设计师如何建立自己的 AIGC 工具箱

上周，一位刚学完 Midjourney 基础课的学员发来消息：“老师，我跟着教程生图，但每次跑出来的东西都不像为我所用。别人的风格统一、细节到位，我的图却总有种‘AI味’。” 这不是个例。在火星人教育的 AIGC 设计进阶班上，至少有 80% 的学员在初期会遇到同样的问题——工具在手里，但用不出效果。

问题的根源不在于不会操作某个工具，而在于没有建立自己的AIGC工具箱。工具箱不是软件列表，而是一套经过验证的、能解决具体设计问题的工具组合与工作流。今天，我就拆解如何从零搭建一套属于你自己的 AIGC 工具箱，并给出两个可以直接上手的实操案例。

一、工具箱的底层逻辑：三件套原则

很多设计师以为 AIGC 就是“一个工具打天下”。实际上，高质量的设计产出至少需要三类工具配合：

1. 生成引擎：负责核心内容生成（文生图、图生图）
2. 控制与精修：提供对生成结果的精准控制（局部重绘、结构引导）
3. 后期与整合：将 AI 生成内容融入完整设计（尺寸调整、色彩匹配、素材合成）

以我目前的工作流为例，核心三件套是：Midjourney V6.1 + Stable Diffusion WebUI 1.9.4 + Photoshop 2024 Beta。下面我会用两个案例，演示它们如何协同工作。

配图1：工具箱架构图

二、案例一：从“AI味”到品牌调性的品牌海报

场景：接到一个茶饮品牌的视觉海报需求，要求“东方美学、冷色调、高级质感”。直接用 Midjourney 生图，得到的往往是过度装饰、风格杂乱的图。

步骤1：用 Midjourney 生成基础素材（种子控制法）

首先，我们需要建立视觉锚点。不要直接写复杂 prompt，用“种子图 + 风格参考”的方式：

1. 在 Midjourney 中上传一张参考图（比如一张宋代山水画的局部），右键复制图片链接
2. 使用 `/imagine` 命令，格式如下：

   [图片链接] minimalist tea ceremony, cold color palette, porcelain teaware, soft natural lighting, zen atmosphere --ar 3:4 --s 250 --v 6.1 --style raw
   

– `–s 250`：风格化参数，数值越低越忠于 prompt，这里设为 250 避免过度装饰
– `–style raw`：关闭 Midjourney 的默认美学滤镜，保留更多真实感
3. 从生成的 4 张图中选择一张构图最干净的，比如 U2。此时得到的是基���素材，但边缘可能有瑕疵，光影也不够均匀。

步骤2：用 Stable Diffusion 进行结构控制（ControlNet + Canny）

Midjourney 生成的图无法直接用于商业设计，因为缺乏对画面结构的精确控制。这时需要 Stable Diffusion 介入。

1. 打开 Stable Diffusion WebUI 1.9.4，在 ControlNet 插件中加载刚才选中的图
2. 选择 Canny 预处理器（边缘检测），参数设置：
– 权重：0.8
– 引导时机：从第 0 步到第 0.6 步（即前 60% 的生成过程受边缘约束）
3. 在正向 prompt 中写入细化描述：

   product photography, high end tea packaging, frosted glass bottle, condensation droplets, cold blue and silver color scheme, 8k, depth of field, soft rim light
   

4. 反向 prompt 写：

   blur, distortion, watermark, text, people, messy, oversaturated, warm tones
   

5. 生成 4 张图，选择光影最干净的。此时得到的图结构清晰，边缘锐利，且保留了 Midjourney 的东方美学底色。

步骤3：Photoshop Beta 进行后期整合

最后一步是把 AI 素材变成可用设计稿：

1. 将 SD 生成的图导入 Photoshop 2024 Beta
2. 使用“生成式填充”功能（Generative Fill）：
– 框选画面中不需要的装饰物，输入 `empty, clean background`
– 框选底部区域，输入 `minimalist wooden table, soft shadow` 添加桌面质感
3. 用“生成式扩展”功能将画布从 3:4 扩展到 16:9，输入 `continued background, cold gradient`，AI 会自动补全背景
4. 最后加入品牌 Logo 和文案，用“色彩查找”图层做统一调色（推荐 LUT: `Kodak 2383` 降低饱和度、增加冷调）

产出结果：一张无“AI味”的、可以直接交付的品牌海报。整个过程不超过 30 分钟。

配图2：三件套协同工作流对比

三、案例二：电商主图的高效批量化生产

场景：需要为 20 个 SKU 生成统一风格的电商主图，每个产品颜色不同。如果用传统方法，至少需要 2 天。

步骤1：用 Midjourney 建立风格模板

先不要针对每个产品单独生成，而是建立一个“风格模板”：

1. 用 `/imagine` 生成一张标准构图：

   product on white background, 45 degree angle, soft studio lighting, minimal shadow, clean composition --ar 1:1 --v 6.1 --style raw --s 50
   

