如果你第一次看到“卡通猫vs自创生物”这个题目，可能会觉得这就是一次AI绘画挑战：一边是大家都熟悉的卡通猫，另一边是只存在于你脑洞里的自创生物。我最近用Stable Diffusion WebUI做了一组对照实验，想看看同一个工作流在两类对象上的表现差异。结果其实不算意外：卡通猫几乎每次都能快速出图，自创生物则经常翻车——要么像几种动物拼出来的四不像，要么根本看不见我指定的关键特征。
这个差异很容易被归因成“模型不够聪明”，但实际不是。真正的问题在于：当你面对一个训练数据里已经非常成熟的概念时，AI承担的是“检索和重组”；而当你要求它生成一个从未存在过的生物时，AI承担的是“组合和推测”。这两种任务需要完全不同的提示词策略、参数策略和迭代策略。所以这个题目真正考验的不是画技，甚至不是提示词背得熟不熟，而是你有没有一套“可控、可复现、可迭代”的创作流程。
1. 这个题目真正考验的不是画技，而是概念掌控力
1.1 卡通猫为什么容易出图：训练数据里全是锚点
先看“卡通猫”这一类目标。主流AI绘画模型是基于海量图文数据训练的，这个数据里“猫”“卡通”“角色设计”的相关图片多到难以统计。模型在训练中已经把“卡通猫”的语义锚点分布得非常密集。也就是说，“卡通猫”不是一个模糊概念，而是一个有大量视觉样本支撑的高频概念。当你在提示词里输入 cartoon cat，模型内部其实是在迅速检索它见过的海量卡通猫图像，再结合你在风格、姿态、背景上的额外描述，输出一个概率最高的组合。
这意味着出图稳定的第一个原因，是语义锚点密集。第二个原因是用户容易得到正向反馈：即使你没有把提示词写得很精确，模型也会靠先验补齐很多细节。比如你只写 cute cartoon cat，模型大概率会补上圆脸、大眼睛、小身体、柔软毛发等常见特征。这些特征不是你的功劳，也不是模型“懂你”，而是训练数据里“卡通猫”的平均长相本来就是这样。
在实际创作中，这容易带来一个误区：很多人会觉得“我已经会写提示词了”，因为画卡通猫很顺。但这类成功会掩盖一个重要事实——你对颜色、线条、构图、风格的控制可能仍然很弱，只是模型先验在帮你兜底。所以真正需要拿自创生物来测试自己的控制力，而不是沾沾自喜于卡通猫的出图速度。
1.2 自创生物为什么容易翻车：模型没有现成语义坐标
现在看“自创生物”。它的问题不是“新东西无法被画出来”，而是“没有现成语义标尺”。我在实验里写过一个描述：三只眼、独角、虹彩鳞片、蝙蝠翅膀、长尾。模型确实画出了很多元素，但每次结果都像不同生物的大乱炖。
为什么会这样？因为模型的工作方式，本质上是把提示词里的每个属性拆解成对应的小区域，再在潜空间里做采样。“三只眼”有大量科幻样本，“独角”有大量奇幻样本，“蝙蝠翅膀”也有自己的样本分布。当这些样本的视觉风格不一致时，模型很难找到一个真正连贯的中间态，于是它会倾向于把不同部分生硬拼贴起来。
另一个问题是自创生物必须“自洽”。真实存在的生物通常有符合逻辑的骨骼、肌肉、皮肤纹理，即便卡通角色也会遵循简化的解剖逻辑。但自创生物没有这样的隐含逻辑，你需要通过文字把所有逻辑写清楚。如果你的提示词只是罗列特征，没有说明结构关系、材质关系、体型比例，模型就只能按照它的统计学直觉去补全，补全结果自然不稳定。
这里的关键变化是：任务从“描述一个已知对象”变成了“定义一个未知对象的规则”。前者是选择，后者是设计。很多人意识到这个区别之后，才会真正开始理解提示词为什么需要分层。
1.3 这不是谁更厉害的问题，而是两类任务在工作流上不同
所以，“卡通猫vs自创生物”的底层差异，不是一边容易一边难，而是两类任务需要的工作流不同。卡通猫倾向于“检索式生成”，你只需要把模型已知的概念选中、再叠加上风格；自创生物则倾向于“组合式生成”，你需要把多个独立概念重新组装，并确保它们在视觉上自洽。
