如何掌握 ChatGPT Images 2.5：完整课程

我将准确展示如何掌握 OpenAI 的 Images 2.5，用它来创作应用设计、网站、产品图……14 个技巧，44 个精选案例。提示词、结果，以及如何修复出错的地方

我将准确展示如何掌握 OpenAI 的 Images 2.5，用它来创作应用设计、网站、产品图……14 个精选案例。

提示词、结果，以及如何修复出错的地方。

直接拿走这套工作流，把你自己的想法变成现实。

我一直很难做好图像提示词。人们分享的提示词常常让人觉得像是编出来的：一堆令人印象深刻的词，后面跟着一个漂亮的结果，却没有解释究竟哪些决策起了作用。

当我的结果看起来不对时，这几乎没有给我留下什么可供排查的线索。谢谢。

所以，我们围绕“让视觉决策变得可见”建立了一套工作流。先决定图像中应该有什么，描述各部分之间的关系，生成图像，然后检查哪些内容得以保留

先决定图像必须完成什么任务

“让它显得高端”表达的是一种偏好。你仍然需要决定人们将看到什么。

对于一款时尚应用，这可能意味着宽裕的留白、一致的产品摄影、克制的字体，以及在各个屏幕上看起来完全相同的包。

对于一场香水宣传活动，这可能意味着石榴红玻璃、胡桃木瓶盖、可信的反射，以及足以让标签清晰可读的对比度。

按以下顺序写 brief：

目的：某人应该理解什么、感受到什么，或采取什么行动？
画布：它将出现在哪里，必须是什么形状？
内容：哪些主体、物体和确切文字应该放入其中？
关系：它们在哪里，什么接触什么，什么应当先被看到？
外观：材质、光线、色彩和字体应该呈现出什么样子？
检查项：即使结果很漂亮，什么情况仍会让它无法使用？每句话都应该做出一个可见的决策，或保护一个决策。

有用的提示词会点名物体，为每个物体赋予恰当属性，并解释它们之间的关系。

“一个氧化血红色的包放在奶油色卡包旁边”把颜色绑定到了特定物体上。“包位于它的名称和价格上方”则增加了一个可以检查的关系。

构图基准测试将属性绑定与物体关系视为两个不同的挑战。

案例：一个只有一个明确承诺的缩略图

任务是在手机尺寸下传达一个引人入胜的小空间室内设计。 brief 为标题分配了独立区域，把锈红色沙发设为视觉锚点，并为平台的时长徽章预留了空间。

我们使用的提示词 · 完整提交文本

为一支虚构的室内设计视频制作精致的 YouTube 缩略图，横向 16:9。缩略图尺寸很小时也要清楚，画面只保留一句醒目的文字和一张有力量的建筑照片。整体像自信、当代的设计杂志，不要做成标题党。

右侧占画布约 62%，是一间拍摄精美的小型客厅：深锈红色模块化沙发嵌入浅色橡木收纳墙，一扇大型圆窗，一把象牙色圈绒休闲椅和一张黑色钢制小茶几。通过有目的的嵌入式布局，让小房间显得宽敞。圆窗从右上方引入柔和日光，软垫、橡木纹理、织物和建筑边缘都要有可信的触感细节。

从敞开的门口、自然视平线高度拍摄，透视连贯，竖线干净。不要人物、植物、带字书籍、屏幕、装饰堆和可见 Logo。

左侧占 38%，是平滑的暖白色纯色文字区。准确放置两行巨大、近黑色、窄体无衬线大写字：第一行“SMALL ROOM”，第二行“BIG IDEA”。两行都要在左侧区域内完整可读，左边距至少是画布宽度的 6%。在“BIG IDEA”下方加一条短的锈红色横线，作为唯一装饰，不要其他文案。

文字和照片之间是清晰的垂直边界。让红色沙发成为标题对面的视觉锚点。不要箭头、圆圈、贴纸、惊讶表情、图标、边框、3D 文字或发光效果。右下角约 12% 的区域不要放重要家具细节，为平台时长徽章留出空间。只返回完成后的缩略图。

保留下来的内容：四个单词、文字与图像之间的清晰分割、锈红色沙发，以及圆窗。未达到的要求：左侧边距比请求的更紧。图像读起来很清楚，但这个具体的布局约束仍需调整。我们没有测量点击率表现。

使用这项技巧：先描述观看场景，再选择视觉细节。缩略图、产品页面和印刷海报需要不同类型的清晰度。

让复杂图像拥有组织结构

当你能够解释各部分如何组合在一起时，复杂性才会变得有用。

我们的 Coast House 室内设计从房间开始：左侧的木作、后方的壁炉、右侧的玻璃，以及它们之间的座椅组。只有在此之后，提示词才描述亚麻、羊毛、石材、木材和青铜。

对于繁忙的构图，可以按景深、按面板，或围绕一个主导主体来组织物品清单。选择能让图像最容易被描述的结构。每个新增部分都应有一个位置，以及存在于此的理由。

案例：一整座海岸起居亭

我们使用的提示词- 完整提交文本

创作一张原创虚构海岸住宅的建筑杂志风格室内照片，横向 3:2，高分辨率。画面要像经过完整艺术指导的建筑杂志照片，结构可信，材料昂贵且有触感。

房间是一座宽敞的矩形起居亭。相机位于前左角附近的坐姿视线高度，斜向看向后右侧的玻璃。竖线保持笔直，使用自然的广角建筑视角，不要鱼眼拉伸。右墙是从地面到天花板的玻璃，使用纤细的深青铜框，窗外是平静的蓝灰色海面和岩石海岸。沿玻璃设置一条低矮的窗边座，柔和日光从窗户进入。

后墙使用浅暖色石灰石，设有精确的长水平壁炉凹槽，上方是一幅大型抽象炭黑色艺术品。左侧是通高烟熏橡木木作，带一个精心安排的开放搁架。天花板为有细微纹理的石膏，左墙平行位置有一条干净的窄天窗。不要射灯或悬浮梁。

中央座椅组包括一张面向壁炉的低矮象牙色亚麻模块沙发、右端一把雕塑感的锈棕色羊毛椅，以及一张低矮椭圆深色木茶几。比例和接触关系要可信，用一张未染色羊毛地毯固定三件家具。茶几上放一本合上的艺术书和一个低矮深色陶碗，不要杂乱装饰。沙发旁放一盏纤细青铜落地灯，座椅和窗边座之间保留清晰通道。

