AI绘图：把“工程手册/博物馆展览”美学搬进技术信息图

TL;DR

• 定义：本文的“AI绘图”指用文生图/图生图（扩散模型等）生成“写实物体 + 黑色手绘技术标注叠加”的社媒信息图。
• 最稳方案是两段式：先出干净写实底图（白棚产品照），再单独生成/绘制标注线稿层并后期合成；一次提示词直出往往会让标注压住主体、文字乱码。
• 你给的提示词方向可复用，但建议修正：1）“蓝色 Mustang”与“无彩色”冲突（需二选一）；2）“包含布加迪 Chiron 的所有功能”会诱发胡编，应改成“沿用同一标注体系/信息结构”。
• 专业感来自“版式+事实”：尺寸/材料/部件名必须来自外部清单；最终文字与数值建议在 Figma/Illustrator/PS 中替换，避免模型生成错误信息。

Key Insights

• 文字与精确数字是生成模型弱项：让模型生成“线、框、箭头、手绘感符号”，把可读文本交给后期排版，整体会更像真实工程手册。
• 版式先行：预留负空间（建议四周 15–25% 留白）放引线与标签；主体轮廓尽量居中不触边；缩到手机小图仍能看清标题与3个核心卖点。
• 可控性靠条件与遮罩：ControlNet（Canny/Lineart/Depth）锁定轮廓结构，SAM/抠图遮罩把标注限制在背景区，才能真正做到“标注不遮挡主体”。
• 风格一致性比“单张炫技”更重要：固定标题框、线宽（如 1.5–2.5px）、箭头样式、字体（DIN/Roboto Mono 等），做成系列模板更容易涨粉与复用。

Playbook

• 准备：确定对象与视角（如 3/4 前视、侧视、俯视其一），并整理“允许标注的事实清单”（部件名、材质、关键参数、单位：mm/英寸）；若涉及品牌商标/车标/车牌，提前决定是否去除以降低风险。
• 底图生成（写实白棚）：提示词只写“产品照/纯白无缝背景/清晰光照”，明确禁止文字与标注；SDXL 建议 1024×1024，DPM++ 2M Karras，28–40 steps，CFG 4–6，seed 固定；先出 1024/1536 边长图，再放大到 2048 后缩放到 1080（避免直接生成 1080 造成尺寸不整除）。
• 标注层生成（线稿叠加）：用 img2img 以底图为输入，denoise 0.2–0.4，steps 20–30，CFG 3–5；开启 ControlNet Canny/Lineart（权重 0.6–0.9）让线条贴合轮廓；若要求“标注不在车体上”，先用 SAM 得到车体遮罩，生成或合成时对车体做反向蒙版仅保留背景标注。
• 合成与出片：在 PS/GIMP/Krita 将标注层设为 Multiply/正片叠底并调不透明度；所有可读文字（标题、数值、部件名）用矢量工具重排；导出 PNG 1080×1080，留四角安全区防平台裁切与水印遮挡。

可复制模板（两段式；{}为替换项）

[A. 底图 Prompt / 写实]
{OBJECT}, photorealistic studio product photo, seamless white background, high-key lighting, sharp focus, 50mm, minimal shadow, centered composition
Negative: text, letters, numbers, labels, arrows, diagram, blueprint, watermark, logo, signature, license plate, extra objects, multiple cars

[B. 标注层 Prompt / 线稿]
black ink technical annotation overlay, hand-drawn engineering callouts, thin dimension lines, arrows, label boxes in the margins, museum exhibit / engineering manual aesthetic, clean negative space, minimalist
Negative: colored lines, filled shapes, heavy shading, messy handwriting, unreadable dense text blocks, watermark, logo

