孩子的蜡笔画被「优化」成了干净的矢量图,还多了原画没有的鳞片。我说:失去了灵魂。
昨天,我给一款亲子类 App 提了一个新功能:「妈妈拍摄孩子画画作品后可以帮忙生成卡通版本的电子稿」。
第一版样张很快就出来了。左边是孩子的原画,右边是生成的卡通稿。我看完回了一句:「右侧的电子稿不如左侧好看,失去了灵魂,要优化电话稿的生成prompt.」(「电话稿」是我打错了,说的是电子稿。)
问题出在提示词上。它要求「干净描线加平涂」,于是孩子那些歪歪扭扭的蜡笔线条全被抹平成了矢量图。更离谱的是,原画里一条简单的鱼,被加上了一身鳞片。
画得更「好」了,可那已经不是孩子画的东西。
先定「什么不许加」,比定「怎么画好」重要
接着改出了两版 v2,规则互相冲突。一版给草地加了小花,给星星加了闪光,看起来更热闹;另一版坚持原画没有的东西一律不加。
最后定下来的规则是:原画里没有的物体,一律不加。腮红、闪光这类装饰,做成一个默认关闭的「装饰强度」档位,家长想要可以自己打开。
这条规则背后是一个产品判断:家长要的是孩子作品的一个更好看的版本,不是模型借孩子的画去创作。生成类功能最容易犯的错,就是模型的审美盖过了用户的内容。所以第一条要写的不是风格,是边界。
模型会换,提示词和评测集要先于模型存在
后来我又补了一句,这句话改变了整件事的方向:「不错,生图 + 动画功能。但是它到时候不一定用的是你现在用的这个模型,所以更重要的是你要提前预制好生成的提示词、 Skill。给app使用」
App 上线以后接的是哪家模型,现在根本定不了。今天调得再好的一段提示词,换一个模型可能就完全失效。真正能留下来的,是一套和具体模型无关的东西。
于是交付物变成了三层:
- 一份规则源:用自然语言写清楚这个功能要什么、不许什么,比如保留原画线条的质感,原画没有的物体不加,装饰默认关闭。
- 一层适配:每一类模型一份,把规则源翻译成这类模型听得懂的写法。
- 一套评测集:10 张评测图,加一份逐张点数的回归单。
换模型的流程也就定了:先跑评测集,10 张里少于 8 张通过,就不上。
评测集会反过来查出提示词的 bug
评测集最大的价值,是它比人更早发现问题。
原来的提示词里,禁止项写的是「不出现文字」。这条看起来很合理,生成图里常常会冒出乱码。可评测集里有一张图,孩子在画上写了「妈妈 我爱你」。按原来的规则,这几个字会被一起抹掉。
改成了「只禁止新加的字」。这种问题,只看几张随手挑的样张,很难想到;放进评测集,每次换提示词、换模型都会被检查一遍。
失败的时候,家长也要拿到一张图
生成类功能还有一个容易被忽略的指标:等待时间。
写代码的 Agent 定的服务端上限是 110 秒,验收单写的是 70 秒内出图。统筹的 Agent 拍板按 70 秒,理由很朴素:妈妈拍完干等两分钟,太久了。最后拆成首次生成 40 秒,加一次 25 秒的轻度重试,客户端总共等 80 秒。
超时了怎么办?保存一张裁正过的原图。这是一条降级链:生成成功给卡通稿,失败了至少给一张摆正、裁好的原画。家长打开这个功能,总能拿到一张图。
还有一条隐私上的硬规则:发给模型的请求里,不带孩子的姓名、年龄和所在地。
照实说做到了哪一步
规则源、评测集和 App 端的代码,都已经合进了主干。可线上的数据库迁移还没跑,所以这个功能在线上还不存在。
评测集里的 10 张图也有局限:它们是 AI 生成的替身图,不是真孩子的画。团队请我提供过真画,到现在还没有补上。真孩子的画笔触更乱、拍摄条件更差,这套评测集够不够用,要等真画进来才知道。
但我已经确定,以后做任何生成类功能,顺序都是一样的:先写清楚不许做什么,再建评测集,最后才轮到挑模型。模型是这里面最容易被替换的一环。