对于一个项目而言，这两种模式可能要并存。比如你要为一个游戏设计角色：主角可能是一只卡通猫，但配角需要创意生物。如果你只用同一套提示词模板和相同参数，往往只能解决卡通猫这一类。所以你需要把创作流程拆成两条线：一条负责检索和调优，一条负责组合和验证。后面我给出的对照实验，就是为了帮你在自己的环境里把这两条线同时跑通。
2. 一次对照实验：先跑通一张基准图，别急着抽卡
2.1 环境准备：本地WebUI或在线工具，先确认最小流程
为了做这个对照实验，不需要特别复杂的工程配置。常见的选择是Stable Diffusion WebUI，或者你习惯的在线绘图工具。如果只是验证工作流，本地WebUI更灵活，因为你可以随时看到日志、切换模型、固定种子。如果是第一次用，建议先别追求下载一堆插件，先用基础模型、VAE和一个最简单的文生图界面，完成一张正常出图。
很多人在这里会踩第一个坑：拿到一个项目，先装各种 ControlNet、LoRA、高清修复脚本，结果环境一直报错，最后连一张图都出不来。我的建议是，先跑通最小流程：装好 WebUI，选择基础模型，输入一张图的提示词，生成一张正常图片。这一步的目的是验证：输入、模型、输出路径、显存占用这些基础链路是通的。只有最小流程稳定，后面的对照实验才有意义。
注意：不要一上来就全套插件，先用最小流程把“能否正常出图”验证完，再谈参数和批量。
我实验用的基础模型，是一个通用性比较好的写实/二次元混合模型。如果你用的是专门的卡通模型，实验结果会偏向卡通风格，这没关系，只要固定同一个模型做对照即可。
2.2 卡通猫生成策略：风格词、角色词与负向提示词
第一组测试是卡通猫。我的提示词结构大概是这样：
(masterpiece, best quality:1.2), a cute cartoon cat with big eyes, round face, soft fur, chibi style, simple background Negative prompt: blurry, lowres, bad anatomy, extra fingers, deformed, ugly, watermark, text这组提示词没有多高深，但有几个地方值得拆开看。第一是主体词：a cute cartoon cat with big eyes, round face, soft fur。这些词会引导模型选择常见卡通猫特征。第二是风格词：chibi style和simple background，它决定了整体是Q版、简洁还是复杂场景。第三是质量词和负向提示词：masterpiece, best quality是通用质量词，负向提示词用来排除模糊、畸形、水印等常见问题。
在跑卡通猫时，采样步数用28步，CFG Scale用7，分辨率512x512，然后固定种子。结果比较稳定，差不多每四张里有一张可以直接用。如果某个种子形态不好，我只改随机种子或小范围调整CFG，不会大改提示词。原因是卡通猫的先验很强，大部分问题靠种子和简单参数就能解决。
这里我想强调一个经验：对已知对象，负向提示词比你想象的重要。因为模型太熟悉卡通猫了，如果负面提示词里不写blurry、lowres，它可能为了追求艺术感输出一堆背景糊掉的图。你不需要告诉模型卡通猫长什么样，你更需要告诉它“不要什么”。
2.3 自创生物生成策略：属性堆叠、结构关系与参考图控制
第二组测试是自创生物。我用的是：
a fictional creature with three eyes, one horn, iridescent scales, bat-like wings, long tail, fantasy creature concept art, full body, intricate details Negative prompt: blurry, lowres, deformed, extra fingers, missing limbs, ugly, watermark第一次跑出来的图，确实包含了三只眼、角、翅膀这些元素，但整体构图非常乱。有的图像四只脚长在一起，有的图翅膀长在尾巴上。你调高CFG也没用，因为CFG只是让模型更严格地跟随提示词，并不会帮它理解“这些元素应该组合成什么结构”。
