上个月，一个做服装的老板发来三张图，都是他现在在卖的款。
第一张，白底，产品正中，规规矩矩。第二张，模特站在样板间里，暖光打得很足。第三张，模特在户外，逆光，像本杂志。
三张并排放在一起，你会以为这是三个牌子。
他问的却是另一件事：能不能再多给我出点图。
这个问题我答不了。因为我看到的病，跟他问的不是一件事。
先说一个几乎所有人都猜错的答案
如果问他，做图最怕什么，多半会听到「怕不像」——不像实物，不像真人，一眼看出是 AI。
这个担心是对的。但它不是最贵的那个。
我们复核过的图里，被平台驳回、被客户退回来的，最多的原因不是「太假」，是颜色对不上。同一个款，图上是雾霾蓝，收到是灰蓝；图上偏暖，实物偏冷。
买家不会写「你的图有 AI 味」。他会写：跟我看到的不一样。
一个不太好听的数字
有一份公开基准，测了 850 个商品、3400 次生成。用的是市面上能买到的最强那一档基座模型。
结果：能把商品原貌完整保留下来——Logo 不变形、部件不缺失、颜色不漂移——的，只有 29%。
剩下的七成里，最常见的失败是 Logo 和文字变形（20.1%），其次是部件缺失（12.5%）、颜色偏移（8.1%）。
注意这个数字不是「某个便宜模型」的成绩，是最好的那一档。
所以当有人说「AI 出图只要几块钱」的时候，那个几块钱买到的，是一张图——不是一张对的图。
真正的问题，是「看起来不像同一家」
回到那三张图。
它们各自的单张质量都不差。问题出在它们放在一起的时候。
一个买家在你的详情页、你的朋友圈、你的社群里，前后会看到几十张图。他不会逐张打分说「这张好、那张差」，他只会形成一个模糊的印象：这家靠不靠谱。
而这个印象，几乎全部来自一致性——同一个光，同一个调子，同一个模特的同一张脸。
有一家做视觉评审的工具公司说过一句话，是行业里少见的诚实：
问题不是质量，是一致性。提示词工程能解决质量，解决不了一致性——因为一致性是系统问题。
这句话我认。因为我们就是这么撞上去的。
我们是怎么从「帮你出图」变成「帮你定规矩」的
最早我们只做出图。客户发产品，我们交图。做了一段时间发现一个尴尬的事：同一个客户，第二个批次出的图，跟第一批次不像一个牌子。
不是我们不用心。是每一次生成，都在一堆同样合理的选项里重选一遍——今天选了这个光，明天选了那个光；今天的模特微笑，明天不笑。每一次都「没做错」，合起来就散了。
后来我们改了三件事，改完才明白，这三件事都不是「生成」的事：
第一，先别生成，先诊断。 客户发两三张现在在卖的图过来，我们先说清楚：哪张会拖点击、哪张有驳回风险、他这个品类的头部在用什么样的视觉语言。这一步不生成任何东西，但它决定了后面所有图的方向。方向错了，出得越多，废得越多。
第二，把「老板的审美」变成能执行的参数。 大多数公司的视觉标准，是一句「要高级一点」。这句话没法执行——因为它不在任何一张图里。我们做的，是把主色、光线方向、背景处理、模特调性、构图规则，全部写成能直接喂进产线的参数。写得出来，才守得住。
第三，出完图必须逐张复检。 产品细节锁没锁住，有没有凭空长出来的口袋，跨图颜色有没有漂移，平台合规过不过。查完留档：每张图的约束、用途、身份锚点全可查。
第三步是绝大多数人跳过的那一步。它不产出任何新图，只负责拦下不该发出去的图。
这三件事为什么合起来才成立
因为它们是一条首尾相接的线，不是三个服务：
1
2
3
4
诊断 → 规范 → 批量生产 → 复检
找病 立规矩 出产能 验收
│ │
└───── 结果回流，下轮诊断更准 ─┘
单看任何一段都不新鲜。市面上有专门做诊断的审计工具，只告诉你哪张图不合规，不生成；也有专门做生成的工具，生成得很好，不管合规和一致性。
没有一家把这几段接起来。 你说「我的图为什么不转化」，诊断工具说我只负责打分；生图工具说我只负责出图。中间那段「定规矩、守规矩」的活，落在没有人手上。
私域这笔账，跟公域不一样
公域的逻辑是「刷到就买」，所以单张图够亮眼就行。
私域的逻辑不是。私域里没有人跟你讲价，也没有人跟你比参数。他们只判断一件事：这个人，我信不信。
而信任最怕的，恰恰是换脸。
你发一百条朋友圈，如果每条都像不同的人发的，你就是在每一次都重新自我介绍一遍。第一次说「我们做这行十年了」，第二次又从头说一遍——熟客也会重新变成生客。
所以私域素材的转化率，不取决于你发了多少张，取决于这几十张图看起来是不是同一个人、同一家在做。
而我们前面说的诊断、规范、复检，做的全部是这件事：让这个牌子在这些图里，始终是同一张脸。
最后
回到开头那个老板的问题。他问「能不能再多出点图」。
我们最后给他的建议是：先别加量。
因为他真正卡住的地方，不是图不够多，是这几十张图没有站到同一个方向上——每一张都在替他说一次话，但说的是不同的话。
图已经便宜到几乎不要钱了。
真正开始变贵的，是让它们看起来像一个人。
