1. 从一句话脑洞到成品图AI作图工作流的真实痛点先把话撂在这现在做AI作图最大的瓶颈早就不再是模型能力而是“你到底会不会把脑子里的想法变成模型听得懂的语言”。我见过太多人打开工具输入一句“帮我画一个赛博朋克风格的游戏角色”然后对着四只手指和糊成一团的背景发呆转头骂AI不行。但实际情况是你给模型的不是提示词是一句含混不清的愿望。模型不是读心术大师它只能按字面意思拆解你的需求一句抽象描述拆出来的全是抽象元素画出来的当然也是抽象废图。我自己从去年开始摸索AI作图的工作流前前后后试过十几种组合最后稳定下来的一套搭配是Gemini负责把模糊想法打磨成结构化提示词畅图负责把流程和分镜画成清晰的逻辑图nano banana pro负责最终吃下提示词产出成品图。这套流程看着简单但每一步都有细节和坑。尤其是当你把范围从“画张图”扩展到“设计一套游戏规则、一组人物角色”的时候能不能把设计意图系统化地传达给AI直接决定了产出是拼凑感十足的碎片还是一套逻辑自洽的世界观雏形。这篇文章就把我实操这套工作流的过程、翻车经历和避坑姿势完整拆开讲。从提示词设计、流程图绘制到最终成图和游戏人物延伸每个环节都会给到可以直接用的方法、模板和参数参考。适合那些不甘心只在AI作图工具里抽卡、想真正掌控出图方向的人也适合想用AI辅助做游戏世界观和角色设计的设计师与独立开发者。先说第一部分也是最容易被低估的一环提示词到底该怎么设计。2. 让Gemini当你的提示词架构师从“一句话愿望”到“结构化剧本”很多人对Gemini的使用停留在聊天问答觉得它就是个能写文章、能总结文档的对话机器人。但在我的AI作图工作流里Gemini承担的是一个更关键、也更考验能力的角色提示词架构师。说白了就是让它把你脑子里的模糊画面转译成一张能让绘图模型准确执行的“文字施工图”。2.1 为什么不让绘图模型直接吃你的原始需求先把一个反常识的结论说清楚你在绘图工具里输入的那句“给我画个帅气的剑客站在雨里”和在Gemini里精心打磨后生成的三段式提示词虽然都是以文字形式进入模型但信息密度完全不同。绘图模型的文本编码器擅长解析具象的、有明确指向的词汇组合但对模糊的形容词、抽象的风格词汇、逻辑关系复杂的描述理解能力相当有限。举个例子“帅气的剑客”这个词组里“帅气”是一个高度主观的评价词模型不知道你说的帅气是吴彦祖式的冷峻、是日本武士道的肃杀还是武侠小说里那种浪子的颓废。直接喂给模型它只能随机挑一种理解出图全靠运气。而Gemini这种大语言模型天然擅长概念拆解和语言重组。你给它一句“想画一个在雨夜小巷里独自前行的剑客要中国武侠风画面要有氛围感”它能帮你拆解出场景要素雨夜、小巷、独行、人物要素剑客、服装、武器、风格要素中国武侠、水墨质感、氛围感以及光影和构图建议。拆完再重组就是绘图模型能精确消费的提示词。这个环节的本质是用语言模型的语义理解能力去弥补绘图模型对自然语言抽象描述的解析短板。分工明确各干各擅长的活。2.2 三段式提示词模板场景、主体、风格三元组我自己在Gemini里打磨提示词的时候已经形成了一套固定的三段式模板每次都让它按这个结构输出。你可以直接复制下面这段指令发给Gemini。你是一名专业的AI绘图提示词设计师。我将给你一个绘图需求请你将它拆解为三段式提示词场景描述、主体描述、风格与氛围描述。每段要求如下场景描述说明画面发生的空间环境、时间、天气、光线条件。用具体名词避免模糊形容。主体描述说明画面核心主体的身份、外貌、服装、姿态、表情、动作。包含细节特征如发型、肤色、装备、道具。风格与氛围描述指定艺术风格如赛博朋克、水墨国风、日系动漫、写实厚涂、色彩基调、镜头语言如特写、全景、低角度、氛围情绪。最后把三段内容整合为一段连续提示词词与词之间用逗号分隔并在每个大段落开头加上权重标记场景权重1.2主体权重1.0风格权重0.8格式如(场景...)(主体...)(风格...)。