企业官网建设流程全解析

AI绘图工具刚出来那阵子，我身边做设计的朋友分成了两派。一派觉得这就是个玩具，生成的东西细节经不起推敲，客户不可能买单；另一派则连夜研究提示词，琢磨着怎么把出图速度提上去。两年过去，前者的接单报价被压了又压，后者已经能把一套视觉方案的初稿时间从三天压缩到半天。这个差距不是天赋拉开的，是工作流拉开的。我写这篇东西，就是想把这套工作流掰开揉碎讲清楚——AI到底在哪些环节能真正帮上忙，哪些环节它依然是个需要人兜底的“实习生”，以及一个普通设计师要补哪些技能，才能从“被工具追着跑”变成“拿着工具跑”。

这篇文章适合三类人看：一是还在观望、不确定要不要把AI塞进自己工作流的设计从业者；二是已经在用但总觉得“差点意思”、出图质量忽高忽低的朋友；三是带团队、需要给组里定一套可复用协作规范的设计负责人。我会从整体思路拆起，讲到具体环节的实操参数，再把我自己踩过的坑和排查方法摊开来说。不聊虚的，全是能直接抄作业的东西。

1. 整体思路拆解：为什么是“工作流”而不是“工具”

1.1 把AI当“实习生”而不是“替代者”，思路就顺了

很多人对AI设计的误解，卡在一个非黑即白的判断上：要么觉得它能一键出成品，要么觉得它一无是处。这两种极端都会让你用不好它。我自己的定位很明确——AI是一个不知疲倦、知识面广、但缺乏判断力和责任心的实习生。它能在一分钟内给你二十个方向，但它不知道哪个方向符合客户的品牌调性，也不知道哪个细节会在印刷时出问题。

这个定位一旦确立，工作流的设计逻辑就清楚了：把“发散”和“执行”交给AI，把“判断”和“收口”留给人。具体来说，前期的情绪板收集、风格探索、构图草稿、配色方案批量生成，这些需要大量试错又不太需要精准判断的环节，AI能帮你省掉大量时间。而到了品牌一致性校验、印刷色彩校准、版式细节微调、客户沟通这些需要经验和责任心的环节，人必须站在前面。

我见过一些同行，试图让AI直接出“终稿”，结果反复抽卡几十次，时间反而比自己画还长。问题不在于AI不行，而在于用错了环节。就像你不会让实习生直接去跟客户签合同，你也不该让AI直接产出交付级文件。它负责把“从0到1”的坡道铺平，你负责“从1到100”的精修和把关。

1.2 工作流的核心结构：三段式分工

我把整个设计流程拆成三段，每段明确AI和人的职责边界，这套结构在我自己的项目里跑了快一年，稳定性不错。

这个三段式的好处是，每一段都有明确的“验收标准”。探索期的验收标准是“方向是否覆盖了客户的核心诉求”，深化期是“方案是否经得起放大看细节”，收口期是“文件是否能直接进生产流程”。有了验收标准，你就不会在某个环节无限抽卡，也不会把AI的草稿当成终稿交出去。

1.3 为什么不做“全自动流水线”

市面上有些教程鼓吹“全自动设计流水线”，输入需求直接出成品。我试过，结论是：在需要品牌调性和商业判断的场景里，全自动是个伪命题。原因很简单，设计的价值有很大一部分在于“为什么这么选”——为什么这个配色而不是那个，为什么这个字体层级而不是那个。这些决策背后是品牌定位、用户心理、竞品差异化的综合考量，AI目前给不出可解释的答案。

所以我的工作流里，AI永远是“并行助手”而不是“串行流水线”。它在每个环节提供多个选项，人来拍板。这样做的好处是，你既享受了效率提升，又保留了决策的主动权。客户问“为什么用这个方案”的时候，你能答得上来，而不是“AI生成的”。

2. 探索期实操：怎么让AI给出“能用的方向”

2.1 提示词不是越长越好，结构比长度重要

新手最容易犯的错，是把提示词写成一篇小作文，把所有能想到的描述词堆上去。实测下来，结构化的短提示词比堆砌式的长提示词稳定得多。我常用的结构是四段式：主体+风格+构图+排除项。

