AI绘画工坊：四十个案例手把手，唯独没教怎么看画面

2026-11-14silcano

微信读书《AI绘画工坊：Stable Diffusion 从入门到实践（68 集视频课 + 40 个绘画案例）》（罗巨浪、周冰渝、陈静茹 编著，2024 年 8 月）· 逐页翻阅 606 屏 · 抓取标记 reached_end=True（end_reason=last_page，书尾落在 18.4 节最后一张图）· 阅读器共记录 120 个章块，18 章、三个部分 · 抓取耗时 586.9 秒。
抽样说明：我按"三部分的典型节"抽读——p0023 第 1 章参数设置区的采样方法表、p0030 迭代步数效果对比、p0060 表 2.2-2 画面主体提示词、p0080 图生图调整大小、p0172 ControlNet 引导介入时机、p0280 第 9 章人像绘制的步骤⑤⑥⑦、p0350 第 11 章服装概念图的 ControlNet 配置、p0460 第 14 章上传重绘蒙版，共 18 张。
章屏数按阅读器章标签逐页归属计算，含章标题页与图页。所有引文、参数值、图号只来自上述页面；"它教的是手不是眼""这个配比本末倒置"是我的判断，不是书里的自评。

先说结论：这是一本把 55% 的篇幅交给"做出来"的书，这在中文 Stable Diffusion 书里是少见的清醒。

606 屏、18 章，三个部分的分配是：入门篇（第 1–4 章）149 屏，占 24.6%；提高篇（第 5–8 章）117 屏，占 19.3%；实战篇（第 9–18 章）334 屏，占 55.1%。前面加 6 屏版权、简介、前言。

多数同类书的排法是反的：用大半本书讲原理、讲参数、讲模型结构，案例放在最后当甜点，两三章草草收场。这本书把顺序倒过来——先花 149 屏让你能出图，再花 117 屏给你两个插件，剩下的 334 屏全部用来做四十件事：画插画、做海报、设计服装、做 VI、做电商图、做摄影、做包装、做产品、做家居、做建筑。

这个排法本身就是立场。它默认读者不是研究者，是要交活的人。

但我读完之后，最想说的不是这个优点，而是它的反面：它把四十件活拆成了四十份作业，每份的答案都写在步骤里，但没有一行告诉你"为什么这道题该这么答"。它教你拧旋钮，拧到哪个刻度是它给的；它没教你看画面，因为"什么算好画面"这件事，全书没有正面回答过一次。

一、先看篇幅：334 屏做案例，这是它最清醒的决定

把 334 屏摊开看，四十个案例是按行业分的，十章各四节：

第 9 章插画绘制 34 屏（人像、CG 壁纸、油画、CG 真人）；第 10 章海报及招贴 30 屏（立体字、电商海报、人像海报、中国风）；第 11 章服装设计 36 屏（虚拟模特、服装概念图、涂鸦设计服装、服装改色）；第 12 章 VI 视觉设计 30 屏（吉祥物三视图、吉祥物概念、字体嵌套、创意 Logo）；第 13 章电商相关 41 屏（表情包、App 开屏、弹窗广告、产品海报）；第 14 章摄影 35 屏（微距、创意写真、风景、产品摄影）；第 15 章包装及装帧 38 屏（绘本、专辑封面、盒装包装、书籍版式）；第 16 章产品设计 27 屏（电吹风、汽车外观、盲盒手办、座椅）；第 17 章家居及空间 31 屏（客厅、书房、毛坯房转效果图、不同风格室内）；第 18 章建筑设计 31 屏（小院改造、总平转彩平、AutoCAD 立面转效果图、平面转彩色平面）。

这十章的覆盖面值得单独说一下。它没有停在"教你画一张好看的图"这个层面，而是把工具塞进了十个具体工位：室内设计师要的第 17 章有，建筑的要第 18 章有，做电商的要第 13 章有，做服装的要第 11 章有。这种"按工种编排"的思路，比按技术点编排更贴近真实需求——一个人翻开这本书，第一件事是找自己的行当，不是找"第几章讲 ControlNet"。