重点表现材料：可见亚麻织法、柔软羊毛绒面、准确木材接缝与纹理、细微石材孔隙、真实玻璃反射，以及青铜上的一线日光反射。白平衡温暖但中性，海景明亮却保留细节，不要过曝白块。使用自然阴影渐变，不要琥珀色 CGI 滤镜、夸张光束、过度锐化 HDR、到处重复的拱门、人物、文字或水印。丰富感来自比例、光线、景深和材料质量。

保留下来的内容：连贯的房间结构、材质差异、窗台座、壁炉，以及统一的海岸光线。发生变化的地方：沙发更多地朝向座椅组，而不是壁炉；还出现了一些小型装饰性新增物。

这张图给了我们一个可信的设计参考。现在，我们可以要求同一设计的另一个视角。

案例：将室内转化为建筑剖面

输入：附上上面的 Coast House 照片。它提供可见的房间设计。由于照片无法揭示屋顶构造、墙体厚度和地基，这些内容必须重新构想。

我们使用的提示词。

制作一张虚构高端时尚购物应用 SABLE 的高分辨率编辑风格展示图。横向 3:2，画面中并排放置三个完整、正面朝向的手机应用屏幕。背景为很浅的暖灰色，三块屏幕比例、基线一致，使用窄炭黑色设备边框和自然接触阴影。不要倾斜设备、透视变形、外部说明、水印或设计软件界面。

视觉方向是艺术指导严格的时尚电商：清晰的瑞士风字体配合精致的编辑衬线标题，近白色界面、墨黑文字和克制的深血红色点缀。使用高质量时装摄影、规整网格、充足留白、细分隔线和一致的线性图标，做成真实完成的购物界面。

左屏为发现页：状态栏、SABLE 字标、搜索和购物袋图标；大幅时装照片中，一名成年人穿着剪裁精良的炭灰色羊毛大衣、白衬衫和深色长裤，站在浅色混凝土摄影棚墙前。叠加小眉题“THE AUTUMN EDIT”和大标题“A quieter statement.”，底部为“Selected for you”及两个商品缩略图。底部导航标签为“Discover”“Shop”“Saved”“Profile”。

中屏为商品集合页：相同的状态栏和品牌头部，标题“The essentials”，两个标签“Clothing”“Accessories”和筛选图标。两列网格放四张商品图：炭灰羊毛大衣、象牙色羊绒针织衫、氧化血红色弧形皮革肩包、黑色皮革乐福鞋。标签和价格分别为“Wool coat $890”“Cashmere knit $320”“Arc bag $480”“Leather loafers $390”。

右屏为商品详情页：展示同一只氧化血红色弧形肩包，肩带必须是一体成型，边缘漆、皮革纹理和金属扣都要清楚。下方写“Arc shoulder bag”“$480”“Oxblood”，放三个颜色样本，说明“Soft leather. Everyday form.”，并放满宽深血红色按钮“Add to bag”。所有指定文字都要清晰，三屏中的包必须保持一致，不要乱码微文案或额外徽章。

保留下来的内容：可辨识的室内、切割边缘，以及连接到目标部件的五个清晰标签。这不能证明什么：施工可行性。这是一幅概念性的空间插图。

这种方法可以迁移到剖面图、产品讲解图和信息图：定义主要结构、各个部件、它们的连接方式、标签，以及它们周围的空间。当读者仍然知道该看哪里时，增加细节最有效。

通过建立层级来创作新图像

既要审视设计意味着什么，也要审视它看起来如何。

对于你自己的应用，先写出各个屏幕的角色。对于海报，先写出阅读顺序。对于产品图，决定产品的大小、位置，以及它与光线的关系。

配套案例让你可以练习这种跨格式转换：

书籍封面和海报：指定标题、视觉隐喻、阅读顺序和清晰边距；
传单和广告：分开信息、产品、辅助信息和行动号召；
图标和标志：定义轮廓、笔画一致性、小尺寸可读性和背景要求；
肖像照：在改变服装、取景或光线的同时保留身份特征；
室内设计和剖面图：区分可见设计，以及你要求模型发明的隐藏构造。我们的 SABLE 应用从三个屏幕角色开始：发现、收藏和产品详情。

然后，我们明确了产品清单、价格、选中的控件、材质，以及反复出现的包款设计。这些决策为模型提供了可供编排的界面。

案例：一款奢华时尚应用

使用场景：UI 模型图。创作一张高保真、原创的建筑工作室桌面主页网页栅格图。虚构工作室名为“FORMAE”，业务是设计有辨识度的小型酒店和住宅。画面应像经验丰富的数字艺术指导完成的安静、精确的网站，包含出色的建筑摄影和真正有用的界面文案。

画布与网格：正面桌面网页，约 1440 像素宽，横向 3:2。网站填满画面，不要设备、浏览器框、透视、画板或周围装饰。暖白背景、近黑色墨色，只用深茄紫作为主按钮颜色。使用 12 列编辑网格、64 像素外边距、充足留白、统一基线和细分隔线。排版采用有表现力但易读的衬线字体，搭配简洁无衬线导航和说明。布局可以略微不对称，但不能凌乱。

页头左上放精致衬线字标“FORMAE”，下方小号大写说明“ARCHITECTURE & INTERIORS”。右上导航写“Projects”“Studio”“Journal”，最右侧放唯一视觉主按钮“Start a project”。页头约 110 像素高，下方有细线，所有字符清晰可读。

主视觉下方放小号眉题“HOSPITALITY · RESIDENTIAL”，左侧两行大衬线标题“Places to belong.”，以及“Architecture shaped by light, landscape and the way we live.”。右侧占八列，展示一座地中海山坡上的阶梯式精品酒店，暖色午后光线、石灰石体块、深凹玻璃开口、木质廊架、沿石阶布置的静水池、银绿色橄榄树、干草和远处海岸。建筑比例、楼梯和栏杆要可信，不要幻想结构或 CGI 光泽。照片下方写“CASA BRUMA”和“Alentejo, Portugal · 2026”。不要在建筑上叠字。

下半页放“Selected work”，下面正好两个项目预览：左侧木材内衬餐厅，标题“The Cedar Room”，说明“Hospitality · Copenhagen”；右侧粉白色抹灰住宅，标题“Courtyard House”，说明“Residential · Lisbon”。主视觉优先，项目标题只是安静的文字链接。不要奖项、评分、评价、数字、Logo、仪表盘、表单或无关 UI。通过构图、建筑、材料细节和字体完成高级感。

