我是怎么学会一眼看出 AI 修图翻车的

我刚做这一行的时候，看一张 AI 修图结果要花十几分钟。

我会很认真地把图放大到 100%，从左上角的角落开始一寸一寸地看：边缘有没有毛、光影对不对、皮肤纹理够不够、手指数量正不正常。看完之后我会再缩回 25% 看整体平衡，然后再放大，再缩小……来来回回，每张图都像在做一道选择题。看一组 30 张要花我大半个上午。

现在我看一张 AI 修图结果，10 秒内就能下判断。这不是因为我变聪明了，是因为有些东西被反复打脸之后会变成一种”肌肉反应”——你不需要再去想”我应该检查什么”，你的眼睛会自己找到不对的地方。

这种”肌肉反应”是怎么形成的？这篇文章想认真聊聊。它和大多数”AI 修图质量检查清单”教你的东西不一样——清单只能告诉你”应该看什么”，但教不会你”为什么是这些地方在出错”。我希望读完之后你能少花一些我当年浪费过的时间。

第一个让我意识到”原来要这样看”的瞬间

是一张人像照片。

那是一张被一个客户标榜”AI 修得已经很好了”的照片。她拿过来让我帮她”再优化一下”。我第一眼看上去也觉得没什么问题——肤色干净、五官清晰、构图也还行。然后我无意中放大到 200%，看到了那张照片真正的问题：

那个人的耳朵后面，少了一缕头发。

不是 AI 把头发修掉了，是 AI 在抠图的时候，没有正确处理”耳朵和头发的遮挡关系”——它把耳朵后面那缕头发当成了”原背景的一部分”擦掉了。从远处看完全察觉不到，从近处看却像是这个人脑袋上有一块”凭空消失的区域”。

那张图的问题不在我之前花了十分钟检查的所有地方。它在一个我从来没想过的地方。

我当时跟那位客户解释这件事的时候有点尴尬——因为她已经把这张图发给她的客户看了，对方也没看出来问题。她当时第一反应不是”哦原来这里有 bug”，而是”那为什么之前没人看出来”。我得跟她解释这种问题的本质：它不是一个”明显的错误”，是一个”隐藏在所有人没去看的地方”的错误。她当时挺挫败的，因为这意味着她没办法靠”再仔细一点”就避免——她需要换一种看图的方式。

我自己那天晚上回家之后也想了挺久。我想明白了一件事——我之前的”逐项检查法”是错的，因为我在用”已知的清单”去检查”未知的错误”。AI 修图的失败模式从来都不是被某个清单完整覆盖的，它的失败方式比清单要野得多。

那一天之后我开始改变看图的方式。我不再先想”我要检查什么”，我先问自己一个更简单的问题：这张图里有没有什么地方让我”觉得不对”？ 如果有，我去找那个不对的地方在哪。如果没有，我再深一层放大去找隐藏的问题。

这种”先看感觉再找证据”的顺序，比”按清单逐项检查”的效率高得多。你的眼睛比你的清单更聪明——它知道画面里哪里”违和”，只是你以前不肯听它的话。

第二个让我开窍的瞬间

是一张产品图。

那是一张电商客户发来的口红盒主图。她抠完图、换了背景、做了精修，整张图看起来很商业、很高级。她让我”看看还有什么需要调整的”。

我又一次第一眼觉得没问题，但有一点让我”觉得不对”——那个口红盒在地面上的影子，方向不对。

新的背景是一个柔和的桌面，光源应该是从画面左上角斜下来的。但这个口红盒的影子是垂直向下的，像是被一束顶光直接照射的样子。两件事单独看都没问题，但放在一起就很违和——影子在告诉你”光是从顶上来的”，但其他物体的高光告诉你”光是从左上角来的”。

这不是 AI 算错了，这是 AI 没有”全局光照一致性”的概念。它处理产品的时候用了一个光源，处理影子的时候用了另一个光源。两个光源单独看都对，加在一起就不对。

这张图的教训让我意识到了一件事——AI 修图最难的不是单个元素的精度，而是元素之间的物理一致性。光影、透视、色温、反射——这些东西都是相互关联的，AI 经常能把单个元素做对，但很少能把它们之间的关系做对。

从那之后我看一张图的第二步永远是问光从哪里来。我会眯起眼睛，假装自己是这张图里的某个物体，然后问”如果我是这个物体，光是从哪个方向照过来的”。如果同一张图里不同物体给出的”光的方向”答案不一致，这张图就有问题。

