《解密AI绘画与修图》：184 屏“提示”里，没有一句“什么时候别用”

2026-11-06silcano

微信读书《解密AI绘画与修图：Stable Diffusion+Photoshop》· 7 章 · 55 条目录 · 544 屏
逐页翻阅 544 屏 · 7 章 · 55 条目录 · 抓取章节序列与目录一致，无跳章 · 2026-11-06
说明：544 是微信读书的屏幕数，不折纸页。我抽看了第 1 章首页、2.1 硬件与基准测试、2.2 提示词原理、2.6 高分辨率修复、4.1 图生图风格转换、4.7 测试参数（X/Y/Z 图表）、5.3 视频换脸、6.1 PS 插件设置、6.4 语义分割、6.6 金属字提示词、6.7 老照片修复、7.1 案例、7.3 图层样式，共十三处逐字核对。目录 55 条全过。判断只以这十三处为准。

先说结论：这是一本罕见地肯给对照图、肯给具体参数值、肯讲原理的工具书，544 屏里几乎每一格参数都有数字。但它也是我读过的结构最奇怪的一本——全书的 33.8%（184 屏）活在名为"提示 Point out"的侧栏里，而真正讲基础参数的 2.4 节只有 3 屏。它的强项在"怎么跑通"，它的空白在"什么时候不该这么跑"。

我先把一个数据摆在这里，因为它决定了后面所有讨论：这本书的 55 条目录，没有一条叫"提示 Point out"；但全文有 184 屏的章节标记就是"提示 Point out"。也就是说，三分之一的正文内容，读者按目录翻不到。这不是印刷问题，是结构问题——它把大量本该进正文的解释，装进了一个目录之外的抽屉。

一、它先讲清了原理，这一步很多同类书都跳过

2.2 节讲提示词之前，先用一屏把 Stable Diffusion 的三大件讲了。原文是："Stable Diffusion主要由3个组件构成：CLIP text encoder（前贴文本编码器）、auto encoder（自编码器）以及由UNet和Scheduler组成的扩散模型。CLIP text encoder组件的作用是从网络上收集大量图片和语义标签文本，以建立文字和图片之间的对应关系。接下来，auto encoder组件中的编码器会在每幅图片上添加噪点，并将其压缩到原像素维度的1/48的潜空间中。"

"1/48"这个数字是判断这本书有没有真读文档的一把尺子。大部分工具书写到"压缩到潜空间"就停了，读者不知道压多少、为什么是 512×512 出图而不是 1024。给出比值，读者立刻能推出一件事：出图尺寸最好取 8 的倍数（因为 VAE 的下采样是 8 倍），1024 的图在潜空间里是 128×128。这是那种"多写一个数字，读者少踩一个坑"的地方。图 2-5 也画得清楚：猫的图进来，CLIP 抽出 cat / tree / grass / flower / sky / cloud 六个词，encoder 逐级缩到小方块，UNet 与 Scheduler 在中间工作。这张图比我见过的多数"扩散模型示意"都准确，因为它把"文字被编码成向量"和"图片被编码成潜变量"画成了两条并行的路，而不是含混地画成一个框。

同样值得记一笔的是 2.1 节那句关于显存的话："如果显存容量比较小，可单击启动器左侧的'高级选项'，根据显存容量选择优化方案。对于拥有大显存容量的用户，则可以选择关闭'使用共享显存'选项，以避免性能降级。"

这句话是内行话。共享显存走的是 PCIe，速度差一个量级，开着它出图会莫名变慢，而大部分教程只会教你"把显存调大"。一本愿意告诉你"大显存反而要关掉共享显存"的书，作者是真在自己机器上折腾过的。这类细节在全书里不少，是它最可信的部分。

二、它确实是"给值"的书：0.2 与 0.32 那一段值得单独学

6.7 节讲老照片修复上色，有一段我读了两遍，因为它是全书方法论的样板：

输入画质和描述照片内容的提示词，然后单击"图生图"和"精确"单选按钮，把"降噪强度"参数设置为0.2，然后重绘图片，如图6-97所示。把"降噪强度"参数设置为0.32，随后再生成一次图片，这一次头发和衣服的效果更好一些，但是面部的变化比较明显。

这一段同时给了三个东西：两组值（0.2 / 0.32）、两次生成的结果对比、以及代价（面部变化明显）。这是"参数书"和"实验记录"的分界线——大多数参数书只给第一样。读者看完能自己判断：如果我要保脸，就用 0.2；如果我要救头发和衣服的细节，接受脸变一点，就用 0.32。这才是可迁移的知识，因为它教的是取舍，不是魔数。

