作者南鸢 nuyoah 在已有 AI 生图课程的基础上，重新撰写了一套 7 万多字的入门课程。文章阐述了重写的原因：现有课程起点过高，默认读者已具备基础操作能力，而真正的初学者往往连 Prompt 是什么都不清楚。作者强调，AI 生图工具已进化到对话式交互，但许多教程仍停留在 Stable Diffusion 时代，且 Prompt 被过度神秘化。新课程从零开始，涵盖入门篇和主线课，注重培养看图、判断和沟通的能力，而非单纯记忆模板。课程不绑定特定模型，强调可迁移的技能，并附有失败案例以帮助理解。文章最后说明了课程适用人群和两个学习入口。
作者以AI生图的窗边咖啡馆人像提示词为例，讲解如何整理AI生成的冗长提示词。核心方法是：删流程、合重复、换实景、测删除。要点包括：去掉分栏小标题后整体通读，合并重复表达同一意思的形容词；把'不要杂乱'等否定句改写为具体的正面画面描述；将'高级感、电影感'等笼统大词拆解为具体的光线、配色和构图要求；一次只删一句，对照出图验证效果，但不要为了精简丢掉关键的安排。最终目标是写出自己能读懂、出了问题知道从哪句下手的提示词。
本文是「搭建个人视觉体系」系列教程第3篇，讲解如何用AI建立个人配图规则。作者将创作者配图归纳为封面、信息图、数据图表、插画四大系统，介绍新粗野主义、极简信息设计、瑞士杂志等常见风格，并提出融合参考图设计语言与已有头像、Banner视觉资产的方法。文中提供完整Prompt用于让AI生成「个人配图规则」，指导读者通过四类测试图验证视觉统一性，并示范如何将规则应用到show-me、archify等图片类Skill中，最终形成可长期迭代的个人视觉识别体系。
作者精心整理了一份 AI 视觉与影视领域的 59 篇精选文章合集，涵盖 AI 视频生成、AI 生图、数字人、动画制作、ComfyUI 工作流等多个方向。内容包括 Cursor + Remotion 动画制作、Seedance 视频模型玩法、Gemini 3 Flash Image 生图探索、Suno AI 音乐生成、Claude Skill 开发、GPT Image 实测、数字人口播教程、3D 预演台实操等。文章以保姆级教程为主，兼有开源项目与经验分享，适合 AI 视觉与影视创作爱好者系统学习参考。
文章继续AI人像摄影提示词系列，给出三套光线差别极大的模板：高调柔光商业、硬光现场感和纪实抓拍。作者强调负面词不能通用——模板A的「反影棚化」禁令与模板C需要的影棚感要求几乎相反，负面词必须跟随意图。文中指出关键差异要写成事实：唯一光源、几乎没暗部、闪光让瑕疵更明显等，并分享手部处理技巧（藏进口袋、明确落点、被画框裁掉），以及quality=medium反而更真实等反常识经验，适用于gpt-image-2.5生图。
作者南鸢分享了自研的「人像角色设定师」Skill，用于解决 GPT Image 2.5 生图时人物脸部千篇一律的问题。用户只需用自然语言描述想要的气质（如清冷、明媚、初恋感），Skill 便会将其展开为包含骨相、妆容、发型、服饰与场景的完整中文提示词，可直接用于生图。文章通过唐风妆容与初恋感两个实操案例，讲解了如何分步沟通、保留喜欢的五官、只改妆容或表情，并提供了 Skill 的下载与安装方法。
作者通读 GPT Image 2.5 官方提示词指南并整理成中文，涵盖七个重点：明确用途与构图安排、描述可见细节来表达质感、按正式文案交代图中文字、参考图分工与系列角色固定参照、改图时明确修改项与保留项、输出素材时结合实际使用场景检查、以及模型参数取舍（Flare 偏速度、Sunburst 偏质量）。文章配有 OpenAI 官方案例配图，帮助读者快速上手 AI 生图与改图。
本文是 OpenAI 于 9 月发布的 ChatGPT Images 2.5 的详细使用教程。作者从正确入口讲起，介绍了 Flare（重速度）与 Sunburst（重精细控制）两个模型的选择，并以一张中文咖啡活动海报为案例，完整演示了从初稿生成、提示词撰写原则（先用途、再主体布局、准确文案、约束）、参考图分工、到连续局部修改的全流程。文章强调每轮修改要明确指定底图与保留条件，及时回退到满意版本，并介绍了选区、评论、草图和模板等功能。最后将方法迁移到封面、商品图、角色 IP、信息图等六类任务，帮助读者把 AI 生图真正用于工作。
文章介绍用 Midjourney 生成人像时皮肤过于光滑、缺乏真实纹理的问题，作者提出不必重新抽卡，只需将原图上传到支持图片编辑的模型，配合一段高保真增强 Prompt，即可只补皮肤细节而不改变人物。作者在 Seedream 5.0 Pro、GPT-image-2 和 Nano Banana Pro 三个模型上做了对比测试，展示各自风格差异，并总结了 Prompt 设计的三要素：明确允许增强什么、锁定不能改变什么、排除不想要的结果。文末提供了完整 Prompt 及可直接套用的通用版模板。
作者分享了一段用于生成杂志感文章封面的 Prompt。使用时只需填写文章标题，可选填内容摘要，模型会先理解文章的核心主题、情绪与关键词，再围绕主题生成 3 张 16:9 横幅封面设计。三个方案在主视觉概念、构图、字体、色彩等维度各有差异，如同三位设计师的不同提案，适用于公众号封面、博客 Banner、专题头图等场景。文末附完整 Prompt 可直接复制使用。
本文是一篇面向小白的 Codex 保姆级教程，通过图文详细拆解了 Codex 的安装登录、界面布局、Quick Chat/Project/Codex 的选择、插件安装、输入框使用、权限与模型选择、Project 创建、任务管理、Prompt 编写、Luna Max 开启、设置优化以及首次任务执行等关键环节。作者结合自身实践，提供了大量实用建议和操作示例，帮助新手快速上手并高效使用 Codex 进行内容创作和工作提效。
文章探讨了在AI生图中使用提示词「真实皮肤」反而导致脸像塑料的原因。指出问题在于该词义模糊，模型倾向于过度磨皮和铺高光。作者建议将皮肤拆解为纹理、高光位置、哑光基调等5个变量进行控制，并提供了具体的Prompt模板以实现更真实的人像质感。
作者详细记录了从零开始训练一个专属人物 LoRA 的完整实战流程。他使用 GPT Image 2 生成 56 张虚构人物训练数据，基于开源模型 MOSS-Image（5B 参数 Diffusion Transformer）进行微调，仅用一张 RTX 4090 训练约 65 分钟即获得稳定的人物形象生成能力。文章涵盖数据准备、Caption 标注、Checkpoint 选择、效果验收等关键环节，并指出了过拟合等常见问题。作者将整个流程开源到 GitHub，提供运行环境镜像、Jupyter Notebook 和 ComfyUI 工作流，建议初学者亲手跑一遍以真正理解 LoRA 训练原理，一通百通。