Expert Views

• 视觉信息图设计师（paraphrase）：先建立信息层级与阅读路径（标题→主体→3组重点标注→细节），线宽与字号按层级统一；“留白与对齐”比“多画细节”更能显专业。
• 开源扩散模型工程师（paraphrase）：把“写实渲染”和“线稿标注”拆成两次采样可显著减少互相干扰；用 ControlNet/参考图锁定结构一致性；文字让后期承担是最省时间的工程选择。
• 工业/汽车工程背景从业者（paraphrase）：看似精确的尺寸与材料若不来自权威来源就是风险；宁可写“示意/概念”，也不要让错误数值以“工程标注”的形式出现。
• 内容运营/社媒编辑（paraphrase）：系列一致性与移动端可读性决定传播；固定标题框和标注版式能形成账号识别；1080 方图尽量突出“3个关键信息点”，别把画面塞满。

Options

• 方案 A（最快）：单次提示词直出（Midjourney/DALL·E/SDXL 直出）——适合概念图与灵感探索，但“标注不遮挡/文字准确/尺寸真实”很难同时满足。
• 方案 B（推荐）：两层法（写实底图 + 标注线稿层 + 后期排版）——可控、可迭代、适合做系列；可在 ComfyUI 固化成工作流，批量换对象与标签清单。
• 方案 C（最高真实度）：3D/工程管线（Blender 渲染底图 + Freestyle/Grease Pencil 出线稿 + Inkscape/Illustrator 标注）——适合需要爆炸图/剖视图且追求结构正确的内容。
• 另一种“AI绘图”定义分支：如果你指的是“纯矢量信息图/海报”（非写实照片），可用 Inkscape/Illustrator 主导版式与标注，AI 仅生成参考草图/纹理，最终输出更可控且文字完全准确。

Evidence & Confidence

• 主张：扩散模型难以稳定生成清晰排版文字与精确数值；置信度 high；理由：跨模型普遍现象，工业实践多采用后期加字规避风险。
• 主张：ControlNet（Canny/Lineart/Depth）能显著提升轮廓一致性与“线稿叠加”可控性；置信度 high；理由：有公开实现、明确机制与大量可复用工作流。
• 主张：两段式（底图→标注层→合成）通常比单段式更稳定；置信度 medium；理由：属于可复现的工程经验，但效果依赖模型、参考图质量与参数调校。
• 风险：未提供权威规格时模型会“专业外观地胡编”，且品牌标识/参考图可能带来版权与商标争议；置信度 high；理由：生成模型不保证事实一致性，发布平台对品牌与素材来源也有合规要求。

Next Steps

• 你确认工具栈：Midjourney 直出、还是 SDXL（A1111/ComfyUI）两段式？我可以据此给出“可直接复制”的参数包与工作流结构。
• 你确认风格约束：全黑白（主体也去色）还是“彩色车体 + 黑色标注”？同时确定中文/英文标注（英文更容易生成，中文更建议后期排版）。
• 你提供对象与事实清单：车型版本（Mustang GTD / Chiron 的具体年份或版本）、10–20 个标签点、3–5 个关键参数与单位口径。
• 先做 3 张试产并复盘：同一版式换 3 个对象，检查是否满足“标注不遮挡、缩略图可读、系列一致、无误导数值”，再决定是否训练 LoRA/固定风格资产库。

Sources

• 小红书链接与配图来自你的输入：http://xhslink.com/o/392DYeV6viZ （无法在线核验）
• ControlNet 参考实现（GitHub）：https://github.com/lllyasviel/ControlNet ；Diffusers 的 ControlNet 文档：https://huggingface.co/docs/diffusers/main/en/using-diffusers/controlnet
• ComfyUI（工作流式生成）：https://github.com/comfyanonymous/ComfyUI ；AUTOMATIC1111 WebUI：https://github.com/AUTOMATIC1111/stable-diffusion-webui
• Real-ESRGAN 超分辨率：https://github.com/xinntao/Real-ESRGAN ；Segment Anything（抠图/遮罩）：https://github.com/facebookresearch/segment-anything