你的第一张图

上一章我们认清了这支画笔——两种模式、意图与执行。这一章把它真正握在手里：走通一条最短、最稳的生成流程，从一句中文需求到一个躺在工作区里、随时可用的 PNG。新手照着做就能成。

全程我们都待在内置 image_gen 里：不需要 API Key，不需要命令行，对话框里一句话即可。请记住一个基调——慢一点、稳一点：先把话说清楚，再出图；先看清楚，再落地。

四步最小流程：说清楚 → 出图 → 看 → 落地

无论需求大小，第一张图的骨架都是这四步。把它们当成肌肉记忆，后面再复杂的活，也不过是这条主干的展开。

1. 说清楚 · 把需求整理成一份 spec

   不要只丢一句"画个杯子"。在心里（或写下来）把它结构化：用途、主体、风格、构图、光线、配色。话说清一半，图就成了一半。下一节的配方卡，就是这份 spec 的现成模板。

2. 出图 · 发一次内置 image_gen 调用

   把整理好的提示词交给内置工具，一次调用出一张图。默认就是新图（generate），除非你明显是在改一张已有的图。先别纠结尺寸像素，先把主体和气质做对。

3. 看 · 用五条标准校验

   图出来了，不等于做完了。逐项过一遍：主体对不对、风格对不对、构图对不对、文字准不准、该保留的有没有被破坏。第 5 节会展开这五条。

4. 落地 · 决定预览还是搬进工作区

   只是看看？留在默认路径、内联预览即可。项目要用？move/copy 进工作区再收尾。这一步决定了你交付的，到底是"一张图"还是"一句空话"。

一个完整示例：陶瓷马克杯的 landing hero

空谈无益，我们走一遍真实的活：为一个手工陶瓷品牌的落地页，做一张主视觉（hero）产品图。先把需求落成一张配方卡——它的字段就是上一章提到的 shared prompt schema，逐项填好，提示词自然水到渠成。

把这份配方卡转成实际发给内置工具的一句话，就是下面这张提示词卡。注意它不是字段的机械堆砌，而是顺成一段可执行的描述：

这句话发出去，内置工具会生成一张图并内联展示给你看。先别急着用——它现在还躺在默认路径里。下面两节，就来解决"看了之后怎么办"。

预览，还是落地？

每生成一张图，你都要做一个二选一的判断：这张图是只给你看一眼的草稿，还是项目真要用的资产？两者的处理截然不同。

我们这只马克杯是要进落地页的，显然属于右边。把这条判断画成一张流程图，它就是你每次出图后，脑中该走的那条线：

保存路径策略：默认在哪、该往哪搬

内置工具不会问你"存哪儿"，它有一套默认行为。把这套行为搞清楚，你才不会把图弄丢，或把该交付的资产忘在角落。

把马克杯这张图落地，动作就这么朴素：先让内置工具出图（落在默认路径），确认满意后，把它复制进项目的资源目录，并给一个稳定、有描述性的文件名。如果你愿意用命令行收尾，大致是下面这样——注意这只是文件搬运，不是切到 CLI 出图：

校验与迭代：每次只改一处

图出来了，进入第三步"看"。新手最常见的错误，是看一眼"还行"就用了，或者一次把提示词改得面目全非。正确做法是逐条校验、单点迭代。

每张图都过这五条标准：

• 主体——画的是不是你要的那个东西？（一只陶瓷马克杯，不是玻璃杯、不是两只）
• 风格——气质对吗？（写实产品摄影，而非插画或 3D 渲染）
• 构图——取景、留白、主体位置对吗？（杯子在左、右侧留白够不够干净）
• 文字准确——若有要逐字渲染的文案，一个字母都不能错（本例不放文字，这条天然通过）
• 不变量与避免项——该保留的有没有保住、该避免的有没有混进来？（有没有冒出水印、杂乱道具、刺眼高光）

举例：第一版若右侧留白被背景道具占满，你不必重写整段提示词，只需把"右侧留出大面积干净留白"说得更硬——比如强调"右侧约 40% 区域保持空净，仅有柔和背景虚化"——其余原样不动，再发一次。这就是一次干净的迭代。

收尾汇报三件套

一张图真正"做完"的标志，不是图出来了，而是你能清清楚楚交代三件事。养成习惯，每次收尾都把它们说全：

为什么这三件套重要？路径让协作者找得到资产；提示词让这张图可复现、可微调；模式让人一眼知道它是怎么来的、要不要 API Key、能不能照样再来一张。三句话，把一次性的"出了张图"，变成可追溯、可复用的工程产物。