配图翻车通常不是角色文件少写了一条规则，而是视觉约束、动作语义和验收标准没有连成一条链。本文围绕 Codex Skill 的视觉 DNA 与 QA 清单，分别检查角色身份、画面构图、留白、文字和隐喻是否达标，并给出生成前后都能执行的复核顺序。文中只讨论可复现的步骤，不把单次结果扩展成产品承诺；每个结论都标注前提、证据和无法覆盖的边界。读者可以先完成最小验证，再按自己的版本、权限和数据补充实验。

第314期我们讲了安装，第315期讲了认知锚点和 Shot List。

到了真正生成图片这一步，很多人会发现：文字里的逻辑已经写得很清楚，图却还是会翻车。

小恩可能变成猫、兔子、机器人或普通黑色吉祥物；白底变成蓝紫科技背景；画面从一张观察笔记变成一张商业海报；角色虽然长得像了，却只是站在一旁挥手，和文章的核心判断没有关系。

这说明配图质量至少有两层：

第一层：角色和视觉风格是否稳定
第二层：动作和隐喻是否真的表达文章

前者解决“这是不是小恩”，后者解决“这张图有没有用”。

小恩项目把这两层规则分别写进角色文件、风格文件和 QA 清单里。它的价值不只是让模型记住一只黑色角色，而是把个人 IP 的识别边界、动作边界和审美边界都变成可检查的条件。

项目地址：GitHub 项目仓库

一、什么是视觉 DNA

视觉 DNA 不是一句“黑色手绘风格”。

如果只有这句话，任何模型都可能画出不同的结果：黑色漫画、黑色商业插画、黑色科技海报、黑色儿童绘本，都可以声称自己符合要求。

仓库的 references/style-dna.md 把视觉约束拆成了多个维度：

维度 小恩 Skill 的默认规则 主要作用
画幅 16:9 横版 适配文章正文和网页阅读
背景 纯白，必要时极浅灰白 保持观察笔记的安静感
线条 黑色、细、轻微手绘抖动 避免光滑商业矢量感
主体比例 约占 40%–60% 给动作和留白留出空间
留白 至少约 35% 有效留白 避免挤成信息图或海报
颜色 黑色主结构，少量橙蓝批注 用颜色标记动作和状态
文字 3–5 处短中文标注 像观察笔记，不像课程页
气质 安静、克制、实验、略有观察感 形成持续可识别的 IP 语气

它刻意不选择下面这些视觉方向：

这些限制不是为了让图片“看起来简单”，而是为了让读者看到一个稳定的观察者，而不是每次都换一套画风的随机角色。

二、小恩的角色识别有硬边界

references/xiaoen-ip.md 规定了小恩不能随意变化的部分。

1. 头部和耳朵

2. 面部

3. 身体

4. 气质

这些规则共同构成小恩的最小识别标准。即使图中角色很小，也应该优先保留：

双峰高耳朵轮廓
白色星泪眼纹
黑色斗篷水滴身体

中央菱形在画面尺寸允许时再保留。不要为了增加细节，把小恩改得更像一个普通卡通人物。

三、角色一致性和动作一致性不是一回事

这是最容易被忽略的区别。

一张图可能具备所有角色特征：

有双峰耳朵
有星泪眼纹
有白色菱形
有黑色斗篷身体

但它仍然可能是一张不合格的配图，因为小恩只是站在图表旁边，或者举着一块写有结论的牌子。

因此需要分开检查：

角色一致性

问的是：

这是不是小恩？

主要检查外形、比例、颜色、眼纹、耳朵、身体和气质。

动作必要性

问的是：

小恩为什么必须在这里？

主要检查小恩是否接触主物件、是否改变了状态、是否真正执行了文章的核心动词。

仓库给出的判断很直接：

如果去掉小恩，图的核心隐喻仍然完整成立，
那么小恩就是装饰，构图需要重做。

这条规则非常适合团队评审。它把“我觉得角色有点多余”变成了一个可以复现的测试。

四、把 Prompt 分成五层

一段 Prompt 同时写角色、动作、风格、文字和禁用项，很容易变成一大段互相冲突的描述。

更稳定的写法，是按下面五层组织：

第1层：角色身份
第2层：核心认知
第3层：必要动作
第4层：视觉 DNA
第5层：负面约束和输出规格

第1层：角色身份

先锁定小恩是谁：

小恩是黑色实心主体的 AI时代观察员，
拥有与头部相连的高而圆润双峰耳朵、白色星泪状眼纹、
面部中央偏下的小白色菱形、黑色斗篷水滴身体、
隐藏式短手臂和两条短腿。
保持大头小身体、安静、冷静、半眯眼的观察者气质。

