一张参考图锁住风格，配图从玄学变成流水线

凌晨一点，稿子改到第三遍，终于能发了，配图还一张没有。

我盯着绘图工具的输入框，把「科技感」「简约」「高级」这些词翻来覆去组合了七八次，出来的图一张比一张离谱。好不容易有一张凑合，想再生成几张同系列的，风格立刻飘走。半小时过去，我认了输，随手配了张图把文章发出去，第二天自己都看不下去。

那个夜晚不是个例，是当时每个发稿日的标配。直到后来把配图当成一个工程问题重新拆了一遍，才发现方向从头就错了。这篇文章把错在哪、怎么改、账怎么算，一次讲清。

提示词这条路，方向就错了

图不对，多数人的第一反应是把提示词写得更细。我当初也这样，颜色写具体、构图写明确、光线写清楚，提示词从一行写到一屏。有用吗，有一点，但那种差点意思的感觉始终在，像调收音机，杂音小了，台还是不准。

把配图这个难题拆开看，其实是三层。第一层，风格说不清，「科技感」「简约」这种词太抽象，每个人理解都不一样。第二层，风格复现难，这次折腾出一个满意的，下次换个内容，怎么调都回不去。第三层，多图一致难，一篇文章配五张图，张张好看，摆在一起像五个系列。三层叠加，配图就从辅助工序变成了每篇文章最大的时间黑洞。

后来想明白一件事，文字和画面之间，天然隔着一道翻译损耗。你说「科技感」，AI 可能给你赛博朋克，也可能给你工业风，因为这个词在你脑海里和它训练数据里对应的是完全不同的画面。写得再精确，也是在用更精确的文字弥补文字本身的模糊，相当于两人语言不通，你靠喊得更大声来沟通。

用更大的声音弥补语言不通，方向错了，努力白费。

有个实测很能说明问题。同一句提示词连续生成十张图，十张十个样子。换成垫图，就是先喂给 AI 一张参考图当视觉锚点，同样十张，看起来像一个系列出的。Adobe Firefly 的官方文档对风格迁移有个定义，上传一张图像作为参考，然后生成与该风格一致的新素材，关键词就是视觉锚点。就像给调色师一张样片，他不需要你描述什么叫复古，照着样片调就行。原因不玄，两条路径根本不同，提示词是 AI 先理解文字再脑补画面，每一步都在损耗，垫图是 AI 直接分析参考图的颜色、构图、笔触，把这些特征复制到新内容上，翻译这一步压根不存在。

所以老雷的第一个判断放在这，风格靠「说」是锁不住的，只能靠「给」。评估任何配图方案，先看它是让团队继续调措辞，还是让团队收参考图，前者是在错误方向上优化。

五步流水线，每步只干一件事

方向对了，下一步是把它变成日常能跑的系统。我把它拆成五步，做成了一个 Claude Code Skill。第一步初始化，收参数建运行目录。第二步分析文档，提取标题、章节、关键词。第三步生成配图，参考图加内容描述一起发给 Gemini。第四步上传，腾讯云 COS、Cloudflare R2、本地三种任选。第五步把图片链接写回 Markdown。

跑顺之后，给一篇文章配齐图，三分钟。

这三分钟背后有三个设计决策，决定了这套东西是玩具还是生产工具。

一是单一职责，每步只干一件事。第二步出错就查文档解析，第三步出错就查 API 调用和参考图加载，问题秒级定位。很多人做自动化喜欢一个脚本从头跑到尾，写起来快，坏了就是黑箱。这套思路一句话概括，用前期的结构化投入，换后期的维护自由。

二是断点恢复，每步完成都更新进度文件。第三步生成到一半断了，下次从断点继续，不用从头烧钱重来。生成图按张计费，这条省的是真金白银。

三是模块可替换。哪天想换图像模型，只动第三步，想换云存储，只动第四步，其余一概不碰。

复杂系统的稳定性，来自组件的简单性。

加一个新风格，不改一行代码

这套系统里我个人最满意的设计，是风格的扩展方式。预置风格长这样，封面有渐变科技、新闻报刊、笔记本涂鸦、简笔涂鸦，主图有信息卡片、知识理论、信息图表、科普插画，每种风格对应一张参考图。想加新的，三步，找一张你喜欢的图，按命名规范复制进参考图目录，在 styles.json 里加一行记录。