这时我做了两个调整，效果比较明显。第一个是给提示词增加结构关系说明，例如：
a fictional creature with three eyes arranged in a triangular pattern, one horn on the center of its forehead, iridescent scales covering the body, bat-like wings on the back, long tail with a spade tip把三只眼、角、翅膀、尾巴的位置关系写出来之后，出图稳定性会好一些。第二个是引入参考图控制。如果你能先用画图工具画一个最粗糙的轮廓草图，再利用 ControlNet 的 lineart 或 sketch 模式作为结构约束，就不需要完全靠文字描述空间关系。这一步对自创生物尤其关键。
也许你会说，我根本不会画画，画不了草图。这也不难，你可以先用AI随机生成一批候选图，挑一张结构最接近你需求的，再用 img2img 重绘，加上新的提示词。这种方法相当于把“模型随机草稿”变成“人的参考图”，再控制生成。自创生物的本质，就是你要在某个环节定义规则，而不是完全交给概率。
3. 把单张出图变成可复用流程：提示词、参数、迭代方法
3.1 提示词三段式：主体、风格、质量，别把词堆成一团
很多人一看到提示词就习惯把所有词堆在一起，结果模型容易顾此失彼。更合理的方式是把提示词拆成三段：主体描述、风格描述、质量与限制。主体描述要回答“画什么”，风格描述回答“用什么画法”，质量与限制回答“成品要达到什么标准、不要出现什么”。
一个通用的模板可以是：
[主体]，[主体特征与结构关系] [风格词]，[光照/构图/材质] [质量词]，[画质增强词] Negative prompt: [需要排除的缺陷]以自创生物为例：主体部分写清楚“这是一种栖息在丛林里的两栖类生物，有四只眼睛，其中两只长在头部两侧，另外两只长在背部，皮肤有发光黏液”，风格部分写“3D电影概念设计，兽形，柔光，全身像”，质量部分写masterpiece, best quality, highly detailed。
为什么顺序重要？因为 Stable Diffusion 类模型在处理长提示词时，越靠前的词权重往往越明显。如果你把质量词放在最前面，模型的注意力就会偏向画质而不是主体结构，这样容易得到一张精美的、细节毫无逻辑的图。把主体放前面，风格放中间，质量放最后，整体会更可控。
3.2 采样步数、CFG、Seed与高清修复，用最小矩阵验证
提示词之外，参数也需要一套最小验证矩阵。我常用的起点是：采样步数25到30，CFG Scale 6到8，采样器 DPM++ 2M Karras 或同类常见采样器，分辨率512到768，固定一个Seed先测提示词。不要觉得参数越多越专业，原因是采样步数太高并不必然带来质量提升，反而拖慢速度。CFG太高会让画面出现过曝、僵硬和伪影，太低又会让提示词失效。
Seed 是很多人忽略的调试工具。固定 Seed，你就能对比不同提示词或参数句子的影响；只改动一个变量，问题定位会非常快。如果固定 Seed 后结果仍然不稳定，再去检查模型和版本。高清修复 Hires Fix 可以用来放大小图并补充细节，但它会改变构图，尤其在自创生物上可能把结构改坏。所以我会先出小图，确认结构和画面布局没问题之后再开高清修复。
