AI下棋对弈绘画进阶：棋手专注神态与棋盘细节的精准刻画

帮一个国际象棋App做过推广素材，那段经历让我对AI画"手"的能力彻底失去了幻想。AI画下棋最大的坑就是手——下棋图里手是绝对焦点（手拿棋子悬在棋盘上方），而AI画手本来就弱，在"手指捏棋子"这种高精度动作上翻车率高达70%。而且棋盘和棋子有严格的几何规则（8x8格、黑白交替、棋子形状固定），AI对这些"规则"完全不理解——它只是模仿训练数据里"看起来像棋盘的东西"，所以经常画出7x9格的"类棋盘"或把棋子放在格子中间而不是格子里。

第一步：三种棋类的视觉特征不同

国际象棋（chess）、围棋（Go / Baduk）、中国象棋（Chinese chess / Xiangqi）在视觉上的差异很大：国际象棋是立体棋子在黑白方格棋盘上，围棋子是黑白扁圆形在木纹网格棋盘上，中国象棋是圆棋子带汉字在红黑棋盘上。三种棋的prompt写法完全不同，混着写AI就画四不像。

三种棋类的prompt对照——

国际象棋最容易画得"看起来像"——因为西洋棋子的立体造型是AI训练数据里最常见的棋类素材。围棋最容易翻车——AI经常把围棋画成"黑白纽扣放在木板上"，因为不理解围棋子的扁圆形和棋盘格线交叉点的关系（围棋子放在交叉点上，不是格子里）。中国象棋最容易画错的是棋子上的汉字——AI写出来的字是鬼画符。

第二步：手部——下棋图的翻车之王

AI画"手捏棋子"这个动作的翻车率极高。常见翻车形态：手指数量不对（六根或四根）、手指穿透棋子（finger clipping through chess piece）、捏棋子的手势不自然（像握拳而不是用指尖捏）、两只手混在一起分不清是谁的手。修复方案分三个层级。

手部修复的三层方案——

第一层——prompt约束：写"one hand with five fingers, thumb and index finger delicately holding a chess piece, fingers resting naturally, anatomically correct hand, not deformed, not extra fingers"。这是最基础的约束但效果不稳定。

第二层——拍摄角度避让：选择"手背视角"（hand seen from back, fingers extending forward to grasp piece）比"手掌视角"翻车率低——因为手背的结构比手掌简单，AI更容易画对。

第三层——SDXL+ControlNet Depth/OpenPose：给一张真实的手捏棋子的照片作为ControlNet参考图，让AI"照着结构画"。这个方案效果最好但需要额外准备参考图。ControlNet的详细用法见 AI绘画制作全流程。

手部翻车在全球AI绘画社区都是经久不衰的吐槽话题。Reddit上有个帖子叫"AI画手=噩梦"，收藏量过了两万。好消息是随着模型迭代，手部质量在逐步改善——Midjourney V7的手已经比V6好不少，但"捏棋子"这种高精度动作仍然是高翻车区。

第三步：棋盘规则——AI不理解但你必须知道

AI完全不理解棋类规则——它画的棋盘经常格数不对（国际象棋7x9、围棋17x17）、棋子摆放位置错误（国际象棋棋子放在格子里而不是格子上、围棋子飘在棋盘上方没放在交叉点）、棋子种类不全（国际象棋只有兵和王后没有马和象）。这些问题在商业用途上会导致"懂棋的人一眼看出不对"。

棋盘规则的修复——

国际象棋：prompt写"correct 8x8 chessboard with alternating black and white squares, pieces placed on squares not between them, standard opening position with all 32 pieces"。但说实话AI能画出8x8的概率大约60%，剩下的40%需要人工筛选。

围棋：prompt写"19x19 grid lines on wooden goban, black and white stones placed precisely on line intersections, not inside squares"。围棋的"交叉点"概念AI极难理解，建议用SDXL+ControlNet给一张真实围棋棋盘做参考。

中国象棋：prompt写"Xiangqi board with river dividing two sides, red and black round pieces with Chinese characters, correct 9x10 grid"。棋盘上的"楚河汉界"字样AI也不可能写对，后期处理。

