DALL-E 高效工作流：与 AI 协作的最佳实践
我为什么开始认真研究 DALL-E
去年年底，我接了一个独立项目的活：为客户的一款理财 App 做整套宣传物料，包括落地页配图、社交媒体帖子、博客头图。按老办法，我得外包给插画师，预算有限不说，来回改稿至少要两周。当时我刚开始用 ChatGPT Plus，顺手试了试 DALL-E 3，结果第一张图就让我愣住了——虽然不完美，但方向对了七成。
问题来了：为什么有时候一句话就能出好图，有时候改十几遍还是不行？接下来三个月，我在实际项目里摸索出了一套稳定的工作流。这篇文章就是我把踩过的坑和有效的方法整理出来的结果。
第一步：别急着写提示词，先明确“图的任务”
我最初的错误是拿到需求就开始写提示词。比如客户说“要一张体现财务自由感觉的图”，我直接输入：
一张体现财务自由感觉的图片
出来的东西是一堆金币和自由女神像的奇怪混合体，完全不能用。
后来我养成了习惯，写提示词之前先回答三个问题：
- 这张图用在哪？（落地页 hero 图？文章配图？社媒方图？）
- 画面主体是什么？（一个人？一个场景？一个抽象概念？）
- 什么风格是“对的”？（扁平插画？写实照片感？3D 渲染？）
同样是“财务自由”，用在博客头图时我最后用的是：
扁平插画风，一个人坐在山顶的躺椅上看日出，身边放着打开的笔记本电脑，远处是连绵的山脉，配色以橙色和深蓝色为主，留白较多，适合作为博客头图，宽屏比例
这张图客户一次通过。关键不在于词有多华丽，而是把用途、主体、风格全部说死。
我总结的提示词结构模板
用了大概五十多次之后，我把提示词固定成了这个结构：
[风格] + [主体与动作] + [环境/背景] + [构图/视角] + [配色/光线] + [用途约束]
举几个实际用过的例子：
产品场景图：
写实摄影风格，一杯冒着热气的咖啡放在木质书桌上，背景是虚化的笔记本电脑和绿植，晨光从左侧窗户照入，浅景深，正方形构图
App 配图（插画类）：
现代扁平插画，一个年轻人用手机查看图表，表情轻松愉悦，背景是简洁的几何图形装饰，主色调蓝绿色，无文字，16:9 比例
注意最后那个“无文字”——这是我踩坑踩出来的。DALL-E 早期版本生成中文基本必乱码，英文偶尔能对但经常拼错。所以现在我所有提示词都会加上“无文字/不含任何文字”，文字后期用 Figma 或 Canva 自己叠上去。
迭代技巧：改提示词，而不是碰运气
新手最常见的问题是一张图不满意就换个完全不同的提示词重抽。我一开始也这样，结果全靠随机的好运气。
正确做法是把 DALL-E 当成一个“理解字面意思、但会过度发挥的合作者”。它每次生成其实都在执行你的描述，所以迭代要做减法和加法，而不是推倒重来。
举个例子，我做一张“远程办公”主题的配图：
第一版提示词：
插画风，一个人在家办公
出图：人物在厨房桌子上，背景太乱。
第二版（加约束）：
插画风，一个人坐在整洁的书房书桌前用笔记本电脑办公，背景是书架和一盆绿植
好多了，但人物是背影，缺少情绪。
第三版（只改一个问题）：
插画风，一个微笑的年轻女性坐在整洁的书房书桌前用笔记本电脑办公，正面视角，背景是书架和一盆绿植
第三版直接可用。每轮迭代只解决一个明确的问题，这是效率的核心。如果同时改三个问题，你都不知道是哪个改动起效了。
批量生产：用变体思维做整套物料
那个 App 项目后期，客户要 12 张风格统一的社媒图。一张张写提示词肯定风格会飘。我的做法是先打磨出一张“母图”，确认风格，然后固定风格描述部分，只替换主体：
固定部分：
现代扁平插画，主色调蓝绿与橙色，简洁几何背景，无文字，方形构图
可变部分依次换成：查看图表的人、手机支付场景、储蓄罐、上升的箭头与人物……
12 张图的风格一致性大概能做到 80% 以上。剩下不到两成的色差，后期统一加一层调色就解决了。另外一个小技巧：把母图的生成编号记下来，如果某个变体崩了，可以用“参照编号 XXXXXXX 重新生成，把主体换成 XX”（DALL-E 3 在 ChatGPT 里支持通过 gen_id 引用之前的图）。
三个我常踩的坑
1. 它会自作主张加东西。 我让它画“书桌上放着咖啡”，它经常多加一只猫。后来我学会了在提示词末尾加“画面中只有：……”来限定元素清单。
2. 手部和文字依然是弱项。 人物手指数量诡异、文字乱码这类问题，与其反复重抽，不如换个构图（比如人物背影、特写局部）绕开，或者后期修。
3. 别指望一次出图，预算 3-5 轮迭代。 我现在给自己定的预期是：简单图 1-2 轮，复杂场景图 3-5 轮。把迭代时间算进项目排期，心态会好很多。
我的完整工作流总结
- 明确用途、主体、风格（3 个问题）
- 按模板写提示词，带上“无文字”和比例要求
- 生成后逐项检查：风格对不对？主体对不对？有没有多余元素？
- 每轮迭代只改一个问题
- 批量需求先做母图，再复制风格做变体
- 文字和精修放回 Figma/Photoshop 处理
诚实的局限性评估
- 复杂逻辑场景不行：比如“三个人围桌讨论，其中一人指着屏幕上的折线图”，人物关系和视线经常出错。
- 精确构图控制弱：想要“左边 1/3 是产品，右边 2/3 是人物”，只能靠反复描述碰，不如专业设计软件可控。
- 一致性有上限：同一个角色跨图出现，长相很难完全一致，做连续漫画角色还是费劲。
- 版权要注意：商用前确认客户对 AI 生成物料的接受度，别直接拿来当品牌主视觉。
总体来说，DALL-E 对我这种“量大、风格统一要求中等、deadline 紧”的工作是真正的效率倍增器——那个原本要两周的物料项目，实际三天交付。但它替代不了设计师的判断力，它能做的是把你脑子里已经有雏形的画面快速变成成品。提示词写得越清楚，它就越像一个靠谱的执行者。