重要的关系是：同一个氧化血红色包同时出现在收藏页和产品详情页。“四张漂亮的产品照片”并没有明确这种连续性。

案例：一家建筑事务所的网站

FORMAE 使用同一原则，只是尺度不同：

标题确立事务所的承诺。
大幅照片让它变得具体可感。
两个较小的项目展现范围。

主要行动始终使用单一的对比色。

我们使用的提示词

制作一张虚构高端香水品牌 VELLUM 的奢华产品摄影图，竖向 4:5，视觉保真度最高。产品标签只允许出现“VELLUM”“No. 04”“EAU DE PARFUM”三行文字，字体小但必须锐利清晰，字距优雅，并自然融入瓶身。

场景是一只厚重的透明矩形玻璃香水瓶，装有深石榴红液体，放在低矮抛光黑石板上。瓶身边角柔和圆润，底部厚实透明，配一圈拉丝钯金属环和低矮深胡桃木圆柱瓶盖，能看到真实木纹。正面贴暖白色棉纸标签，周围留出充足空白，不要虚构小字。

构图是瓶肩高度的近距离三分之四产品视图，完整显示瓶身和瓶盖，瓶子约占画面高度三分之二，略偏中心右侧，周围是深酒红留白。石面上有与视角一致的轻微瓶底倒影，不要第二只瓶子。

左侧使用大型干净矩形主光，右侧有窄冷色轮廓光，阴影丰富但保留细节。表现玻璃厚度、红色液体的折射、石面柔和焦散、近距离纸张纤维、拉丝金属和无光晕的抛光边缘。背景从酒红安静过渡到近黑。不要鲜花、烟雾、水花、漂浮物、金色道具、闪光、水滴或外部标题，不要复制真实香水品牌。最终输出完成的产品照片，不是情绪板。

保留下来的内容：准确的标题和导航、清晰可读的项目说明、一个明确的主要行动，以及强有力的摄影层级。发生变化的地方：下方两个项目图片的宽度几乎相等，而不是略有差异。

这些是栅格设计概念。要把它们变成可运行的应用或网站，还需要实现和交互检查。

使用这项技巧：先写阅读顺序，再写装饰。对于应用，定义屏幕角色。对于网站，定义从标题到证据再到行动的路径。然后决定哪些内容可以重复，哪些必须保持差异。

让高端品质变得可观察

当你把“奢华”转译成可见的选择时，它才真正有用。

我们的 VELLUM 照片使用石榴红瓶身、胡桃木瓶盖、克制的标签和深色建筑环境。玻璃必须传递并反射光线。纸张需要有纹理。瓶盖的表面必须与金属瓶颈不同。

案例：一张奢华香水照片

我们使用的提示词

为虚构高端品牌 MORA 制作一张极具说服力的 UGC 护肤静物图，竖向 4:5。画面像现代手机记录的真实晨间护理片段：直接、亲密、自然光照，并清楚展示产品。不要广告标题、用户评价、统计数据、前后对比声明、社交媒体界面或水印。

主体是一名二十多岁的虚构东亚成年女性，金色齐下巴波波头，头发有自然的细小飞丝，温暖自然肤色和深棕色眼睛。一侧头发轻轻别到耳后，穿象牙色罗纹无袖上衣。从上胸拍到完整头顶，头发上方留出空间。她直视镜头，带轻松微笑。相机位于视平线，像手机放在架子上，不要看到手机或镜面反射。

环境是安静、完成度高的浴室，暖浅色石灰石墙面、少量浅橡木台面和虚化的象牙色毛巾。背景简单且符合物理，不要植物、其他产品、分配器或可见标签。

她只用一只手在下脸颊旁拿一瓶浅鼠尾草绿色按压瓶，手指自然环绕瓶身，完整露出正面标签。瓶身正面只写“MORA”“skin milk”“50 ml”三行，字要清楚，不要增加其他品牌文字。

使用左侧宽阔柔和的晨间窗光，脸颊和金色头发有柔和高光，保留自然皮肤纹理和细小汗毛。眼睛和产品清晰，中等景深，背景自然分离。不要磨皮、硬闪光、浓妆、人工光晕、电影调色或棚拍广告的过度摆拍感。输出一张完整照片，不要拼贴或模型图。

保留下来的内容：可读的标签文案、一个统一连贯的产品，以及清晰可辨的木材、金属、纸张、玻璃和石材。

发生偏移的内容：瓶盖比要求的更高，支撑石材的纹理脉络也比要求的更多。

这些都是具体的观察。“看起来很昂贵”就会漏掉它们。

这些选择表达的是一种奢华。另一份 brief 可能会要求装饰、饱和色彩或密集的时尚编辑感。在使用“极简”或“高端”这类词之前，先确定一个连贯的视觉方向。检验标准是：材质、构图和完成度是否支持这个方向。

工作示例：金发波波头的护肤 UGC

在这个版本中，我们生成了一位虚构的成年东亚女性，留着金色波波头。 brief 要求产品保持可见，浴室环境安静，光线自然，皮肤保留纹理。目标完成效果是一张精心制作的日常护肤照片。

我们使用的 prompt · 完整提交文本

创建以下重构图像：使用附加的干净源图和视觉清单，重现可见的 VELLUM 奢华产品照片。ID 只用于识别场景部件，不要把 ID、地图徽章、裁切框或审阅标注画进成图。画布比例 561:701，保留裁切。目标是感知匹配，保留可识别构图、对象几何、文字和材质关系，但不承诺像素级一致。

源图仅提供内容、身份、布局、配色、材质、光线、排版和背景。不要画标识符、边界框或地图控件。

场景是一张构图紧凑的奢华香水照片：竖向 4:5，一个瓶子略偏右，瓶盖位于上三分之一，倒影延伸到下方裁切。视角接近正面，能看到少量右侧面和瓶肩。左上方有宽阔暖色高光，右侧较暗，背景有柔和红光。配色为石榴红、深胡桃木、暖银、象牙和近黑。

按以下清单表现各元素：酒红到近黑的失焦背景；带浅色脉络的抛光红棕石面；厚透明玻璃瓶身和深石榴红液体；带明显竖向纹理的深胡桃木瓶盖；瓶盖与瓶身之间的短银色拉丝金属环；带纸张纹理的象牙色矩形标签；标签上的“VELLUM”“No. 04”“EAU DE PARFUM”三行文字必须准确清晰；玻璃两侧高光和石面上的瓶身倒影都要保留。

保持单个瓶子、圆柱形胡桃木瓶盖、短银色金属环、原始比例、竖向裁切、安静深色环境和暖光方向。不要增加道具、人物或水印，不要恢复未知隐藏内容，也不要把不确定的文字当成事实。输出一个可识别的矩形石榴红瓶子，三行标签文字清晰可读。

保留下来的内容：金色波波头、放松的眼神交流、鼠尾草绿色瓶子、三行可读标签和柔和日光。手部接触在视觉上合理，背景也保持简单。来源说明：这是一个展示虚构品牌的生成式人物，并非客户评价。

