设计师如何建立自己的 AIGC 工具箱

设计师如何建立自己的 AIGC 工具箱

上周三晚，我的一个学员小林在群里发了一张图，配文是：“老师，我花了两天做的提案，被甲方打回来了。但用这套工具，我只花了40分钟就改完了，客户居然说‘感觉对了’。”

群里瞬间炸了。

小林不是技术背景出身，她之前连 Stable Diffusion 和 Midjourney 的区别都分不清。但三个月后，她已经能独立完成从概念草图到高保真视觉方案的全流程输出。差别在哪？不是她突然学会了编程，而是她搭建了一套属于自己的 AIGC 工具箱，并且知道在什么环节、用哪个工具、怎么调参数。

今天这篇文章，我想把她的这套方法论拆开给你看。不聊虚的，直接上工具、上参数、上流程。

一、先搞清楚一件事：你需要的不是“一个万能工具”，而是一条流水线

很多设计师刚接触 AIGC 时，习惯性问“哪个 AI 最强？”——这是个典型的误区。就像你不会问“哪把刀最好”，而是会问“我切什么菜、用什么刀”。AIGC 领域也一样，每个工具都有自己的强项和短板。

我的建议是：按工作流拆解，把工具箱分成四个层级。

1. 灵感层：快速生成大量概念方向，解决“从0到1”的启动问题。
2. 执行层：把粗浅的想法细化成可用的视觉资产，解决“从1到10”的深化问题。
3. 精修层：对生成结果进行局部修改、修复瑕疵，解决“从10到100”的打磨问题。
4. 整合层：把 AI 产出与你的传统设计流程（PS/AI/Figma）无缝衔接。

小林的工具箱长这样：

• 灵感层：Midjourney V6 + ChatGPT-4o（用于 prompt 发散）

这套组合不是最贵的，也不是最全的，但胜在每个环节都有明确的工具承担职责，不会出现“用 Midjourney 生成后，发现细节改不了”的尴尬。

二、实操案例一：从一句话到一套完整的主视觉提案

小林接的是一个茶饮品牌的夏季新品提案，甲方只给了一句 brief：“年轻、清爽、有东方感，但别老气。”

第一步，用 ChatGPT 做 prompt 发散（5分钟）

小林没有直接去 Midjourney 里瞎试，而是先��� GPT-4o 生成 20 组视觉方向关键词。她用的 prompt 模板是：

你是资深品牌视觉总监。针对“年轻、清爽、有东方感”的茶饮品牌，给出20组视觉关键词组合，每组包含：色彩倾向、材质质感、构图方式、光影氛围。要求每组之间差异明显，避免同质化。

GPT 输出后，她挑出 3 组最有感觉的，比如：

第二步，用 Midjourney 批量生成概念图（15分钟）

小林在 Midjourney 里输入：

/imagine a bottle of iced green tea on frosted glass surface, matcha green color palette, matte texture, minimalist composition, side backlighting, high-end product photography, --ar 3:4 --v 6 --style raw --s 250

这里有几个关键参数：

每组关键词她跑 4 张，一共 12 张概念图，从中选出 2 张方向正确的。

第三步，用 Photoshop Beta 做精修（20分钟）

Midjourney 生成的图放大后，瓶身上的 logo 文字是乱码。小林直接把图拖进 Photoshop Beta，用选框工具选中乱码区域，在生成填充的输入框里写“remove text, keep texture”，Firefly 2.0 会自动补全背景纹理，毫无违和感。

她还会用“生成扩展”功能把竖版图扩展成 16:9 的横版，用于提案 PPT 的封面。操作很简单：用裁剪工具拉大画布，留出空白区域，然后点击“生成填充”，AI 会自动补全画面内容。

三、实操案例二：用 Stable Diffusion + ControlNet 精准控制构图

Midjourney 适合“广撒网”，但如果你需要精确控制人物的姿势、产品的摆放位置，那就要请出 Stable Diffusion。

小林在做第二版方案时，甲方要求“茶瓶旁边有一只手握着，但手的角度要自然”。她试了 Midjourney，发现生成的姿势总是僵硬。于是她换到了 Stable Diffusion WebUI。