举个实际例子，做一张咖啡品牌的海报方向探索，我会这样写：

主体：手冲咖啡器具特写，陶瓷滤杯与玻璃分享壶 风格：日式极简，自然光，低饱和暖色调，胶片质感 构图：俯拍45度，留白占画面40%，主体偏右下 排除项：无文字，无人物，无杂乱背景，无高饱和色块

这个结构的关键在于排除项。很多人只写“要什么”，不写“不要什么”，结果AI给你塞一堆无关元素。排除项相当于给实习生划红线，能显著降低废图率。我统计过，加上排除项之后，单次生成的可筛选率大概能从三成提到六成。

注意：不同工具的提示词语法差异不小，有的对权重敏感，有的对自然语言更友好。上面这个结构是通用骨架，具体到某个工具时，需要把“排除项”转成该工具支持的负向提示格式。

2.2 批量生成后的筛选方法：三秒法则

AI一次给你几十张图，怎么快速筛？我的方法是三秒法则：每张图看三秒，问自己一个问题——“这张图有没有一个值得保留的点”。这个点可以是一个配色、一个构图、一个光影关系，甚至只是一个元素的质感。有，就留下；没有，直接过。

这个方法的逻辑是，探索期的目标不是找到“成品”，而是找到“可发展的种子”。一张图整体不行但配色惊艳，它就是有价值的；一张图构图完美但风格跑偏，它也有价值。你不需要在筛选阶段做完整判断，只需要识别“亮点”。

筛完之后，把留下的图按“亮点类型”分组：配色组、构图组、质感组、元素组。每组挑一到两张作为深化期的起点。这样做的目的是把发散结果结构化，避免深化期又回到“从零开始”的状态。

2.3 情绪板的快速拼装技巧

探索期的最终产出是情绪板，但我不建议直接用AI生成的单张图当情绪板。更好的做法是混合拼装：AI生成的图占六成，真实摄影素材占三成，手绘草图或材质扫描占一成。这个比例是我反复试出来的，纯AI图容易让客户觉得“飘”，掺入真实素材能增加可信度，手绘元素则传递出“这是经过人思考的”信号。

拼装工具用普通的排版软件就行，重点在于标注。每张图旁边用一句话说明“为什么选它”——是配色参考、构图参考还是质感参考。这个标注动作看起来多余，但它逼你在探索期就想清楚每个素材的用途，避免深化期拿着一堆图不知道从哪下手。客户看到标注，也更容易理解你的思路，沟通成本直线下降。

3. 深化期实操：局部控制才是真功夫

3.1 从“抽卡”转向“控制”：局部重绘的用法

探索期靠批量生成，深化期就得靠局部重绘。这个环节是区分“会用AI”和“不会用AI”的分水岭。新手在深化期还在整图重新生成，结果每次出来的东西都不一样，根本没法收敛。老手则用局部重绘，锁定已经满意的部分，只改需要改的区域。

具体操作逻辑是这样的：把探索期选中的图导入支持局部重绘的工具，圈出要修改的区域，写针对性的提示词。比如一张海报的构图和配色都满意，只有主体物件的材质不对，那就只圈主体，提示词写“磨砂陶瓷质感，哑光表面，细微颗粒感”，其他区域不动。

这里有个关键参数是重绘幅度。幅度太低，改了等于没改；幅度太高，又会破坏周围区域的协调性。我的经验值是0.35到0.55之间，具体看修改区域和周围环境的融合难度。材质替换这类改动，0.4左右比较稳；如果是替换整个元素，可以拉到0.5以上。

提示：局部重绘时，圈选区域要比实际修改范围略大一圈，给AI留出过渡空间，否则边缘容易出现生硬的接缝。

3.2 元素替换与尺寸适配的批量处理

深化期经常遇到“同一个方案适配多个尺寸”的需求，比如一张主视觉要出横版、竖版、方版。传统做法是手动重新排版，费时费力。我的做法是先生成最大尺寸的母版，再用扩图或裁剪适配其他尺寸。

