一、传统绘图 与 AI 绘图

---

1、传统绘图简介

传统绘图流程 : 先造型 → 再分色 → 再做体积 → 最后精修 , AI 绘图出现之前 , 原画 和 动画 都是这么绘制的 ;

• 构思与草图 : 快速画小稿 , 定构图、人物、物体动态、比例和大致位置 , 不抠细节 ;
• 正式线稿 : 在草图基础上 , 清晰、肯定地勾出轮廓 ;
• 铺底色 : 从大面积、最浅的颜色开始 , 皮肤、衣服、背景分别 平涂基础色 , 不画阴影 , 只区分色块 ;
• 画暗部 : 第一层阴影 , 用比底色深一度的颜色 , 画出 明暗交界线、褶皱、转折、遮挡处 ;
• 深入刻画明暗层次 : 暗部基础上继续加重 , 画出 过渡色 , 亮部高光边缘 ;
• 细节与质感刻画 : 画 头发丝、布料纹理、五官、金属反光、皮肤肌理等小细节 ;
• 提亮与高光 : 点出最亮的部分 , 眼睛高光、皮肤反光、布料亮边、金属光泽 ;

2、专业 AI 绘图工具 Vizcom AI

现在 专业的 设计师、原画师 , 可以使用 Vizcom AI ( https://www.vizcom.ai/ ) 完成上述设计 ;

Vizcom AI 的 定位是 AI 驱动的草图渲染与 2D → 3D 转换工具 , 主打 " 手绘线稿 + AI 实时上色、渲染 " ;

Vizcom AI 的核心优势 :

• 保留 画师 的 线稿结构 ( Drawing Influence 控制 ) , AI 不随便改形 ;
• 秒级渲染 , 支持实时迭代 ;
• 可从 2D 草图直接生成可编辑 3D 模型 , 调整视角、尺寸后再继续手绘修改 ;

Vizcom AI 的适用场景 : 工业设计、产品设计、概念艺术、游戏原画 ;

Vizcom AI 的使用步骤 :

• 画干净线稿 : 使用 外部工具 画好线稿 , Procreate、Photoshop、iPad 手绘、甚至 纸笔扫描、拍照 ;
• 导入线稿并设置画布 : 导入 Vizcom → 设 Drawing Influence 80% ( 线条权重 ) ;
• AI 渲染 : 上色 + 质感 + 光影 , 主要是 写 精准 Prompt 提示词 , 包括 材质 + 光影 + 风格 , 这些参数都需要调优 ;
• 生成与迭代 : 生成 → 迭代 → 局部重绘 ;
• 可选进阶 : 2D 转 3D → 调整 → 导出 , 细化与精修 ;

二、AI 绘图提示词

---

1、提示词的重要性

当前有很多 AI 绘图工具 , 但是我们不要只研究工具本身 , 而是要 重点学习 " 提示词 " , 提示词 ( Prompt ) 才是 AI 工具 最核心、最关键的技术 ;

无论你使用的是 国内 还是 国外 的 AI 绘画平台、模型或软件 , 提示词 都是 决定 最终画面质量、风格、细节、氛围的根本要素 ;

AI 工具只是 载体 , " 提示词 " 才是真正 驱动 AI 生成内容的 " 灵魂 " , 谁掌握了高质量的提示词 , 谁就真正掌握了 AI 绘图这项技术 ;

AI 工具会更新、淘汰、AI 模型会迭代 , 但 " 提示词 的 逻辑与能力 " 是通用且长期有效的 ;

整个 AI 时代的 内容生成 , 本质都是由 提示词 驱动的 , 提示词 是 AI 与人类沟通的唯一通用语言 ;

• AI 文本 : 文字 → 文字
• AI 绘图 : 文字 → 图像
• AI 视频 : 文字 → 视频

无论是 AI 写文案、AI 生成图像、AI 制作视频 , 其 底层逻辑高度一致 : 用精准、结构化的语言 , 告诉 AI 你想要什么 ;

提示词 , 就是 AI 理解世界、重构世界的基本单位 ;

2、刻意练习提示词 = 打磨提示词框架

AI 绘图 提示词 所谓的 " 刻意练习 " , 本质上不是反复使用 提示词 胡乱绘图 , 而是 不断打磨、优化、沉淀 一套 属于自己的、可复用的 提示词框架 , 一套通用、万能的提示词框架通常包括 :

• 画面主体 ( 主体 + 外观 + 动作 )
• 风格与画风 ( 艺术家、流派、质感 )
• 构图与视角 ( 全景、特写、俯视、平视 )
• 光影与色彩 ( 光线、色调、对比度 )
• 画质与细节 ( 8K、高清、细节丰富 )
• 负面提示词 ( 去掉模糊、畸形、低质、多余元素 )

打磨出的这套 " 提示词框架 " 可以让你 稳定、高效地输出想要的画面 , 而不是靠运气碰图 ;

AI 绘图 的 提示词 决定画面 的 五大要素 :

• 主体 : 画谁、画什么 ( 人物、动物、物体、场景 )
• 风格 : 二次元、写实、赛博朋克、水墨、油画等
• 构图 : 视角、光影、色彩、比例
• 细节 : 质感、表情、动作、材质、清晰度
• 氛围 : 情绪、色调、环境

上面的要素 任何一个环节写错 , 画面直接跑偏 ;

3、提示词原理 ( 提示词 -> 向量特征 -> 图像 )

提示词 是 AI 绘图 的核心 , AI 绘图 不是 " 画画 " , 是 " 翻译 + 生成 " ;

AI 并不像人类一样理解画面 , AI 理解画面 需要 先把 提示词 → 转为向量、特征信息 , 然后将 这些 向量特征 → 解码成 像素图像 ;

提示词 就是 给 AI 的 " 设计图纸 + 语言指令 " , 指令越清晰、越规范 , AI 还原度越高 ;

所有 AI 绘图模型 , 都吃 " 文字特征 " , Stable Diffusion、Midjourney、DALL・E、国内各类 AI 画图工具 , 底层逻辑完全一样 , 都是 执行如下操作 :

• 文本 -> 向量 : 文本编码器 ( Text Encoder ) 把 提示词 转成 向量特征值 , 也就是多维向量数据 ;
• 向量 -> 图像 : 扩散模型 根据 向量特征 逐步生成 图像 ;

你能用 提示词 精准描述世界 , 你就能让 AI重构世界、生成世界、编辑世界 , 提示词 就是 AI 时代的 " 底层代码 " ;

---

print("Hello World!")

dao_phrases = [
	"传统绘图 与 AI 绘图",
	"AI 绘图提示词 ",
	"提示词重要性",
	"刻意练习提示词 = 打磨提示词框架",
	"提示词原理 : 提示词 -> 向量特征 -> 图像"
]

print("\n AI 绘图 ① ")
for i, phrase in enumerate(dao_phrases, 1):
    print(f"{i}. {phrase}")