1. 项目源起与整体设计思路
1.1 “artcraft”到底想解决什么问题
先说结论：artcraft 不是某个现成软件，而是一套我自己搭建的“AI 辅助艺术创作工作流”的代称。整套东西的核心目标，是让一个“会画画但画不快”或者“有创意但手头功夫跟不上”的人，能用自己的语言去操控图像生成模型，产出一批风格统一、细节可用、可以直接进项目交付（或者继续手绘精修）的作品底稿。
市面上叫 ArtCraft 的同名工具其实有好几个，有做手工艺社区、有做像素画转换的。但在我这边的语境里，artcraft = Art + Craft，艺术 + 工艺。意思很明确：不只追求“生成一张好看图”，而是追求“能稳定地把一个艺术想法做出来，像工匠做活一样有流程、有把控、有收尾”。
做这个项目的起因也很实际。我接了一个需要大量风格化素材的视觉项目，前期的核心问题是：素材量需求大、风格跨度需求细、交付时间被卡得很死。靠手动一张张抠图、手绘、修图根本不现实。市面上的生成工具单张出图效果好，但换风格、保人物一致性、统一画面调性这些事，基本靠碰运气。于是我开始折腾一套自己的方法——用提示词工程 + 模型微调 + 后期工作流组合拳，把“生成图片”变成“稳定生产素材”。
1.2 设计目标与取舍逻辑
在动手之前，我给自己定了三个硬性指标：
第一，风格必须可控。不能今天出一张厚涂明天出一张水彩，所有输出必须锁死在同一个视觉体系里。这意味着提示词里要有固定的风格锚点词，模型层面要有统一的 LoRA，后期调色要有统一的 LUT。
第二，人物与元素必须一致。同一个角色在不同构图里出现，脸、服装、配饰要能对得上号。单靠提示词描述“长头发、蓝衣服、背一把剑”只能保证大致方向，细节一致性必须靠参考图和局部重绘的流程来锁。
第三，产出必须可复用。每张图的图层细节、尺寸规范、命名规则都要统一。这样即便后续要拿进 Photoshop 精修，或者丢进视频制作流程，也不需要重新返工。
这三点定下来之后，整个项目的技术选型就有了依据，后面所有步骤都不是拍脑袋决定的，而是被这三个指标推着走的。
2. 核心细节解析与实操要点
2.1 风格控制拆解：三层锚定法
所谓“三层锚定法”，是我在折腾风格一致性时总结的最有用的一套办法。三个层面分别是：提示词层、模型层、后处理层。
提示词层是最好理解的，也是多数人最先接触到的。风格关键词，比如“厚涂”“赛博朋克”“水墨质感”，必须摆在提示词的最前面，并且要反复出现。这就像跟人介绍一个人的时候先说“这是个东北人”，跟 AI 介绍画面的时候则要说“这是个赛博朋克厚涂风”——第一印象会覆盖后续几乎所有细节的理解。
但只有提示词是远远不够的。模型层才是真正的杀手锏——训练一个风格固定的 LoRA。LoRA 的机制可以理解为：给原有的大模型加一个“风格插件”，插件里装着你想要的那个风格的全部参数。训练好之后，只要在生成时挂上它，画面就会被拉向固定方向，远比提示词来得稳固。
后处理层则是最后一道保险：统一的分辨率、统一的色彩 LUT、统一的锐化参数。这三层合起来，才算真正把“风格可控”这五个字落实了。
2.2 实操中的细节：提示词的结构化写法
直接给一套我自己实测非常稳定的提示词结构，你们可以直接抄作业：
[风格锚点], [主体描述], [场景描述], [构图与镜头], [光影与材质], [色彩与氛围], [质量后缀]举个例子，我要生成一个“雨夜小巷里的提灯少女”：
thick paint, cyberpunk, a girl holding an oil lamp, standing in an old alley, rainy night, wet stone road, medium shot, eye-level, volumetric lighting, rim light, cinematic composition, blue and orange color contrast, gloomy atmosphere, intricate details, best quality, masterpiece这套结构看着简单，但有几个细节值得反复强调：