这里给一个简单的参数验证顺序：先固定一个 Seed 和采样器，用一套提示词生成4张图，观察主体是否符合预期。如果有细节问题，逐个加风格词，每次加完再生成4张。如果四个种子都出现同一个结构问题，那就不是 Seed 的问题，而是提示词或模型本身的问题。如果某个测试固定失败，按这个链路去查，比随机调参快很多。
3.3 用“批次对比表”代替随机抽卡
随机抽卡式生成，看起来每张都不一样，但你没有留下任何可复现的经验。下次要调整时，你只能重新洗牌。所以更建议你从第一次实验开始就记录一张对比表，包含对象名称、提示词、参数、Seed、结果印象、下一步调整。
先把每一次生成结果记录下来，再谈优化。没有记录的抽卡，本质上只是碰运气。
| 对象 | 提示词思路 | 采样步数 | CFG | Seed | 结果印象 | 下一步调整 |
|---|---|---|---|---|---|---|
| 卡通猫 | cartoon cat + chibi | 28 | 7 | 101 | 整体可看，眼睛稍大 | 加入“simple background” |
| 自创生物A | three eyes + horn + scales | 28 | 7 | 202 | 元素都在但结构混乱 | 增加结构关系词 |
| 自创生物B | 加上位置关系 | 30 | 7.5 | 202 | 结构稳定，鳞片纹理不够 | 换用 LoRA 增强鳞片材质 |
这张表最大的价值，不是好看，而是能让你的工作流从一个“运气驱动的黑盒”变成一个“经验驱动的可迭代过程”。你要在每一次生成后问自己：刚才的结果是由哪个变量造成的？如果卡通猫一直稳定，而自创生物一直不稳定，说明你的提示词和参数没有针对组合式任务做适配，而不是模型不行。
4. 从单次生成到稳定产出：边界、问题排查与工程化
4.1 先小批量验证，再扩大规模
当你把单张流程跑通后，很容易想立刻批量生成几十张。但实际经验是，先小批量验证，再扩大规模。批量生成会放大你忽略的问题：输出路径不存在、任务失败没有重试、同一批图风格突变、显存溢出。如果你只是玩票，可以先跑一张；如果你要给项目生成一组角色，我建议至少先跑8张以内，检查三类问题。
第一类是输出检查：每张图是否都成功落地，文件命名是否清晰，有没有因为提示词过长或特殊字符导致任务中断。第二类是一致性检查：同一对象多次生成，是否在结构、纹理、风格上保持一致，关键特征有没有丢失。第三类是资源检查：批量生成时的显存占用和耗时是否会超出你的环境承受范围。先把这三类问题跑通，再扩大到几十张。
如果批量出图，前8张一定要人工检查，不要批量完了才去翻目录。
4.2 常见问题排查链路：输入、环境、参数、模型、边界
真正到了批量阶段，问题不会少。我建议按下面这个链路排查，避免一上来就改参数。
第一步，看现象。先区分是结构崩坏、色彩异常、风格漂移、无输出，还是速度变慢。现象不同，原因完全不同。第二步，看输入。检查提示词是否包含不可见字符、是否过长、是否有互相冲突的词，参考图路径是否存在，输出目录是否有写权限，避免使用中文路径通常能减少一批奇怪问题。第三步，看环境。检查 WebUI 版本、依赖版本、显存占用、显卡驱动，如果你刚更新过环境，很多异常要先怀疑版本兼容性。第四步，看参数。固定一个变量，检查采样步数、CFG、采样器、Seed、Hires Fix、图像尺寸是否超出你的基础模型支持范围。第五步，看模型边界。如果某个基础模型在自创生物上总崩，换一个偏向写实或偏向奇幻的模型试试，也可以引入 LoRA 来强化某种材质或风格。最后才是更新插件、重装依赖。
对于自创生物，还有一个容易被忽略的边界：模型对“不存在的生物”的泛化能力其实有限。如果它总是把“三只眼”画成两个正常位置的眼加一个奇怪的额头瘤，往往不是提示词不够，而是这个模型的样本里三只眼的形象大多来自异形或克苏鲁，风格倾向过于明显。这时，你可以用 ControlNet 画一个简单的三角排列草图，把结构物理约束住。
