方舟的 API。這部分成本比 Runcomfy 要低許多，不用太擔心。

如果被這種層層關聯的表結構繞暈了，我的建議是，認真弄明白多維表里的「單向關聯」和「查找引用」這兩種特殊列的用法，然后你就會發現這事也沒那么難。

還有個問題是，飛書多維表個人免費用戶一張表最多 2000 條數據，對于這個項目體量來說遠遠不夠。所以圖片表得滾動清理，不夠用了就刪掉舊的。因此我給項目表加了一列完成狀態，打勾就完成了。圖片表再把完成狀態從項目表里讀過去，就可以通過篩選一次性把已定稿的圖片刪掉，為新項目騰出空間。

剛才都是初次生圖所需的配置。我還加了幾列用來應付需要修改的情況：

1. 重試列，打勾表示需要重新生成。
2. PS 列，打勾表示需要我來手動修復。
3. 修復列，打勾表示需要插畫師修復。
4. x 和 y 坐標列，這個用來從圖中裁出一塊，用 AI 局部重繪修手，完了再貼回原圖上。這在后面開工的部分再講。

這幾列起到的只是標記作用，看客戶修改意見時，一邊看，這里一邊打勾。我為圖片表添加了幾個子視圖，根據這幾列的打勾情況列出對應圖片清單。清單導出成 csv 文件后，運行對應的程序可以一鍵從圖片堆里把它們找出來，復制到專門的目錄下，免去手動找圖。

有這樣一套表格系統，就可以在一個地方完成所有圖片的管理、繪圖提示詞的生成，并且能應對后續的多輪修改。

② Python 生圖放大

這是指兩個程序，1 號和 2 號。它們覆蓋了自動化流程里的中間一段，從繪圖提示詞到產出高清圖。

1 號程序接收多維表輸出的 csv 文件，從中讀取整列繪圖提示詞，交給 Runcomfy 處理。根據風格調用相應的生圖工作流，大批量輸出圖片。

圖片輸出后，人工挑選，同時在表格里標記需要重試的。反復運行 1 號程序，它會優先讀取重試圖片清單，重新生成。

確保所有插圖都可用后，運行 2 號程序，圖片交給 Runcomfy，調用高清放大工作流，得到印刷質量的圖片。

但 1 號程序和 2 號程序背后，需要許多底層的代碼來支撐。

首先，Runcomfy 的 API 是繞不開的，必須調通，這是程序生圖的核心。對于沒有編程經驗的人，對接 API 是挺有挑戰的。但只要選擇編程能力足夠強的模型，并且保持耐心跟它一起排查錯誤、反復嘗試，最終還是能調通。當然，不能一路“還是不對”這樣盲改，多讓 AI 讀 API 文檔：https://comfyui-guides.runcomfy.com/api-reference

調通之后一勞永逸，就獲得了一個可以在任何項目中使用的 AI 生圖工具函數。輸入任意工作流、機器類型等參數，云端機器就給我一張圖。

為了程序穩定運行，得考慮代碼的健壯性。調用 API 的網絡環境不會永遠通暢，需要加上重試和指數退避機制，讓程序不至于遇到網絡錯誤就停止運行。

另外，這個函數的使用前提是云端機器得開著。所以為此還需要一整套的機器管理函數：啟動機器、檢查是否有可用機器、關閉機器等。

完整的工具函數文件，代碼結構如上。

到了童書插圖項目里，可以對基礎 Runcomfy 函數再封裝一層，加入一些業務邏輯。因為我們并不會輸入任意工作流，我們只有生圖和放大兩個工作流。

封裝后的業務級工具函數，輸入不再是整個工作流，而是繪圖提示詞、要放大的圖片、降噪值等具體屬性。但它仍然只處理一張插圖。

生成圖片函數的 docstring。

高清放大函數的 docstring。

再上層的應用，就是 1 號和 2 號程序了。它們把機器管理的能力也用上了。生圖時檢查有沒有機器已經開著，有就直接用，沒有就啟動一臺新的。所有圖片生成完畢，自動關閉當前使用的機器，及時停止計費。