2.6 节的高分辨率修复也是同一个路子。图 2-59 用四张同构图并排给出 Denoising 0.7、0.8、0.9、1.0 的效果，人脸从"还是本人"一路走到"换了个人"。后面接一句操作："在高分辨率修复可折叠面板中选择一个常用的放大算法，然后把'重绘幅度'参数设置为0.4，接下来取消'高分辨率修复'复选框的勾选。"

这里还有一处我很欣赏的细节："注意：accordion控件在本书翻译为'可折叠面板'，通常也翻译为'手风琴菜单'或'手风琴面板'。"为一个界面控件的译名专门写一句说明，说明作者知道读者会在别处看到另一个说法然后懵掉。这是译者意识，不是作者意识，两者都有更好——这本书有。

5.3 节讲视频换脸，还给出了可验算的算术："如果要得到4秒的视频，则要将帧率设置为15帧/秒，总帧数就应设置为60帧（即15×4）。"15×4=60 是对的，读者拿计算器一按就能验证。一本工具书里出现可以当场验算的算式，比出现十个"效果惊艳"的形容词有用得多。

6.1 节的插件设置界面同样是"给值"的路子。图里能看到 SD Url 填 http://127.0.0.1:7860、ComfyUI Url 填 http://127.0.0.1:8188、语言选 zh_CN、采样插值选 bilinear，右边还标着插件版本 v1.4.1。这四个值恰好是新手最容易填错的地方——端口号一个 7860 一个 8188，插值算法默认是 bicubic 还是 bilinear，语言包不选中文就全是英文菜单。它把这些具体到端口的数据印出来，读者照填就能通。

但这里也漏了一件事：书里把 Automatic1111 和 ComfyUI 做成了两个单选项，却没一句说"什么情况下该选哪个"。两个都装过的读者知道，A1111 的界面是表单式的、参数一屏排开，ComfyUI 是节点式的、工作流可见；前者适合一张一张调，后者适合批量与复用。这段判断只要三句话，而它决定了读者后面三个月的时间花在哪。这本书给了接口地址，没给选择理由——又一次"给值不给判"。

三、可它给的值，大多没有"为什么"

问题出在比例上。这本书共 544 屏，第 4 章"进阶玩法"92 屏（16.9%），第 6 章"集成到 Photoshop"110 屏（20.2%），第 7 章"实战案例"89 屏（16.4%）；而 2.4 节"文生图参数详解"只有 3 屏。

3 屏。一本以"解密"为名、副标题直接挂 Stable Diffusion 的书，讲最核心的那组参数——采样方法、采样步数、CFG、种子、尺寸——只有 3 屏，加上紧随其后的提示栏 8 屏，一共 11 屏，占全书 2%。而"进阶玩法"里光是"任意转换图片风格"一节就有 16 屏。

这个失衡带来一个具体后果：读者会做花活，但不知道花活为什么成立。比如第 4 章的 X/Y/Z 图表，图 4-101 用四张同构图展示四种表情变化，操作只有一句"取消'包含图例注释'复选框的勾选"。可是 X/Y/Z 图表的真正价值是做参数扫描——固定种子，一次跑 3×3 组 CFG 与步数，看出哪一组开始糊、哪一组开始僵。书里用了这个工具，但没把它当实验工具讲，只当排版工具讲。

如果让我替它补 2.4 这一节，我不加篇幅，只加三行判据，每行标出"低了会怎样、高了会怎样"：CFG 低于 4，画面会散、跟提示词脱钩；高于 15，颜色开始过饱和、边缘发硬，人物皮肤像塑料。采样步数低于 20，细节还没收敛；超过 40，多半是把时间花在看不见的地方，收益趋零。尺寸不是 8 的倍数，VAE 解码会出现接缝和色块。这三行加起来不到一屏，但它把"参数"从"要填的格子"变成了"有方向的旋钮"。书里三屏给的是格子，缺的是方向。

更典型的是一处内部不一致。6.6 节（p0412）的负向提示词写的是 {ugly1}，6.7 节（p0450）的负向提示词写的是 (ugly:1)。同一个功能，两页之间换了两种语法，中间零句解释。在 WebUI 系里，圆括号与花括号都是加权符号，写法不同、权重不同；读者照着抄，很可能以为自己只写了个"ugly"，实际却给它加了一层或减了一层权重。一本 544 屏的书，连"括号是权重、不是装饰"这一句都没写，是一个不该有的空白。这不是吹毛求疵——提示词里最常见的翻车，就是把括号当标点用。

