AI 修图 50 个问题:别背答案,先学会分类
把 AI 修图的 50 个问题想成一张体检单。
医生不会看到 50 个指标就逐条解释半天,而是先判断它们属于哪一类:血糖、肝功能、视力,还是心电图。修图也一样。新手最容易急着找答案:这个能不能一键抠图?那个为什么脸变了?为什么主图发灰?可问题如果没有先分类,答案会越查越乱。
图注:先把问题分类,再决定用哪一步处理。
这篇不列 50 条问答。那样看起来热闹,实际用起来像翻抽屉。我们换一种讲法:先把常见问题归成 5 类。以后你遇到新问题,就先判断它属于哪一类,再决定交给图叮 GPT-image-2.0、Photoshop 25.4,还是人工复核。
一、第一类问题:输入图本身不够干净
很多问题不是 AI 没听懂,而是原图已经把路带偏了。
团队实际经验里,2026 年 4 月 18 日整理过一批产品精修反馈,里面有 42 张图被标成“AI 修坏了”。复看原图后,真正属于模型误判的不到一半。更多情况是拍摄时就有偏色、虚焦、反光、边缘遮挡,AI 只是把这些问题放大了。
这类问题像体检前一晚没睡好。指标会受影响,但问题不一定出在检测设备上。放到修图里,就是别急着怪 AI,先看原图能不能作为稳定的基础素材。
常见表现有 4 种:主体边缘发毛、白底不白、局部高光死白、低清图硬拉后出现蜡感。遇到这些情况,第一步不是换提示词,而是先问一句:这张原图够不够当“母片”?如果母片不稳,后面的每次生成都像在补墙上的裂缝,补得再勤,墙还是会继续开。
对应关系可以这样记:
| 体检单上的信号 | 修图里的对应问题 | 先做什么 |
|---|---|---|
| 指标受干扰 | 原图虚焦、偏色、反光太重 | 先修原图或换素材 |
| 关键项看不清 | 主体边缘不明确 | 先抠图/清边 |
| 参考标准不一致 | 参考图和目标图不匹配 | 先统一参考标准 |
二、第二类问题:提示词说得太满
新手写提示词,常见坑是把所有愿望塞进一句话:要高级、要干净、要真实、要更有质感、要像大牌广告、还要不改变商品。
这句话听起来完整,其实很难执行。它像在体检单备注里同时写“全都重点查”,医生当然会看,但很难知道你最担心的是哪一项。系统也一样,会选一个方向,但未必是你想要的方向。
更稳的写法,是把要求拆成顺序:先保主体,再调光影,再补背景,收尾统一色调。比如一张护肤瓶主图,不要一上来写“做高级感电商海报”。可以先写“保持瓶身形状、瓶盖比例、标签位置不变”,再写“背景换成浅米色台面,柔光,阴影自然落地”。这不是啰嗦,是把检查重点写清楚。
真实项目脱敏复盘里,美工小林在杭州滨江一个电商小组做过 18 张小家电主图。第一次提示词写得很满,出来的图确实好看,但机身散热孔少了两排。第二次把“不可改结构”放到第一句,再分开写背景和光线,返工明显少了。
三、第三类问题:AI 适合初修,不适合替你验货
AI 很擅长把重复劳动压短。抠背景、去灰尘、统一明暗、补干净台面,这些活交给它很划算。但有些判断不能完全交出去。
比如首饰的爪镶、家电的接口、服装的走线、食品的保质期文字。这些地方不是“画面元素”,而是商品证据。AI 可能会把它们修得更顺眼,却也可能顺手修没。
这里继续用体检单来理解:机器能测出指标,但不能替医生判断你接下来要不要复查。修图也一样,AI 可以把图送到 80 分附近,剩下 20 分要看商品属性。产品图不是插画,不能只看画面顺不顺。
我建议把人工复核放在 3 个位置:第一次生成后看主体有没有变形;PS 收尾前看文字、接口、纹理有没有少;导出前放大到 200% 看边缘和关键结构。别嫌这 3 次慢。真正拖慢交付的,往往不是检查,而是没检查带来的返工。
四、第四类问题:批量问题要看一组,不要盯一张
单张图翻车,很容易被发现。批量图跑偏,反而更隐蔽。
比如 30 张耳机图,每张单独看都不错,放到详情页里才发现:有的偏冷,有的偏暖,有的阴影落在左边,有的落在右边。用户不会说“第 17 张色温不对”,但会觉得这家店不够稳。