- 风格锚点词不要只写一个，要写一对。一个管“画种技法”，比如 thick paint；一个管“视觉调性”，比如 cyberpunk。两个合在一起，AI 才能理解你不想只画“厚涂”或者只画“赛博朋克”，你要的是两者的交集。
- 主体描述要写清“人物 + 动作 + 核心道具”，动词要具体，比如“holding an oil lamp”，而不是“with a lamp”，后者会让 AI 在“举着”“拎着”“背后挂着”之间随机发挥。
- 光影与材质不要偷懒。卷曲光（rim light）、体积光（volumetric lighting）这些词，在画面质感上的效果差异远远大于正常人想象，哪怕是AI这种“乱拳打死老师傅”的选手，你对它提了要求，它至少会在七八成概率上照做。
2.3 工具链选型：为什么是这套组合
artcraft 工作流里，我用的主力工具是 Stable Diffusion（SD）系，配合 LoRA 训练、后期在 Photoshop 里精修，偶尔用另一款开源工具做局部重绘。选 SD 而不是其它云端服务的核心理由，其实就两条：本地模型能自由微调，LoRA 机制让风格移植成本降到极低。
实际运行环境上，一台桌面级显卡就能跑 SD 1.5 系模型，训练小规模 LoRA 也完全够用。如果是 SDXL 系或者更大参数量模型，对显存的要求会高一些，建议先做模型压缩和量化再跑，否则一次迭代可能等到人发困。
我在项目中的实际配置大致是：SD 1.5 底层模型 + 自训练 LoRA（约 15~20 张风格样本图） + 固定随机种子 + 常用 VAE 修复模型。这套配置单张出图速度在显卡允许范围内基本都能控制在几秒到十几秒之间，渲染完直接进下一轮筛选和后处理，完全够用。
3. 实操过程与核心环节实现
3.1 物料准备：LoRA 训练数据集怎么搭
如果只是玩票，可以不训练 LoRA，靠提示词硬控风格也能出七八十分的效果。但既然要“批量稳定产出”，训练一个自己的 LoRA 是必经之路，这也是 artcraft 流程里最麻烦但最值钱的环节。
LoRA 的数据集搭建，核心原则只有一条：少量多样，宁缺毋滥。我用的是 20 张图，全部来自项目早期的手绘线稿和参考图。这些图不需要很大——512×512 的尺寸、同一风格、同一角色、不同姿态和角度，就足够支撑一个 LoRA 完成风格迁移。如果追求更高的细节还原度，可以适当增加到 40~50 张，但超过 60 张之后，边际收益就会明显下降，反而增加了过拟合风险。
训练参数方面，我建议的顺序是决定学习率（通常在 1e-4 到 5e-4 之间，偏小为妙）、迭代步数（1000 到 2000 步之间，以损失曲线平稳为参考）、网络维度（16 到 32 之间，越大拟合越强，但泛化会变差）。这些参数第一次可以照抄，但后续必须根据你自己的素材微调。你想追求泛化就调低学习率、调早停止；你想追求极致贴合就加大维度、加长训练——每次改完都重新出几张验证图，对比再改，比什么都管用。
我自己的习惯是：训练完先不动，直接拿训练集里的一张图重新生成一遍，如果还原度能有七八成以上，这个 LoRA 就能用了；如果还原度差，要么加图，要么调学习率。还原度太好，接近照抄，那就要警惕过拟合，降低一点维度。
3.2 批量生成：如何保证一组图风格统一
批量生成最容易翻车的地方就是“跑着跑着风格跑了”。AI 出图是带随机性的，固定同一个随机种子只能保证重复测试时结果一样，但不同构图、不同批次之间，细微的漂移仍然存在。我的应对策略是“三锁定”：锁模型、锁 LoRA、锁种子。
具体操作很笨但很有效：确定一张主参考图，以此图的随机种子作为基准种子。生成同风格的其他图时，固定住这个种子，只更改提示词中的主体描述、场景描述部分。这样出来的图，大概率在光影、色彩、笔触节奏上保持高度一致，因为初始潜在噪声从同一个起点开始演绎。
还有一个容易忽略的细节：采样器与步数必须保持一致。有人用 DPM++ 2M Karras 跑 30 步，有人用 Euler 跑 50 步，同一个模型同一个种子，出来的图风还会有肉眼可见的差异。采样器本质上是影响“从噪声到图像的路径选择”，路径不同，终点往往也不同。我常用的一组参数是：DPM++ 2M Karras，步数 30，CFG Scale 7.0。这套组合在细节保留和画面稳定之间相对均衡，换了素材也基本能直接沿用。
