我放弃了运营工作台，用几句话生成了上千张日历图

副标题：AI 时代，能「说话」做完的事，别再回到「做系统」的老路上

过去一周，我给日历产品批量生成了上千张图——毛选、纳瓦尔、唐诗宋词、道德经四个系列，覆盖 7 月到 12 月。反复踩坑、反复返工，最后我得出一个比「怎么生图」更重要的结论。

先说结论：我一开始想把 skill 的生图能力，做成一个运营工作台，后来发现没必要，直接搞更快。

这个念头很自然——「生图能力都有了，不得配个界面？选日期、选系列、点生成、看进度。」可真动起手才发现，任何一个看似简单的事，一旦做成系统，就要投入大量时间和人力：后台、权限、状态管理、部署、运维……而我要的，只是「把图生成出来」。

Skill 本身就是能力了，直接用它跑就行。为什么要再包一层工作台？所以我干脆没做工作台，就用 skill + 本地代码，几十行脚本，说跑就跑。

AI 时代，能「说话」就做完的事，不要用过去那套「做系统」的思路，除非你真的需要它。 最小投入，才是成事的关键。

下面是这套「最小投入」方法论里，踩过的具体坑。

一、最反直觉的一条：文案真实性，比「看起来像」重要得多

一开始我想当然地给毛选日历写了 400 句「语录」，什么「集中兵力打关键仗」「每天进步 1%」。结果用户一眼看穿：

「毛选中真的有的，就留着，没有的也不要瞎说，凑不够也无所谓，该重复就重复。」

这一句点醒了我。AI 生图的文案，一旦掺进「伪经典」，整张图就废了——不是画得不好，是那句「假话」会把整个产品的调性拉垮。

后来我把毛选池子从 400 句砍到 200 句，每条标出处（《星星之火可以燎原》出自哪篇、《七律·长征》哪一句），把握度低于 80% 的直接删。宁可重复，不编造。

教训：生图前先问一句——这句文案，我能不能说出它确切的出处？说不出，就别放。

二、先出文案 Review，再写代码，再跑图

这是被反复返工逼出来的流程。

我最早的做法是：直接写代码 → 批量跑图 → 跑完发现文案不对 → 全部重来。一周返工了好几次。

后来改成三步走：

先写文案文档（每个系列的宜/忌/每日一句池子，标出处），给用户看
用户确认后，再写进代码
先测 1 张，看配色、版式、尺寸对不对，对了才批量

「先测 1 张」这条尤其重要。批量跑一次几百张，跑完才发现配色偏深、句子多打了句号，代价太大了。

三、尺寸校验，是防废图的第一道闸

批量生图最容易翻车的是尺寸不对。AI 模型时不时给你吐一张正方形图，或者比例不对的图。

我最早只校验「够不够竖」（比例 > 1.35），结果放过去一堆 1254×1254 的方形废图。

后来收紧成目标 9:16，允许 ±10% 容差：

const aspect = height / width;
const minAspect = 1.60;  // 9:16=1.778，下限
const maxAspect = 1.96;  // 上限
if (aspect < minAspect || aspect > maxAspect) {
  throw new Error('尺寸不对，重新生成');
}

一旦尺寸不合格，直接判失败、自动重试重新生成。宁可多耗一次 API，不收一张废图。

四、版式细节，全是「人话」才能说清楚

AI 生图最烦的是排版——它不会猜你想要竖排还是横排、字大还是字小。

我踩过两个具体的坑：

坑 1：宜/忌竖着排了。 用户要的是「一行横着排三条」，AI 却竖着列。最后 prompt 里要写成大白话：

「宜独占一行、3 条横排从左到右；忌独占下一行、3 条横排。禁止竖着排列，必须横向一行三条。」

坑 2：句子多了个句号。 我的文案池里句子自带句号（「道法自然。」），拼接 prompt 时又加了一个，结果图上出现「道法自然。。」。这是代码 bug，不是 AI 的问题——但 AI 忠实照抄，把错误放大了。

