# Generation Protocol：为什么一次生成，不应该只是一次抽奖？

> Aesthetic Engineering 系列 · 第七篇

> 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)

生成了几十张图，终于挑出一张不错的。第二天，同样的任务再来一次，却又得从头试起。

这可能是 AIGC 创作里最让人疲惫的时刻：我们交付了作品，却没有更接近理解它为什么成立。

上一篇，Art Direction 帮助我们在生成前确定方向：作品要表达什么，什么不能丢，哪些地方允许探索。但方向写清楚以后，仍然需要面对模型的随机性，以及画面出现后才会暴露的问题。

这一篇，我们进入执行层——Generation Protocol，生成协议。这里的“协议”不是技术接口，而是一份轻量约定：这一轮要解决什么问题，结果怎样比较，以及看完之后准备做什么。

它不承诺让每次生成都成功。它希望做到的是：

**即使这一轮没有得到好作品，也能让下一次选择更有依据。**

## 一、为什么生成了很多，却不知道自己进步在哪里

第一轮嫌画面太冷，换了配色；第二轮嫌人物不对，换了参考图；第三轮觉得不够醒目，又改了构图和模型。结果终于变好了，却说不清哪个改动有效。

不同问题被混在同一轮里处理，结果虽然变了，判断依据却没有积累下来。

不过，我们也不必把所有自由尝试都叫作“无效抽卡”。随手探索、寻找惊喜，本来就是创作的一部分。一次性作品未必需要完整记录，偶然得到的好图也不会因此失去价值。

希望反复交付、形成系列或跨人协作的任务，更需要这种约定。此时，我们不仅要有一张可用的图，还需要知道：下次怎样更有把握地得到可用结果。

生成也并非没有成本。除了模型调用，还有等待、筛选、返工和注意力消耗。尤其当结果越来越多，评审者可能已经忘记最初的问题，只是在寻找更新鲜的刺激。

因此，生成之前最值得问的不是“这次出几张”，而是：

**这一轮结束后，哪个决定会变得更容易？**

如果当前最大的障碍是读者看不懂主题，继续比较十种纸张颗粒，可能获得很多细节知识，却没有推进作品。学习的价值不在数量，而在它是否减少了影响下一步选择的不确定性。

## 二、从一张好图，转向一次有问题的生成

一张图可以证明某种结果出现过，却不足以说明它容易出现，也很难说明为什么出现。

因此，我们可以把组织生成和复盘的基本单位，从单张图片调整为一次 Generation Run：围绕一个主要问题，生成并观察一组有比较关系的样本。

这不是要求每次都批量出图，而是让图片带着问题出现。比如，同样是生成十二张封面：

一种方式是连续点击，挑最喜欢的一张。

另一种方式是比较三种人物与系统的关系，每种先生成四张，看看哪种更容易表达本次主题。四张只是示例起点，不是证明结论可靠的标准。

区别不在数量，而在每张图能帮助回答什么。

这里还有一个容易走向僵化的地方：是不是每次只能改一个变量？

不必。动作、镜头和构图常常相互依赖，强行拆开，可能让候选本身失去表现力。更实用的原则是：**一次只解决一个主要问题，并明确哪些变化是一起发生的。**

可以比较两套完整表达，但应把结论限定为“哪套组合更适合”，不要顺手把功劳归给其中某个元素。

协议的目的，是让取舍可解释，不是把创作变成只能逐项调参的工作。

## 三、一个完整案例：从“人在操作”，到“人拥有判断权”

我们以一张假想的“审美工程”系列封面为例。目标是表达：AI 提供大量可能，人负责判断什么值得留下。

> 以下为方法示意，候选、观察与后续判断均用于演示，不是已经执行的实验报告。

### 先把问题缩小

这次不讨论什么颜色最高级，也不比较哪种材料最新颖。我们先解决一个问题：

**什么动作，能让读者看见人正在作出选择，而不只是做事？**

初始假设是：人物主动操作系统，比站在系统前观看，更容易表达人的主体性。但“有动作”是否足够，还需要观察。

为了让比较有意义，我们尽量保持相同的画幅、人物尺度、镜头距离、光线、材料和标题区域，使用同一模型与版本。参考图仍按各自职责使用，不让某组额外获得更强的视觉指导。

主要变化是人物的动作关系：

**候选 A：观看，作为基线**

画面设计：人站在一组候选卡片前，没有接触  
希望观察的差异：容易被理解为观看，还是也能表达判断？  

**候选 B：整理**

画面设计：人把候选卡片排齐  
希望观察的差异：动作是否只传达了劳动与秩序？  

**候选 C：选择**

画面设计：人从候选中取出一张，放进留存区  
希望观察的差异：是否能让“取舍”被看见？  

三组都应该认真设计，不能故意把 A 做得暗淡、把 C 做得精美。那样比较的可能只是完成度。

### 把“执行正确”和“表达有效”分开

第一步检查模型执行：动作有没有画对？手与卡片的关系是否清楚？是否擅自改变了人物比例或场景？

如果 B 没画出整理动作，不能据此认定“整理不适合这个主题”。那首先是执行问题。执行失败也应记录，不能悄悄丢弃，让某个方向看起来更稳定。

第二步检查表达：找几位接近目标读者的人，先不解释创意，也不告诉他们我们偏爱哪组。将图片打散呈现，分别询问：“你觉得这个人在做什么？这张图想表达什么？”