扩图工具的逻辑是往画面边缘补充内容，适合横版转竖版这类“加高”需求。使用时要注意，扩出去的部分要和原画面保持风格一致，提示词里要重复母版的风格描述。裁剪适配则适合“减”的需求，但裁剪会损失信息，所以母版构图要留足余量——我通常会让母版的主体占画面不超过六成，给裁剪留空间。

批量处理时，我会建一个简单的对照表，记录每个尺寸的用途和关键约束：

这张表看起来简单，但它能防止你在批量处理时“凭感觉”裁，导致某个尺寸的主体被切掉一半。每次适配前对一眼表，效率和质量都有保障。

3.3 品牌一致性的校验清单

深化期最怕的是“单看每张图都不错，放一起就不像一个品牌”。这个问题在纯人工设计时靠设计师的直觉把控，用AI之后，直觉容易被海量选项冲淡。我的对策是建一份品牌一致性校验清单，每个深化方案过一遍。

清单包含五项：主色是否落在品牌色域内、辅助色是否来自既定色板、字体气质是否匹配品牌调性、图形语言是否统一（圆角还是直角、线条粗细是否一致）、整体明度对比是否在可控范围。每项打个勾或叉，叉超过两项就退回调整。

这份清单的价值在于把模糊的“感觉”变成可检查的条目。AI生成的东西，单张看可能很惊艳，但配色偏了半个色相、圆角半径和品牌规范差了两像素，这些细节人眼容易放过，清单不会。我建议每个项目开始前，先把这份清单按品牌规范填好具体数值，深化期逐项对照，比事后返工省事得多。

4. 收口期实操：从“好看”到“能交付”

4.1 交付级精修：AI碰不得的几个地方

收口期的核心任务是精修，这个环节有几件事必须人来做，AI碰不得。第一是文字排版，AI生成的文字基本是乱码或形似神不似的假字，所有文案必须人工重新排。第二是印刷色彩校准，屏幕色和印刷色差是老大难问题，AI不懂CMYK的脾气，色彩配置文件得人来设。第三是出血和裁切线，这些生产规范AI不会主动遵守，得手动加。

我的精修流程是：先把AI产出的图导入排版软件，替换所有文字层，然后按印刷规范设置色彩模式和分辨率（通常300dpi），最后加出血和裁切线。这个流程走完，文件才能进生产环节。跳过任何一步，都可能在生产端出问题——我见过最惨的一次是忘了转色彩模式，一批物料印出来整体偏绿，返工成本够买好几台设备。

注意：如果最终用途是屏幕显示而非印刷，色彩模式用RGB、分辨率72到150dpi即可，不必套用印刷规范。用途决定规范，别一刀切。

4.2 规范文档的快速生成与人工修订

交付时客户通常要一份设计规范，说明色彩、字体、间距等标准。这部分AI能帮上忙——把深化期的参数整理成结构化描述，让AI生成规范文档的初稿框架，然后人工填入具体数值和示例图。

AI生成的规范初稿通常结构完整但细节空泛，比如它会写“主色用于强调元素”，但不会写“主色#2B5B4A用于按钮和标题下划线，面积占比不超过15%”。这些具体约束得人来补。我的做法是，初稿生成后，对照项目实际用到的参数逐项填实，再配上一到两张应用示例图。这样出来的规范文档，客户拿去给其他供应商看，对方能直接照着执行，减少来回确认。

4.3 客户沟通中的“AI话术”边界

有个细节很多人忽略：跟客户沟通时，要不要主动说用了AI。我的原则是，不隐瞒但也不强调。客户问起工具，如实说；客户不问，重点讲方案本身的逻辑。原因在于，部分客户对AI有先入为主的偏见，你主动强调反而引发不必要的质疑。但如果客户明确问“这是不是AI做的”，含糊其辞会损害信任，不如坦率说明“AI辅助生成了探索方向，深化和精修是人工完成的”。

