本页目录
AI 生图控制课：从复制 Prompt 到真正控图
用 9 节主课和 5 个控制实验，学会看图、拆图、控制变量、诊断失败，并把偶然好图变成可复现的方法。
🎯 这不是一套 Prompt 合集。 它训练的是看图、拆图、控制变量和诊断失败。学完以后，你应该知道一句话为什么生效，也知道结果不对时该改哪一层。
✅ 课程已完成：9 节主课 + 5 个控制实验。 每篇都包含完整方法、真实教学配图、可复现 Prompt、诊断表、练习和总结。
你会从哪里走到哪里
| 原来的做法 | 完成课程后的做法 |
|---|---|
| 看到好图就复制整条 Prompt | 先找画面成立点，再拆成可控制的视觉语言 |
| 结果不对就整条重写 | 根据失败现象定位主体、构图、动作、光线、材质或风格层 |
| 一次修改很多词 | 固定基准，只改变一个变量，用对照判断因果 |
| 偶尔抽到一张好图 | 建立固定层、变量层和约束层，稳定生产一组图 |
课程路线
课程一｜建立控制思维
课程二｜训练四种控制能力
课程三｜从单张控制进入系列生产
控制实验室
怎么学才真的有用
- 先看结果，不急着抄词。 先说出两张图哪里不同，再去读 Prompt。
- 一次只改一层。 人物、构图、光线、材质同时改变，就无法判断是谁起了作用。
- 保留失败图。 失败图不是废片，它是最清楚的诊断样本。
- 每节都做迁移。 换一个人物或主题还能成立，才说明你掌握的是方法。
课程示例与模型范围
课程讲的是可迁移到不同模型的控制逻辑。主要示范使用已经积累较多的 image-2 / gpt-image-2 人像、写真和视觉创作案例；涉及身份结构、复杂动作或多模型接力时，会明确说明不同模型各自负责什么。
毕业作业
完成一组 5 张系列图：视觉 DNA 统一，每张只有一个主要变化；同时提交固定层、变量层、约束层和三次失败修正记录。最终标准不是“都很好看”，而是你能解释每一张为什么这样，并知道下一轮该改什么。