关于固定风格这件事，我们试过直接用风格提示词，或者套平台里的 LoRA 模板，但这两种方法都有问题。

提示词每次都要重新复制，换个人使用，理解还可能不一样，LoRA 相对稳定，但依赖平台，也有额外的训练成本。

对于业务场景：一套稳定的 AI 图片风格，至少要固定 4 个要素：
[向右R]分类提示词、反向提示词、参考图，以及使用的模型。
我把整个过程拆成了 4 步。
[向右R]第一步，先把参考图变成分类提示词。
找一组风格统一、内容不同的参考图，交给Codex 做归纳。人物、场景、道具和完整画面，需要分别整理提示词。人物要约束五官和比例，场景要控制空间与光线，道具要写清轮廓和材质，最后再补一组统一的反向提示词。

[向右R]第二步，先找最接近目标的模型。

用同一套提示词，在 3 个模型里分别测试人物、场景和道具。看哪个模型对这套风格的理解最接近目标，换了内容以后还能不能保持同一个方向。

[向右R]第三步，看处理复杂场景的能力
普通的单人画面好看，还不能说明这套风格可以进入项目。我又继续测试了人物特写、多人中景和多人远景。这些画面更容易暴露脸部、人物数量、遮挡和空间关系的问题。

对我来说，选模型不只是看它能做到多好。还要看它最容易坏在哪里。

[向右R]第四步，把确认过的规则封装成 Skill。

我会把分类提示词、反向提示词、固定模型、参考图要求和使用边界整理成 Markdown 文件。

需要时，把这份文件交给对应模型的 Agent，再补充具体的内容需求，同一类项目就能从统一规则开始。

这样下一位同事拿到的，不再是一句“照这个感觉做”。这时候，它才不只是一组好看的图，而是一份团队可以继续使用的 AI 资产。

#民间职场军师howto #野生体验家howto #AI新手村 #ai #ai工具 #大厂 #aigc #设计师 #skill