这两张照片需要不同的完成效果。一张无瑕的香水静物图受益于受控反射；UGC 则受益于人的纹理和日常化取景。

在生成之前，明确对于实际用途而言合理的材质、光线方向、构图和完成效果。避免相互冲突的指令，例如将“随手拍的手机照片”与“无瑕的摄影棚美妆灯光”搭配在一起。

用视觉地图重构参考图

当你已经有一张图像时，先从盘点它开始。

我们将 VELLUM 照片映射为分别命名的控制项。这样你就能识别胡桃木瓶盖、纸质标签、玻璃高光和倒影，而不必再次描述整个场景。

把参考图转换为一组选择。

命名各个部分。画布 → 分组 → 对象 → 可编辑部分 → 属性。将细小细节分组，直到你需要单独控制它们为止。
从大处着手。先处理形状和留白。然后处理关系。最后处理材质和精确文字。
标记不确定性。区分可见事实、推断细节和未知信息。边界是近似的；裁切可能包含相邻像素。
选择变更。保留、重新设计、替换、移除或移动。告诉 agent 哪些内容必须保持不变。
交接计划。导出 prompt 和 reconstruction JSON 。源图像保持不变。命名各个部分。让这些决策可复用。

将原始图像作为事实依据。

我们的地图增加了边界框和裁切预览，但不会改变原图。要求 AI 用带编号的标签重绘图像，可能会改变主体并使地图产生误导。

准备：让你的 agent 检查图像并创建 reconstruction JSON 。
导入：加载 JSON，并附加匹配的干净图像。
验证：导出前检查每个名称和边界框。该页面不会自动检测或分割对象。第 8 节会解释何时使用评论、地图或草图。

将视觉决策保存为 reconstruction JSON

JSON 将可见内容、希望改变的内容，以及检查结果的方式分开记录。

完整文档还包含其他元素、关系、源文件、未知信息和检查项。它无法恢复原始 prompt 、源图层、精确字体或隐藏几何。

对于接近原图的复现，优先处理轮廓、比例、间距和关系。然后再细化表面细节。对于使用选定素材创建新构图的情况，在编译之前明确这一目标。

将观察与请求分开。即使之后有人要求改成黑色金属，源清单中的原始瓶盖仍然是胡桃木。这个请求应归入选择记录，并配有自己的保留规则和更新后的检查项

把它想成三份相互关联的记录：

保留完整记录。只发送编辑所需的内容。

解决冲突。保留源图观察结果。要求黑色瓶盖时，移除旧的棕色瓶盖指令。
检查编译器的标记。它创建的是指令，而不是遮罩或恢复出的图层。坐标仍然是近似值。
附加图像。仅有文件路径并不会提供像素。
保持编辑聚焦。保存清单以供重构和交接。针对局部变更编译更短的请求。我们的 82,283 字符 JSON 在生成前超过了 32,000 字符的限制。这是输入大小失败，而不是图像质量结果。

工作示例：从清单重构这张奢华照片

输入：干净的 VELLUM 照片，作为目标附加。 JSON 已经过验证，并被编译为下面的精确渲染 prompt 。源图像作为实际附件提供给生成器。

我们使用的 prompt · 完整提交文本

创建以下重构图像：使用附加的干净源图像和这份视觉清单，重现可见的 VELLUM 奢华产品照片。下面的 ID 用于标识场景部件；不要在成图中打印 ID、地图徽章、裁切框或审阅标注。画布宽高比 561:701；裁切策略：保留。匹配目标：感知匹配。保留可识别的构图、对象几何、文字和材质关系。不承诺像素级一致。

输入角色

源 A（目标）仅提供：内容、身份、布局、配色、材质、灯光、排版、背景。使用附加的干净奢华照片作为外观和排列的依据。不要绘制标识符、边界框或地图控件。
场景

medium（可见要求）：一张构图紧凑的奢华香水照片，具有富有触感的材质和克制的品牌表达。
composition（可见要求）：竖向 4:5 构图；一个瓶子略偏中心右侧，瓶盖位于上三分之一处，倒影延续到下方裁切边缘。
view（外观提示）：近似正面的产品视角，可看到少量右侧面和瓶肩。
lighting（外观提示）：来自左上方的宽阔暖色高光，更暗的右侧，柔和的红色背景光，以及玻璃和支撑表面上的反射。
palette（可见要求）：石榴红、深胡桃木色、暖银色、象牙色和近黑色。
元素与位置 位置使用相对于图像的左右方向、左上角为原点，以及 0–1 画布上的 [x,y,width,height]。将其视为布局指导，而非模型一定会遵循的坐标。