所以我说这个配比是清醒的。它知道自己卖的不是原理，是产能。

但清醒的代价也很清楚：334 屏分给四十个案例，平均每个案例 8.35 屏。八屏能装什么？一条步骤链、四五张截图、一张成品。它装不下"这个行业用 AI 出图的边界在哪""哪些活它干不了""客户不认怎么办"这类真正决定成败的问题。

二、入门篇 149 屏：参数区十八屏，采样方法只有三行表

第 1 章 45 屏，从"Stable Diffusion 简介"到 VAE 模型，中间夹着装环境（1.2.1 整合包 3 屏、1.2.2 模型安装 5 屏，共 13 屏）。这 13 屏写得实在，整合包从哪下、模型放哪个目录、目录名能不能改，都点了。

真正占篇幅的是 1.3.3 参数设置区，18 屏——这是入门篇最厚的一节，也是全书第三厚的小节。它一口气讲了采样方法、迭代步数、面部修复、平铺图、高分辨率修复、宽度高度、提示词引导系数、随机种子这些滑动条。

问题出在采样方法上。全书关于"怎么选采样器"的全部论述，就是表 1.3-1 的三行：

Euler a｜默认采样方法，生成速度快，生成的图像比其他采样方法柔和
DPM++ 2M Karras｜通常用于卡通渲染
DPM++ 2S a Karras / DPM++ SDE Karras｜通常用于写实渲染

三行。而正文里对采样方法的定义只有一句："采样方法(Sampler)：图像去噪、提升画面质量的方法。"

我不怀疑这三行的经验是对的——Euler a 确实偏柔和、DPM++ 系列确实更锐，社区里也是这么用的。但"速度快"是多快？"柔和"是哪种柔和？在什么显卡、什么步数、什么种子下比出来的？书里一个字没写。这是全书判断句的典型写法：给结论，不给推导；给用法，不给条件。

第 2 章文生图只有 22 屏，六节讲提示词：正向、反向、风格、主体、场景、质量，再加四节语法（顺序、括号、分步描绘、交替效果）。22 屏讲提示词，说实话偏少，但里面有一张表我认为是全书写得最好的东西之一——表 2.2-2"常见的画面主体提示词"：

1 girl, 1 boy, a couple, a family, an old man, an 8-year-old girl, beautiful face, delicate face, handsome face, watery eyes, bright eyes, long hair, round face, blonde, curly hair, freckles, blush, fair skin, high nose bridge, crescent eyes, small dimples, smooth skin, wheat-colored skin
一个女孩，一个男孩，一对情侣，一家人，一位老人，一个八岁的小女孩，漂亮的脸，精致的脸，帅气的脸，水汪汪的眼睛，明亮的眼睛，长发，圆脸，金发，卷发，雀斑，脸红，皮肤白皙，高鼻梁，新月形的眼睛，小酒窝，光滑的皮肤，小麦色的皮肤

这张表的价值在于它把"你想画的东西"逐条翻译成了模型听得懂的名词，中英对照，直接可抄。新手卡住的地方从来不是"怎么写提示词"，是"我要的那个词，英文怎么说、模型认不认"。这张表把这一步填上了。

但同样是这张表，也暴露了这本书的天花板：它给的是名词表，不是画面语言。"beautiful face"能出图，但出的是模型理解的"漂亮"，不是你要的"漂亮"。而 2.2.1 风格、2.2.4 质量这两节，各只有 1–2 屏——恰恰是"什么算好画面"最该展开的地方，它最薄。

入门篇里还有一章容易被忽略，但它其实比第 2 章重要得多：第 3 章图生图，59 屏。这是入门篇最厚的一章，也是全书第二厚的章（仅次于 ControlNet 的 75 屏），厚度是第 2 章文生图（22 屏）的 2.7 倍。