4.1 节的开口倒是难得的坦白。它先说文字这条路的天花板："文字承载的信息量有限，即使编写了大段提示词并且调整了各种语法权重，也很难让AI准确理解。AI就算理解了，也未必能生成令人满意的图片，因此会导致大量时间都花费在反复尝试的过程中，俗称'抽卡'。"随后给出图生图的三条出路：风格迁移、高清重绘、修复和放大。

承认"抽卡"是这本书最诚实的一步，因为它在告诉读者：这里有一部分是不可控的。顺着这个坦白往下推，本来可以写出一页极有用的判据——什么样的参考图适合做输入？我的经验是三条：主体轮廓清楚、背景不抢戏、光影方向单一。满足这三条的图，图生图的成功率会高很多；不满足的，提示词写得再细也会被参考图带偏。书里把"用什么功能"讲清了，把"喂什么图进去"留空了。而后者才是图生图真正的门槛。

四、三分之一的书活在"提示"栏里

这是我读这本书最大的意外。抓取下来的 85 个章节段里，有 184 屏的章节标记是"提示 Point out"——占 544 屏的 33.8%。我专门去核了这一栏到底装什么。2.1 节末尾开始的第一个提示栏，接着讲的是硬件与性能：怎么用启动器的"系统信息"看基准测试、怎么看硬件平台的性能得分、显存不足时点哪里。

内容是有用的，问题在装它的位置。"提示"栏在版式上的含义是"补充说明，可跳过"。可这 184 屏里装的东西，包括参数解释、注意事项、界面说明，很多是主线内容——读者跳过它，后面就看不懂。这就形成了一个悖论：标注为"可跳过"的部分，恰恰是不能跳过的部分。

它的代价在检索上。55 条目录全是节标题，没有一条标"提示"；也就是说，三分之一的正文在目录里是不存在的。读者想回头查"共享显存那一句在哪"，翻目录找不到，只能一屏屏划。纸书时代这还能靠翻页蒙过去，电子书里就是纯粹的检索失效。

这 184 屏的分布更能说明问题：第 2 章 31 屏、第 3 章 22 屏、第 4 章 54 屏、第 5 章 39 屏、第 6 章 38 屏，第 1 章与第 7 章一屏没有。最扎眼的是第 4 章——92 屏的"进阶玩法"里，有 54 屏是提示栏，占了 58.7%。也就是说，这一章真正的主线只有 38 屏，"进阶"有六成装在了"补充说明"的框里。而第 1 章（工具简介）与第 7 章（实战案例）全是正片、零提示栏。合起来看，规律很清楚：越是需要解释"为什么"的地方，越被塞进了提示框；越是需要展示成果的地方，越是纯图。这个规律本身就是一种编辑取向——解释性内容被当成次要信息处理了。

我不认为这是作者的排版偏好，更像出版社的丛书体例——"提示"框在计算机教材里是个固定模块，编辑要求每节配几个。但当这个模块占到全书的三分之一时，它已经不是补充，而是第二个正文层。第二正文层不进目录，等于给读者的导航砍掉一条腿。

五、第 1 章 13 屏讲五个工具，等于点名

第 1 章"常用AI图像生成工具简介"，13 屏，讲五个对象：Midjourney（2 屏）、DALL-E 3（2 屏）、Stable Diffusion（3 屏）、文心一格（2 屏）、在线版图片生成网站（2 屏）。

平均每个工具 2.6 屏。这个篇幅能装下的只有"它是什么、它大概长什么样"。装不下的是读者真正要做的决定：同一张图，五个工具出的东西差在哪；哪个能商用、哪个不能；哪个要科学上网、哪个不要；按张计费还是按月订阅，一张图的成本差多少倍。

我理解作者的取舍——这本书的主线是 SD + PS，其余四个工具是背景。但既然开了这一章，就该按"选型"来写，而不是按"简介"来写。选型章的合格线是一张四列表：能力、成本、可得性、合规。少一列，读者就只能凭印象选。这本书一列都没有，只有五个各两屏的介绍。

那张表其实不难做，两屏足够。能力一列写"能不能控姿势、能不能固定角色、能不能出中文文字"；成本一列写"按张计费还是按月订阅，一张成片大概几块钱"；可得性一列写"要不要境外网络、要不要本地显卡、最低显存多少"；合规一列写"商用授权范围、生成内容是否需要标识"。四列填完，读者三分钟能做完决定；四列不填，读者得自己踩一遍坑才能做完同一个决定。这中间的差别，就是"教材"和"资料"的差别。

同一章还有一处时间戳，值得单独说。2.1 节图 2-3 是一张启动器的基准测试截图，表里列着环境：Python 3.10.11、Torch 2.1.0+cu118、xformers 0.0.22、CUDA 11.8、驱动 526.98、显卡 RTX 3060（6.0 GB）。