完事。下次运行，新风格自动出现在选项里，全程不碰代码。

背后是个数据驱动的思路，风格定义是纯数据，脚本只负责读配置、加载图、调 API。就像手机换壁纸，你不需要懂渲染管线，把图放进相册点一下就行。平台适配也是同一逻辑，微信生态封面约 2.35 比 1、主图 16 比 9，小红书 3 比 4 竖版，抖音 9 比 16 全竖版，所有规格写在一份平台配置文件里，加新平台就是加一条配置。

坦白讲这套东西也不是开箱即用，第一次搭会踩一遍配置的坑，凭证、路径、命名，挨个对一遍才顺。但这类坑踩一次就没了，跟提示词那个无底洞不是一回事。

老雷给大家提个醒，评估任何自动化方案时都问一句，加一种新情况要改多少东西。答案是改一行数据，这是好系统。答案是要动代码甚至动好几处，这个维护成本后面一定会吃人。

这笔账怎么算

决策视角把账摊开。

时间账，调提示词时代配一篇文章的图，顺利半小时，不顺利一晚上。流水线跑顺后三分钟，而且不占人的注意力，挂着让它跑就行。

资产账，这部分更值钱。以前调出来的满意风格是一次性的，这次用完下次归零。垫图模式下，一张参考图就是一个永久可用的风格，配图库从碎片化的试错结果，变成一批可复用的视觉资产，换风格像换频道，无缝切。

团队账，配图不再依赖某个手感好的人。谁都能出风格统一的图，新人第一天就能按规范出活。

成本也别回避。搭这套系统要一次工程投入，生成图按张付费，Gemini 的 API 凭证要配好。所以它适合持续产出内容的团队，一周至少几篇的量。一个月发不了两篇的，现成模板凑合一下更划算，别为三张图建一条产线。

给一个简单的自测，三个问题。团队一周稳定产出几篇，还是看心情。配图现在每次占多少时间，顺手半小时，还是每次卡一晚上。上一次调满意的风格，现在还能复现吗。三个答案是多、一晚上、不能，这套系统就值得排期，反之先放着，把内容本身的产能稳住更要紧。

四个里程碑，验收照这个来

决定动手搭，别贪一步到位，四个里程碑各配一条验收标准。

M1，最小闭环，一篇 Markdown 进去，出来一张封面加一篇带图的文档，图存本地。验收就看输出目录里有没有带图的新文档。M2，垫图真的生效，换一张参考图，生成结果肉眼可见地不一样，把两种风格的输出摆一起对比才算过。M3，多平台多风格，同一篇文章出小红书版和抖音版，比例符合各自规格。M4，云存储可用，图传上 COS 或 R2，浏览器打开链接能看到。

三个常见卡点提前说。API 调不通，先查凭证文件配没配对。参考图加载失败，八成是文件名和 styles.json 里记的对不上。上传失败，查对应云存储的凭证。三个都是配置问题，不是代码问题。

还有一句经验，每加一条风格、一个平台，都真实跑一遍再算数。配置写好不等于跑通，这句放在任何自动化项目上都成立。

现在我看到好看的图，第一反应已经不是这图真好看，而是这个风格我要收藏。从欣赏者变成收藏者，这个转变比省下的时间值钱，因为风格一旦可以收藏、可以复用，配图就从每次的创意劳动，变成你名下的一批资产在滚动产出。

开头那个凌晨一点的场景，后来再没出现过。文章写完，一条命令，三分钟后图齐了。

老雷AI实验室一直的观点是，企业用 AI 落地，真正值得投入的不是某次惊艳的生成结果，是把惊艳变成日常的那套系统。配图如此，别的也一样。