具体操作步骤：

1. 准备底模：她用的是 `Realistic Vision V5.1` 这个 checkpoint，对产品摄影类题材支持很好。
2. 设定 ControlNet：上传一张自己用手机拍的“手握着瓶子”的照片作为参考图，在 ControlNet 面板里选择 `OpenPose` 预处理器，权重设为 0.8。这样 AI 会严格遵循参考图的手部骨架结构，但材质、光影、背景全部重新生成。
3. 输入 prompt：

   (masterpiece, best quality), product photography, a hand holding a frosted glass bottle, soft natural light, light green background, shallow depth of field, 8k, 
   

这里用了一个 `product_photography_v2` 的 Lora 模型，权重 0.6，能增强产品摄影的质感。
4. 设置采样器：她用的是 `DPM++ 2M Karras`，步数 30，CFG Scale 7。这套组合出图速度快，且细节保留较好。
5. 生成与挑选：一次跑 6 张，挑出 2 张手部结构没有畸变的，再丢进 PS Beta 做最后的色彩统一。

这里要特别提醒：Stable Diffusion 的 ControlNet 是“精准控制”的神器，但前提是你得理解“权重”这个概念。 权重太高，画面会生硬地照搬参考图结构；权重太低，控制力又不够。0.7-0.8 是比较通用的区间，可以按需微调。

四、建立你的“提示词资产库”，拒绝每次从零开始

小林之所以能 40 分钟出方案，除了工具熟练，更重要的是她维护了一个个人 prompt 模板库。

她的做法很朴素：在 Notion 里建了一个表格，每条记录包含���

这个库的价值在于：下次遇到类似需求，她不需要重新试错，直接调出模板改几个关键词就能用。 三个月下来，她积累了 40 多条高质量模板，覆盖了她日常工作的 80% 场景。

我建议你也从今天开始建这个库，哪怕一开始只有 5 条，也比没有强。因为 AI 生成的不确定性，决定了“记住什么有效”比“记住怎么操作”更重要。

五、总结与进阶建议

建立 AIGC 工具箱的核心逻辑，不是追求“最新最贵”，而是让每个工具在正确的环节发挥作用。我的推荐组合是：

进阶建议（如果你已经能用上述工具完成工作）：
1. 尝试训练自己的 Lora 模型，用 20-30 张你自己的作品，让 AI 学会你的个人风格。
2. 学习 ComfyUI 的节点式工作流，它能帮你把“生成-精修-放大”自动化，大幅提升批量出图效率。
3. 关注行业动态，比如 Midjourney V7 或 SDXL 的迭代，但记住：工具会过时，方法论不会。

常见问题 FAQ

Q1：我完全没学过 Stable Diffusion，上手难吗？
A：比 Midjourney 难，但值得学。建议先装整合包（如秋叶启动器），从文生图开始，熟悉 prompt 和参数后再碰 ControlNet。大概花 3-5 天就能跑通基本流程。

Q2：Midjourney 和 Stable Diffusion 到底选哪个？
A：两个都要。MJ 适合快速出概念、氛围感强；SD 适合精确控制、批量生成、风格定制。建议 MJ 负责“想”，SD 负责“做”。

Q3：AI 生成的图有版权问题吗？
A：目前国内没有明确判例。商业项目建议：①用 Midjourney 付费版（商用授权）；②SD 用开源模型（注意底模的 License）；③最终交付前用 PS 做二次修改，增加原创性。

Q4：生成的手部/文字总是畸形，怎么解决？
A：手部问题用 ControlNet 的 OpenPose 或 Depth 限定结构；文字问题最好的方案是不让 AI 生成文字，后期用 PS 自己排版。记住：AI 不擅长精确文字，别为难它。

Q5：怎么提高 prompt 的稳定性？
A：多用“负面提示词”（negative prompt），比如在 SD 里加上 `(bad anatomy, extra fingers, deformed hands, watermark, text)`。另外固定随机种子（seed）可以让同一 prompt 每次生成相同结果，方便微调。