巨物写得不够大
a giant coin in the skya colossal coin occupying at least 30% of the frame, tilted and partly cropped by the frame edge「giant」在模型眼里可能只是「比正常大一点」。必须给占比、给倾斜、给裁切。
surreal-pop-collage · 逆向产物
把一张真实照片剪下来、贴在几块手撕色纸上,再放一个大到能压住画面的、本不该存在的东西。四轮隔离测试的全部产物都在这里。
这一节是给写提示词的人看的:公式为什么成立、决策链怎么走、哪几句话不写就一定崩。
黑白现实、平涂梦境、一物不对劲、元素源于图。
它靠的不是好看,是归不了类。黑白照片自带「这是真的」的暗示,平涂色块自带「这是画的」的暗示,两种互相排斥的材质放在同一画面里,大脑无法归档,停留时间就被拉长。而「只有一处不对劲」则把注意力强制收束到一个点上,制造一次「等一下,这不可能」的认知卡顿——有卡顿才有停留,想通出处才有转发。
每次生成都按这四段拼,顺序不能乱——后面的约束要在前面建立的框架里才有意义。
| 段 | 写什么 | 为什么 |
|---|---|---|
| 1 · 风格定位 | surreal pop collage, vertical 3:4 | 先把媒介钉死,后面所有描述都在这个框架里解释 |
| 2 · 现实锚 | keep the [主体] clearly recognizable but desaturated to black and white, preserving its texture | 关键是 preserving its texture——不写这句,模型会把主体也压成平面,材质对撞就没了 |
| 3 · 平涂世界与巨物 | the background replaced by huge flat matte color shapes: [色形], one impossible giant element: [巨物], flat matte colors, no gradients | no gradients 必须写,而且要重复。这是最容易失守的一条 |
| 4 · 小元素与约束 | [小元素群] in graduated sizes following an arc, a few white hand-drawn strokes, no text, no watermark | following an arc 比 scattered 好得多;scattered 出来的元素会平均散布,没有纵深 |
这五条全部来自实测失败,不是推测。
a giant coin in the skya colossal coin occupying at least 30% of the frame, tilted and partly cropped by the frame edge「giant」在模型眼里可能只是「比正常大一点」。必须给占比、给倾斜、给裁切。
flat color backgroundone enormous flat matte plane, absolutely no gradient, no shading, no highlight, no texture一句 flat 压不住。要把渐变、明暗、高光、纹理逐个点名否掉。
add some decorative elementsa few sheets of newspaper caught by the wind, the same newspaper stacked at the kiosk below写明元素和画面里哪个东西同源。指不出来源的装饰一眼假。
cut out the subjecta crisp white cut-out deckle edge, or a rough torn-paper edge with fibrous fringe撕纸边是「这是拼贴」最强的信号,缩略图尺寸下就能读到。不写就得不到。
birds flying in the sky先排除鸟,从飘落 / 漂浮 / 悬挂 / 散落 / 升腾 / 人造飞行物 / 文化符号里选鸟是模型的默认答案。不主动排除,整组作品会全是鸽子。
斗兽场人像那张。它在第三轮被判「不适合」,第四轮成了最好的一张——完整决策链如下。
前三轮的成品有个通病:干净,但不够狠——看着就是「照片原样贴在色纸上」。根因在技能本身,它只允许改背景颜色,原图的构图、角度、主体位置全部锁死。
