从设计小白到 AIGC 高手的成长路径

上周五深夜，学员小林在群里发了一张海报——配色混乱、字体扎堆、构图失衡。她说：“老师，我用 Midjourney 生成了 50 张图，但没一张能直接用。AI 工具我学了一周，但设计出来的东西还是像拼凑的垃圾。”这不是小林一个人的困境。我在火星人教育带过三期 AIGC 设计班，发现 90% 的小白都卡在同一个点上：以为学会提示词就是学会设计。

实际上，从“会用 AI 生成图”到“能靠 AI 做商业设计”，中间隔着三层能力：审美判断力、工具联动能力、以及设计思维的 AI 化重构。今天这篇文章，我会用两个完整的实战案例，手把手带你拆解这套成长路径。

一、第一层蜕变：从“写提示词”到“控制生成”

很多新手以为 Midjourney 是“输入文字出图”的傻瓜工具，结果生成的东西要么过于抽象，要么细节崩坏。真正的高手，会把 AI 当成一支可调参数的画笔。

案例 1：商业品牌海报设计（Midjourney + Photoshop Beta）

场景：为一个新式茶饮品牌设计“夏日限定”海报，要求清新、年轻、有食欲感。

新手做法：

a cup of summer fruit tea, fresh, vibrant, photorealistic, 8k

结果：生成 4 张图，杯子形状奇怪，水果像塑料，背景过曝。

高手做法（四步控制法）：

第一步：结构预写（Structured Prompt）
在 Midjourney V6（版本号 6.0，2024 年 4 月更新）中，使用“主体+环境+光线+构图+风格”的公式：

Subject: A transparent glass cup filled with layered summer fruit tea (mango, passion fruit, blueberry), condensation on glass
Environment: wooden table with natural sunlight, soft shadows, tropical leaves background
Lighting: golden hour, warm backlight, rim light on glass edges
Composition: close-up, 45-degree angle, shallow depth of field
Style: commercial product photography, shot on Canon EOS R5, 85mm f/1.4, clean minimal, 8k

参数设置：`–ar 3:4 –v 6.0 –s 250 –stylize 250`（风格化值 250 保证真实感，不破坏细节）。

第二步：种子锁定（Seed Consistency）
生成后选一张构图最好的，点击右上角“Add Reaction”选择信封图标，获取种子号（如 `–seed 123456`）。后续所有变体都带上这个种子号，保证主体一致。

第三步：局部重绘（Inpainting with Photoshop Beta）
下载图片后导入 Photoshop Beta（版本号 25.5，需安装“Generative Fill”插件）。选中杯子边缘模糊的冰块区域，输入���示词：

clear ice cubes with light refraction, realistic texture

AI 会自动补全细节。这一步可以修复 Midjourney 常见的“边缘模糊”和“物体粘连”问题。

第四步：色彩校准（Color Grading）
使用 Photoshop 的“Camera Raw Filter”（滤镜 > Camera Raw 滤镜），调整：

  • 色温：+5（让茶汤更暖）
  • 自然饱和度：+15（让水果更鲜艳）
  • 清晰度：+10（增强玻璃质感）
  • 曲线：提亮阴影，增加 S 型对比

    • 结果对比：经过这四步，生成了可以直接用于电商主图的海报，分辨率 4096×3072，细节经得起放大。

    商业海报生成过程对比图

    —

    二、第二层蜕变：从“单打独斗”到“工具链协作”

    AIGC 设计不是靠一个工具完成所有事。高手会搭建自己的工具链，让每个工具做最擅长的事。

    案例 2：UI 界面图标设计（Stable Diffusion + Figma + Vectorizer）

    场景：为一个 SaaS 产品设计一套 32×32 的线性图标，要求风格统一、可缩放。

    新手做法：在 Midjourney 里生成“flat icon set”，然后手动一个个抠图。结果：图标风格不一致，放大后边缘有锯齿。

    高手做法（三步流水线）：

    第一步：ControlNet 精准控制（Stable Diffusion WebUI）
    使用 Stable Diffusion WebUI（版本号 1.8.0）搭配 ControlNet（版本号 1.1.4），加载一个“Canny Edge”预处理器。

  • 在 Figma 里画一个简单的线框图（只有轮廓，无填充）
  • 导出为 PNG，拖入 ControlNet 的“Canny”模块
  • 设置参数：`Preprocessor: Canny, Model: control_v11p_sd15_canny, Weight: 0.8`
  • 输入提示词：
    • minimalist line icon, thin stroke, consistent thickness, flat design, white background, vector style, no shading
  • 负面提示词：`realistic, 3d, gradient, thick stroke, complex`
  • 参数设置：`Steps: 30, Sampler: DPM++ 2M Karras, CFG Scale: 7`

    • 这样生成的每个图标都严格遵循你的线框图结构，不会出现“多出一根线条”或“形状变形”的问题。

    第二步：批量生成与过滤（Batch Processing）
    使用 Stable Diffusion 的“Script > XY Plot”功能，批量生成 100 个变体。然后通过“Image Browser”插件（版本号 3.2）按“风格一致性”排序，选出前 20 个。

    第三步：矢量化（Vectorizer.ai + Figma）
    将选中的 PNG 导入 Vectorizer.ai（在线工具，支持批量上传），设置：

  • Output Format: SVG
  • Detail Level: High (保留细节但不过度)
  • Smoothing: Medium (消除锯齿)
  • Color Mode: Monochrome