这组版本号大概停在 2023 年底。这不是缺点，是必然——书总要定稿。真正的缺点是：全书没有一页讲"你装出来的环境跟截图不一样，会怎样"。2026 年的读者去装启动器，大概率拿到的是 Torch 2.5 以上、CUDA 12.x，插件版本也对不上。那时他会遇到什么？xformers 没编好、显存反而涨、模型加载报错——这些才是真实用户的第一道墙。一本教人装环境的书，把"版本对不上"这一整类问题留给了读者自己去搜索。

六、第 7 章五个案例，最后一步是手工投影

第 7 章"AI绘图实战案例及模型推荐"89 屏，五个案例：影楼级 AI 照片 21 屏、个人虚拟形象 18 屏、小说推文封面 16 屏、写真与杂志封面 11 屏、电商产品展示图 20 屏。

7.1 的过程我是顺着看的：先用 SD 出图，再把处理完的图上传到图生图，关掉 ADetailer，开启 ControlNet，控制类型选"Tile/Blur（分块/模糊）"。图 7-15 的控制类型面板列全了十五项：Canny、Depth、NormalMap、OpenPose、MLSD、Lineart、SoftEdge、Scribble/Sketch、Segmentation、Shuffle、Tile/Blur、局部重绘、InstructP2P、Reference。这一屏信息密度很高，是那种值得拍照存下来的界面图。

但翻到案例后端，画风变了。图 7-76 是 Photoshop 的"图层样式"对话框：投影，混合模式正片叠底，不透明度 60%，角度 120 度，勾选使用全局光，距离 80 像素，扩展 0%，大小 100 像素。

一本叫"AI 绘图实战"的书，实战的最后一步是手工调投影参数。我不认为这是败笔——真实的商业交付本来就是 AI 出图加人工收尾，那层投影确实得有人调。问题在于，书里没有一句话把这层关系讲明白：哪些环节 AI 能交、哪些必须人收、收的时候按什么标准。读者跟着做完，会以为自己学会了"AI 绘图"，实际上他学会的是"AI 出图 + 一套 PS 手法"，而后者占了成片效果的一大半。

我在这一章里还数了一件事：五个案例、89 屏、图号排到 7-76，没有一个案例出现"这一版不行，我们换个思路"的记录。全是正片，没有废片。商业案例这样写最省事，也最没用——读者真正需要的是"出废片的时候怎么判断是提示词的问题、模型的问题、还是 ControlNet 的问题"。成功可以照抄，失败才能迁移。

这一段如果让我来写，我只加一张巴掌大的判读表，四行，把"症状"和"病灶"对上：人物五官变形，先怀疑重绘幅度过高，其次怀疑模型与 LoRA 不匹配；画面整体发灰发平，先看 CFG 是不是偏低，再看采样步数是不是不足 20；构图对但风格不对，问题在底模而不是提示词；局部糊成一团，是 ControlNet 权重压过了提示词。这张表不需要案例，只需要一次真实的翻车。它的价值在于：读者照着它查，能把"再抽一次卡"变成"改一个参数"。

七、它的短板

第一，结构上把三分之一的内容藏进了目录之外。184 屏"提示 Point out"（33.8%）不进目录，55 条目录里一条都没有。读者按目录查参数，查不到；按页码翻，翻不完。这不是排版选择，这是把检索成本转嫁给了读者。

第二，基础参数被压缩，进阶技巧被放大。2.4"文生图参数详解"3 屏，加提示栏 8 屏共 11 屏（2%）；而第 4 章"进阶玩法"92 屏、第 6 章"集成 PS"110 屏。CFG、步数、采样器怎么配，是每个新手第一天就要用的东西；局部重绘、涂鸦、瞬息全宇宙是第三个月才碰的东西。这本书的篇幅分配，跟学习曲线是反的。

第三，权重语法零解释，两页之间自相矛盾。6.6 用 {ugly1}，6.7 用 (ugly:1)，全书没有一句讲括号与花括号在权重上的区别。提示词里最容易翻车的一处，恰好是书里最沉默的一处。

第四，没有成本账。2.1 讲硬件给了基准测试截图，却没给读者最想要的那个数：这张 3060 6G，出 512×512、20 步，一张要几秒；跑 SDXL 要几秒；放大到 4K 又要几分钟。参数书的合格线是给值，工程书的合格线是给预算。这本书给足了值，一次没给预算。

第五，失败案例零记录。五个案例、89 屏、图号到 7-76，没有一张废稿、没有一次返工、没有一句"这里试了三次才对"。读者学到的是结果，不是过程；而 AI 绘图的全部难点都在过程里。