它的分配是这样：3.1 图生图的参数 16 屏、3.2 涂鸦工具 11 屏、3.3 涂鸦重绘 8 屏、3.4 局部重绘 17 屏、3.5 上传重绘蒙版 6 屏。

把"图生图"放到比"文生图"厚近三倍的位置，这个取舍我认为是对的，而且是这本书少数几个露出洞见的地方。因为真实工作流里，一次生成就过的概率极低——你总要改：改手、改脸、改背景、改颜色。一个设计师用 SD 的时间，八成花在"改"上，两成花在"生"上。多数入门书把重心押在文生图，是因为文生图好写（提示词一贴就出图），不是因为文生图重要。这本书把篇幅押在"改"上，说明作者是真的在干活，不是在做演示。

但这 59 屏内部的分配，又有问题。涂鸦工具 11 屏 + 涂鸦重绘 8 屏 = 19 屏，接近本章三分之一，讲的是 WebUI 自带的画笔。这个工具在 2024 年已经很少有人用了——稍微专业一点的做法都是在 Photoshop 里画好蒙版再上传，或者在局部重绘里直接用矩形选框。19 屏给一个正在被淘汰的内置画笔，是浪费。

反过来，3.5 上传重绘蒙版只有 6 屏。这恰恰是专业流程里最常用的方式：PS 里精确画好蒙版，导出，上传，SD 只改蒙版区域。它比内置画笔精确得多，也比局部重绘的矩形选框自由得多。6 屏，刚够说清"点哪个按钮"，说不清"蒙版怎么画才算合格"——边缘要不要羽化、留多少余量、非蒙版区域要不要一起喂进去。这些才是会用和用好之间的差距。

三、提高篇 117 屏：ControlNet 给 75 屏，LoRA 训练只给 14 屏

提高篇是四章：第 5 章 ControlNet 75 屏，第 6 章 Embedding 训练 19 屏，第 7 章 Hypernetwork 训练 8 屏，第 8 章 LoRA 训练 14 屏。加"第二部分"标题 1 屏，共 117 屏。

这里有一笔账，我认为是这本书结构上最值得批评的地方。给 ControlNet 的篇幅，是给 LoRA 训练的 5.4 倍。

第 5 章的 75 屏拆得很细：5.1 装插件和装模型 3 屏，5.2.2 图像上传区 1 屏，5.2.3 基础功能区 1 屏，5.2.4 控制模型区 4 屏，5.2.5 参数调整区 17 屏，5.3 模型简介 11 屏，5.4 五个预处理器（Openpose、Depth、Softedge、Scribble、Lineart）各 7–8 屏。

5.2.5 参数调整区 17 屏，全章最厚，讲控制权重、引导介入时机、引导终止时机、预处理器分辨率这几件事。以引导介入时机为例：

引导介入时机：表示从图像生成过程中的哪一步开始使用 ControlNet 进行控制。若数值为 0，则表示从一开始就使用 ControlNet 控制图像的生成；若数值为 0.5，则表示从 50% 的步数开始使用 ControlNet 控制图像的生成。通常情况下默认为 0。

这段写得清楚：0 是什么、0.5 是什么、默认是什么。但它到此为止了——什么画面该用 0、什么画面该用 0.5，书里没答。而后者才是读者真正会卡住的地方：我要保留原图轮廓又要让风格自由发挥，该往哪边调？

再看训练的三章。第 6 章 Embedding 19 屏，其中 6.2.2 数据集准备 1 屏、6.2.3 参数设置 3 屏、6.5 开始训练 7 屏；第 7 章 Hypernetwork 8 屏；第 8 章 LoRA 14 屏，其中 8.3.2 数据集准备 2 屏、8.4.1 下载赛博丹炉 1 屏、8.4.2 训练过程 6 屏。