除此之外，我還給 1 號和 2 號程序配上了統計功能，可以根據機器類型、價格、運行時長算出程序每次運行的開支。運行日志固定寫到一個表格文件里，機器成本與多維表里的營收數據再導到一張專門的財務表里，手動填上插畫師開支、火山方舟 deepseek 開支、階躍星辰 API 開支，就能輕松算出利潤。

我編程水平也就那樣，但在 AI 的輔助下，做出這樣一套系統也沒多難。

③ Python 調整分辨率和尺寸

這就是 3 號程序，把處理分辨率和圖片尺寸的環節自動化了。

客戶對最終成品圖的要求是，10×10cm，PPI（每英寸的像素數量）是 450。

這用 Python 和 PIL 包很容易處理。根據要求的尺寸和分辨率，可以算出成品圖的像素大小，再用 PIL 內置的方法調整分辨率。

這個程序完全在本地運行，沒有云端調用，0 開支，耗時也短。

④ PS 批處理加上風格紋理

這部分是為了滿足客戶對風格的細致要求。

比如水彩風格，訓練出來的模型，生成背景有明顯的水彩筆觸，但人物服裝有時候看起來是純色的。客戶希望人物服裝也要有水彩筆觸一樣的隨機明暗變化。

比如褲子上這種不均勻的明暗變化。

至于扁平風格，客戶想要的其實是一種很特殊的風格，并非那種純色色塊構成的商業矢量插畫。細看參考圖，扁平色塊上有白色顆粒感的筆觸，創造出一種彩色鉛筆的質感。而模型生成圖片，色塊部分則完全是純色。

微妙的涂抹痕跡。

這么細微的風格特征，訓練 Lora 時捕捉不到，但通過 PS 二次加工也能實現。傳統做法是找水彩或鉛筆質感的 PS 筆刷，用半透明的白色在圖上刷一遍。但我要的是自動化，得讓這個過程標準化，略微犧牲一點效果也沒關系。

其實這本質是往圖片上疊一層紋理。紋理有隨機性，有的地方更透，有的地方更實，像從飛機上透過云層看大地。紋理的隨機模式不同，最終形成了不同的筆觸質感。我只要想辦法試出這兩種紋理，就可以用在所有圖上，實現自動化。

這難不倒身為設計師的我。找素材啊，往測試圖上疊，一層又一層。把圖層模式設成濾色和顏色加深，消除紋理的本色，讓它只影響圖片明暗。很快就調出了這兩種紋理，保存成 PSD 文件。

接下來做 PS 批處理程序。不熟悉 PS 的人可以這么理解，我打開一個開關，PS 就開始記錄我的所有動作。把復雜的圖片處理流程先手動做一遍，停止記錄，就產生了一個批處理動作。然后 PS 能對一整個文件夾里的圖使用這個動作，就實現了自動化加紋理。

動作過程如下：

1. 打開一張圖片。
2. 置入之前準備好的紋理 PSD 文件。
3. 把紋理轉換為圖層，混合模式從正常改成穿透，里面的濾色和顏色加深才能生效。
4. 合并所有圖層，把紋理固化到圖片上。
5. 轉成 CMYK 顏色模式，這是印刷工藝需要。
6. 另存為 TIFF 格式，印刷需要的格式。
7. 關閉圖片。

使用這個批處理動作時，打開圖片和另存為會被新的設置覆蓋，這樣每次處理的都是不同的圖片。

轉換成 CMYK 的工作，在上一步 Python 里也可以實現，我一開始就是這么做的。但 PIL 包所用的顏色描述文件不專業，相比圖像處理軟件效果差很多，導致整張圖發黃。和顏色相關的事情，還是適合 PS 來做。

技術部分結束。

三、開工

現在，萬事就緒，開始接單。

1. 按下啟動開關，圖嘩啦啦出來

第 1 個實戰項目圖不多，1 本書，82 張圖，給 7 天時間。

時間方面我自己這邊是毫無壓力，半天就全出來了。感覺像臺照片打印機（如果不能比作印鈔機的話）。

82 張插圖里，有一半左右沒有人物。這種圖片不容易出問題，往往首次生成就可用。所有圖片進入重試流程的不到 20 張。我沒有專門為手部問題重新生成，重試的幾乎都是人物互動關系不太對的情況。