拿开头那个“雨夜武侠剑客”的例子Gemini按这套指令输出的提示词大概会长这样(场景古老石板小巷雨夜青石板路面积水倒映昏黄灯光细雨如丝两侧木质旧建筑屋檐滴落雨珠纵深构图背景虚化1.2)(主体年轻东方剑客身穿灰白色粗布长袍腰间悬挂古朴长剑手握剑柄微微侧身目光冷峻凝视前方短发束起几缕湿发贴在额前雨水沿着脸颊滑落全身半身构图正面偏侧角度1.0)(风格中国武侠电影质感水墨晕染风格青灰色调为主暖黄色灯光点缀湿润空气氛围电影级光影对比浅景深写实厚涂0.8)这套提示词比起你原始的那句话信息量翻了何止一个量级。每个名词都是可以被绘图模型锚定的实体每个修饰词都有明确的视觉指向。实测下来直接丢给nano banana pro出图的稳定性和可预测性都远高于喂原始句子。2.3 让Gemini直接迭代改进你已经拥有的提示词还有一种场景比从零生成更常见你已经有一版提示词但出图效果就是差了点什么。这时候同样可以借助Gemini做定向优化。我的做法是给它设定一个“批判者优化者”的双重身份。指令大致如下这是一段我写的AI绘图提示词[粘贴你的提示词]。请你先以专业画家的视角指出它的三个问题例如是否有抽象词汇、是否有逻辑冲突、是否有元素缺失。然后逐个问题给出修改建议最后直接输出一版优化后的完整提示词保持原有结构和风格基调不变。这个操作的价值在于Gemini能从语义层面帮你发现“人类盲区”。比如你写“夕阳下的城市街道”Gemini可能就会提示你补充“低角度逆光、长影、暖橙色调与冷蓝色阴影的对比”——因为逆光条件下物体的受光和背光面会有冷暖色差异这个细节才是画面氛围感的关键。绘图模型不会替你脑补这些关系你得把话说全。我自己经常拿它优化中途翻车的图。比如我要求nano banana pro画一个坐在咖啡馆窗边的女孩结果连续几次出图人脸都不好看表情还僵硬。把提示词丢给Gemini它立刻指出问题在于“表情”这个词太笼统建议改成更具象的描述“嘴角微微上扬但眼神略带疲惫视线低垂看向桌面上的咖啡杯”。改完再出图情绪一下子就有了。这种优化能力恰恰是纯靠绘图模型自身无法完成的。3. 畅图画流程图把AI创作流程变成别人也能复制的生产线提示词搞定了接下来是我认为整套工作流里最容易忽略但最值得投入的一步画流程图。你可能觉得画图就画图跟流程有什么关系但当你正经做一个项目比如设计一款游戏的多个角色、多个场景、多条故事线时如果没有一张清晰的流程图管着所有上下文后面一定会乱成一锅粥。我自己用畅图原boardmix的主要场景有两个一是把AI创作的角色设计流程做成可复用的标准化流程二是把游戏系统或剧情分支的关键节点画成逻辑图用来指导后续的提示词设计。3.1 角色设计流程图怎么画才算有用很多人画流程图画成了“装饰品”节点之间随便连几根线颜色涂得好看但实际上信息密度极低。我的建议是角色设计流程图至少要包含四个泳道需求输入、设定拆解、提示词生成、出图评估。每个泳道里再细分节点。举一个我实际画过的“NPC酒馆老板”角色设计流程图需求输入泳道设定原始需求一个会提供线索的酒馆老板、指定游戏背景中世纪奇幻/蒸汽朋克二选一、标注角色功能情报商/任务发布者设定拆解泳道拆解职业属性酒馆老板前佣兵、外貌关键词列表独眼、络腮胡、木质义肢、性格视觉表现笑容爽朗但眼神审视提示词生成泳道调用Gemini按三段式模板生成提示词检查是否有抽象词汇补充负面提示词避免现代物品、避免卡通化出图评估泳道nano banana pro生成初稿核对是否符合设定标注不合格项并决定是局部修改还是整图重出这张图在畅图里画出来后价值远超角色本身。它是可复制的下一个NPC直接拷贝这张图改掉设定内容就行。更关键的是你可以在每个节点上挂备注说明当时踩的坑——比如“独眼设定记得在负面提示词里加两个眼睛否则模型偶尔会画成两只眼都正常”这样流程图就变成了你的团队共享知识库。3.2 剧情分支与系统规则的可视化流程图画的不只是步骤除了角色流程游戏规则设计里最容易被AI搞崩的就是分支逻辑。因为我见过太多人让AI“帮我设计游戏的贸易系统”得到一堆看似有模有样、实则互相矛盾的规则文本。原因很简单规则是一个网状结构文字只能线性表达你顺着一条线写完另一条线就和前面冲突了。流程图的优势恰恰在于能把网状结构变成一张看得见的地图。