AIGC 时代设计师的转型之路：从传统到 AI 原生

上周的进阶班直播课里，一位叫阿杰的学员在后台连麦：“老师，我做了 5 年 UI 设计，最近部门引进了 Midjourney 和 ComfyUI，领导让全员学 AI 出图。我试了两周，生成的图要么太假，要么跑偏，完全没法用。以前一张 BANNER 我画两天，现在同事用 AI 十分钟出四版，虽然质量一般，但领导说效率高就够了。我是不是快被淘汰了？”

阿杰的问题不是个例。过去半年，我接触了超过 200 名设计师，从电商视觉、UI/UX 到品牌设计，几乎所有人都在经历同样的焦虑——不是 AI 不好用，而是不知道该怎么用。更准确地说，是不知道从“传统设计流程”切换到“AI 原生设计流程”时，该保留什么、抛弃什么、重构什么。

今天这篇文章，我直接从三个核心维度拆解：工作流重构、控制力提升、交付物标准升级。每个维度都带具体操作，工具版本和参数全部标注。

一、工作流重构：从“纯手工”到“人机协作的双向链路”

传统设计流程是线性的：需求分析 → 草图 → 精稿 → 修改 → 交付。AI 原生流程是环状的：需求分析 → AI 批量发散 → 人工筛选 → AI 定向精修 → 人工微调 → 交付 → 反馈回流。

区别在哪？传统流程里，设计师是唯一的“生成器”；AI 流程里，设计师变成了“策展人 + 精修师”。但很多人的问题是：把 AI 当成高级版百度图片，输入一句 prompt 就等着出结果。这完全错了。

实操案例 1：电商主图从 0 到 1，用 Midjourney + Photoshop Beta 实现风格统一

工具版本：Midjourney V6.1、Photoshop 2024 Beta（含 Generative Fill）、ComfyUI（SDXL 1.0）

第一步：用 Midjourney 生成“风格锚点”

不要上来就写“a beautiful product photo”。正确做法是：先确定风格关键词，再构建 prompt 模板。

比如我们要做一款“露营灯”的电商主图，风格定为“户外探险、高对比光影、胶片质感”。打开 Midjourney，输入：

/imagine prompt: camping lantern on a wooden table, golden hour lighting, dramatic shadows, cinematic composition, Fuji Pro 400H film stock, shot on Hasselblad 50mm f/1.4, shallow depth of field --ar 4:3 --v 6.1 --style raw --s 250

关键参数解析：

• `–style raw`：让 Midjourney 减少自动美化，保留更多真实光影

生成 4 张图，选一张光影最自然的。这张图不是最终稿，而是“视觉参考锚点”——它定义了色调、光影、构图风格。

第二步：用 Photoshop Beta 的 Generative Fill 替换产品

打开 Photoshop，把选中的 Midjourney 图拖入。用套索工具（Lasso Tool）粗略选中图中的“灯”区域，点击“Generative Fill”，输入：

remove the old lantern, replace with a silver camping lantern with LED panel, realistic texture, no shadows

注意：这里不要写“add a lantern”，而是“remove…replace…”，因为 Photoshop 的生成填充更擅长处理“替换”而非“新增”操作。通常等 10-15 秒，会生成 3 个替换版本。选一个材质最真实的。

第三步：用 ComfyUI 做超分和细节增强

电商图需要高分辨率输出。打开 ComfyUI，加载 SDXL 1.0 模型，把 Photoshop 导出的图拖入节点。设置：

输出分辨率设为 4096×3072（4:3 比例）。这一步能显著提升产品边缘的锐度和纹理细节，同时保持光影一致性���

关键认知：AI 不是一步到位的工具，而是链路中的一个环节。设计师的价值在于“串联”这些环节，并确保每个节点的输出都符合设计目标。

二、控制力提升：从“抽卡”到“定向生成”

很多设计师吐槽 AI 不可控，本质是没掌握“控制层”工具。AI 生成不是全随机，而是可以通过参数、条件控制、模型选择来缩小范围。

实操案例 2：用 ControlNet 实现角色姿势精确控制

场景：需要生成一个“手持咖啡杯、侧身站立、看向左侧”的人物，用于 app 开屏页。

工具版本：ComfyUI + SDXL 1.0 + ControlNet v1.1（OpenPose + Canny）

第一步：准备控制条件

打开 Google 搜索“side view person holding cup openpose”，下载一张参考姿势图。或者用 3D 软件（如 Blender）摆一个简单人体模型导出。

在 ComfyUI 中加载两个 ControlNet 节点：

参数设置：

第二步：写 prompt 时加入“负面提示词”

很多人在 ComfyUI 里只写正面 prompt，忽略负面提示词。这是控制力差的核心原因之一。必须加入：

negative prompt: low quality, distorted hands, extra fingers, bad anatomy, blurry, watermark, text, logo, monochrome, sepia, grainy, oversaturated

第三步：调整 seed 值做批量变体

固定 seed 值（比如 12345），然后微调 prompt 中的材质词（如“leather jacket”换成“denim jacket”），生成 6-8 张图。你会发现姿势完全一致，只有服装细节变化。这就是“定向生成”——姿势可控，风格可微调。

关键认知：控制力 = 条件输入（ControlNet）+ 约束输出（负面提示词）+ 参数微调（权重/seed）。缺一环，AI 就变成抽卡。

三、交付物标准升级：AI 原生设计的“可编辑性”思维

传统设计交付的是“静态文件”（PSD、AI、PNG）。AI 原生设计交付的是“可编辑链路”——别人拿到你的文件，能沿着你的思路继续迭代。

什么意思？举个例子：

你生成了一张海报，领导说“把背景颜色从蓝色改成绿色”。如果你是传统流程，可能直接打开 Photoshop 重新调色。但如果是 AI 原生流程，你应该这样做：

1. 保持“生成链路”的完整性：把 Midjourney 的 prompt、seed 值、参数全部记录在 Notion 或飞书文档里
2. 用 Photoshop 的“生成式图层”分离元素：把人物、背景、产品分别用 Generative Fill 生成独立图层
3. 交付时附带“参数卡片”：包含模型版本、采样器、CFG、seed、ControlNet 权重等