4.3 适用边界：这套流程适合谁，不适合谁
这套流程适合有明确创作目标、愿意记录和迭代的人。比如独立游戏开发者要设计一堆生物设定，用 AI 做前期脑暴，先用上面的流程出一批候选，再人工挑选和二次创作。运营和美工也可以用同一套方法做不同风格的角色扩展。
但它不适合所有人。如果你只是为了娱乐，完全不想记录参数，只想看到好看的图，那上面这套流程反而会让你觉得繁琐。如果你需要的是商业IP级别的精准角色设计，比如必须从正面、侧面、背面多个角度保持一致，单靠文生图和随机种子是不够的。这时需要做 LoRA 微调、多视图训练、甚至是专业3D建模。还有另一个边界是：如果你的自创生物包含大量现实材质细节，例如皮肤、鳞片、毛发混合过渡，AI生成的效果可以用于找灵感，但几乎不可能直接作为终稿。
所以，这套流程的价值更多是“可控地生成选项”，而不是“一键生成最终成品”。你仍然需要判断力，需要筛选、修改、组合，工具只是把第一版草稿的生成成本压到很低。
5. 工具放大的是判断力，不是运气
5.1 为什么单次跑通不等于能长期使用
很多时候，我们容易把一次成功的出图当作方法正确。比如你终于调出一张非常满意的自创生物，然后马上保存图片、发朋友圈，却没有保存提示词、参数和Seed。几天后再想复现同样的风格，你会发现自己找不到当时的流程。单次跑通只能说明流程没有断，不能说明流程可复用。
尤其像“卡通猫vs自创生物”这种对比任务，如果你只在卡通猫上拿到了好结果，但对自创生物的工作流没有沉淀，下一次项目推进时仍然会回到初始状态。真正能长期使用的，是一套可以重复执行、可以解释差异、可以在失败时快速定位的流程。
5.2 真正分水岭在于能否解释输入与输出的差异
我判断一个人是否真正掌握了 AI 绘画工作流，不是看他能不能生成一张好图，而是看他能不能解释为什么这张图比另一张图好。如果你只能说“这个Seed更顺手”，那说明你还在碰运气。如果你能说“因为我增加了结构关系描述，同时把CFG从8降到6，所以这次三只眼睛的布局稳定了”，这才算是把经验固化了下来。
这个差异在“卡通猫vs自创生物”上特别明显。卡通猫出图稳定，掩盖了人的判断；自创生物频繁翻车，反而逼着人去理解模型如何组合概念。所以我甚至建议，新手不要只对着卡通猫练手，鼓励多用自创生物做测试。它会让你更快理解提示词结构、结构描述、负向提示词和参考图约束的重要性。
5.3 从今天开始，建议先建一个“对象定义模板”
如果你看完文章只想做一件事，我会建议你建立一个属于自己的“对象定义模板”。模板的作用，是让你在每次生成前，先把对象规则想清楚，而不是临时起意写几个词。
【对象名称】 【对象类型】已知概念 / 自创概念 【核心特征】3-5个视觉特征，尽量带上位置关系 【风格锚点】比如“3D卡通”“日系赛璐璐”“美式漫画” 【限制条件】不要出现什么，比如“不要写实皮毛”“不要红色背景” 【参考图】如果有，放一个结构草图或颜色参考 【参数备注】步数/CFG/采样器/Seed/高清修复开关用这个模板分别去测卡通猫和一个你自己的自创生物。你会发现，模板本身不会帮你画图，但它会强迫你定义清楚：到底什么是“这只猫的卡通感”，什么是“那个生物的独特结构”。这个过程，才是“卡通猫vs自创生物”这个题目真正值得你投入时间的地方。
工具的出现，不是让创作变得不需要动脑，而是让动脑的成本分布发生了变化：过去你可能要把大量时间花在反复手绘草稿上，现在时间更多花在定义规则、验证规则、调整规则上。AI把生成动作变得足够廉价之后，真正值钱的是你判断哪些规则值得放进提示词，以及为什么。
所以，如果下次再有人问我“卡通猫vs自创生物”该怎么玩，我大概率会回答：别急着分胜负，先把你自己的流程拿出来比一比。能够稳定生成一颗卡通猫大脑很容易，能够把一个自创生物从想法变成一组可控、可复现、能继续迭代的视觉作品，才是这轮AI创作工具真正带来的变化。