这只是寻找误读的轻量检查，不代表受众总体结论。可以先看无标题画面，再放回真实封面，确认标题与图像能否共同工作。

### 假如出现这样的观察

A 被理解为“参观展览”，B 被理解为“整理档案”，而 C 虽然出现了取出卡片的动作，却仍有人看不出为什么取这一张。

这时，收获不该只是“选 C”。

可以据此提出下一条假设：**在这个主题中，只有动作可能还不够；让选择及其后果可见，也许更有助于表达人的判断权。**

下一轮就不必同时换配色和材料。可以沿 C 继续，比较“只有取出动作”与“同时看见留存和舍弃区域”两种表达，检查取舍关系是否更清楚。

而如果 A 反而更容易被理解为审慎判断，也应保留它，重新检查初始假设。实验不是替既定偏好寻找证明。

这个案例展示的不是一条保证成功的 Prompt，而是一次判断如何被收窄、质疑，再变成下一轮的问题。

## 四、探索、比较与收敛，分别需要什么

上面的案例主要处于比较阶段。但还没找到方向时，我们需要更开放；方向成立以后，则需要更稳定。

可以用三种模式组织生成，不必另背一套复杂流程。

**探索：让可能性拉开距离。**

主题相同，可以尝试人物取舍、物理筛选装置、编辑式信息结构等不同表达。此时不要因为某张图完成度最高，就过早认定它最好；一个粗糙但准确的新关系，也可能值得继续。

**比较：让差异有理由。**

缩小候选范围，尽量统一无关条件。像封面案例一样，让观看、整理、选择代表可以讨论的判断，而不是三张什么都不同的图。

**收敛：保护已经成立的部分。**

确认取舍关系有效后，就不必每轮重开世界观。接下来可以处理手部接触、卡片间距和标题空间。局部修改还要检查是否破坏了原有叙事。

探索需要开放，比较需要可比，收敛需要连续。它们可以往返，但往返应有原因：是发现了新可能，还是现有方向无法继续？

把这套方法迁移到 AIGC 带货视频，同样可以先比较“先呈现使用痛点”与“先展示产品”的开场路径，再打磨镜头与节奏。商品事实和承诺边界应保持一致。

不过，内部觉得某版更清楚，不等于它真实转化更好。表达检查之后，还需要在合适的投放条件下验证业务效果，不能把审美偏好直接写成增长结论。

## 五、比较能告诉我们什么，不能告诉我们什么

生成协议借用实验的纪律，但不是一套自动发现因果关系的机器。至少要守住三条边界。

### 一起变化的因素，不能随意拆开归功

如果我们同时把蓝色换成暖灰、玻璃换成纸张、人物从仰望改成操作，最后画面更符合人文技术立场，只能先说明这组表达更适合当前任务。

究竟哪项变化起了作用，仍不清楚。实验设计中的因素混杂提醒我们：不同影响可能混在结果里，无法直接分开。[NIST 实验设计术语](https://www.itl.nist.gov/div898/handbook/pri/section7/pri7.htm)

明显违背方向的图可以用来说明禁区，但不能代替细致对照。要讨论主体性，就别同时用更漂亮的配色替它助阵。

### 小样本的观察，不能升级为永久规则

“这轮 C 更容易被理解”是局部观察；“主动动作永远更好”是过度推断。

材料、内容和媒介换了，判断可能改变。每次结论都应带着适用条件，以及什么证据会让我们改变看法。

初轮可以给候选相近的样本与打磨预算，避免只拿某组的幸运赢家比较。后续根据观察追加资源则完全合理，只要记录追加了什么，别把不同投入伪装成同等比较。

### 写进 Prompt 的固定条件，不等于画面真的固定

模型可能在改变动作时，也改变镜头、光线或人物尺度。所以“固定变量”既是输入约定，也是结果检查项。

随机种子 Seed 能帮助管理部分随机性，却不是全面复现的保证。Diffusers 官方文档也明确提醒：相同 Seed 并不保证所有情况下得到相同结果。[Diffusers 复现说明](https://huggingface.co/docs/diffusers/en/using-diffusers/reusing_seeds)