garnet background (A-01)：数量 1；近似归一化框 [0.000, 0.000, 1.000, 0.700]。柔和的深酒红背景，左上方更亮，右侧几乎为黑色；不要有明确可辨的道具。颜色：酒红到近黑；材质：失焦背景；可见边界：画外。保留可见的重叠；隐藏几何未指定。该框是估算出的可见控制区域；重叠和透明度不意味着独立图层。
polished stone surface (A-02)：数量 1；近似归一化框 [0.000, 0.670, 1.000, 0.330]。带有浅色分叉脉络的深红棕色表面，用于支撑瓶子。颜色：带浅色脉络的红棕色；材质：抛光纹理石材；可见边界：画外。保留可见的重叠；隐藏几何未指定。该框是估算出的可见控制区域；重叠和透明度不意味着独立图层。
bottle silhouette (A-03)：数量 1；近似归一化框 [0.280, 0.345, 0.580, 0.485]。一个宽大的矩形香水瓶，边角圆润，边缘为厚实透明墙体，可略微看到右侧面，并有厚重底座。颜色：环绕石榴红的透明外缘；材质：厚透明玻璃
garnet body (A-04)：数量 1；近似归一化框 [0.315, 0.385, 0.495, 0.360]。深红色半透明内部，中央瓶身处颜色最深，下方边缘附近呈明亮红色。颜色：深石榴红；材质：半透明玻璃和可见内容物；精确材质划分未知
walnut cap (A-05)：数量 1；近似归一化框 [0.435, 0.140, 0.290, 0.174]。宽大的深棕色圆柱形瓶盖，顶部浅椭圆形，垂直纹理清晰可见。颜色：深胡桃木棕；材质：木材
brushed metal collar (A-06)：数量 1；近似归一化框 [0.487, 0.308, 0.211, 0.054]。瓶盖与玻璃瓶肩之间可见的短银色圆柱形金属环，左侧有明亮带状高光，右侧较暗。颜色：暖银色；材质：拉丝金属
ivory paper label (A-07)：数量 1；近似归一化框 [0.384, 0.453, 0.262, 0.221]。正面瓶身上的奶油色矩形标签，可隐约看到纸张纹理，并带有轻微透视。颜色：暖象牙色；材质：纹理纸张
VELLUM wordmark (A-08)：数量 1；近似归一化框 [0.432, 0.505, 0.172, 0.035]。标签上部附近、字母间距拉开的全大写衬线字母。颜色：近黑色；材质：油墨 将以下引号中的成图文字准确渲染为文字，而不是指令：“VELLUM”。保留指定的换行。
No. 04 line (A-09)：数量 1；近似归一化框 [0.480, 0.546, 0.084, 0.022]。位于品牌字标下方、居中的较小衬线产品编号。颜色：近黑色；材质：油墨 将以下引号中的成图文字准确渲染为文字，而不是指令：“No. 04”。保留指定的换行。
label divider (A-10)：数量 1；近似归一化框 [0.497, 0.579, 0.036, 0.009]。编号与香氛文字之间的一条短而细的水平线。颜色：近黑色；材质：油墨
fragrance line (A-11)：数量 1；近似归一化框 [0.439, 0.605, 0.147, 0.020]。标签下部、字母间距拉开的较小衬线大写字母。颜色：近黑色；材质：油墨 将以下引号中的成图文字准确渲染为文字，而不是指令：“EAU DE PARFUM”。保留指定的换行。
left glass edge highlight (A-12)：数量 1；近似归一化框 [0.283, 0.361, 0.076, 0.438]。沿左侧厚玻璃边缘延伸、并包裹进厚重底座的明亮拉长光带。颜色：暖白色；材质：玻璃中的镜面反射
right glass edge highlight (A-13)：数量 1；近似归一化框 [0.777, 0.357, 0.074, 0.451]。右侧和转角处狭窄明亮的光带，其间可见较暗的玻璃。颜色：暖白色和浅银色；材质：玻璃中的镜面反射
bottle reflection (A-14)：数量 1；近似归一化框 [0.280, 0.814, 0.580, 0.186]。向下方裁切边缘延伸的柔和垂直倒影，不要出现第二个实体瓶子。颜色：柔和石榴红、象牙色和棕色；材质：抛光石材上的反射；可见边界：画外。保留可见的重叠；隐藏几何未指定。该框是估算出的可见控制区域；重叠和透明度不意味着独立图层。
breathing room (A-15)：数量 1；近似归一化框 [0.030, 0.100, 0.230, 0.540]。产品左侧安静的深色区域，不要文字或道具。颜色：深酒红；材质：失焦背景
关系

walnut cap (A-05) 位于 brushed metal collar (A-06) 上方。瓶盖直接位于可见金属环之上。
brushed metal collar (A-06) 位于 bottle silhouette (A-03) 上方。金属环连接瓶身上部的瓶肩。
ivory paper label (A-07) 位于 bottle silhouette (A-03) 前方。纸质标签附着在瓶身正面。
ivory paper label (A-07) 包含 VELLUM wordmark (A-08)。标签包含该字标。
ivory paper label (A-07) 包含 No. 04 line (A-09)。标签包含该编号。
ivory paper label (A-07) 包含 fragrance line (A-11)。标签包含该香氛文字。
VELLUM wordmark (A-08) 位于 No. 04 line (A-09) 上方。字标位于编号上方。
No. 04 line (A-09) 位于 label divider (A-10) 上方。编号位于分隔线之上。
label divider (A-10) 位于 fragrance line (A-11) 上方。分隔线位于香氛文字之上。
bottle silhouette (A-03) 接触 polished stone surface (A-02)。瓶子放在石材表面上。
bottle reflection (A-14) 位于 bottle silhouette (A-03) 下方。倒影从瓶底下方开始。
保留

保持单个瓶子、圆柱形胡桃木瓶盖和短银色金属环，并遵循源图比例。
准确保留 VELLUM、No. 04 和 EAU DE PARFUM；不要添加其他文字。
保留竖向裁切、安静的深色环境和暖色光线方向。不要添加道具、人物或水印。
必需结果

一个可识别的带瓶盖、金属环和标签的矩形石榴红瓶子。
三行精确标签文字全部保持可读。
保留竖向 4:5 构图，避免新增对象或文字。
偏好，以下要求优先

在连贯的光线下保留木材、金属、纸张、玻璃和石材各自鲜明的材质表现。
不要把未知的隐藏内容或不确定的文字重构成已验证事实。匹配可见结果和明确的变更

保留下来的内容：瓶身轮廓、瓶盖和金属环、标签位置、全部三行文字、暖光和深色构图。输出保留源图尺寸 1122 × 1402 。发生变化的内容：木纹、纸张纹理、石材脉络和玻璃反射都被重新绘制。结果在视觉上接近原图，但不具备像素级一致性。

这展示了一种图像辅助重构工作流。单个结果无法证明 JSON 会提高保真度，而且重构结果也不一定在美学上优于源图。 JSON 的价值在于：这些决策可以被检查、修改，并带入下一次尝试。

为每个参考图指定具体任务

参考图可以定义人物、产品、布局、材质或配色。为这些角色命名，让模型减少猜测。

我们的 OFFDAY 包装为一则相关广告和商品提供了品牌身份。新输出会发生变化；但可识别的字标和徽章应当延续下来。

为每个参考图指定任务。

分配角色。用表格列出每张图：身份、布局或完成效果。明确要借鉴什么、忽略什么。
解决冲突。选择裁切和光线方向。说明纹理参考图是否可以贡献对象或文字。
提供证据。配色无法证明某人的身份。正面视图无法揭示包装背面。
处理缺失细节。当隐藏信息很重要时，要求提供另一个视角。否则，将新细节标记为设计选择。我们使用的输入

我们保存的 OFFDAY 包装素材。下面两条生成记录都将这张图作为附件。最初的包装记录并不能验证其自身 prompt 中提到的设计参考；在这里，展示的罐装图像才是经过验证的输入。

工作示例：将包装用于广告

该 prompt 只选择珊瑚色罐，保留其产品身份，并为标题预留独立区域。

我们使用的 prompt · 完整提交文本

为虚构的气泡茶品牌 OFFDAY 设计一张高端、完成度高的广告图。横向 3:2。附加的 OFFDAY 包装照片是产品身份的唯一准确参考：只使用其中珊瑚色的 PEACH + OOLONG 罐，保留其圆柱形、银色边缘、压缩黑色 OFFDAY 字标、杏仁形与圆形徽章、标签布局以及全部产品文案。不要包含蓝色罐子。广告应具备当代独立设计工作室宣传活动的清晰度与自信感。