– 这里刻意降低 `–s` 到 50，确保构图极简，方便后期替换
2. 选择 U1，得到模板图。这张图不需要完美，关键是要有标准的光影方向和构图比例。

步骤2：用 Stable Diffusion 的 Batch Processing 批量替换

这是提高效率的核心步骤：

1. 在 SD WebUI 中，切换到 img2img 模式
2. 上传模板图，设置 denoising strength（重绘强度）为 0.4 – 0.6
– 数值越低，越接近原图结构；这里设为 0.5，可以保留构图但改变产品细节
3. 在 ControlNet 中启用 Depth 预处理器（深度图引导），权重设为 0.7
– 这一步确保所有生成图保持相同的透视和景深
4. 关键操作：使用 Batch Count 功能
– 在 prompt 中写一个占位符 `[product]`，然后在 X/Y/Z plot 脚本中：
– X 轴选择 `Prompt S/R`（替换），填入 `[product] -> red ceramic vase; [product] -> blue glass bottle; [product] -> silver metal can`
– 点击生成，一次跑出 3 张不同产品的图
5. 实际上你可以一次跑 20 张。SD 会按照你设定的 prompt 序列，自动替换 `[product]` 并生成。

步骤3：Photoshop 的动作批处理

最后一步是快速统一后期：

1. 在 Photoshop 中录制一个动作（Action）：
– 打开文件 → 调整色阶（自动） → 添加 1px 描边 → 保存为 JPEG
2. 使用 文件 > 脚本 > 图像处理器，选择刚才生成的 20 张图文件夹，应用刚才录制的动作
3. 5 分钟内完成所有图片的后期处理

产出结果：20 张风格统一、构图一致的电商主图。从开始到结束，总耗时约 1 小时。

四、工具箱的维护与升级

建立工具箱不是一劳永逸的事。根据我过去两年的教学经验，建议你定期做三件事：

1. 每周更新模型：Midjourney 几乎每月都有新版本（V6.1 到 V6.2 就有明显提升），Stable Diffusion 的社区模型（如 Realistic Vision、DreamShaper）更新更快。关注 Civitai 上的热门模型，下载后放入 SD 的 `models/Stable-diffusion` 文件夹。
2. 建立个人 prompt 库：用 Notion 或 Excel 记录每次成功生成的 prompt，标注使用的工具、参数、种子值。下次遇到类似需求可以直接调用。
3. 测试新插件：ControlNet 现在支持 14 种预处理器，除了 Canny、Depth，还有 Lineart、Normal Map 等。每周抽 30 分钟测试一个新功能，记录下来。

配图3：个人 prompt 库示例

常见问题 FAQ

Q1：我只有 Midjourney，没有 Stable Diffusion，能建立工具箱吗？
A：可以，但会受限制。Midjourney 的“垫图”功能（使用图片作为 prompt）可以部分替代 ControlNet，但无法做到精确的结构��制。建议至少再配置一个本地 SD 环境，或者使用在线版如 Leonardo.ai 作为补充。

Q2：生成式填充（Generative Fill）经常出现奇怪的内容，怎么办？
A：常见原因是选区太大。框选范围应该只覆盖需要修改的区域，留出 10-20 像素的边缘给 AI 做过渡。另外，prompt 要具体，不要只写“remove”，写“empty white wall with soft shadow”效果更好。

Q3：批量生成时，如何保证所有图的光影一致？
A：关键在于 ControlNet 的 Depth 预处理器。使用模板图的深度图作为引导，可以强制所有生成图保持相同的立体结构和光照方向。此外，denoising strength 不要超过 0.6，否则会破坏光影结构。

Q4：我的电脑配置不够跑 SD，有推荐的低配方案吗？
A：可以使用云端服务，如 RunPod、AutoDL，按需租用 GPU（推荐 RTX 4090，每小时约 2 元）。本地最低配置建议：16GB 内存 + 6GB 显存显卡（如 RTX 3060），可以运行 SD 的“精简版”配置。

Q5：如何判断一个工具是否值得加入工具箱？
A：用“10 分钟法则”测试：如果一个工具你学习 10 分钟后，不能在现有工作流中节省 10 分钟以上的时间，就先不要加。比如 Photoshop Beta 的生成式填充，学习 5 分钟就能省去 30 分钟的抠图工作，值得加入。

总结与进阶建议

建立 AIGC 工具箱的核心不是追求工���的数量，而是追求工具的协同效率。我见过设计师用 20 个插件却产出混乱，也见过只用 3 个工具但产出稳定的。关键在于：每个工具在流程中扮演什么角色？如何衔接？

如果你刚开始搭建工具箱，建议从“Midjourney + Photoshop Beta”起步，先解决 80% 的日常需求。当遇到 Midjourney 无法控制的结构问题时，再引入 Stable Diffusion。不要一次性安装所有工具，否则容易迷失。

最后，给火星人教育的学员一个进阶方向：学习使用 ComfyUI（Stable Diffusion 的节点化界面）。它比 WebUI 更灵活，可以搭建复杂的自动化流程，比如“一键生成 100 张不同角度的产品图”。虽然学习曲线陡峭，但一旦掌握，效率会提升一个量级。

工具箱是设计师的武器库，但真正的战斗力来自你对工具的理解和组合能力。从现在开始，每周花 2 小时整理你的工具箱，三个月后你会看到质变。

—

本文由火星人教育 AIGC 设计讲师撰写，如需系统学习工具实操，欢迎关注我们的线下/线上课程。