蛛网之上 Above the Web
GitHub ↗

发布于 更新于 约 4 分钟读完 · 1,590 字

本文目录 11 节
  1. 事实记录（不可修改区）
  2. B. 作品回顾
  3. 创作思路
  4. 执行过程（含弯路）
  5. 最终输出
  6. C. 结果分析（严格区分两个视角）
  7. D. 方法论沉淀
  8. 出图机制优先律（已独立成档）
  9. 量产配套（小方法）
  10. E. 下次改进（agent 自检）
  11. 关联文档

B站冷知识封面量产复盘 · 出图机制踩坑与回正（2026-06-26）

事实记录（不可修改区）

  • 作品/任务：B站冷知识辟谣视频《10个被误解的常识，你全信了》系列封面量产
  • 项目：用 skill aigc-video-cover-gpt 一站式产可发布封面（人物参考图 + 脚本 → 一步出含中文大字的 16:9 封面）
  • 时间：2026-06-26
  • 预期目标：先产 10 张测试验证管线，通过后量产；再追加 100 张无人物形象同类型封面
  • 实际结果：✅ 最终交付 210 张参考级成图（10 测试 + 100 有人物 uv_011–110 + 100 无人物 uv_111–210），真 16:9 / 1672×941，0 失败、未触额度，用户每个里程碑验收通过
  • 过程波折：第一版 10 张测试被用户连续打回 2 次（文字错字 / 画面截断 / 人脸漂移），废批 1 次（约 $5.8 沉没）后才定位根因回正
  • 成本：有人物批 100 张 ≈ 735,698 tokens（~7.4k/张）；无人物批 100 张 ≈ 379,615 tokens（~3.8k/张，无参考图输入约人物批一半）
  • 数据来源：逐张自测抽检 + 用户验收；token 数来自运行日志；参考质量基准 = output/new 那批 64 张（由 Codex 会话 ~/.codex/sessions/.../019ef9d9 出，存档可查）

B. 作品回顾

创作思路

复用既有真人 IP 参考图 + 冷知识辟谣脚本，按 skill 的「商单封面公式」（满配文字系统 + 主题插画背景 + 锁脸 + 暗/亮影调 + 多构图）一步出可直接发布的 B站爆款封面，批量铺量做封标吸引力测试。

执行过程（含弯路）

  1. 错误起步：我没先查「output/new 那批参考级封面是怎么做出来的」，直接自建了一条服务器脚本管线——盲调 api.openai.com 的 images.edit、模型用老的 gpt-image-1、出 3:2 再中心裁切到 16:10。
  2. 第一次打回：用户说效果完全不过关。我以为是 prompt 砍水了，于是把 prompt 写满（主题背景 + 满配文字 + 七分身锁服装 + 真 16:9 不裁切）——质量有提升但仍不达参考级（难字错、偶有贴边）。
  3. 第二次打回：用户明确「你的工作流是不是有问题，去读之前的实验过程」。我才去翻 Codex 会话存档，发现 output/new 是 Codex(gpt-5.5) 的原生 image_generation 工具出的——参考图作 input_image 身份参照、原生输出真 16:9、模型看图自纠。
  4. 回正：用 API 侧的 Responses API + image_generation 工具 + gpt-5.5 + 参考图作 input_image + 流式复刻同款机制，实测一张即达参考级。
  5. 量产：写 specs 生成器（安全字标题钩子池 × 构图 × 影调 组合去重）→ 100 有人物 → 加无人物分支（去人物、主题大物做主视觉、纯文生图）→ 100 无人物。

最终输出

210 张 1672×941 封面，文字零错（个别难字偶发错字逐张重出）、无截断、人物/服装跨图一致、背景信息量饱满。

C. 结果分析（严格区分两个视角）

视角事实
我最初的方案盲调 images.edit(gpt-image-1) 一次成图 + 裁切：参考图被当编辑底图绑死、模型看不到自己的成图无法自纠、3:2 裁切啃字 → 大标题错字 / 截断 / 脸漂。prompt 不背锅,机制背锅。
参考(获胜)路径output/new 走 Codex 原生 image_generation：参考图作身份参照(非编辑底图)、原生真 16:9、会看图自纠(把人工「挑错→重出」内化进一次调用) → 文字/锁脸/版式都稳。

关键判断：两条路径的 prompt 几乎一样,质量却是两个档次。差距全在「出图机制」,不在提示词。我前期把它误判成 prompt 问题,多走了一版废批。

D. 方法论沉淀

出图机制优先律（已独立成档）

核心：出图质量先看机制、再看 prompt。会看图自纠的智能体原生出图工具（Responses + image_generation + 参考图作 input_image、原生 16:9）完胜盲调一次成的 images.edit。

来源：本次「同套 prompt 两个档次」的对照。

验证状态：⭐⭐ 二次验证——同日 10 张测试 + 100 有人物 + 100 无人物三批跨场景复现,质量一致、0 失败。边界：尚未在「不同主题 / 不同参考人 / 不同模型」上验证迁移,未升 ⭐⭐⭐ 铁律。

操作规则：见 出图机制优先律_智能体原生出图vs盲调API_v1（含 API 复刻配方、排错表、批量 specs 方法）。

量产配套（小方法）

  • 批量 specs = curated 安全字标题钩子池 × 构图 × 影调，组合去重，不让模型自由编标题（避错字 / 尬词）。难字（如「剪」）优先换等义常用字。
  • 无人物变体：去掉锁脸/人物构图、不喂参考图（纯文生图）、主题大物升为主视觉，其余满配文字系统不变 → 同机制即可产出。

E. 下次改进（agent 自检）

我（执行的 agent）这次的三个失误，下次同类任务的行动清单：

  1. 先考古，再造轮子：现成有「参考级成品 + 它的生成会话存档」时，第一步该去复现它的生成路径（读 ~/.codex/sessions / 看成品元数据），而不是凭经验自建一条管线。我跳过这步,直接走了自己熟的 images.edit,是整段弯路的总根。
  2. 别默认用错代际的模型：skill 名字就叫「GPT Image 2」,我却用了老 gpt-image-1;key 里明明有 gpt-image-2 / gpt-5.5。选模型前先 models.list 看清账号能用什么。
  3. 质量不达标先质疑机制，再质疑 prompt：第一次打回我惯性归因到 prompt、砍水补满,又耗一版;其实「同套 prompt 出两个档次」本身就是机制问题的信号。
  4. 守住的好习惯（继续保持）：逐张抽检 + 难字重出 + 断点续产 + 真实成本如实报 + 不把废批粉饰成成功。

关联文档

类型/prompt模板主题/视频封面工具/GPT-Image工具/Codex状态/已验证