第2层：核心认知

只写一句：

这张图只表达：AI 输出必须经过人工校准才能发布。

不要在这里添加第二个结论。

第3层：必要动作

把 Shot List 里的动作写成可观察的过程：

小恩蹲在简化输出装置的出口，
用短刻度尺对照基准线检查结果卡，
把一张偏斜卡片拨正后放入前方托盘。
动作必须改变卡片状态，小恩不能站在完成图表旁边。

第4层：视觉 DNA

16:9 横版，纯白背景，黑色细手绘线稿，
大量整块留白，少量橙色表示校准动作，
少量蓝色表示 AI 返回反馈，中文标注短而少。

第5层：负面约束

不要真实软件 UI、品牌 Logo、复杂菜单、赛博科技、
蓝紫发光、PPT 信息图、商业矢量插画、儿童卡通、
腮红、嘴巴、牙齿、长腿、尾巴、翅膀和复杂服装。

这五层的好处是，出现问题时知道该改哪一层：

五、仓库中的两个角色参考图怎么用

当前仓库的 assets/character/ 目录提供了：

xiaoen-reference-sheet.png
xiaoen-reference-sheet-labeled.png

无文字参考图适合提供给图像模型作为视觉参考，带标签版本适合人类确认角色结构和命名。

推荐顺序是：

  1. 先让模型读取无文字角色参考图。
  2. 用 xiaoen-ip.md 补充不能变化的角色规则。
  3. 用当前 Shot List 指定小恩要做的动作。
  4. 最后用 style-dna.md 限制背景、线条、颜色和留白。

不要只给一张参考图，然后用一句“画成类似风格”结束 Prompt。

参考图只能帮助模型认出角色，不会自动告诉模型：

所以参考图是角色层，Shot List 是认知和动作层，视觉 DNA 是整体风格层，三者不能互相替代。

六、完整 QA 应该按什么顺序

仓库的 qa-checklist.md 建议按六个顺序检查：

1. 小恩角色一致性
2. 小恩是否承担核心动作
3. 认知和隐喻是否清楚
4. 构图、留白、颜色和文字
5. 现代设备是否过度写实
6. 是否复刻旧案例或连续重复套路

这个顺序很重要。

如果角色已经变成机器人，就不用先纠结标注颜色；如果小恩根本没有动作，就不用先调整某个按钮的位置。先修影响最大的层。

1. 角色检查

逐项看：

2. 动作检查

只用一个动词回答：

小恩正在做什么？

合格答案应该类似：

小恩正在把偏差卡片拨回基准线。
小恩正在拆开黑盒，取出可复用模块。
小恩正在把失败记录分类并放进经验档案。
小恩正在修理两个内容模块之间的接口。

不合格答案通常是：

小恩在旁边看。
小恩指着一张图。
小恩拿着写有结论的牌子。
小恩和一个系统待在一起。

3. 认知检查

用三秒测试：

如果只能看出“小恩在奇怪机器旁边”，说明隐喻不清楚。

4. 构图检查

5. 设备检查

电脑、平板、服务器和窗口只是服务于概念的道具。

它们应该是：

基本矩形
少量线条
几个简单按钮
少量卡片或气泡
手绘线缆和符号

一旦出现真实产品外观、复杂菜单、密集小字、金属材质、玻璃反光或发光 HUD，就需要降级重做。

6. 重复检查

不要只看单张是否成立，还要看整组是否重复。

如果连续三张都是“小恩站在设备旁边”“小恩搬纸箱”“小恩修电线”，即使每张单独看都合格，整组也会失去变化。

仓库建议在观察、记录、拆解、搬运、修理、推动、校准、测试、归档和复用之间轮换动作。

七、常见翻车类型和修复方法

翻车一：小恩变成猫、兔子或普通吉祥物

原因通常是角色规则不够具体，或者参考图与动作描述冲突。

修复时不要继续增加场景细节，先锁角色：

只修正小恩角色，保持背景、主物件、标注、构图和颜色不变。
严格匹配官方角色参考：双峰圆润耳朵、星泪眼纹、
中央白色菱形、黑色斗篷水滴身体、短手臂和短腿。
不要出现猫鼻、兔耳、尾巴、嘴巴、牙齿、头发或复杂服装。

翻车二：小恩太可爱

如果出现腮红、笑嘴、闪亮大眼、胜利姿势或贴纸感，可以这样修：

保持小恩安静、克制、冷静和略带观察感。
恢复半眯眼和简化面部，不增加嘴巴、牙齿、腮红、
爱心、夸张跳跃、毛绒质感和商业吉祥物表情。

翻车三：画面变成 PPT

常见表现是标题很大、四个方框平均排列、箭头很多、每个节点都写一长句。

处理顺序：

  1. 删除类型标题和大段文字。
  2. 只留一个主物件。
  3. 把方框改成可被小恩操作的物件。
  4. 把流程关系变成动作结果。
  5. 恢复一整块白色留白。