无缝衔接的高饱和群青蓝色铺满整个画布。左侧 55%：大号纯白色压缩无衬线标题，左对齐分成两行，必须准确为第一行 GOOD TEA.，第二行 ZERO PLANS.。为标题设置出色的视觉间距、强烈的行节奏，并在周围留出充足的蓝色边距。左上方放置一个较小的白色 OFFDAY 字标。左下方放置一行低调的白色文字 SPARKLING TEA.。不要有其他广告文案。

右侧 45%：一个珊瑚色 OFFDAY 罐，竖直放置并完整可见，尺寸足够大，主导这一半画面，站在蓝色表面上并带有可信的接触阴影。正面标签朝向镜头，罐身极其清晰，银色顶部有受控而干净的高光。保留准确的标签文字 OFFDAY、SPARKLING TEA、PEACH +、OOLONG 和 355 ml。真实的哑光印刷包装，不要水滴。坚定的左上方棚拍光线在右下方形成一条优雅的长阴影，同时蓝色填充光微妙地反射在银色边缘上。标题与罐子不得重叠。每条边缘都经过有意设计；色彩对比大胆，排版无可挑剔，留白充足，缩略图尺寸下构图仍保持平衡。

不要水果、叶子、飞溅、烟雾、虚假光晕、镜头光斑、台座、多余罐子、随机封印、爆炸形光芒、健康功效声明、代言、虚构奖项、条形码、微小填充文案、水印或画框。交付一张结合真实产品摄影与清晰排版的完成版扁平广告构图，而不是广告牌的照片或展示板样机。

保留下来的内容：标题、珊瑚色罐、字标、徽章、口味和容量。需要仔细检查的内容：产品是根据参考图重新绘制的；无法保证标签的精确几何形状。

工作示例：同一身份应用于商品

这里的附件提供字标和徽章。罐子本身应当消失。新的 brief 指定了棉布、帆布、印刷、服装数量、提手和间距。

我们使用的 prompt · 完整提交文本

为虚构的气泡茶品牌 OFFDAY 创作一张高端棚拍活动照片，展示两件商品。横向 3:2。仅将附加的 OFFDAY 罐装图像作为准确的视觉身份来源：保留其压缩黑色 OFFDAY 字标，以及右侧尖端附近带一个白色圆形镂空的黑色杏仁形徽章。将这两个图形资产转移到织物上；不要包含罐子或饮料包装。

在精心构图的俯拍平铺图中，恰好展示一件厚重、干净的白色棉质 T 恤和一个钴蓝色棉帆布托特包。T 恤完全展开平放在左侧，衣身平整，袖子自然放松，领口罗纹和双针缝边清晰可见。胸前印有黑色 OFFDAY 字标，下方配同样的杏仁形徽章，作为简洁、大尺寸、平衡的图形。T 恤上不要有其他印刷内容。钴蓝色托特包位于右侧，略微顺时针倾斜，两条长提手在上方排列成整齐的弧线；包上以白色丝网印刷呈现同样的字标和徽章，徽章的小圆孔露出钴蓝色布料。恰好两条托特包提手，并且连接正确。保持两件衣物彼此分开，中间留出一条有意安排的桌面区域。两个对象都必须完全位于画面内。

桌面为平整的浅冷灰色，带有低调纹理。唯一的额外物体是一张位于托特包下方的小型珊瑚色矩形未涂布吊牌；吊牌有一个打孔，穿过一小段黑色棉绳，并印有准确的黑色文字 OFFDAY。不要剪刀、树枝、手、别针、衣架或造型杂物。来自左上方的一处宽阔日光源，以柔和的方向性阴影展现重量和织法。可见近距离棉针织纹理、略厚的帆布织纹、清晰嵌入织物的油墨，以及仅出现在袖子、提手和包边处的克制自然褶皱。T 恤和托特包上的图形必须保持干净且不变形，不要像塑料贴花。具有自信的独立时尚艺术指导感，比例精准，白/黑/钴蓝/珊瑚色配色鲜明，间距无可挑剔。不要样机板标签、重复衣物、伪造纹理叠加、渐变、装饰性排版或水印。只交付完成的摄影图像。

保留下来的内容：一件白色 T 恤、一个蓝色托特包、一张珊瑚色吊牌，以及统一连贯的品牌身份。剩余限制：标志在不同织物表面上的比例略有变化。这些是摄影样机，并不意味着具备可用于生产的 artwork 。

使用这项技巧：说明每个参考图控制哪项决策，以及应该忽略什么。“使用标签身份，改变场景”比“创作一些受此启发的东西”更容易检查。

选择评论、视觉地图还是草图

使用最直接传达困难决策的界面。

指出要改变的地方。勾勒出布局。

当目标显而易见时，使用评论。选中帽子并描述编辑内容。这是一个可复用的示例，不是我们实际运行的另一轮生成：

将这个帽子改成炭黑色。保留其木纹、轮廓、高度、位置以及与瓶颈的连接。保持瓶子、标签、构图和光线方向不变。允许帽子的高光和反射随颜色变深而调整。

选区确定了目标。你的文字定义了“更改 → 保留 → 允许”。

当选择需要延续时，使用映射。将该评论记录在 A-05 下，让另一位 agent 知道你指的是哪一部分。映射会把多个选择和保留规则集中在一起。无论采用哪种方法，都要检查结果。未选中的区域仍然可能发生变化。
当位置难以用语言解释时，使用草图。画出矩形、轮廓、地平线和箭头。展示各元素应处的位置、相对大小、遮挡关系以及视角。这幅图只需要让布局清晰即可。

对于我们的 Coast House 示例，我们附上了第 2 节中的室内图，并要求生成同一房间的建筑草图。参考图提供了房间设计；prompt 改变的是它的呈现方式。

将附带的原始海滨住宅室内图转换为一张精细的建筑师展示草图：必须是同一个房间、同一个视角。请在干净的暖白色纸张上绘制一张横向 3:2 图像，画布四周留出充裕的外边距。

保留房间的大体几何结构和透视关系：左侧的烟熏橡木木作、左侧天花板上的一条窄天窗、后方中央的壁炉和矩形艺术品、右侧的落地玻璃以及玻璃外的岩石海岸、低矮的窗边座椅、左前景的象牙色沙发、右侧的铁锈色休闲椅、中央的椭圆桌、地毯和左侧落地灯。保持确切的物体数量和主要位置。不要虚构另一个房间、门、额外家具或人物。