3.3 后期精修：生成不等于交付
生成图不等于最终交付图。至少在我这套流程里，后期所占的精力一点不比生成少。
修复“脏点”与错误细节。AI 生成图在细节上经常有硬伤——手指出问题、文字符号乱码、背景里出现意义不明的块状物。这些问题的解决方式不是反复重新生成，那样效率太低。局部重绘才是正解：把问题区域用蒙版圈出来，配合修改后的提示词重新生成一次，就能把局部修复得很干净。
统一调色。即便有相当严格的三层锚定，不同批次的图在明暗和细部色相上还是会有偏差。我的做法是，把整组图导入后期软件，套用一个在首张图上调试好的渐变映射 + 色彩平衡调整层，让全组图的大基调完全统一。这一步不难，但很多人会偷懒跳过，最终导致整套素材出现色差，那前面风格控制的心血就白费了一半。
分辨率与输出规范。项目交付时每张图的尺寸、DPI、命名规则都必须统一。更稳妥的做法是：生成阶段直接使用目标尺寸（如 768×1024 的竖构图），而不是先输出小图再拉伸——拉伸只会放大画面瑕疵，不如直接生成大尺寸后在后期里压缩。
3.4 参数计算：显存、迭代与效率的权衡
关于“显存不够能不能玩”的问题，我实测的经验是：SD 1.5 系列模型在 6GB 显存上即可流畅生成，训练 LoRA 建议 8GB 以上。如果显存偏小，可以开启模型半精度优化，或者降低 batch size、梯度累积步数加两倍，效果差不多但能省下不少显存开销。
迭代步数不是越多越好。我在 20 到 50 步之间都跑过对比，对于大部分风格化题材，步数在 28~35 之间细节量就趋于饱和，继续增加步数只会增加等待时间，画质反而可能因为采样路径过长而出现轻微“石化感”——笔触变得过硬，缺少自然过渡。这个“石化感”是经常被忽略的副作用，值得警惕。
如果你需要批量生成几百张素材，我建议不要一次性塞满队列，而是分批次跑，每批 20~30 张。这样一旦发现风格漂移或者系统崩溃，损失可控，也方便在批次之间切换参数做对照实验。
4. 场景适配与玩法延伸
4.1 人物设定与角色一致性保持
批量创作人物立绘或漫画角色时，LoRA + 固定参考图双管齐下，基本能解决“同一角色在不同出场中长得不一样”的老问题。更进阶的玩法是在提示词里对着装、发型等细节做变量控制，保留身份特征，切换服装和场景，让角色在不同情境里依然一眼可认。
实际操作中，角色一致性失败的最常见原因不是模型不行，而是数据集里特征被风格信息稀释了。训练 LoRA 时，如果既想让画面风格统一，又想保存角色长相，建议分开训练：一个负责画风，一个负责角色。两个 LoRA 同时挂载。负责画风的用各种风格样本图训练，负责角色的用目标角色的多角度图训练。两个互不干扰，生成时互相配合，效果远胜于合二为一。
4.2 批量资产生产与游戏美术
项目做过一次大量场景素材的批量产出，需求是“一座赛博城市的各个角落，风格要完全统一”。我按照先城市场景 LoRA，再分区域出图的方式：主线街道、暗巷、顶层天台、地铁站入口、下水道等不同场景，每类同一套风格提示词，只改主体和布局描述，最后统一用后期调色层串起来出片。成组的素材放进游戏引擎做背景板或者概念拼接，完全没有违和感。
这类批量资产生产的关键在于“先定模板，再填变量”。花一个小时把提示词模板和参数模板打磨好，后面换场景就是复制粘贴的事。最怕边做边调，那一组图注定风马牛不相及。
4.3 从静态到视频的延伸
artcraft 工作流产生的风格统一静态图，也可以作为视频制作的重要素材。AI 视频工具做图生视频时，对底图要求极高——风格统一、细节干净、构图稳定，这些恰恰是这个流程的强项。我试过用同一组底图生成连续镜头，镜头切换时的画面连贯性，比直接用零散素材乱拼要好得多。
值得留意的是，视频生成工具的模型对画面内容的“重心”有自己的偏好。底图主体如果太偏边缘，生成视频时主体容易被拉出画面之外。所以如果需要拿图生视频，生成阶段就把主体尽量放在画面中心，左右预留出运动空间。别等到生成视频之后发现构图不合适，再来后悔。
5. 常见问题与排查技巧实录