教训：版式约束要用「禁止竖排」「不要贴边」「留 40px 边距」这种具体、可执行的指令，不能含糊说「排版美观」。

五、装饰元素越界，是生图的常见病

水墨风格的图，左下角、右下角的山水、松柏装饰，经常「伸出画框」或者被边缘切掉一半。

单纯说「不要超出画框」不够，AI 还是犯。后来我把约束写得更狠：

「四个角落的装饰图形必须整体完整呈现，四周留至少 40px 安全边距，任何元素都不允许被切掉一部分或伸出画布外。」

而且双重保险——既在全局 prompt 里加，也在系列级的视觉指令里加。

六、配色，必须锚定品牌色

我给道德经日历配了个「灰青」色，结果用户说太深、发暗。对比之下，纳瓦尔系列用品牌青绿就很清爽。

后来定了一条铁律：所有系列的 themeColor 统一用品牌主色，只有 accentColor 用来区分气质。

主色 #4ECDC4（品牌青绿，所有系列统一）
毛选 强调色 #D94A38（红）
纳瓦尔 强调色 #2F6F73（墨绿）
唐诗 强调色 #7A8F52（橄榄绿）
道德经 强调色 #7A9E9E（淡灰青）

主色不乱动，气质靠强调色微调。这样既统一又有辨识度。

七、模型额度耗尽，有备用方案

批量跑到一半，API 突然报 Account quota is insufficient (403)。查了才发现，同一个服务商有两个模型，额度是独立的：

gpt-image-2（额度先耗尽）
gpt-image-2-client（额度独立，切换后继续跑）

教训：批量生图前，先确认服务商有哪些模型、额度是否独立。额度耗尽不是终点，切模型就能续上。

八、网络抖动，用「重试 + 提超时」兜底

批量跑几千张，网络问题几乎必然发生。我遇到的最多的是 fetch failed——不是额度问题，是上游图片生成服务间歇性超时。

应对：

失败自动重试（最多 4 次）
把拉图超时从 30s 提到 90s
记录失败清单，跑完统一补跑

关键心态：批量生图不要追求「一次全成」，要追求「失败可重试、可补跑」。跑完对着失败清单补一轮，就齐了。

总结：一套能复用的生图流程

把上面的坑串起来，就是一套流程：

文案真实性：每条标出处，把握度 < 80% 就删，宁可重复
先 Review：出文案文档 → 用户确认 → 写代码 → 测 1 张 → 批量
尺寸校验：9:16 ±10%，不合格自动重试
版式说人话：横排/竖排/边距/字号，用具体指令，不模糊
防越界：装饰元素留 40px 边距，prompt + 视觉指令双重约束
配色锚品牌：themeColor 统一，accentColor 区分气质
模型备用：额度耗尽切备用模型
网络兜底：重试 + 提超时 + 失败清单补跑

这套流程的底层逻辑其实就一句话：把「不可控的 AI 生成」变成「可控的工程流程」——文案可控、尺寸可控、版式可控、配色可控，剩下的随机性交给重试和补跑兜底。

但比这更重要的，是开头那个结论。

回头看，我做这件事最正确的决定，不是写了多严谨的文案池、不是调了多准的尺寸校验，而是——没有把 skill 的生图能力，再包一层运营工作台。

如果我一开始就一头扎进「把能力做成系统」，可能到今天还在设计后台的按钮，图一张没生成。而我选择了最直接、也最快的方式：Skill 已经是能力，直接用，写几个脚本跑起来再说。

AI 时代最大的陷阱，是把「简单的事」惯性地做成「复杂的系统」。 真正高效的做法，是用最小的投入，先把事做成，再决定要不要把它「产品化」。

能说话做完的事，就别建系统。除非，你真的需要它。

本文基于一个真实日历产品的批量生图实践整理。所有踩坑都是真金白银换来的。