    • 导出 SVG 后在 Figma 中打开，使用“Union”功能合并重叠路径，再用“Flatten”功能简化节点。最后用 Figma 的“Styles”功能统一设置描边粗细（2px）和圆角（4px）。

    结果：一套 20 个风格完全一致的线性图标，SVG 文件大小平均 2KB，支持任意缩放。

    图标设计工具链流程图

    —

    三、第三层蜕变：从“模仿”到“创造风格”

    当你能熟练控制生成结果后，下一步是建立自己的设计风格。这需要你理解 AI 的“审美偏好”并反向利用它。

    风格迁移实战：打造专属视觉语言

    步骤 1：训练 LoRA 模型（Dreambooth）
    使用 Kohya_ss GUI（版本号 22.4.1）训练一个针对“赛博朋克+水墨风”的 LoRA。

  • 数据集：30 张参考图（15 张赛博朋克场景 + 15 张水墨山水画）
  • 预处理：统一分辨率 512×512，添加标签（如 `cyberpunk, ink wash, neon`）
  • 训练参数：`epochs: 50, batch size: 2, learning rate: 1e-4, network rank: 64`
  • 输出：一个 10MB 的 .safetensors 文件

    • 步骤 2：混合使用（Prompt Blending）
    在生成时，同时加载 LoRA 和基础模型：

    masterpiece, best quality, (cyberpunk ink wash:1.2), a neon dragon flying over traditional pagoda, glowing ink splashes,

    参数 `0.8` 表示 LoRA 权重，太高会破坏构图，太低则风格不明显。

    步骤 3：风格一致性测试（Style Consistency Check）
    生成 10 张不同主题的图（人物、建筑、动物），用 CLIP Interrogator（在线工具）计算风格相似度。如果风格相似度低于 70%，调整 LoRA 权重或重新训练。

    进阶技巧：在 Photoshop 中创建一个“风格预设文件”（.psd 格式），包含你常用的色板（Color Palette）、渐变（Gradients）、纹理叠加（Texture Overlay）。每次生成后直接套用，可以快速统一视觉语言。

    风格迁移效果对比图

    —

    总结与进阶建议

    从设计小白到 AIGC 高手，本质上是完成三次认知升级：
    1. 从“工具使用者”到“参数控制者”：学会用结构化提示词、种子锁定、局部重绘来控制生成结果。
    2. 从“单工具依赖”到“工具链思维”：掌握 Midjourney/Stable Diffusion + Photoshop/Figma + 矢量化工具的协作流程。
    3. 从“模仿者”到“风格创造者”：通过 LoRA 训练和风格预设，建立属于自己的视觉语言。

    给火星人学员的进阶建议：

  • 每周做一次“控制力测试”：用同一个提示词，调整参数（如 CFG Scale 从 5 到 15），观察结果变化并记录。
  • 搭建个人素材库：在 Notion 或 Eagle 中分类存储“生成参数截图 + 提示词 + 后处理步骤”，方便复现。
  • 关注工具更新：Midjourney V6 的“Style Reference”功能（2024 年 6 月上线）和 Stable Diffusion 3.0（2024 年 7 月发布）都大幅提升了文本理解能力，建议第一时间测试。

    • AIGC 设计的核心不是“AI 替你画”，而是“你用 AI 画出自己画不了的东西”。当你不再纠结于“这张图是不是 AI 生成的”，而是思考“这张图是否传达了我想要的情绪和功能”，你就已经真正出师了。

    —

    常见问题 FAQ

    Q1：我该先学 Midjourney 还是 Stable Diffusion？
    A：建议先学 Midjourney V6（上手快，审美下限高），掌握控制生成后再学 Stable Diffusion（可控性强，适合批量生产和精细调整）。两者不是替代关系，是互补关系。

    Q2：生成的图总是有手指畸形、文字乱码怎么办？
    A：手指畸形用 Photoshop Beta 的“Generative Fill”局部重绘修复；文字乱码目前最好用 AI 生成背景，文字后期在 Figma/PS 里手动添加。Midjourney V6 的文字识别能力提升了 40%，但仍不建议直接生成含文字的图。

    Q3：训练 LoRA 需要多少张图？硬件要求高吗？
    A：最少 15 张高质量参考图，30 张最佳。硬件建议：显存 8GB 以上（训练 512×512 分辨率），推荐 RTX 3060 或更高。可以用 Google Colab 免费版（T4 显卡）临时训练。

    Q4：AI 设计作品能商用吗？版权怎么处理？
    A：Midjourney 付费版（Pro 计划 $60/月）生成的图可以商用；Stable Diffusion 开源模型生成的图版权归用户所有。但注意：如果使用了他人风格作为参考（如 LoRA 训练），建议修改 30% 以上元素避免侵权。

    Q5：怎么判断自己的设计水平是否达到“商业级别”？
    A：三个标准：① 图片分辨率≥2048px，放大后无明显噪点或模糊；② 元素之间没有“AI 常见错误”（如多出的手指、不对称的眼睛）；③ 风格一致性高，同一套图放在一起像出自同一人之手。建议用“像素级对比”工具（如 Photoshop 的“差值”图层模式）检查细节。

    声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。