其中有 3 張圖人物非常多，這類群像圖指望 AI 一步到位是不現實的。我重新生成幾次從中挑出問題較少的圖，留給插畫師修。

初稿提交客戶，向客戶說明插畫師還未介入，先忽略手部問題，后續會集中修復。這樣避免插畫師做無用功，畢竟每一次改都是成本。

2. 突遭變故，插畫師退出

我這種一心鉆到技術里的人，總是容易低估人的變數。

不過現在，還是先說說客戶對初稿的反饋。說實話我是有點震驚的，修改意見那叫一個細?？偨Y下來大概分幾類：

1. 細節不符合現實世界邏輯，比如課桌椅少了或者多了腿。
2. AI 漏了指定元素，比如畫臺燈漏了旋鈕。
3. 風格要求變了，比如模型訓練圖里，人物頭發有表現高光陰影的線條，但客戶要求去掉這些線條。
4. 可能存在法律風險的內容，比如警察服裝是外國樣式。
5. 印刷要求，比如夜晚和雷雨天的天空仍然要畫成亮色，否則深色印刷出來效果會差。
6. 美觀要求，人物服裝款式單一，要求多樣化一些。
7. 不太能理解的要求，比如小孩不能穿背帶褲，長褲不能露腳踝，不能卷褲腳，笑不能露齒。嗯……難道是收到過這樣的買家差評？

第一輪審稿意見，82 張里有 71 張要修改，修改點遠不止手部問題，那剩下 6 天時間給插畫師就危險了。

和插畫師一溝通，對方要求再次確認價格。這一確認，突然就變卦了，覺得價格太低，甚至連講價都沒講，直接就退出了。

憑心而論，我給的價格確實不是很有誘惑力。加上這種給 AI 擦屁股的活，可能插畫師內心多少是抵觸的。

這時候，我朋友在給我另尋插畫師，我自己也一直有在多方打聽。結果不是很樂觀，按目前市場水平，插畫師們的心理價位其實比我的出價高很多，甚至一些大廠插畫師能報出 100 一張的價格。而按照客戶這邊的審稿情況，后面幾輪的修改量到底有多大，我心里也沒底。即使讓出大部分利潤，高價找一個插畫師合作，仍然有極大風險，成本兜不住。

3. 咬牙自己改，試探 AI 的能耐

既然這樣，這次我就自己來吧。一方面試探客戶的修改意見到底能細到什么程度，以決定后續以什么標準來找插畫師。另一方面也考驗一下自己的 AI 能力，我雖是設計師，但不會畫畫，看我的 AI 技能+P 圖技能有沒有本事兜底，讓我有底氣不完全依賴插畫師。當然，我自認為 PS 技巧相當了得，這才敢繼續干下去。

緊鑼密鼓改了一周的圖，經過 6 輪審稿，總共改了 71 + 60 + 33 + 11 + 3 + 13 = 191 張圖。此刻我只想說一句“我滴個娘嘞”。其中個別圖問題太多，我拋棄了原先的圖全新生成，但這僅僅是減少問題，仍然需要局部調整。其余的圖重新生成風險較高，容易引入新問題，最好是在現有圖片基礎上修補。所有這些修補只能手動。

這樣一來，生圖系統的自動化流程就遇到了巨大堵點。在生成圖片和高清放大之間，大量手動修圖代替了原先的簡單挑圖。

意外的是，這一周修下來，除了時間緊張忙得我手抖外，進展還算順利?？蛻舻囊蟊鞠胫M量滿足，搞不定的只能協商一下，以沒有插畫師為由讓對方考慮變通方案。結果全部要求都通過各種技巧的組合滿足了，竟然沒有搞不定的。至于改這么多輪，那是客戶方面工作流程就這樣。每一輪的修改意見都是之前沒提過的點，審稿審不到那么全面，并非修改不到位。