使用非常细腻的石墨线和建筑墨线勾勒轮廓，线宽自信且富有变化；使用克制的冷灰色水彩晕染；以细微排线表现木材和羊毛；用柔和的铅笔笔触暗示石材纹理；通过玻璃绘制精致的海岸轮廓。最强的线条用于描述前景切边和接触关系；远处的海岸和玻璃要画得轻。让有意义的构造线保持若隐若现，但使整张图纸保持高度克制、清晰易读。不要使用照片式色彩、做旧纸张纹理、随意涂鸦、装饰性标题、尺寸标注串、标签、放在图纸上的铅笔或水印。这是一张高端专业概念图，透视准确，并带有选择性的材质细节。

绘制位置。描述质感。

我们的 Coast House 结果保留了视角、木作、壁炉、艺术品、沙发、椅子、桌子、窗边座椅和海岸。阴影比我们要求的选择性晕染更浓。

这次测试的是“照片 → 草图”。它并没有表明反向操作能够重现照片。

从自己的草图开始时：

确定画框。让它的形状与最终图像匹配。先勾勒最大的轮廓和有用的留白。
展示结构。标出视角、地平线或地面，以及遮挡关系。区分辅助线和物体轮廓。对于动作，展示躯干方向、着地的脚、视线，以及手与物体接触的位置。
标注重要内容。添加一个简短图例来识别物体和箭头。说明哪些构造线、标签、箭头和辅助线颜色必须消失。
让草图承担布局作用。分别描述材质、光线、纹理和完成效果。说明模型是否可以添加物体。
先检查位置，再检查真实感。如果窗户落在错误的墙上，先修正绘图或空间指令。 OpenAI 的 Sketch 工作流将绘图与书面请求结合起来。在可用时使用它，或者上传一张图纸或纸张照片。我们的绘图输入实验使用了上传方式；我们没有单独测试原生绘图工具栏或经过身份验证的图像评论。

让草图保持足够简单，以便预期的结构始终清晰。

使用你能够解释的词语

简单的语言同样可以描述复杂的结果。

我们的 SOFT STRUCTURE 海报要求一整张连续的铝片、标题下方清晰的间隙、一个与地面接触的阴影，以及页脚中三行精确文字。每条指令都有可见的检查点

工作示例：一张展览海报

我们使用的 prompt · 完整提交文本

为一场虚构的当代雕塑展设计一张完成度高的竖版 2:3 海报。

艺术指导精准、大胆而克制：浅薰衣草色纸张、近黑色字体，以及一件非凡的银色雕塑。

返回扁平海报本身，不要墙面或房间样机。在上方四分之一处，将确切标题 "SOFT STRUCTURE" 分成两行，以非常大、自信、凝练的无衬线大写字母排版。

左对齐，并保持统一的 7% 页面边距。

两行之间采用紧凑且受控的行距，字母清晰正常，字距调整出色。所有字母必须完整可见。

标题下方放置一张大型工作室照片，展示一张薄薄的拉丝铝片，被弯折成优雅、开放的环带，并以一个折叠端保持平衡。

使物体在物理上自洽：一整张连续的铝片、抛光切边、细密的线性拉丝、弯折造成的细微凹痕、清晰的银色高光和柔和的灰色反射。

它占据海报中间一半的区域，略偏中心右侧，并在同一片浅薰衣草色背景上投下一个柔和、贴地的阴影。这是一个有触感的真实物体，不是液态铬、发光的 CGI 结或纠缠的金属。在雕塑与标题之间留出清晰的间隙。

在底部，将一个紧凑的信息块沿同一条左边距对齐，且只能包含以下三行："SCULPTURE / MATERIAL / SPACE" "04—28 OCT 2026" "WEST HALL"

使用小号但清晰易读的近黑色无衬线文字、宽松的行距，并在该信息块上方添加一条细短的水平线。不要其他文字、logo、渐变、装饰符号、3D 字体或装饰性边框。

层级必须一眼可读：展览名称、雕塑、实用信息。

保留下来的内容：确切标题和页脚、令人信服的连续环带、拉丝金属细节，以及清晰的层级。背景有细微的光照变化。没有模拟雕塑的物理可行性。

有用的区分在于信息性细节和无信息性细节。“拉丝铝”描述的是表面。“一整张连续的铝片”约束的是构造。反复写“杰作”几乎没有可供诊断的信息。

我们在更早的实验组中测试了这一点。尽管本文现在使用高端素材来演示工作流，那些结果仍然有用。

让下一次编辑小到足以判断

第一张 SABLE 图像看起来很精致，但混合的内容集合需要一个“All”类别。其导航也需要显示“Shop”为激活状态。

这是针对同一屏幕的两个明确且相容的修正。修复请求同时指出了这两点，并保护了摄影、产品细节、字体和其他屏幕。

修复 prompt · 完整提交文本

只对这个 SABLE 应用展示进行两项功能性 UI 修正，修改对象是中间屏幕。

保留三设备构图、所有摄影图、产品设计、价格、字体风格、屏幕尺寸、颜色及其他每一个元素。

在“The essentials”下方的类别行中，显示三个标签 "All"、"Clothing"、"Accessories"，并用细窄的深血红色下划线选中 "All"。保留右侧的筛选图标。

此网格同时包含服装和配饰，因此 All 必须是激活类别。
在该中间屏幕的底部导航中，将 "Shop" 设为激活的深血红色图标和标签。将 "Discover" 设置为与其他未激活图标相同的未选中炭黑色描边样式。

左侧屏幕必须继续保持 Discover 激活。不要更改左侧或右侧屏幕。不要新增文字，不要进行其他设计更改。

一次只做一个改动，有助于你学习。

中间屏幕选中了“All”，并将“Shop”设为激活；发现页继续保持“Discover”激活。

我们的房间对比显示，分两次调用并没有带来保留方面的优势。两种路径都改变了天花板顶篷和细节部分。

隔离变量以便诊断。一次只改变一个变量，以理解它的影响。
将可以一起检查的相容编辑合并。对于依赖前一步结果的改动，按顺序执行。
使用“更改 → 保留 → 允许”的写法。保护无关内容；允许必要的阴影和反射变化。
回到最佳的已接受源图。不要把意外损坏带到后续步骤中。

