在使用了这些工具 3 年多之后，唯一真正产生复利的是
我靠这个吃饭，但我也跟不上。没人能跟上。每周都有新模型，信息流里全是那些告诉你已经太晚了的人。
所以，很多真正有才华的创作者被卡住了。他们收藏了永远不会读的帖子，囤积了永远不会打开的提示包，等待自己感觉准备好的那一刻。而与此同时，那些才华只有他们一半的人每天都在发布作品。
我想说服你，是时候从这趟没完没了的跑步机上下来了。一场没有终点的比赛你赢不了，所以别跑了。去打造一些能跨过每一轮迭代的东西吧，也就是一个实践体系。
我所说的实践体系是什么意思
我刚入门的时候，流程惨不忍睹。输入提示词，不满意，改三个词，再跑一遍，重复四十次，最后挑一个最不差的结果。我管这叫迭代。实际上，这跟玩老虎机没什么区别。
GIF
这就是我在 2024 年 2 月时 AI 产出的质量 🤮
真正让我开窍的是意识到，提示词可能只占整个工作的百分之十。另外百分之九十是一套可以重复使用的技巧，不管当月哪个模型最火，我都能用。以下是我常用的三个：
先瞄准再开枪
在我生成任何东西之前，我会先想好成品的样子以及我的参考是什么。听起来很简单。但几乎没人这么做。一旦你事先瞄准，每一次生成就变成了对你已做决定的验证，而不是一次期待中的碰运气。
我现在做的所有东西，尤其是在 Midjourney 这样的扩散模型里，都有层层叠叠的规划和参考素材。
学会解读“错误”
当输出结果不对时，有两种完全不同的错误类型。一种是方向性偏差，整个感觉都不对。另一种是指令性偏差，感觉是对的，但手部细节崩了，或者文字变成了乱码。它们需要完全相反的修正方法。大多数人一慌就什么都改，结果永远分不清自己面对的是哪种错误。
例如，在制作这篇文章的封面时，我遇到了一些挺棘手的指令性偏差——Logo 在鱼身上做出来的效果不够真实。
我最终不得不反向操作，先独立处理鱼的部分。
用参考图来指导
模型跟随它能看到的东西，比跟随它读到的文字要好得多。十个完美的形容词，也比不上一张好的参考图。
看看使用参考照片（而不是把提示词抽象成 JSON 或大量文字）能让这张图片好多少（以及精确多少）。
为什么这比追逐模型更好
这才是关键：一旦你掌握了这些方法，每一个新发布的模型就只是你流程瞄准的新目标，通常伴随着更好的指令遵循能力，而这正是乐趣所在。我把已经奏效的方法直接套用在每周最新发布的东西上。
如何开始：
独自建立这个实践体系很慢。我花了好几年时间，并为此创建了一门课程来记录——它叫 The AI Creative Director ，这里凝聚了我可能数百个小时的学习成果。
第 3 期将于 7 月 1 日 开课，6 日 截止报名，现在已经开始招生。参加过这个课程的人都非常厉害……不少人在为 Meta、Google、Microsoft、Adobe 和 Figma 工作。
如果你一直觉得自己落后了，那就来打造一个让你不再在意“落后”的东西吧。