三种训练模型加起来 41 屏，还不如 5.2.5 一个参数区的 2.4 倍——准确说，是 41 屏对 17 屏，看起来还多一点，但你把它换成"知识点"数一下就会发现荒诞：学会用一个现成 ControlNet 模型，书上给了 75 屏；训出一个自己的 LoRA（这才是决定画风、也是读者最想学的事），只给 14 屏，其中讲数据集怎么准备的只有 2 屏。

我理解作者的取舍。ControlNet 有十几个预处理器，每个都要配图对比，天然吃篇幅；训练流程截图少、文字少，看起来"薄"。但从读者的收益算，这笔账是倒的：ControlNet 用熟三个预处理器就够应付八成场景，剩下的是查手册；LoRA 训练踩一个坑就白训一遍，而数据集要多少张、要不要打标、学习率给多少、训练多少步算过拟合，这些坑书里基本没提。

第 7 章 Hypernetwork 8 屏更能说明问题。Hypernetwork 在 2024 年已经边缘化——它被 LoRA 全面取代，社区里几乎没人再用。书里仍然留了完整一章（虽然只有 8 屏），像是为了结构完整而保留的。这不是错，是"教材惯性"：一本书的目录一旦定下，删一章比加一章难。

四、实战篇 334 屏：四十个案例，一套模板

进实战篇之前，我以为会看到四十种不同的思路。读了七八个案例之后我发现，是同一套模板填了四十遍。

模板长这样：步骤① 设置大模型和 VAE；步骤② 写正向提示词；步骤③ 写反向提示词（带权重）；步骤④ 选尺寸和批次；步骤⑤ 设重绘幅度或 ControlNet 参数；步骤⑥ ControlNet 上传参考图、选预处理器、选模型；步骤⑦ 点生成，从四张里挑一张保存。每一步配一张软件截图，图号连号（图 9.1-8、图 9.1-9、图 9.1-10）。

以第 9 章 9.1 人像绘制为例，它的反向提示词是这样的：

1.61051，（眼睛不清楚:1.331），降低，缺指，多指，环手，（（多胳膊和腿））

然后步骤⑤"选择图像的宽高比例，将总批次数设置为 1，单批数量设置为 4"，步骤⑥"将重绘幅度设置为 0.45"，步骤⑦"单击生成按钮后生成的 4 张动漫风格头像……在生成的图像中选择最喜欢的一张进行保存"。

这套写法的优点是硬邦邦的：参数给了具体值（0.45、928×1232、总批 1 单批 4），权重给了具体数字（1.61051、1.331），括号嵌套给了示范（（（多胳膊和腿）））。你照抄，能出八成像的图。这在"看完还是不会用"的同类书里，已经算有良心。

缺点是它不可迁移。换一个行业、换一个模型、换一种画面，你还是得从头试参数——因为书教你的是这一组数值，不是数值和画面之间的因果。四十个案例，四十组数值，你记住了四十个答案，没学会解题方法。遇到第四十一道题，还是不会。

模板化在厚度上也能看出来。13.3 弹窗广告 16 屏，是全实战篇最厚的一节；11.2 服装概念图 9 屏、12.2 吉祥物概念 9 屏。厚度差主要来自截图的张数——弹窗广告要多画几个尺寸、多改几版文案，图就多。不是讲得更深。

还有一件事，我认为是这本书方法论上最大的漏洞：四十个案例里，没有一个是"只改一个参数"的对照实验。

每个案例都是这样开场的：模型定了、提示词给了、尺寸给了、重绘幅度给了、ControlNet 参数给了，一次全给齐，然后出图。读者看到的是一个"配置齐全的终态"，看不到"从 A 配置走到 B 配置，画面变在哪"。而这恰恰是学 SD 唯一有效的方法——你要先把变量控制住，一次只动一个，才知道那个旋钮管什么。