沟通的重点永远放在“为什么这个方案适合你”上，而不是“我用了什么工具”。工具是手段，方案的价值才是客户买单的理由。我遇到过客户得知用了AI后要求降价的情况，我的回应是拆解工作流——探索期生成了多少方向、深化期做了多少轮局部调整、收口期做了哪些精修，把工作量摆出来，价格自然站得住。

5. 常见问题与排查技巧实录

5.1 出图质量忽高忽低的排查思路

这是被问得最多的问题。同样的提示词，今天出图惊艳，明天一塌糊涂。排查顺序我总结成四步：先查提示词有没有变动（哪怕一个词的顺序变了都可能影响结果），再查工具版本有没有更新（模型迭代会改变输出分布），然后查随机种子是否固定（不固定种子，结果本来就不稳定），最后查参考图有没有换（图生图时参考图的影响很大）。

大部分“质量波动”其实是随机性没控制住。我的习惯是，探索期不固定种子，鼓励发散；一旦进入深化期，立刻固定种子，保证可复现。固定种子后如果还要微调，用局部重绘而不是整图重生成，这样每次改动都是可控的。

5.2 常见问题速查表

这张表是我从实际项目里攒出来的，覆盖了八成以上的高频问题。遇到表里没有的情况，我的通用排查逻辑是：先隔离变量，再逐项替换。把提示词、种子、参考图、工具版本当成四个变量，每次只动一个，看结果怎么变，问题根源很快就能定位。

5.3 几个反直觉的实操心得

第一个心得：提示词里少用“高清”“4K”“大师作品”这类词。这些词在早期模型里有用，现在的模型对它们的响应已经钝化，堆上去反而挤占了有效描述的空间。把位置留给具体的风格、光线、材质描述，效果更实在。

第二个心得：参考图的质量比数量重要。图生图时，一张高质量的参考图胜过五张凑数的。参考图要选风格统一、主体清晰的，风格混杂的参考图会让模型“精神分裂”，输出四不像。

第三个心得：别在探索期追求完美。探索期的任务是找方向，不是出成品。我见过有人在一张图上反复抽卡两小时，就为了让它“再好看一点”，结果方向本身就不对，白费功夫。探索期该快就快，把精力留给深化期的精准控制。

第四个心得：定期整理自己的提示词库。把验证有效的提示词结构、参数组合、负向词列表存下来，按项目类型分类。下次遇到类似需求，直接调取修改，比从零写起快得多。这个习惯坚持半年，你会发现自己的出图稳定性有明显提升。

6. 技能转型：一个设计师该补什么

6.1 从“执行者”到“导演”的能力迁移

AI接管了大量执行层面的工作，设计师的价值重心在往“导演”角色迁移。导演不亲自演戏，但要定调子、选演员、把控节奏、做最终剪辑。对应到设计上，就是审美判断力、需求拆解力、方案叙事力这三项能力的权重在上升。

审美判断力靠大量看和比较来养，AI时代反而更需要——因为选项变多了，筛选能力成了稀缺资源。需求拆解力是把客户模糊的“要高级感”翻译成具体的风格、色彩、构图约束，这直接决定提示词的质量。方案叙事力是能讲清楚“为什么这么设计”，这是人相对AI的核心优势，也是客户愿意为设计付费的理由。

这三项能力没有速成法，但有练习路径。审美判断可以每天花二十分钟做“看图说亮点”的练习；需求拆解可以拿真实brief做翻译训练，把每句话转成设计约束；方案叙事可以在每次提案后复盘，看哪些解释客户买账、哪些没听懂。

6.2 提示词工程：设计师的新基本功

提示词写得好不好，直接决定AI产出的可用率。这门功夫的核心不是背模板，而是把视觉语言翻译成文字语言的能力。设计师本来就有视觉素养，缺的是把“我想要那种感觉”精确描述出来的词汇量。

我的建议是建一个自己的“视觉词汇表”，按维度分类：光线维度（顺光、侧逆光、柔光箱、硬光）、材质维度（哑光、拉丝、磨砂、釉面）、构图维度（三分法、对称、对角线、留白比例）、色彩维度（邻近色、互补色、低饱和、高明度）。每个维度攒二三十个词，写提示词时按需调取，比临时想词靠谱得多。