所有要求都滿足，但我完全不會畫畫，這是怎么做到的呢？光用 AI 改圖是不現實的，AI 畫圖難以精確控制。好在我有 PS 技巧，可以用各種手段讓 AI 乖乖就范：

1. 小范圍擦除類任務，只用 PS 就能完成。
2. 大范圍擦除類任務，用豆包的局部重繪又快又好。
3. 元素移動變形類任務，也是 PS 的傳統強項。
4. 無精確要求的創造類任務，用 AI 工作流局部重繪，可保畫風一致。
5. 對物體有精確要求的創造類任務，則通過從網上搜圖，讓 AI 局部重繪或轉繪，保持了主體，又匹配了風格。

這些技巧，在下面的技術部分我會展開講講。

技術分享

技術部分開始。

這部分已經脫離自動化的范疇了，都是手動改圖遇到的難點和解決辦法。

① 技巧與用途

首先，介紹一下用到的各種技巧，以及它們的能力：

1. 「Flux」文生圖局部重繪（高降噪值）：完全替換掉圖里某個元素。
2. 「Flux」文生圖局部重繪（低降噪值）：把圖中元素畫得更細致，常用于修手。
3. 「Flux」圖生圖局部重繪：把指定物體放到圖片中。
4. 「Flux」轉繪：參照圖中元素和風格，重畫一張，用來把照片變成插圖，或者融合不同風格的物體。
5. 「豆包」對話改圖：快速大范圍改色、擦除物體，但畫風保持不太穩定。
6. 「豆包」局部重繪：精確局部擦除，好處是可以直接修改放大后的高清圖，丟給 Flux 處理則奇慢無比。
7. 「PS」快速選擇工具：通過大致涂抹選中一個物體，顏色相近的部分也會自動選上，便于分離出來。
8. 「PS」魔棒工具：完全根據顏色選擇，可以設定顏色的篩選范圍，適合選中樹枝、樹葉等形狀非常復雜的物體。
9. 「PS」污點修復畫筆：低配版局部重繪，在簡單背景的表現上不輸豆包。
10. 「PS」內容識別填充：效果比污點修復畫筆更好一些，但需要先圈選再填充，而且會產生新圖層，不太方便。
11. 「PS」仿制圖章：把一處畫面畫到另一處位置，經常用來修補兩種顏色的邊界線，沿著邊界一路抹過去，可以把斷開的線接上。
12. 「PS」涂抹工具：就是字面意思，像小孩在餐桌上按著飯菜一頓亂涂，它與仿制圖章相反，可以把一些不想要的邊界線涂亂，讓它們不那么明顯。
13. 「PS」操控變形：把一個物體局部釘住，拖動剩余部分，物體就像橡皮一樣任你彎折?？梢宰屓宋锾ь^低頭、彎起胳膊伸直腿。
14. 「PS」色階與色相飽和度調整圖層：改變亮度和顏色，配合剪貼蒙版可以只應用在畫面局部，輕松修改衣服顏色。
15. 「PS」木刻濾鏡：把畫面的顏色降到只剩幾種，這是濾鏡庫里能把圖片處理成扁平風格的最佳工具。

接下來，看看這些技巧的組合如何解決一些疑難問題。

難題 1：交警指揮交通

關鍵技巧：豆包局部重繪、內容識別填充、木刻濾鏡

有趣的是，這張插圖的難點竟然來自文化原因。Flux 是一個德國團隊訓練出來的模型，它的訓練數據里，中國的服飾元素顯然不足。讓它畫一張交警指揮交通，它畫出的交警服完全是外國樣式。但童書上不能出現這種問題。

文生圖局部重繪，降噪值 1，明確要求它畫藍色短袖中國交警襯衫。然后就會出現如下情況：

這是 Liblib 的限制，禁止生成一些可能有法律風險的內容。無論是提示詞里帶有“警察”，還是生成的圖太像警服，都會觸發屏蔽。當然，你也可以選擇一些沒有屏蔽的平臺，不過 Liblib 它便宜啊，是沒有好顯卡時的絕佳選擇。