书里本来有一个专门干这件事的工具：第 4 章 4.1 的 X/Y/Z plot，用网格一次跑出"参数 A 的三档 × 参数 B 的三档"，九张图并排看差异。这是 SD 里最有教学价值的脚本。它给了多少屏？8 屏。

8 屏。比 3.3 涂鸦重绘（8 屏）一样多，比 1.3.3 参数设置区（18 屏）少一半。而如果这本书真想让人学会"参数和画面的关系"，X/Y/Z plot 应该是全书最厚的一节，配二十张网格图，把采样器、步数、CFG、重绘幅度四个变量各自的影响摊开。它没这么做，说明它选择的是"给答案"，不是"教方法"。

五、它真正给到位的东西：能复现的具体配置

批评说完，得给它该得的。这本书最有价值的不是论述，是那几百个具体到可以直接抄的配置值。举三个例子：

第一个，第 11 章 11.2 服装概念图设计，步骤②原文："打开 ControlNet 面板，在图片上传区域上传服装设计手稿，并勾选'启用'和'允许预览'选项。'预处理器'选择 invert(from white bg & black line)，'模型'选择 control_v11f1p_sd15_depth [cfd03158]，其他参数不变，单击预览按钮。"

这里面有三层信息：预处理器名（invert from white bg & black line）、模型全名带哈希（control_v11f1p_sd15_depth [cfd03158]）、以及一个隐含的判断（白底线稿要用 invert 预处理）。第三层最有价值——不写这句，新手必错：直接把白底线稿喂给 Depth，出来的是灰糊糊一片。

第二个，第 14 章 14.2 创意写真，讲上传重绘蒙版："将'蒙版边缘模糊度'调整为 7，'蒙版模式'选择'重绘非蒙版内容'。"模糊度 7 是经验值，重绘非蒙版内容是模式选择——两个都是会做错的地方，书里给了明确答案。

第三个，第 9 章 9.1 的批次策略："总批次数设置为 1，单批数量设置为 4"，然后从四张里挑一张。这是个很实用的工作习惯：SD 出图有随机性，一次出一张是浪费电，一次出四张才是正常节奏。

这些细节凑起来，是这本书的真实价值密度所在：它像一本参数台账，而不是一本教程。台账的价值在于查得到、抄得着，不在于读得爽。

六、它没给的东西：判断

现在说这本书最根本的缺口。我找了三处证据，都在关键节点上：

第一处，表 1.3-1 那三行采样器对比，没有测试条件。这是全书最基础的一次"选型决策"，它只用"速度快""柔和""卡通""写实"四个形容词就打发了。

第二处，5.2.5 引导介入时机，只解释了 0 和 0.5 是什么，没说什么时候该用。读者知道旋钮转到位是 0.5，但不知道该不该转。

第三处，也是最要命的一处：9.1 案例的最后一步，"在生成的图像中选择最喜欢的一张进行保存"。四十个案例，几乎每一个的收尾都是这句话。审美判断被完整地交给了读者，而读者翻开这本书，恰恰是因为他不会判断。

我不认为这是作者偷懒。这是这类书的体裁困境：操作手册的合法性建立在"可复现"上——我给参数，你照抄，出来一样的结果，书就成立了。一旦进入"什么算好画面"，就要面对无法标准化的问题：同一个"高级感"，设计师和客户的理解能差出十万八千里。

但体裁困境不是免罪牌。至少可以给一个判断框架：主体是否清晰、光影是否一致、手和眼睛有没有崩、边缘有没有脏、和参考图的相似度够不够。这五条不需要主观审美，只需要看。任何一本教 AI 绘画的书，都应该把这五条写在最前面，因为它们是"看画面"的最低门槛。这本书一条都没有。

七、它的短板

第一，文字密度太低。我抽看 18 张，其中超过一半是整页的效果对比图——图 1.3-13、图 3.1-6、图 3.1-7 三张连着，只有图号和图注，没有一句解释这张图在证明什么。606 屏里真正在讲道理的字，我估不到三分之一。这不是排版问题，是内容问题：当一页只有图的时候，说明作者没有更多话可说。

