AI 绘图实战：从 Diffusion 到 Agent
A practical guide to AI image generation, from diffusion to agents
这是我的 AI 绘图实战指南，基于 Python 调用多家服务商的真实实验。从 GANs 到 Midjourney、Stable Diffusion 再到 GPT-4o 和 Nano Banana，我梳理了技术演进与成本陷阱。核心发现是：你为画布付费而非内容，ChatGPT 适合单次创作但难控，而 API 才是重复生产的关键。如今手指和拼写已不再是破绽，真正的分水岭在于“品味”。文章深入探讨了如何编写有效提示词、构建混合工作流，以及如何将图像生成无缝集成到 Agent 中，让 AI 负责创意，代码负责精确执行。
拼写和手指已不再是破绽，现在的破绽是品味：过度的光晕、过度的戏剧性，以及不允许任何平淡的存在。
HN 评论区
81- vunderba
文章很棒。随着 LLM 的工具使用能力不断提升，最近流行起另一种像素画方案：程序化图形（procedural graphics）。
我确实尝试过围绕渲染早期 AGI 风格的 EGA 图形场景构建一套技能，效果出奇地好。
因此，与其存储完整的位图，不如存储一系列简单的绘图指令，用于重现特定场景——就像 SVG 那样。
这样一来，就能避开大型生成模型带来的诸多问题，比如网格对齐、调色板选择以及高频噪声等。
- fsloth
我觉得这篇文章漏掉了一个很棒的技巧。
学会画画。
然后让模型对图像进行重绘风格化。
这样你就能在各种使用场景下，获得构图和场景完全符合你心意的精美照片。
第二个技巧。
用低分辨率几何体（方块、球体等）构建你想要的场景构图，然后用它作为生成图像的锚点（即作为参考图），再让模型按照你想要的风格重新构思画面。
- __bias
这些模型生成的像素画总是看起来像垃圾，因为使用它们的人对该媒介了解不够，无法正确评判输出结果。这篇文章也不例外。如果你想在项目中使用像素画，那就自己去学，或者雇一个具备相关专业知识的人。
- ethanj8011
我觉得这篇文章没告诉我什么新东西，读起来就像是我让 Claude 随手写出来的东西。
- demibabs
文章看起来挺有意思，但我懒得去那些 Claude 式的废话里扒拉出干货。