对照原作者 @理想鲨鲨 的实际作品后,发现有四条规则把风格摁住了:
| 维度 | 我原本写的 | 原作者实际做法 |
|---|---|---|
| 配色来源 | 必须从原图主色提纯 | 直接用中国传统色——朱红、藏蓝、明黄、松绿,和照片里有没有这个颜色无关 |
| 明暗 | 必须明亮,禁暗黑 | 藏蓝深底大量使用,深色反而让黑白主体和亮色巨物更跳 |
| 几何色形 | 上一轮刚被我降级成「默认不用」 | 圆是核心手法——佛光、月轮,八张里六张有一个大圆 |
| 巨物 | 从原图物件推导,没给体量要求 | 文化符号实物(鼓、灯笼、石狮、鹤、龙),占画面 30–60% |
| 小元素 | 可选 | 八张无一例外全部有,且都是符号性的:飞天、莲花、银杏、鞭炮、白鸽 |
同一张原始照片,同样的隔离测试流程,只有技能文本变了。
旧版只把天空换成钴蓝、硬币规规矩矩挂在角落。新版硬币占了三成、倾斜、被画框裁掉一半,底下压一条撕纸红带和一条青绿带。
旧版蓝天配小头盔。新版换成橙红满底加一个巨大的蓝色圆盘,头盔涨到三分之一并被右上角切走一角,墙上那块砖保留了原来的橙色。
关键在于:这些手法不参与「只有一个不对劲」的计数。倾斜、悬浮、切割都是拼贴媒介本身的语言,和平涂色块、白色涂鸦线一样属于制作层,不是场景里多出来的物体。这一整层空间之前被我漏掉了。每次必选 1–2 个。
之前八张成品里六张飞着鸽子——根因是我自己:库里「飞鸟」排第一,样例也都是飞的,模型顺着最省力的路走。现在的规则是先假设不能用鸟,从下面七类里找,实在没有更好的才回到生物类。
点任意一张放大。
这张在上一轮被判「不适合」——建筑填满画面,只剩一角天空。放宽准入门槛加入「抠像满底」路径后,它成了三张里最好的一张:人和斗兽场整个剪下来贴在橙红上,巨型墨镜就是他自己戴的那副。
第三轮产物。巨型墨镜挡住橙色圆日,鸽群沿弧线掠过。
第三轮产物。橙蓝色形精确填进螺旋的负空间,中心采光顶换成一枚巨型灯泡。
第三版。主参考图换成升级后的斗兽场成品,风格标准整个抬上去了。最终选 candidate-1:橙红满底加一个巨大蓝圆盘,头盔占三成并被右上角切走一角。
两次。第二次由用户授权,专门验收第四轮大改后的技能。
| 新规则 | 线上实际执行 |
|---|---|
| 文化语义色 | 直接取西安古都的藏蓝与朱红,不从原图取样 ✅ |
| 深色底可用 | 大面积藏蓝满底 ✅ 旧规则会禁掉它 |
| 几何圆是一等公民 | 城墙背后一个巨型明黄圆盘 ✅ 上一轮我曾错误降级 |
| 巨物 ≥25% | 宫灯占约三成,被左上角裁切,流苏垂落 ✅ |
| 小元素先排除鸟 | 选了金铃铛与红灯笼串,没有出现鸽子 ✅ |
右侧那串铃铛和灯笼,悬在半空没有挂点。
那条白线看着像绳子,两端却都没有着落。铃铛和灯笼在现实里都是挂着的——让它们凭空浮在天上,它们本身就成了不可能的东西,于是全图有了第二处异常,单一异常律失效。
这不是模型发挥问题,是规则漏了一条。我把小元素分了八类,其中「悬挂 / 成串」这一类必须有挂点才成立,但没写进去,执行者只按「铃铛在古建场景里合理」就判过了。已补规则:凡现实中需要被挂住的东西,画面里必须交代它挂在哪;交代不了就换成飘落、漂浮、升腾这三类天然不需要挂点的。
修正已推送线上,但未再验证——线上额度用完了。同时记录:这次走强档应有 2 个构图手法,成品里只指得出「纪念碑式对称」1 个,如实记为强档部分落地。
全部产物都在这个目录下。
/Users/lucas/Desktop/ws/JustAI/marketing-skills-hub/小红书图文逆向技能/output/20260815-超现实波普拼贴-单图海报-surreal-pop-collage-黑白锚点巨物/
| 内容 | 相对路径 |
|---|---|
| 技能正文 | chaoxianshi-bopu-pintie-haibao-skill.md |
| 逆向分析 | analysis.md |
| 本地测试记录 | local-test.md |
| 第四轮报告 | local-image-test/v4/report-v4.md |
| 第三轮批量报告 | local-image-test/batch/report-{A,B,C}.md |
| 成品总览 | local-image-test/contact-sheet.png |
| 封面 brief | cover/cover-brief.md |
| 最终封面 | cover/cover-final.png |
| 线上验收 | online-test.md |
| 进度卡 | run.json |