5.1 手部与细节崩坏问题
AI 画手是最经典的槽点。实际应对之策按优先级排序：一是靠提示词定向描述，比如“完美的手”“五根手指清晰”，能解决一部分；二是靠人工筛选，批量出图中手部不崩的比例大约五到六成，靠量取胜也不是不能用；三是靠局部重绘，崩了就圈出来重绘，用修复模型加深修复，效果已经很稳。
还有一个被很多人忽略的问题——文字乱码。AI 生成的图里一旦出现文字，经常是乱写的符号，尤其是画面里有招牌、条幅、书本封面之类元素，十有八九会出问题。解决思路很简单：提示词里一旦遇到文字信息，尽量用“纹理”“图案”“涂鸦”这类抽象描述替代，或者干脆不让画面里出现可读文字。非要出现文字不可的话，直接后续在后期软件里把真文字贴上去，比让 AI 生成可靠一百倍。
5.2 风格漂移的排查思路
如果你生成的图越到后面越不对劲，先别急着骂模型不行。按以下步骤排查：
- 检查 LoRA 是否加载。有时候界面显示挂载了，但实际作用权重为 0，等于完全没挂，出图当然跑偏。
- 检查提示词是否有遗漏。复制粘贴时的空格、引号错误，偶尔会让提示词断句完全改变。
- 检查随机种子是否复位。如果某一次手动设置了新种子，之后又忘了一直沿用，风格就会在微妙幅度上漂移。
- 检查采样器是否被改了。有人一次调参手滑改了采样器没改回来，后续所有图风格大变。
风格漂移通常都是这些低级错误造成的“人祸”，纯技术故障反而很少。排查的时候先怀疑自己，再怀疑工具，效率会高很多。
5.3 关于“AI 味”过重的问题
有段时间我特别不满意出图的“塑料感”——光影过于“完美”，笔触没有变化，整个画面像塑料模型一样光滑得缺乏生命力。尝试了很多调参之后，我的最终解法反而是回到“干老活”上：出图之后加一层带纹理的叠加，或者用后期软件做“笔触加强”，把画面人为地“粗糙化”。这个步骤听着非常反直觉，但实际效果却出奇地自然。
如果你用的模型本身太过“油润”，可以在提示词里加“rough texture”或“painterly edges”，也可以后期叠加画布纹理素材来破掉塑料感。说到底，AI 生成的图是一块好坯子，但要不要精雕、怎么精雕，还是得靠人的手艺。
5.4 崩溃与显存不足应对
批量长时间运行时，偶尔会遇到系统崩溃或显存溢出。这种问题一旦出现，重跑是小事，丢了前面积累的进度和参数才是大事。我的习惯是：
- 每完成一个批次，立即保存状态文件和生成的种子列表，不要等全部跑完再统一保存；
- 跑大图之前，先用小尺寸（如 512×512）验证一遍提示词与 LoRA 组合是否正常，确认无误再上高分辨率；
- 显存实在不够时，开启模型半精度优化，或改用分块处理方式，把一次性生成拆成几个局部区块再合并。
这些技巧单独看都很琐碎，但合在一起能让整个工作流的容错率提升一个档次。
6. 我的实操心得与后续建议
整套 artcraft 工作流跑下来，我最深的感受是：AI 艺术创作这件事，真正值钱的不是“写提示词”，而是“建立流程意识”。提示词谁都会写，但能控制风格、控制角色、控制流程、控制交付标准的人，才是真正能把 AI 工具变成生产力的人。
如果你也想搭建自己的一套创作管线，我的建议是：不要一上来就追求做大而全的平台，先从一个具体的任务出发，比如“我要一套某风格的人物立绘”，然后反推需要哪些环节、哪些工具、哪些参数，一点一点把管线搭起来。每加一个环节之前先问自己：这个环节是服务于“风格可控”“角色一致”还是“批量可复用”？如果三者都不沾，那就没有存在价值，果断砍掉。
另外提醒一句：AI 生成的内容，版权归属和商用边界因平台而异，不同模型、不同工具都有各自的使用条款。如果作品涉及商用场景，务必提前确认所使用模型、所参考的训练图的授权情况，避免给自己挖坑。这条我没法替你做决定，但确实值得在开工之前花时间搞清楚。
我把这个工作流命名为 artcraft，本质上就是想通过艺术与工艺的融合，把“灵感闪现的瞬间”转化为“稳定复现的工艺”。如果你也正在折腾类似的方向，希望这篇内容能让你少走一些弯路。分享里提到的所有参数与流程，是个人实践的经验总结，未必放诸四海皆准，但至少能给你一个成熟的参考坐标，在这个坐标系上做微调，远好过从零开始在随机性里摸爬滚打。