内部复盘中,2026 年 4 月有一组 36 张配件图,前 12 张按单图修,后 24 张改成“先定样张,再批量套标准”。后半组的返修点更集中,主要集中在阴影深浅,不再到处冒出形状、色温、背景不一致的问题。
所以批量处理的关键,不是每张都修得像样,而是一组图放在一起也像同一个店铺。这个判断要从“单张漂亮”切到“整组稳定”。就像体检不能只看一个指标,单项正常不代表整体状态就稳定。
五、第五类问题:工具边界要提前说清
很多修图沟通的问题,不是技术问题,是预期没对齐。
客户说“能不能更真实一点”,可能是在说光影太假;运营说“能不能更高级”,可能是在说背景太空;老板说“像竞品那样”,可能是在说构图,不是在说颜色。你如果直接把这几句话丢给 AI,结果大概率会变成另一张漂亮但不解决问题的图。
更好的做法,是把模糊词翻译成可检查的动作:
| 对方说法 | 可能真实意思 | 可执行动作 |
|---|---|---|
| 更真实 | 阴影、比例、材质不可信 | 校准光源和接触阴影 |
| 更高级 | 背景和留白太杂 | 减少道具,统一色调 |
| 不要 AI 感 | 细节太平、纹理太顺 | 保留材质纹理和轻微瑕疵 |
这一步很适合写在交付前。图叮 GPT-image-2.0 负责生成和重绘,Photoshop 25.4 负责局部收尾和检查,人工负责判断商品证据是否还在。三者不是谁替代谁,而是像检查、复核、签字。少一段,交付都可能跑偏。
用这张体检单收一下
体检单解决的不是“背答案”,而是“先分类”。
你不会拿到体检报告后,把所有指标都问一遍“正常吗”。你会先看是哪一类:血糖、肝功能、视力,还是心电图。AI 修图也该这样看。50 个问题不是 50 条独立答案,而是一张分组后的检查单。
下次遇到问题,先别急着问“这个怎么修”。先问:它是输入图问题、提示词问题、AI 边界问题、批量一致性问题,还是沟通预期问题?能先分清类型,后面的答案就不会乱。
相关文章
Photoshop 加 AI 批量修图教程:6 个问题讲清每一步怎么接
Photoshop加AI批量修图,不是把图片全丢给模型。本文用6个真实工作流问题,讲清原图整理、AI初修、PS收尾、抽检和返工记录怎么衔接。
AI 修图第一批 20 张怎么验收:别急着放量,先过三道关
第一批20张图不是为了证明AI有多快,而是为了找出后面会批量放大的问题。本文把验收拆成样张、分组和放量三层,方便团队判断能不能继续扩批。
AI 修图前后对比怎么看:别只看好不好看
AI 修图前后对比不能只看画面是否更漂亮,还要看结构、材质、卖点和风险信息有没有被改变。本文给一套审核方法。
AI 修图需求单怎么写:先把输入说清楚,再谈出图效率
AI 修图返工多,很多时候不是模型不行,而是需求单没有把目标画面、材质边界、禁改范围和导出规格写清楚。本文给一套可复用模板。
推荐阅读
批量抠图高效工作流:图叮AI抠图+精修+换场景一条龙
用图叮AI的一键抠图配合万物精修、万物迁移等功能,建立批量抠图到出图的完整工作流,大幅提升电商设计效率。
卡通T恤图案提取:从褶皱实拍衣服上提取干净印花
图叮花纹提取功能从有褶皱的卡通印花T恤实拍图中提取干净平整的图案,修正面料褶皱产生的扭曲。
局部重绘业务实战:按对象类型选择重绘策略(人物/产品/背景)
面向创意设计师,按业务对象类型给出局部重绘的策略决策树,含人物/产品/背景三大场景的参数和验收标准。
中文 vs 英文 prompt 实测对比:跨境电商场景的 5 个差异
同一件雾面陶瓷面霜罐,中文 prompt 出来偏暖灰、英文 prompt 出来更纯白。截至 2026-04 在图叮AI 上跑了几百轮跨境出图后,我把中英文 prompt 在风格词、品牌术语、节日、平台规范、混合时机这 5 个点的差异拆开讲一遍,每个差异给实测对照、输出对比和适用场景。