第三个让我彻底改变方法的瞬间

是一张被反复修过的图。

一个客户已经在这张图上花了三天时间，反反复复用 AI 工具修了几十次。她每次发现一个问题就改一次：边缘不够干净 → 重新抠图 → 这次边缘干净了但颜色偏了 → 调色 → 这次颜色对了但纹理糊了 → 调整降噪强度 → 这次纹理回来了但光影又不对了……

她最后把那张被反复折磨了三天的图发给我，问我”还能怎么改”。

我看完之后跟她说：“你应该把这张图删掉，重新生成一张。”

她当时很不理解。她说”我已经修到这一步了，扔掉太可惜了。“我跟她解释——一张被修过太多次的图会带上”修过的痕迹”。这种痕迹很难描述但可以一眼看出来：颜色过渡有点僵、边缘有种被修补过的微妙扭曲、整张图的”气”是断的。这些是”过度处理”的副作用，不是再修一次能解决的——再修只会让它更僵。

她最后还是听了我的建议。她重新生成了一张，结果只花了 20 分钟就拿到了比之前那张被她折磨三天的成品更好的结果。她那天给我发的消息是：“我以前一直觉得’修’比’重做’更划算，原来不是。”

这件事让我形成了我看图的第三步：如果我看到一张图有 2 个以上的明显问题，我直接砍掉重来，不再修。这不是懒，是经验——AI 修图的失败往往是耦合的，修一个问题会带出另一个问题，整体重生成往往比逐项修补省时间。

这一条单独写出来听起来像是一个简单的”工作技巧”，但它背后的意义其实很大——它代表了一种对工具的成熟态度：你接受了 AI 工具的概率性输出，不再幻想”通过调整能让任何一次失败的输出变成成功”，而是”用更多次试验来提高成功率”。这是新手和老手之间最本质的差别。

那些清单告诉你的事

我猜你看到这里会想”那些标准的检查项呢？边缘、光影、色彩、纹理、结构、逻辑——你都不检查吗？”

我当然检查。但我检查它们的方式和清单教你的不一样——我不是按顺序逐项过，我是用我对这张图的”整体感觉”去定位问题最可能在哪里。

如果一张图让我觉得”边缘有点怪”，我会重点放大边缘检查发丝和透明区域。如果一张图让我觉得”假”，我会去找光影一致性问题。如果一张图让我觉得”塑料感”，我会去看纹理是不是被磨平了。如果一张图让我觉得”诡异”，我会数手指、数牙齿、看眼睛是不是对称——结构性错误是最常见的”诡异感”来源。如果一张图让我觉得”不对劲但说不上来”，那大概率是逻辑问题——比例不对、季节不对、光从太阳出不来的方向打过来。

每一种”感觉”对应的检查路径，是我被坑了无数次之后形成的对应关系。清单是结果，不是方法——你不可能背会清单就有这种对应关系。你必须真的看过几百张失败的图，被它们坑过、被它们骗过、被它们浪费过时间，你的眼睛才会自己学会”哪种感觉对应哪种问题”。

所以如果你问我”我怎么才能学会判断 AI 修图结果好坏”，我的答案不是”读这篇文章”，而是多看真实的商业摄影作品，多看失败的 AI 生成图，多对比，多被坑。半年到一年之后你会发现你的眼睛突然”开窍”了——你能在 10 秒内对一张图下判断，而且你不知道是怎么做到的。

这种”开窍”是没有捷径的。任何告诉你”6 个维度 30 秒判断”的清单都是在哄你——它们能帮你入门，但走不到老手的那种直觉。

最后想说的一件事

我做这一行越久越觉得，判断 AI 修图好坏的能力，本质上是对”真实”的敏感度。这种敏感度和你对相机的理解、对光的理解、对人体结构的理解、对常识的理解都有关系。它不是一项孤立的技能，而是一系列底层素养的总和。

很多新手做 AI 修图最大的误区不是不懂 AI，而是他们对”真实”的理解还不够深。他们没有看过足够多的真实摄影作品，所以他们不知道一张”真的图”应该长什么样。在这种情况下，AI 修图出来的结果不管对不对他们都觉得”差不多”——因为他们的眼睛里没有那个”真实”的标尺。

如果你现在还分不清 AI 修图的好坏，给自己一个建议：先放下 AI 工具，去看一千张优秀的商业摄影作品。不是为了复刻它们，是为了在你的眼睛里建立”真实是什么样的”这个标尺。等这个标尺建立起来之后，你再去看 AI 修图，你会发现你不需要任何清单，你的眼睛自己就知道哪里不对。

这是我从我那位耳朵后面少了一缕头发的客户身上学到的最重要的一件事。希望它对你也有用。