这个词汇表不用一次建完，平时看到好的设计就拆解它用了什么视觉语言，把词补进去。半年下来，你会发现写提示词从“憋”变成了“挑”，效率完全不一样。

6.3 团队协作中的规范制定

如果你是带团队的，光自己会用不够，得把工作流沉淀成团队规范。我参与过几个小组的规范制定，踩过的坑是规范定得太细，反而束缚了发挥。好的规范应该定“边界”而不是定“步骤”——明确哪些环节必须人工把关、哪些参数必须记录、交付前必须过哪些检查项，但具体怎么生成、用什么提示词，留给成员自己发挥。

我们组现在的规范就三条硬约束：深化期必须固定种子并记录、交付前必须过品牌一致性清单、所有AI产出必须经过人工文字重排。这三条之外，工具选择、提示词写法、探索期抽卡次数，全凭个人习惯。这样既保证了交付质量的下限，又不压制个人的效率上限。

规范落地的方式也有讲究。别指望发个文档大家就照做，得配一次实操演示，把“为什么这么定”讲透。人对自己理解了的规则，执行意愿高得多。演示之后设一个月的过渡期，期间遇到问题随时调，过渡期结束再定稿。这套流程走下来，规范的采纳率比直接下发高不少。

7. 影响范围与边界：哪些场景AI还啃不动

7.1 高品牌敏感度项目的红线

有些项目类型，AI的参与度要严格控制。品牌核心视觉资产（标志、标准字、核心图形）的创作，我建议AI只做参考，不做产出。原因在于，这类资产需要长期一致性和法律层面的原创性保障，AI生成的东西在原创性界定上存在模糊地带，且难以保证跨时间的风格稳定。

包装设计的主展示面、涉及安全标识的物料、需要精确信息传达的图表，这些场景AI也只能做辅助。包装主展示面涉及印刷工艺和货架陈列效果，AI不懂这些约束；安全标识有强制规范，AI不会主动遵守；信息图表要求数据准确，AI生成的图表数据基本不可信。这些环节人必须主导，AI顶多提供风格参考。

7.2 适合放手让AI跑的环节

反过来，有些环节可以大胆交给AI。情绪板收集、风格探索、构图草稿、配色方案批量测试、背景图生成、纹理素材制作、多尺寸初稿适配，这些环节的共同特点是容错率高、后续有人工把关。AI在这些环节的效率优势最明显，出错了也不影响最终交付。

我的经验是，一个项目里AI承担的工作量占比控制在四到六成比较健康。低于四成，效率优势没发挥出来；高于六成，人工把关的压力太大，容易漏检。这个比例不是死的，项目类型不同可以调，但心里要有这根弦。

7.3 长期来看，设计师的护城河在哪

聊到这儿，回到标题那句话。AI淘汰的不是设计师，是不会用AI的设计师——这话对，但只说了一半。更准确的说法是，AI淘汰的是只会执行、不会判断的设计师。执行层面的活儿，AI确实在快速接管；但判断层面的活儿，反而因为选项变多而更值钱了。

设计师的护城河，短期看是工作流的熟练度，中期看是审美判断和需求拆解的能力，长期看是对商业和用户的理解。工具会一直变，今天好用的提示词结构明天可能就过时了，但对“这个设计要解决什么问题”的理解，是穿越工具周期的。我自己的精力分配是，三成花在工具和工作流上，七成花在理解项目、理解用户、理解商业逻辑上。这个比例供你参考，不一定适合所有人，但方向我觉得是对的。

最后分享一个我自己的小习惯：每完成一个项目，花十分钟记一笔“这个项目里AI帮了什么、坑在哪、下次怎么改”。这个记录不用给别人看，纯粹是给自己攒经验。攒上一年，你就有了一份属于自己的工作流手册，比任何教程都贴合你的实际。工具在变，项目在变，但这份手册会越来越厚，越来越值钱。