我画过一张“村庄贸易系统”流程图核心节点是“玩家选择卖出货物”分出三条支线货物为稀缺品、货物为普通品、货物为违禁品。每条支线接到不同的收益与声望变化最后汇聚到“玩家声望判断”节点再指向是否触发隐藏商队事件。有了这张图我再让Gemini基于这张图去细化每条支线的规则描述就不会出现逻辑漏洞。你甚至可以把流程图直接发给Gemini让它用自然语言把每个分支展开成完整的规则段落。这一步让我对“AI辅助游戏设计”的信心提升了一个档次——因为流程可视化的最大价值是让AI基于确定的结构去填补血肉而不是让AI从零凭空搭骨架后者基本都会搭歪。我自己在畅图里画这类流程图的小习惯所有状态判断节点用菱形所有动作节点用矩形所有开始结束用圆角矩形。这样整套图一眼扫过去就能定位到“判断”的关键位置那些正是游戏规则最容易出冲突的地方。4. nano banana pro实战出图参数、工作流模板与翻车修正工具链的最后一步是把Gemini产出的提示词喂给nano banana pro真正生成成品图。这款工具我用下来的感受是它对提示词的忠实度高于大部分同类工具但该踩的坑一个也没少踩。这一节就把出图阶段你最需要知道的事情、我的参数习惯和修正方案一次性交代清楚。4.1 工具选型逻辑为什么挑了nano banana pro先交代一下背景。市面上的AI绘图工具很多我选nano banana pro不是因为它功能最全而是因为它三点恰好契合我这套工作流一是对长提示词的支持扎实Gemini产出的那种几十个词组的大段提示词它能完整接住二是可控性强风格参考、局部重绘这类功能都有适合做角色设定这类需要一致性要求的图三是它的基础模型对“人形结构”的理解明显优于同类工具四只手、六根手指这种问题出现频率要低一些。但这不意味着它无可替代。我选择它的更实际理由其实是它在这套“Gemini出词、畅图画流程、nano出图”的工作流里扮演的角色最像一个“最终执行终端”。前面的提示词越完善它发挥得越好前面的提示词偷懒它也照样摆烂。工具链是一个整体单换其中任何一环效果都可能大打折扣。4.2 我的出图参数习惯与工作流模板出图参数这一块网上能找到各种版本的玄学参数表。我不打算让你把参数全背下来只提供我自己多次实测稳定的一组以及每个参数背后的思考逻辑。尺寸角色立绘选2:3竖版场景氛围图选16:9横版。你不想要后期裁图麻烦就在这一步定好画布比。采样步数28到32步之间。低于25步容易出现细节破碎高于40步边际效果递减还拖慢出图速度。提示词引导系数CFG7到9之间。低于6容易跑偏主题高于10会让画面干涩、颜色发灰。角色脸部的稳定度在7.5-8.5区间最佳。负面提示词固定写一套通用项——lowres、bad anatomy、bad hands、missing fingers、extra digit、blurry、jpeg artifacts、worst quality、low quality。风格参考如果是系列角色设计我会先出一张定调图然后把它设为风格参考。相当于给模型一个“就看这张图的画风来画”的锚点。顺带说下我的工作流模板已经固定成肌肉记忆了在畅图里把流程图画出来明确要出哪几张图、每张图的用途针对每张图用2.2节的三段式模板让Gemini产出提示词在nano banana pro里完成基础参数设置把提示词喂进去第一版出图直接跑4张横向对比挑出最接近设定的一张拿这张图跑局部重绘处理细节瑕疵整体氛围不对的回炉改提示词再重出4.3 翻车现场人物一致性、手指畸形与风格漂移再好的流程也有翻车的时候这部分分享几个我真实踩过的坑以及对应的修正思路。第一个坑是人物一致性。同一角色连续出五张图五张长得像不同人。解决思路有两个层面。短期操作层面在提示词里把面部特征写详细越具体越好比如“灰蓝色眼睛、左眼角下方的泪痣、高颧骨、薄嘴唇”同时固定角色的服饰和配饰描述。长期操作层面把出图里最满意的脸单独裁出来设为身份参考图。两条腿一起走角色一致性才能稳定到让人满意的程度。第二个坑是手指问题。nano banana pro虽然比其他工具好一些但碰到手部复杂动作还是容易翻车。