AI协助修图：协助修图的工作方式

AI协助修图落到实际干活上，就三个动作：你圈出问题、写清要什么，AI照着跑，跑完你按清单过一遍。听起来简单，可我见过太多人卡在中间那步——需求在嘴里、在聊天记录里，就是不在图上，AI只能瞎猜。

猜的结果可想而知。

分工的大道理——AI管产能、人管判断——在会修图的AI和会修图的人怎么分工那篇里已经讲透了，这篇不重复。今天只讲操作：批注怎么标、指令怎么写、复核怎么跑。工程上这套思路叫人在回路（Human-in-the-loop），机器干粗活，人卡在关键节点把关。

人主导AI执行：一天的工作流长什么样

人主导AI执行的分工是：人负责定标准、圈范围、验收结果，AI负责跑重复操作——每天开工第一件事是挑出标样图精修定调，中间全程用批注驱动AI，收工前亲手过复核清单。人的时间花在头和尾，中间那段是机器的事。

拿我们工作室一天真实的节奏说事。早上花半小时精修一张标样：皮肤修到几分、色调偏暖还是偏冷，全在这张图上定死，后面的几十张全拿它对表。上午剩下的事就是给待修图打批注——真没几分钟，单人一张一分钟出头。下午AI跑批量的活，人同步做精修和回客户消息，两不耽误。

不夸张地说，改用这套节奏之后，修图师一天能多接将近一半的量，下班还比以前早。核心就一条：别让最贵的人干最便宜的活。

批注式沟通：把需求直接写在图上

批注式沟通就是在图上圈出问题位置、编号写明要改成什么样，把整张批注图连同文字说明一起交给AI——需求长在图上，AI不用猜，人不用反复解释。一个圈加一行字，顶十句语音。

具体怎么标，四条规矩：

1. 圈位置。哪里有问题圈哪里，圈得越小越准，别一刀把半张脸框进去。
2. 编号。一张图上的问题从①编到⑤，AI和你都对得上号，改漏一条一眼能查。
3. 写量化标准。"自然一点"这种词禁用，写成"瑕疵去掉、毛孔保留、皮肤纹理不动"。
4. 给参照。能附标样图就附，AI对着抄比对着猜靠谱十倍。

写指令的语法细节，一句话修图的指令语法详解拆得更细；想让AI真正听懂人话的沟通心法，看让AI听懂你需求的沟通方法那篇就够。模糊需求怎么翻成可执行指令，也有一整套方法可抄。

老实讲，批注这步是整个流程里回报率最高的投入。客户的需求口头传到第三个人的时候基本就变味了，图上批注不会——白纸黑字（准确说是白图黑圈），谁来看都一个意思。

AI执行时，人在干什么

AI批量执行的那一两个小时，人不该闲着也不该盯屏：按顺序做判断类的精修、处理AI搞不定的硬骨头、顺手准备下一批的批注，机器和人各跑各的轨道。

哪些活放心丢给AI？去瑕疵、统一曝光、基础液化、批量缩放这类重复且容错高的操作，丢出去别心疼。质感取舍、结构改动、风格定调这些要下判断的活，留给自己——机器修得动像素，修不动审美。想知道边界到底划在哪，AI智能修图的能力边界有逐项清单。

话说回来，也有人喜欢盯着AI跑完的每一张图实时看。没必要，真没必要。盯屏省不下一个坏结果，只会把自己耗成质检机器——把验收留到复核环节统一做，效率高得多。

跑量特别大的活（几十上百张起步），值得把流程再往前推一步，用批量生产的工厂化思路搭流水线，或者干脆上脚本修图，连点鼠标的功夫都省掉。

复核清单：交付前的最后一道关卡

AI跑完的结果必须按固定清单复核：放大查皮肤纹理、逐个核批注编号、看边缘穿帮、盯色调统一、查手部脚部细节、做前后对比、确认无多修漏修——七项全过才准出库。顺序随意，一项都不能省。

清单摆在这里：

手部细节单拎出来强调不过分。AI把手修糊、手指粘连的事故业内出了不止一回，我们自己也踩过——交付前抽检发现三张手指被磨得分不清，客户那边还没看见，吓出一身汗。打那以后"手脚细节"在清单里单独占一行，谁都不许划掉。

修图前后的对比图本身也是给客户看的硬材料，怎么做才有说服力，前后对比的做法专门讲过这个。

实测数据与翻车教训

实测结论：一张精修图的工时从纯手工的40分钟压到12分钟左右——AI跑基础项加人工批注复核，速度翻三倍，前提是复核清单一步不省；省掉复核的那次，返工把省下的时间全吐了回去。

两个真实的坑，说给你防身。

第一个：有回赶一批电商图，图省事跳过了复核直接发。第二天客户回来指着手模戒指的那张——金属反光被AI抹成一块死白，产品都看不出质感了。返工加道歉折腾一整晚。我后来算了笔账，那晚的工时比正常复核多花四倍。清单这东西，平时看着多余，出事时是保命的。

第二个坑更隐蔽：有次在批注里写"皮肤再干净点"，没写保留纹理。AI的理解很直接——干净就是都删掉。出图那天客户问这是不是染了色，脸平得像纸。从那以后我的批注模板里，"干净"后面永远跟着"保留毛孔"四个字。需求写含糊了，翻车只是时间问题。

宏观面上，据艾媒咨询（iiMedia Research）的行业报告，中国AI修图相关工具的用户规模这几年一直在快速爬坡。盘子在变大，但工具好用不等于结果可靠——数据再漂亮，也替你复核不了一张图。交互设计里有个经典概念叫可纠正性（见人机交互词条）：允许人随时纠错，才敢放手让机器干活。修图同理。

常见问题

四个落地时最常被问到的问题，一次说清。

AI协助修图和人手工修图，到底谁说了算？

人说了算，永远。AI是执行者，标准你定、范围你圈、结果你验。它快，但它不替你挨客户的骂。

不会画画不会写提示词，能用批注式修图吗？

能，门槛比你想的低。会画圈会打字就行——圈出位置，用大白话写清"去掉什么、保留什么"，再附一张标样图。提示词高手那一套可以后面再学。

复核清单要每一张图都跑一遍吗？

关键图全跑，普通图抽检。婚礼、商业这类错不起的单子一张都别省；日常批量按十分之一抽，抽到问题就整批重过。省哪步都行，别省手脚细节那一项。

批注写了AI还是修偏，问题出在哪？

九成是批注含糊。检查三件事：有没有圈准位置、有没有量化标准（"干净"不如"去瑕疵留毛孔"）、有没有附标样。三样都齐了还偏，就是换工具的信号。

绕回开头：AI协助修图的工作方式，说穿了是把"你猜我想要什么"变成"我告诉你改哪里"。人画圈，机器跑腿，清单兜底。三件事各就各位，AI才真是个助手，不是个盲盒。

觉得这篇工作方式讲实在？转发给还在跟AI来回拉扯的修图同行，或者发给团队里那位总抱怨AI不好用的伙计——先从画好第一个圈开始。