AI 绘画工具的门槛看似很低，人人都能输入几个词出图，但要从“出图”到“出好图”，中间的鸿沟全靠实战经验来填。这篇复盘总结，不谈复杂参数，只从学习者的角度，聊聊那些最容易让人走弯路的“坑”以及如何绕过它们。

1. 思维之坑：把 AI 当作神笔马良，而不是实习生

这是新手最大的误区，也是教育首先要纠正的观念。

• 避坑指南：不要指望 AI 能一次性完美理解你脑中的宏大画面。你需要把它当作一个极具天赋但没有经验的实习生。你的工作不是下达指令，而是引导和沟通。与其输入“一幅震撼人心的赛博朋克城市夜景”，不如拆解成“赛博朋克风格，霓虹灯闪烁的东京街道，雨后地面有反光，一个穿风衣的路人，视角低角度，电影感光线”。拆解得越细，AI 的“领会”就越到位。

2. 提示词之坑：堆砌关键词 vs. 精准描述

看到别人的神奇咒语（Prompt），就疯狂复制粘贴，再往里面加一堆“大师级、杰作、8K、超精细”等词，结果往往不尽人意。

• 避坑指南：质量永远大于数量。AI 绘画的提示词更像是“导演手记”，而不是“关键词购物车”。
  • 核心先行：先把画面最核心的主体、动作、环境描述清楚。
  • 风格定义：明确你想要的艺术风格，如“水彩画、浮世绘、虚幻引擎渲染、哥特式插画”。
  • 细节补充：最后再用“杰作、最佳质量”等词作为“润色剂”，而不是“主菜”。一个结构清晰、有主次的提示词，远胜过一堆华丽辞藻的堆砌。

3. 工具选择之坑：MJ 的“艺术感”与 SD 的“可控性”

初学者常常在 Midjourney（MJ）和 Stable Diffusion（SD）之间摇摆不定，不知道该学哪个。

• 避坑指南：把它们看作两位性格不同的助手，而不是竞争对手。
  • Midjourney：像一位充满灵感的艺术家。你给它一个模糊的概念，它常常能还你一个充满艺术惊喜的成品。它适合追求创意、氛围和艺术感的场景，学习重点在于如何用诗意和精准的语言激发它的“艺术细胞”。
  • Stable Diffusion：像一位严谨的工程师。它提供了海量的可控参数（从模型、LoRA 到各种插件），能让你实现像素级的精准控制。它适合需要高度一致性、特定角色或风格化的商业项目，学习曲线更陡峭，但上限也更高。

学习建议：先用 MJ 快速建立对 AI 绘画的审美和信心，理解“好图”长什么样；再涉足 SD，学习如何像搭积木一样，精确控制画面的每一个元素。

4. 迭代之坑：一次生成定胜负 vs. 持续优化

很多人生成一张图，觉得不满意就立刻放弃，换一个全新的提示词重头再来。

• 避坑指南：把 AI 绘画当作一个“迭代”的过程，而不是“一次性创作”。MJ 的 Vary (Subtle/Strong) 和 Zoom Out，SD 的 img2img 和 inpainting 功能，才是真正强大的地方。
  • 实战技巧：当你得到一张“还不错但有瑕疵”的图时，不要急着放弃。用它作为基础，进行局部重绘（Inpainting）修正细节，或者用图生图（img2img）进行整体风格的微调。这种“在好图的基础上变得更好”的迭代效率，远高于“从零开始碰运气”。

5. 学习路径之坑：沉迷“抄作业” vs. 建立自己的知识库

收藏了无数别人的“神级 Prompt”，但自己动手时依然大脑空白。

• 避坑指南：从“模仿”开始，以“归纳”结束。不要只收藏 Prompt，要去分析它。
  • 拆解学习：看到一个喜欢的作品，把它的 Prompt 复制下来，然后逐个删减词语，看看画面发生了什么变化。这样你就能明白每个词的真正作用，而不是死记硬背。
  • 建立个人词典：为自己建立一个“风格词典”、“构图词典”或“艺术家风格词典”。比如，想画温馨的画面，就把能产生这种感觉的词（如 soft lighting, warm color palette, cozy）整理到一起。久而久之，你就会形成自己的创作方法论。

教育复盘总结：AI 绘画的学习，本质上是在学习一种“与机器协作的新语言”。它考验的不是你的绘画技巧，而是你的观察力、描述能力和逻辑拆解能力。避开以上这些思维和行为上的“坑”，把每一次生成都看作一次与 AI 的对话和实验，你的进步速度会远超想象。