实操案例 3：用“分层生成”构建可编辑的 AI 设计文件

工具：Photoshop 2024 Beta + Midjourney V6.1 + Remove.bg

第一步：在 Midjourney 中生成“背景”和“主体”分开

先用 Midjourney 生成一个干净背景（不带主体）：

/imagine prompt: minimalist studio background, soft gradient from light gray to white, smooth texture, no shadows, no objects --ar 16:9 --v 6.1 --style raw

再生成主体（单独抠出）：

/imagine prompt: a female model, casual outfit, looking at camera, soft smile, isolated on white background, studio lighting, f/2.8 portrait lens --ar 3:4 --v 6.1 --style raw

第二步：用 Remove.bg 或 Photoshop 的“选择主体”功能把人物抠出

注意：不要用 Midjourney 自带的 Vary（Region）去擦除背景，因为那会破坏人物边缘细节。推荐用 Remove.bg 的 API（免费版够用），或者 Photoshop 的“Select Subject” + “Refine Edge”。

第三步：在 Photoshop 中组合成“可编辑文件”

把背景图放在底层，人物放在上层。给人物图层添加“色相/饱和度”调整图层（剪贴蒙版），方便后期改服装颜色。给背景图层添加“渐变映射”，方便改背景色调。

这样交付的 PSD 文件，即使不懂 AI 的同事也能用传统方法微调。这才是“AI 原生设计”的交付标准——让 AI 生成的素材具备传统设计软件的可编辑性。

总结与进阶建议

设计师的转型，不是学会几个 AI 工具就完了。真正的转型是思维模式的重构：

三个进阶建议：

1. 建立自己的“参数库”：每次生成后，把成功的 prompt、seed、参数、模型版本记下来。用 Notion 或 Airtable 管理。下次遇到相似需求，直接调用参数模板，效率翻倍。

2. 学一点 Python 基础：不是为了写代码，而是为了能看懂 ComfyUI 的节点逻辑、能调用 Stable Diffusion 的 API。不需要精通，能改参数、能跑通基础流程就行。

3. 每周做一次“控制力测试”：选一张参考图，尝试用 ControlNet + prompt 完全复现。如果复现率低于 70%，说明控制力还有提升空间。反复练，直到能稳定达到 90% 以上。

最后送大家一句话：AI 不会淘汰设计师，但会用 AI 的设计师一定会淘汰不会用的。 区别不在于工具本身，而在于你能否把工具嵌入到自己的设计体系中。

—

常见问题 FAQ

Q1：Midjourney V6.1 和 V5.2 相比，最大的变化是什么？

A：V6.1 最大的改进是光影真实度和文字生成能力。V6.1 能更准确地理解“golden hour”或“soft diffused light”这类光影描述，生成的图片不再像“塑料感”。同时，V6.1 对画面中的文字（如海报上的标题）有了初步的生成能力，虽然还不能完美，但比 V5.2 强很多。另外，`–style raw` 参数在 V6.1 中更稳定，适合电商和产品设计。

Q2：为什么我用 ControlNet 时，人物的手还是变形？

A：手部变形是 SDXL 的常见问题。解决方法：1）在负面提示词里加“bad hands, extra fingers, twisted fingers”；2）用 ControlNet 的“DensePose”节点（比 OpenPose 更精细，能控制手指关节）；3）在 ComfyUI 中加载“Hand Refiner”节点（专门修复手部的模型）。推荐用 SDXL 1.0 模型，它对手的生成比旧版 SD 1.5 好很多。

Q3：AI 生成的图版权归谁？我可以直接商用吗？

A：根据 Midjourney 的 ToS（2024 年更新），付费用户（Pro/Enterprise）生成的图片可以商用，包括用于商业设计、印刷、NFT 等。免费用户生成的图片遵循 CC BY-NC 4.0 协议，不能商用。Stable Diffusion 的模型（如 SDXL）基于开源协议，生成的图片版权归用户所有，但要注意：如果使用他人训练的 LoRA（如某明星、某品牌风格），可能涉及版权或肖像权问题。建议商用前，确保所有素材（包括 LoRA）都来自合法渠道。

Q4：ComfyUI 和 Automatic1111 的 WebUI 哪个更适合设计师？

A：设计师推荐 ComfyUI。原因：1）节点化工作流更直观，方便调试和复用；2）内存占用更低，显存 6GB 就能流畅跑 SDXL；3）支持复杂的多 ControlNet 叠加，控制力更强。Automatic1111 更适合初学者快速上手，但一旦需要精细控制（比如同时用 OpenPose + Canny + IP-Adapter），ComfyUI 的效率高得多。建议先学 ComfyUI 的基础节点，再逐步进阶。

Q5：AI 生成图的分辨率不够高怎么��？

A：不要直接用 Midjourney 的“Upscale”功能（它会改变构图）。推荐两步走：1）在 ComfyUI 中用“4x UltraSharp”或“4x NMKD”超分模型放大（保持原图构图）；2）如果放大后细节模糊，用 Photoshop 的“Generative Fill”局部修复（选中模糊区域，输入“add texture, sharpen details”）。注意：超分后图片大小可能超过 10MB，建议输出为 PNG 格式，避免 JPEG 压缩导致的画质损失。