☁️ 新时代的设计：从 0 到 0.8 的跃迁#

现在做设计，已经不需要从 0 到 1 凡事亲力亲为了。0 到 0.8 的活儿 AI 都能帮你搞定，剩下的 0.2 才是设计师施展审美、精雕细琢的“胜负手”。这种变革省去了大量的重复劳动，设计的门槛也跟着降了下来。

甚至像我这样“学遥感”的门外汉，也能深度参与进来（虽说目前只是在帮导师做 PPT 和地理概念图）。那么，怎么才能驾驭好 AI？我觉得核心就两点：

1. 预期控制：用指令和模型，让 AI 吐出来的画尽量贴合脑子里的构思。
2. 本地编辑：给 AI 的“半成品”做精细化的后期处理。

🖥️ 工具选择：Stable Diffusion 与它的生态#

折腾一圈下来，我发现像 Gemini 这种在线工具虽然方便，但风格精准度很难把控。最后还是回到了更有生命力的本地生态：Stable Diffusion (SD)。

🧪 实测：练一个属于自己的 LoRA 模型#

为了让 AI 认出我桌上的东西，我决定练一个 LoRA (Low-Rank Adaptation) 模型。它就像是大模型的一个“轻量补丁”，能让模型瞬间学会某个特定的角色或画风。

• 克隆对象：陪我办公的 萨拉赫 (Mohamed Salah) 积木小人。
• 数据集准备：
  • 实物摄影：为了让模型能“全方位无死角”地认出这个积木人，我用 iPhone 16 Pro 拍摄了约 50 张 涵盖俯视、侧视、仰视以及特写角度的实操图。
  • 逻辑关联：在打标签（Captioning）时，触发词设为 salah toy。
  • 实测痛点：因为积木本身的质感跟“真人”有次元差，如何平衡这种反差成了训练的关键。

🖼️ 实验进阶：多模型对比与“提示词博弈”#

在有了 LoRA 这个“专属外挂”后，我尝试了不同底模和提示词组合，发现了一些非常有意思的逻辑细节：

📊 总结复盘：数据和逻辑的博弈#

我对比了动漫风 (JANKU) 和写实风 (JuggernautXL) 模型后发现：

• 风格覆盖：只要加上 LoRA，动漫模型也能准确画出萨拉赫的脸。
• 结论：大模型的通识能力极强，LoRA 的作用是引导和具象化，把特定的特征和通用概念结合起来。

📝 阶段总结&&未来计划#

前期训练集准备是至关重要的，决定了最后输出模型的基本质量。其中LoRA模型训练时的提示词一定要小心设置，尽量设计成没有实际意义的，比如说将提示词设计为salah，其大模型里很有可能已经学习了萨拉赫的有关先验知识，这就让LoRA模型的实际作用很难评估。未来我计划继续探索不同模型和参数的组合，尝试训练更多不同类型的LoRA模型，并探索如何将AI生成的内容与实际工作流更紧密地结合起来。设计出能应用于e-bike上的一套完整自动化工作流。

🔧 实战思考：AI Native 的工作流#

这部分记录了我对 AI Native 的深度思考：别只把 AI 当成“高级搜索引擎”，要把它真正嵌入到工作流里。

实战成果1：文章转幻灯片#

为了让思考更直观，我手搓了一个 Agent Skill: xhs-article-slides。

它能自动拆解长文逻辑，生成 3:4 比例的极简风幻灯片（也可以选宇宙科幻风）。这种形式更适合移动端的沉浸式阅读，也更对 Z 世代碎片化阅读的胃口。以下是一些具体案例：

• 🔧 最后拼的是工程思维。 （内容来源：小红书博主 不好惹的娃娃脸 Guxi）
• 项目：宇宙电动公众号内容“视频化”活化 （利用 html-ppt-skill 实现的多风格一键转化。）
  • 🚀 宇宙电动：悬崖边的三年。（科幻版）
  • 📈 宇宙电动：品牌发展全史。（全量版）
  • 🎯 宇宙电动：VAPOR 产品路演。（商务版）
  • 📱 宇宙电动：小红书内容复用示例。（适配移动端）

NOTE

关于 html-ppt-skill (by lewislulu)： 这是我在项目中引入的一款非常硬核的开源工具，可以极大地提升内容转化的效率。

• 基本功能：支持将 Markdown 或 HTML 内容一键导出为具备高度交互性的幻灯片，内置多种专业皮肤。
• 快捷操作：通过键盘⬅️ ➡️播放页面，生成的页面支持 Space / Enter 下一页，N 键切换演讲者模式，以及 F 键全屏。