第二，判断句不给依据。前面说过表 1.3-1，这里不再重复。补一句："Euler a 生成的图像比其他采样方法柔和"——这句话如果是经验，应该说明是什么卡、多少步、什么种子；如果是引用，应该注明出处。两者都没有，读者只能选择信或不信。

第三，技术栈停在 2023 年。全书只讲 Stable Diffusion 1.5 和 WebUI。没有 SDXL，没有 Flux，没有 ComfyUI，没有 LCM/Turbo 这类加速方案。前言落款 2024 年 8 月，作者自己写了一句"限于时间、篇幅有限，难免有疏漏之处"（p0006）——这句话是诚实的，但也等于承认：这本书写完就开始过期了。2026 年翻开它，像翻一本旧说明书：旋钮的位置没变，但机器已经换了两代。

第四，案例的画面质量会把人带偏。图 1.3-13 那只猫、图 3.1-7 那个人像，都是 SD1.5 早期水平的典型产物：结构勉强对，光影糊，质感像塑料。如果读者把这种效果当成"AI 绘画的正常水平"，就会低估工具、也低估自己该补的审美课。这一点我认为比技术过时更严重——技术会更新，审美标准一旦定错，后面全靠自己纠。

第五，四十个案例全是成功的，没有一个失败案例。SD 学习最贵的知识不是"怎么调对"，是"哪里会崩"：手指为什么总是六根、多人场景为什么总是融合、长图为什么总是重复。全书没有一个反面教材，读者只能自己在坑里摔一遍才知道坑在哪。

第六，没有速查索引。这是工具书的硬伤。606 屏、四十个案例，参数全部散在各案例的步骤里。你想查"重绘幅度一般给多少"，只能从第 9 章翻到第 18 章一个个看。而一本定位为"工坊"的书，最该配的就是一张按参数汇总的速查表：重绘幅度 0.3–0.5 适合什么、控制权重 0.8 和 1.0 差在哪、采样步数过了 30 还有没有收益。这张表一张都没有。它的价值全在"从头读到尾"，不在"随时查"——这对一本操作手册来说，是定位上的自相矛盾。

八、怎么读这本书

如果你只想快点出图交活：直接跳第 9 章（p0274 起），在四十个案例里挑和你行当最接近的那个，照抄参数，出图。前面 273 屏全部可以跳过，包括入门篇。

如果你想搭骨架：读第 5 章那 75 屏（p0157–p0231）。五个预处理器各七屏，是全书讲得最实的一段——Openpose 管姿态、Depth 管空间、Softedge 管轮廓、Scribble 管手绘、Lineart 管线稿，每个都配了对比图，看完你至少知道遇到什么图该选哪个。然后回到 5.2.5 那 17 屏，把控制权重、引导介入时机、引导终止时机三件事弄明白，ControlNet 就算过关了。

如果你不打算训模型，第 6–8 章 41 屏（p0232–p0272）可以整段跳过。它给的是点按顺序，没给数据集该多大、过拟合怎么判断、触发词怎么设计——这三件事恰恰是训练的全部难点。想学 LoRA，去看专门的教程，别在这儿耗。

入门篇的参数区 35 屏（1.3.3 十八屏 + 5.2.5 之外的零散参数说明）当字典查，不必通读。第 1 章装环境 13 屏可跳，整合包现在是傻瓜式的。

最后提醒一句：这本书的页码和纸书不完全对应，我引的 p0xxx 是本次逐页截图的编号。你要找具体某一节，用阅读器的目录跳转比翻页快。

一句话：它把四十个行业的活儿摊开摆在你面前，这份"摊开"在中文书里少见；但它只摊到操作层——旋钮转到几、点哪个按钮，写得比谁都细；画面好不好、为什么这么调，606 屏里没有正面答过一次。它教的是手，不是眼。