如果你要做棋类教育产品、棋类App的视觉素材——强烈建议用3D建模+AI增强的混合方案，而不是纯AI生成。棋类对几何规则的精确性要求太高了。这个建议和 国际象棋绘画 里讨论的精确度问题一致。

第四步：对弈氛围——两人之间的张力

下棋图的灵魂是"对弈氛围"——两个人在智力对抗中那种静止的张力。AI画对弈常见的问题：两人都看镜头（像合照不是在下棋）、表情不对（笑着下棋像在闲聊而不是竞技）、没有"一人思考一人等待"的节奏（两人同时托腮或两人同时落子）。好的对弈图应该是一人正在落子（动态）、一人正在凝视棋盘（静态），形成"一动一静"的节奏。

对弈氛围的prompt写法——

"two chess players deeply focused on the game, one player's hand reaching to move a piece while the other stares intensely at the board analyzing, competitive tension in the air, neither looking at camera, dramatic top-down lighting over the chessboard, cinematic composition, serious tournament atmosphere, not casual, not smiling at camera"

对弈氛围的关键词是"not looking at camera"和"one active one still"——打破AI默认的"两人面对镜头"的摆拍模式。

还有一种特别出效果的角度——俯拍棋盘+只出现手。把人物完全排除在画面之外，只留两个人的手和棋盘。这个角度既规避了AI画人脸可能的不自然，又把所有注意力集中在"对弈"本身。手+棋盘的静物式构图的技巧和 中国象棋绘画 的视角选择思路一致。

第五步：工具与参数

下棋题材的工具对比——

Flux画手部细节最好——手指关节、指甲、皮肤纹理都比Midjourney更真实。但Midjourney画对弈氛围（光线、表情、构图张力）更强。如果是做"手+棋盘"的静物图选Flux，如果是做"两个棋手对弈"的场景图选Midjourney。参数建议：CFG=5.5-6.5、Steps=30-35、分辨率1200x1600。

根据 Chess.com关于AI国际象棋艺术的报道，2025年国际象棋线上平台和赛事中使用AI生成视觉素材的比例显著上升，特别是在赛事海报和直播封面的应用中。另据 国际棋联FIDE关于技术创新的报告，AI视觉生成工具正在被越来越多国际象棋教育机构用于制作教学插图和战术图解。

常见问题

AI画的手捏棋子为什么总出问题？

因为"手指捏小物体"是AI画手的终极难题——手指不仅要数量对、形状对，还要跟棋子有正确的遮挡和接触关系。用ControlNet Depth+真实手部照片做参考是当前最可靠的方案。手部修复见 AI绘画制作全流程。

怎么让AI画出正确的8x8棋盘？

prompt里明确写"correct 8x8 chessboard grid"但成功率约60%。如果需要100%准确，建议用3D建模做棋盘底板+AI生成棋子和氛围做混合方案。棋盘精确度讨论见 国际象棋绘画。

围棋和中国象棋的prompt能混用吗？

不能。围棋棋子放在交叉点上（intersections），中国象棋棋子放在格子里（inside squares）。放错位置懂棋的人一眼看出不对。三种棋类的prompt对照见 本篇 第一步。

下棋图适合哪些商业场景？

棋类App推广素材、棋院/棋社宣传海报、棋类教学插图、策略游戏概念图、商务"博弈"隐喻配图。商用前注意棋盘规则的准确性——棋类App如果棋盘格数画错会严重影响品牌专业度。商业应用分析见 AI绘画原创性解读。

画完这组下棋图，我对象棋和AI都有了新理解。下棋是规则最严格的智力游戏，而AI是规则意识最弱的绘画工具——这个矛盾本身就是有趣的。AI能画出"像在下棋的人"，但画不出"真正在下棋"的精确。那一分不差的精确——手指捏着棋子的力度、棋盘上光线照到的第几行第几列、对手眼神里的计算——这些还是要靠人的判断去筛选、修正、补充。AI给你一个大概的"下棋感"，你把剩下的精确补上。