第六，工具章的选型信息缺失。第 1 章 13 屏讲五个工具，平均 2.6 屏一个，没有能力/成本/可得性/合规的四列对比。读者读完知道有这五个东西，仍然不知道该用哪个。

第七，同一功能的两套语法并存，读者无所适从。这一条我在第三节提过，但值得在短板里再点一次，因为它不是笔误，是全书性的：提示词里既有圆括号的 (ugly:1)，也有花括号的 {ugly1}，还出现过纯逗号分隔的长串关键词。三种写法各自成立，混在一起就是三种规则。一本书如果不能在语法上统一，至少该有一页把三种写法摆在一起说清楚"它们等价在哪里、不等价在哪里"。这一页，全书没有。

也说几句公道话。第一，2.2 那屏把 1/48 潜空间写出来的原理讲解，是同类书里少见的准确。第二，2.6 的四张 Denoising 对照图、6.7 的 0.2 与 0.32 两组值加代价说明，是"实验书"该有的样子，我读的时候在旁边记了笔记。第三，为 accordion 这个控件专门交代译名，说明这本书在意读者会不会在别处懵掉。第四，5.3 的 15×4=60 帧，是能当场验算的算式。第五，4.1 里那句"俗称'抽卡'"，是全书最诚实的一个词——它承认了这件事的不确定性，没有把它包装成"精准可控"。

下面这张图是我把十三处抽样读完后的结构梳理，四列分别是它讲对的、站不住的、会过期的、以及它的短板。

图文对照：一本"给值"的书，缺的那道判断线

八、一句话

如果你只带走一句：这本书把"怎么做"写到了可以照抄的程度，把"什么时候别这么做"留在了读者自己的机器上；它是这个领域里少有的肯给对照图和具体值的书，也是少有的把三分之一正文藏在目录之外的书。

它该怎么用？我的建议是三步。第一步，把 2.2 和 2.6 当原理课读（约 30 屏），只读这两节，把"潜空间 1/48""Denoising 决定改多少"这两件事吃透，后面所有参数你都能自己推。第二步，把第 3 到第 6 章当字典，做一个具体效果时按需查，每查一处顺手记下"这一节给了几组值、有没有说代价"——给了代价的（6.7）照抄，没给代价的（多数）自己补一次对照。第三步，第 7 章当素材库，看图、抄提示词，但每抄一条，补一句"这句话里哪个词决定了这个效果"，否则抄一百条也只是复制。至于那 184 屏"提示"栏，别跳过——它是这本书的第二个正文，只是目录没告诉你。

最后交代边界：我的判断建立在 55 条目录全过、十三处正文逐字核对之上。篇幅账（各章屏数、2.4 的 3 屏、第 6 章 110 屏、提示栏 184 屏）是准的，因为我数的是屏幕序列本身；正文层面我只对抽到的十三处负责。"五个案例零废稿""权重语法零解释"这两条，是我在这十三处里的观察，不是通读 544 屏后的断言。另外声明两处我不下判断的地方：一是图 2-3 那组版本号我只能读到版本本身，无法确证它对应的具体出版月份，所以我说"大概停在 2023 年底"；二是 6.6 与 6.7 的两种负向提示词写法，我只指出写法不一致、书里没解释，不判定其中哪一个是错的。

阅读记录：《解密AI绘画与修图：Stable Diffusion+Photoshop》，微信读书网页版逐页翻阅 544 屏 / 7 章 / 55 条目录，2026-11-06。抓取章节序列与目录一致，无跳章。
抽样页：p0006（第1章 常用AI图像生成工具简介）、p0023（2.1 硬件与基准测试：图2-3 环境版本、共享显存一段）、p0025（2.2 提示词原理：CLIP/VAE/UNet 三组件与 1/48 潜空间、图2-5）、p0070（2.6 高分辨率修复：图2-59 四档 Denoising、图2-60 参数、accordion 译名说明）、p0170（4.1 图生图三个作用与"抽卡"）、p0260（4.7 图4-100/4-101 X/Y/Z 图表与四种表情）、p0300（5.3 视频换脸：图5-45 前后对比、15×4=60 帧）、p0350（6.1 SD 插件 v1.4.1 设置界面）、p0400（6.4 图6-51 ControlNet Seg 与 control_v11p_sd15_seg）、p0412（6.6 金属字提示词与 {ugly1}）、p0450（6.7 老照片修复：0.2 与 0.32 两组值与代价、图6-97）、p0470（7.1 图7-14/7-15 ControlNet 控制类型十五项）、p0520（7.3 图7-75/7-76 Photoshop 图层样式投影参数）。