但如果去掉警察相關的詞，畫出來真的就是很普通的短袖藍襯衫，不像警服了。寫也不是，不寫也不是。

既然 Liblib 上的 Flux 這么扭捏，不如試試別的工具。豆包的即夢模型沒有這個限制，而且效果不錯，大概樣子就出來了。

白色交警帽難度更高，豆包也畫不對，像高檔酒店門口的停車引導員。白色交警帽樣式有它鮮明特征，特征少了，相似度會直線下降。

可以找個角度大致吻合的交警帽 P 上去。注意，為了避免被屏蔽，先用 PS 把上面的警徽給擦掉，等圖片不必經手 AI 了再加回來。這里能看到 PS 內容識別填充的威力，輕松就把警徽去掉了。

把帽子擺好位置，現在還是寫實風格。

給帽子加上木刻濾鏡，減少顏色數量，風格一下就變扁平了。

沒有那么違和了，難題解決。當然，圖里還有很多其他問題，都有比較穩定可靠的修復方法，這里就不講了。

難題 2：跳繩的小孩

關鍵技巧：文生圖局部重繪（低降噪值）、轉繪、操控變形

這張插圖又觸及 Flux 的能力邊界了。它跳繩的場面肯定見太少，畫的都是小孩胡亂揮舞繩子，甚至能有繩子就已經不錯了。本想大力出奇跡，一口氣生成 16 張圖，居然一張能用的都沒有。

不過沒關系，只要動作對，跳繩可以畫上去。這張最有改造潛力，PS 胡亂畫個跳繩，就有點像那么回事了。

使用轉繪工作流，降噪值設為 0.7。大體保持原圖內容，留給 AI 的發揮余地足夠讓它把跳繩畫得更真實。

這里展開講講手部的修復。可以看到小孩右手沒有拇指，或者說拇指和食指連成一片了。雖然可以直接在這張圖上局部重繪，但手持物體的情況，AI 往往畫不好，大量重試都不一定能成功。

對于這種面積很小的手部，AI 修不好是正常的，因為分配的注意力太少了。修手的關鍵不是局部重繪，而是放大。放大之后清晰很多，細節足夠，雖然手仍然是壞的，但修起來成功率就高多了。

不過，如果 Flux 直接在完整的高清圖上局部重繪，不僅速度非常慢，而且偏離 Flux 擅長的生成尺寸，很容易崩。解決辦法是把要修的部分單獨裁剪出來，取一塊 1024×1024 大小的圖片，這是 Flux 最擅長的尺寸，可以保障生成效果。修完了再貼回去。

可是貼回去的時候準確對位置很費勁啊，這就要借助程序來精確處理了。

回顧一下之前飛書多維表里的 x 和 y 坐標列，它是我放大裁剪和粘貼程序的一部分。我的裁剪程序可以把圖片劃分成 5×5=25 個切片，每個 1024×1024，切片之間可以相互重疊。我在多維表里填上切片的行列號，比如上圖取第 2 列（x 為 2）第 3 行（y 為 3）的切片，這個目測就能看出來。然后運行裁剪程序，它就能把這塊切片單獨存出來。

再對切片圖用局部重繪，一次成功。降噪值可以看情況調整，原先的手問題很大，降噪值就要高。反過來，如果像本圖情況，手的大部分姿勢是對的，降噪值就要低，避免引入新問題。

再運行配套的粘貼程序，它根據裁剪時的行列序號，準確把切片貼回原圖上。

不過這個人物的姿態還是不太自然，客戶提過這樣的意見，他們覺得人物站在地面不像是跳起來了。

也行，這個用 PS 就能處理：操控變形。先用快速選擇工具把整個小腿和腳都選中，復制到新圖層里。

開啟操控變形，關節處用很多釘子釘住了。

按住鞋子往后一拉，腿就彎過來了。

再把原先的腿擦掉，就拗過來了。不過膝蓋連接處有個小尖角沒處理好，地面上也缺少投影，純技術演示，小問題這里就不修了。

難題 3：暴風雨中的柳樹

關鍵技巧：轉繪、豆包對話改圖

畫出來這枝繁葉茂的樣子，筆直垂下的枝條甚至有點像榕樹的氣生根。

我想看看是 Flux 不認識柳樹，還是被我的風格 Lora 污染了，在這種風格下所有樹都畫成這樣。于是關掉 Lora，去掉風格提示詞，讓它生成寫實照片，發現它原來真的不認識柳樹。