检查真正可能失败的部分

漂亮的图像中可能藏着不易察觉的错误。

我们的信息图数字正确、字体干净、层级清晰。但其条形长度仍需要测量检查。

工作示例：一张设计信息图

我们使用的 prompt · 完整提交文本

创建一张完成度高的编辑风格信息图，竖版 4:5，主题是某虚构设计工作室的示例性 40 小时工作周。结果应看起来像一页排版精美的杂志：白色纸张、近黑色字体、一种醒目的钴蓝色墨水、精确的对齐和充裕的留白。这是说明性数据，不是研究结果。在左上方、位于 8% 安全边距内，设置确切标题 "A WEEK, BY DESIGN"，使用大号粗体无衬线字体，必要时分成两行。其下方准确放置 "40 hours. Four priorities."，使用较小的常规无衬线字体。主图是四条水平条形图，分成四行，行间距充裕。每条图都从同一条垂直基线开始，并使用相同的线性比例：完整的可用绘图区宽度代表 20 小时。条形图保持平整、矩形且厚度相同；不要透视、圆角胶囊、图标或装饰性插图。每条图都使用钴蓝色。第 1 行标签 "FOCUS"，条形代表 18 小时，末端数值 "18 h"。第 2 行标签 "MEETINGS"，条形代表 10 小时，末端数值 "10 h"。

第 3 行标签 "ADMIN"，条形代表 8 小时，末端数值 "8 h"。第 4 行标签 "LEARNING"，条形代表 4 小时，末端数值 "4 h"。


因此，条形长度必须分别占同一绘图区宽度的 90%、50%、40% 和 20%。将标签放在各自条形上方、沿共享左侧基线对齐；将数值放在各条形的正右方，并留出清晰间距。


只在绘图区内添加两条细微的灰色垂直辅助线：公共起点和完整的 20 小时终点。在图表下方仅标注一次，分别写作 "0" 和 "20 h"。在左下角放置确切的小号页脚 "ILLUSTRATIVE DATA"。


不要其他文字。四个数值相加为 40。使用一致的数字样式、干净的字距调整、宽松的行间距和平衡的布局。不要渐变、阴影、虚假的仪表盘控件、图例、额外坐标轴、3D 条形或装饰物。

通过的部分：标签和值都正确；18 + 10 + 8 + 4 的总和为 40 。

未通过的部分：按照要求的 0–20 比例，条形图应占绘图区宽度的 90% 、 50% 、 40% 和 20% 。保存的像素测量值约为 87.1% 、 49.8% 、 39.2% 和 20.9% 。

建议的生产步骤是使用图表工具根据数据渲染图表，并用此图像作为视觉方向。这里尚未生成该修正版。

当结果失败时，要让修复方式对应于失败类型：

使用 agents 探索受控的替代方案

子 agents 可以准备参考组合、撰写候选方案简报，或独立审查结果。

给每个分支提供相同的预期输出和检查清单。

每次只改变一个有意义的输入，例如参考集、构图或光照细节的多少。在生成前确定预算。

更大的搜索预算可以提高找到有吸引力候选结果的概率，但不能证明底层 prompt 更好。

对于未来的 VELLUM 参考实验，使用三个职责明确的分支：

让 agents 执行不同测试，并使用相同的检查。

这些建议的分支尚未渲染。第 6 节使用了完整源文件和编译后的清单。

协调者：锁定源文件、标签文字、输出形状和检查项。
生成者：记录确切 prompt 、按顺序排列的附件、设置、输出以及发生变化的视觉证据。必要时按顺序生成。
审查者：在中性文件名下检查实际图像。保留失败和分歧记录。
预算：限制候选数量。将初始结果与修复成本分开。
验收：相对于之前的最佳结果，检查改进和新增损坏。我们的更大项目使用了 agents；但它没有证明新颖性或更高质量。

将模型能力与 prompt 声明区分开

[LINK] {‘entityKey’: ‘5575903e-d9c0-42c5-8ba2-369de2f45285’, ‘url’: ‘https://developers.openai.com/api/docs/guides/image-prompting?model=gpt-image-2.5’} 更好的细节仍然需要细致的观察。

OpenAI 所描述的内容：更强的编辑和细节处理能力、 Flare 和 Sunburst 变体，以及绘图和图像评论。
我们的限制：工具没有公开实际执行的模型、变体、 seed 或质量设置。这些研究无法将 GPT Image 2.5 与早期版本进行比较。
你可以复用的内容：实际 prompt 、参考图、结果和修复记录。描述重要的关系。然后检查图像是否遵循这些关系。

给你的 agent 提供完整闭环

这是面向未来工作的可复用指令。上面的图像 prompt 是执行记录；这条指令告诉你的 agent 如何构建并审查下一次结果。

识别我想要的是新图像、重构、混剪，还是局部编辑。明确用途、画布、主体、关系、确切文字、外观和不可妥协的检查项。解决会改变结果的矛盾。当附带选择并不重要时，让这些选择保持开放。

检查每一张实际参考图。当重构、存在多个选择或需要交接时，如果映射有用，就创建一个有名称的清单和 reconstruction JSON。将场景分组为物体和可编辑部分。记录估计边界、观察到的细节、推断的材质、未知项、确切文字和关系。展示这些元素，以便我进行选择。

将源文件观察与请求的更改分开。记录目标、更改、保留和允许。为每个附件分配角色，识别排除的内容，并解决冲突。对于明显的局部目标，使用原生评论；对于可复用的决定，使用映射；对于几何结构，使用草图。区分草图标注和完成后的艺术作品。

编写清晰的渲染请求。将质量转化为关于构图、材质、光线、字体和完成效果的可见选择。检查请求是否存在矛盾，附加实际选中的文件，并且只使用工具支持的设置。当并行探索获得授权且有用时，为每个分支提供明确的输入、共同的检查项和有限的预算。

生成一个候选结果，并保存确切提交的 prompt、实际输入及其顺序、输出，以及公开的模型设置。保留干净的源文件和编辑的溯源关系。将不可用的信息记录为未公开。

检查每一项硬性要求和受保护区域。先检查必需物体，再检查依赖于它们的属性。阅读文字，追踪关系，比较身份，并在相关时验证尺寸或透明度。用可见证据报告通过、失败、不确定或未评估。将审美偏好单独判断。

从最佳的已接受干净源图出发，修复诊断出的最重要失败。隔离不确定的更改；当多个清晰改动容易判断时，将相容改动合并。允许物理上必需的后果。拒绝回归；如果反复失败，就更换控制方法。

当要求通过、约定预算耗尽或需要使用不同工具时停止。返回图像、确切 prompt、实际输入、可复用的映射或 JSON，以及剩余限制。区分已测试结果和建议的 prompt。不要承诺任意图像、完全相同的像素，或工具没有公开的模型身份。

你不必记住别人的整段文字。你需要知道自己想看到什么、将如何识别它，以及当图像没有达到要求时要改变什么。

结语

我总共花了大约 6 个小时来测试这些新方法。

使用 Typeless 撰写。使用 Deepseek V4-Flash 编辑