工具不开放 Seed 时，记录可获得的设置并重复生成即可，不要假装控制了不可见的条件。

因此，记录应保留条件、观察、选择理由和待验证的解释，让后续比较能继续检查它们。

## 六、从幸运样本，到稳定可用的生成条件

如果任务只是做一张封面，一次意外命中的结果可能已经足够。但如果要连续做二十张，问题就变了：

我们需要的不只是最高点，还包括到达可用结果的难度。

回到封面案例。假设某种“人物选择卡片”的构图偶尔极好，但大部分结果都画不清手与卡片的接触；另一种构图不那么惊艳，却更容易保留取舍关系，也更方便排标题。

不能脱离任务说哪一种更优。艺术探索可以承担更高的不确定性，系列生产则需要认真考虑返工负担。

因此，一组结果至少值得观察：

- 多少样本满足本轮核心要求；
- 失败反复发生在哪里；
- 修到可用还需要多少人工处理；
- 换一个内容或画幅后，关键关系是否仍然成立。

这些观察不必合成一个总分。它们帮助我们区分：哪些缺陷可以低成本修复，哪些困难来自方向本身。

评估一次局部编辑时，也不能只看“卡片修好了没有”，还要看“人的动作关系有没有被破坏”。否则，局部变精致，整体却后退了。

**稳定不是每次长得一样，而是在允许变化时，重要的判断仍能留下。**

## 七、什么时候继续、回退、编辑或停止

生成协议不只是安排下一轮。它还应该帮助我们识别：下一步是否仍然值得生成。

**当前观察：核心关系成立，只剩手部、字距等局部问题**

更合适的下一步：进入编辑或排版，避免整图反复重做  

**当前观察：模型始终没执行出约定动作**

更合适的下一步：检查指令、参考与工具执行能力  

**当前观察：动作执行正确，读者仍然误读主题**

更合适的下一步：回到方向假设，重新设计表达关系  

**当前观察：多轮结果只重复表面变化**

更合适的下一步：停止扩样，比较现有候选或调整问题  

**当前观察：出现偏离预期但有价值的新表达**

更合适的下一步：保留分支，决定是否另开一次探索  

停止也需要预算。开始前约定可投入的时间、调用成本和评审精力；到达上限时，可以作出暂定选择，也可以承认尚无足够证据。不要因为已经花了很多，就继续投入。

停止生成，不等于停止创作。一次实验结束后，仍可能进入人工编辑、读者检查或媒介适配。

同样，没有新知识也不意味着这一轮没有价值。在收敛阶段，完成最后一个必要修正，本身就是进展。我们不需要为了满足“每轮都有洞察”，强行为执行工作编造新发现。

协议要解决的是无意识的循环，而不是阻止人把作品做完。

## 八、一张最小实验记录：留下判断，也留下意外

不必先开发平台，也不必每轮填十几个字段。可以先用一张记录卡，把关键判断留下来。

沿用前面的示意案例，它可以这样填写：

> **本轮问题**：怎样让读者看见人在取舍，而不只是做事？  
> **生成安排**：观看、整理、选择三组；尽量保持场景与画面条件一致；每组先出四张，作为探索起点。  
> **预先观察**：先查动作是否执行，再查读者如何理解；先用一轮生成和一次轻量读图检查决定是否继续。  
> **观察与边界（示意）**：取出动作仍可能被误读；这提示选择后果不够清楚，不能证明某种动作普遍更优。  
> **下一步**：比较有无留存、舍弃区域的表达；保留现有配色和材料，不同时重开其他问题。

Prompt、参考图、模型与设置、候选及修改版本，附在记录后面即可。工具能自动保存的，就不要让创作者重复抄写；人主要补充系统无法替自己承担的解释与选择。

记录中还应允许出现“尚不确定”。看到一张意外的好图，不一定立刻知道它为什么成立。可以先保留，注明它打破了什么预期，再决定是否单独探索。

不是所有惊喜都需要当场转化成规则。也不是所有失败都值得长期收藏，只留下能说明误读、边界或下一步方向的样本。

如果表格越来越完整，团队却从不因为观察改变行动，就需要缩减记录，重新检查哪些信息会影响决策。

**协议是否有用，不看填了多少字段，而看它有没有让下一步更清楚。**

## 写在最后

生成协议把一个容易被忽略的动作放回了创作：在下一次点击之前，说明自己还不知道什么，准备通过哪些结果继续判断。

Art Direction 约定方向与边界，Generation Protocol 组织探索与记录；观察可以让我们继续，也可以让我们回头修正方向。人的判断不只发生在最后挑图的那一刻，也发生在决定比较什么、相信什么，以及何时停下的时候。

自由探索仍然有价值，偶然的好作品仍然值得留下。但当我们希望从一次成功走向持续创造，就需要让成功和失败都留下可用的线索。

**下一次点击 Generate 之前，先问一句：这一轮结束后，哪个决定会更容易？**

下一篇，我们进入判断层：《Aesthetic Critic：AI 如何帮你做判断？》。本篇约定如何获得可比较的结果，下一篇将展开怎样评价这些结果：哪些证据支持选择，哪些分歧需要保留，以及为什么审美判断不能被一个总分代替。