翻车四：画面太满

直接限制元素数量：

只保留一个小恩、一个主要物件、最多一个辅助物件和三到五处短标注。
删除装饰、背景、重复模块、无意义箭头、边框和多余文字。
至少保留约 40% 干净白色留白。

翻车五：中文标注错误

图像模型对长中文和专有名词的稳定性有限。

优先做三件事：

如果大量文字都错了，先去掉大部分文字，再重新生成；不要把一张正文配图改成文字海报。

翻车六：隐喻很怪但不清楚

“有一点怪”不是越奇怪越好。

合格的怪诞来自抽象关系被物理化，例如：

经验变成可取出的旧零件。
错误变成堵住出口的硬块。
流程卡点变成无法对齐的接口。
AI 输出变成需要校准的结果卡片。

如果读者还要看十行解释才能明白主物件代表什么，隐喻已经比原概念更复杂了。

八、什么时候重生成，什么时候局部编辑

适合整张重生成

适合局部编辑

仓库的 prompt-template.md 已经提供了删除标题、替换错字和修正小恩的局部编辑提示词。局部编辑时，必须写清楚“只修改什么”和“其他内容保持不变”。

九、把 QA 写进企业内容流程

小恩 Skill 的 QA 清单可以由人工执行，也可以作为视觉审核模型的检查依据。

如果企业通过 上游 API 统一调用文本、图像、视觉和 Embedding 模型，可以把流程拆成：

图像生成
  -> 视觉模型检查角色特征
  -> 文本模型读取 Shot List 和图片说明
  -> 规则检查比例、文字数量和禁用项
  -> 人工确认认知是否成立
  -> 通过后归档，失败则回到对应层修复

上游 API 在这里负责企业级模型入口和治理，不替小恩 Skill 定义角色。更准确的分工是：

推荐给每次输出附带这些元数据：

article_id
shot_id
skill_version
reference_asset_version
prompt_version
image_model
qa_model
qa_result
reviewer
revision_count
estimated_cost
actual_cost

这样当某一批图突然变得“太科技”或“角色变形”时，可以判断是模型变化、参考图变化、Prompt 修改还是 Skill 版本变化，而不是只能凭感觉重新试。

企业还应该在 上游 API 侧设置：

不要为了省一次人工审核，就让低置信度图片自动发布。配图是内容的一部分，角色一致性和表达准确性都应保留人工抽查。

十、一个可复制的完整调用模板

下面这段适合在已经有 Shot List、准备生成单张图时使用：

Use $xiaoen-ai-observer-illustrations

任务：根据下面的 Shot List 生成一张中文文章正文配图。

【核心认知】
这张图只表达：<一句话核心判断>

【小恩动作】
小恩位于：<位置>
姿态：<蹲下、前倾、托住、拆开、测量等>
工具：<工具>
接触对象：<主物件的具体位置>
动作结果：<主物件发生了什么变化>

【构图】
构图类型：<单一动作场景／系统局部／前后变化／小漫画>
主要物件：<一个主物件>
辅助物件：<最多一个>
信息流向：<从哪里到哪里>
留白位置：<画布哪一侧保留整块白色>

【文字】
只保留这些短标注：<3到5处，2到6字>

【视觉 DNA】
16:9 横版、纯白背景、黑色极简手绘、大量留白，
少量橙色表示动作和变化，少量蓝色表示 AI 反馈或可复用信息。
小恩保持黑白、安静、冷静、半眯眼和观察者气质。

【硬性 QA】
小恩必须与主物件有身体、工具或视线关系，并亲自改变主物件状态。
删除小恩后，核心隐喻不能完整成立。

【禁止】
真实 UI、品牌 Logo、复杂菜单、赛博科技、蓝紫发光、
PPT 信息图、商业矢量插画、儿童卡通、腮红、嘴巴、
牙齿、尾巴、翅膀、长腿、复杂服装、长句和大标题。

生成后不要立刻发布，先把图和这段 Prompt 一起交给 QA。

十一、发布前最终清单

角色

动作

风格

文字

系列

总结与系列导航

一个可以长期使用的 IP，不应该只靠一张参考图维持。

小恩项目给出的做法是：

角色参考图
  -> 角色不可变规则
  -> 视觉 DNA
  -> 核心动作规则
  -> 构图和隐喻规则
  -> Prompt 模板
  -> QA 清单

这套链路让“像不像小恩”和“有没有解释文章”都变成了可讨论、可复查、可迭代的标准。

第314期讲安装与调用，第315期讲认知锚点和 Shot List，本期讲视觉 DNA 与 QA。下一期继续往前走：当一个个人 IP 已经拥有稳定的审美和工作规则后，如何把它沉淀为团队可以复用的生产能力，并通过 上游 API 接入企业内容系统。

项目地址：GitHub 项目仓库

如果要把图像生成、视觉审核、历史素材检索和内容发布接进企业系统，可以用 上游 API 作为企业 API 网关，统一完成多模型接入、模型路由、API Key 权限、日志审计、预算告警和成本治理；小恩 Skill 仍然负责 IP 规则与配图质量标准，二者是协作关系，不是项目已经声明的原生依赖关系。

结论

本文给出了问题定位、配置或创作流程的可执行路径。实际结果仍取决于当前版本、权限和运行环境，提交前应按官方文档复核可变字段，并保留失败证据和回滚边界。