我在提示词里会尽量避开“手指交叉”“握拳”这类高难度动作改成“手自然垂于身侧”“手轻握剑柄”这类结构简单的姿态。如果非要画复杂手部动作就先画正常手势再用局部重绘修细节。这属于可以靠流程设计规避的问题不要头铁直接让模型挑战难度。第三个坑是风格漂移。明明设定的是水墨风出图却出现了油画笔触。排查后发现是提示词里“水墨”和“中国武侠电影质感”两个风格词在打架模型识别成了混合风格。修正方式是回归单一主导风格次要风格用“融合度0.3”之类的低权重标定或者在负面提示词里直接排除不需要的风格词。这个坑的频率相当高十个风格漂移里有八个是风格词堆叠造成的。5. 从画图到做设计AI辅助游戏规则与人物塑造的系统化打法当你熟练掌握了前面这套“Gemini出词、畅图出流程、nano出图”的三角工作流之后一个更大的可能性就摆在了面前你其实已经拥有了一套完整的AI辅助内容设计系统而不只是“AI画图机器”。这一节聊游戏规则设计和人物设计的系统化思路。5.1 用结构化模板让AI生成不跑偏的游戏规则让AI直接设计游戏规则最常见的翻车方式就是得到一份“听起来很厉害但完全没法落地”的策划案。原因在于AI在长文本生成里会不自觉地在前后段落引入不一致的设定。对抗这个问题的办法就是前面提到过的别让AI从零搭骨架你先把骨架画出来。比如我想设计一个“采集-锻造-交易”三阶段玩法的核心循环第一步先在畅图里画出系统流程图。把三个阶段的所有节点、资源流转方向、数值反馈路径标得清清楚楚。第二步把这张图连同我的设计意图一起发给Gemini请你基于这张流程图的逻辑把每个节点的具体数值、触发条件、玩家体验节奏展开成详细规则描述。第三步再对Gemini输出的规则进行一致性检查——这一步我依旧会用Gemini请对照流程图的节点逻辑逐条检查你刚才输出的规则找出与节点定义矛盾的地方。这一套连环拳打下来AI产出的规则文档质量和我早期让它自由发挥相比完全是两个物种。前者是可评测、可迭代的系统设计稿后者只是看着热闹的装饰性文字。5.2 角色人设的“父模板”人物设计方面我建了一个“角色人设父模板”每次开新角色就往里面套。模板长这样身份定位这个角色在故事/游戏里承担什么功能外形关键词5-7个具体外貌特征必须是可以画出来的视觉实体服装道具穿戴的具体物品注明时代风格标签性格与行为表现抽象的“性格”必须翻译成可以画或演出来的具体动作和表情习惯标志性特征一个让人记住的视觉锚点比如独眼、义肢、标志性纹身用这个模板去套“峡谷刺客”这个角色Gemini会产出包含“暗青色及肩发、苍白色皮肤、黑色皮质紧身衣、腰间三棱锥倒刺、弓背伏低姿态、右手反握短刃、眼神锁定目标瞳孔收缩”这类具体描述的提示词加上1.1里的三段式结构就能稳定生成符合设定的人物图。而每次新增角色只需要改模板里的变量不用从零开始构思。这个父模板最大的好处是一批角色做出来后风格统一度极高。因为变量的外层结构完全不变变的只是具体名词。相当于同一个导演拍同一批类型的演员观感上天然就是一个项目组出来的。6. 把提示词和流程图沉淀成个人素材库最后说说这套工作流里我受益最深的习惯持续沉淀。我把每次调教好的提示词按项目归档在畅图里按“项目-角色-场景”的分类建文件夹顺便把流程图中挂的备注一起存下来。半年下来我的素材库里躺着几十套可以直接复用的提示词模板、十几张标准工作流图和一堆“我已经踩过别踩”的避坑记录。有了这套素材库新项目启动时不再是白纸一张。看到新需求的第一反应是翻素材库、找最接近的模板改改就能用而不是重新从空提示词开始较劲。这种从“每次从零开始”到“上一次就是起点”的转变比任何单点技巧都更能提升产出效率。这套工作流当然不是标准答案每个环节都有可替换的选项Gemini可以换成其他语言模型畅图可以换成任何流程图工具nano banana pro也可以换成你习惯的其他绘图工具。真正有价值的是这个工作流的底层逻辑用语言模型补绘图模型的理解短板用流程图管理生成目标的逻辑一致性用参数和经验控制最终产出质量。模型会不断进化但这套“需求拆解-流程规划-提示词工程-出图评估-反馈迭代”的方法论短期内不会过时。