那就在這張基礎上改吧。

先用豆包對話改圖把樹去掉，留下背景。

再想辦法弄出一棵插畫風格、枝條特征顯著的柳樹。直接網上找素材是最快捷的方法。

豆包對話改圖把柳樹改成彩色的。

用 PS 粗糙地拼起來。

經過幾輪低降噪值轉繪（0.3），效果就比較自然了。

最后把柳樹葉子改亮一些，避免和烏云混在一起。雨滴的方向還不對，應該順著風向。在分離背景那一步其實應該順便去掉，最后在找素材加上。這里就不管了。

難題 4：教室大掃除

關鍵技巧：文生圖局部重繪（高降噪值）、圖生圖局部重繪、轉繪

這個畫面要體現一個小孩擦窗戶，其他小孩在打掃別的地方。AI 一遇到這種人物眾多要求復雜的情況就漏洞百出。人物動作不合邏輯，課桌椅也缺胳膊少腿，沒有一張能用的。

這些問題一個個修，不如找一張真實照片或手工插畫來轉繪。至少里面人物和環境都是合理的，在轉繪過程中可能引入少量問題，但也比憑空生成的容易修。

降噪值開到 1，轉繪完，風格就拗過來了。

盆的造型太古老了，換個現代的盆。不過盆太深了，手也缺了，可以之后再修。其他小問題用簡單的修補方法都可以搞定。

這張圖的問題比我給客戶的圖少，有個典型問題沒有出現：抹布造型。

在給客戶的圖片中，有一版過程稿里的抹布長這樣。提示詞里用的單詞是 rag，確實是抹布。但這個英文單詞也有破布的意思，Flux 就把它畫成這樣亂糟糟一團，像個拖把頭。

文生圖局部重繪，描述成 a piece of cloth，一塊布，反而變得更像正常的抹布了。所以有時候并不是畫不出來，是沒有找到合適的提示詞。

手動改圖遇到的疑難問題不止這些，但把前面列出的技巧組合使用，最終都有辦法解決。

技術部分結束。

四、歇業

這單做完，評估了一下總修改量和所用時間，決定關門大吉不再接單。原因很簡單，修改量太大，且時間緊張，單個插畫師兼職不足以應付，得全職。如果單人全職，即使我一分不掙利潤都給插畫師，收入可能都不如上班打工，誰愿干??？如果多人兼職，則要花過多精力在溝通上，還要疲于應付人員流動。

綜合考慮下來，這生意實際上杠桿太小，見好就收吧。

至于這么復雜一套生圖流程，構思、搭建和調試，總共投入了兩個星期時間。但也沒有白做，稍作修改便可以用來干別的，等有需要時再重新啟用。

后記

這是一次在實際項目中密集使用 AI 的經歷，讓我得以感受 AI 對生產力的提升，也體會了 AI 到穩定商用的距離。

項目完成，有了喘息的時間，一邊寫下本文，一邊回顧整個過程。想想還是震撼，畢竟從頭到尾所有事情都是我一個人完成的。我沒想到，兒童插畫在 AI 的加持下是可以（部分）流水線生產的。我也沒想到，AI 能讓一個不會畫畫的人頂大半個插畫師。

當然，用 AI 終歸是為了解決問題，不是為 AI 而 AI。現階段 AI 不是萬能藥，它不行的部分，要用傳統手段來提供可靠保障。AI 是柔性的、隨機的，傳統手段是剛性的、確定的，這兩者結合起來用，就像建造一尊大型泥塑。全都用泥，整體軟趴趴很難成型，但如果往一個木芯上面糊泥巴，則既穩固，又有細節。

就我個人而言，我敬重能把泥塑做得惟妙惟肖的手藝人，但我更愿意開一家生產木芯的流水線工廠賺錢。