最近博客里那组若叶睦的图，背后其实不是一次性的随手生成，而是我自己做的一个 AI 生图项目：AI-Image-Studio。
现在它已经部署在 aipic.danzaii.cn，我给它取了一个更像工作室的名字：LUMINA Atelier。比起冷冰冰的「输入 prompt 然后等待图片」，我更希望它像一张干净的创作桌：左边放工作区和灵感画廊，中间写提示词，旁边保留上下文、参考图和已经生成过的版本。你不是在调用一个接口，而是在一间小小的工作室里继续创作。
这是什么？
简单说，AI-Image-Studio 是一个基于 OpenAI 兼容接口的 AI 图像创作站点。目前我这边的站点共享模型背后调用的是 GPT Image-2，所以不需要每次都重新搭环境、写脚本、翻接口文档，打开网页就可以直接开始生成。
它最开始只是一个「能生图」的小工具，但做着做着就变成了现在这种更完整的工作室形态：有工作区、有历史上下文、有参考图、有提示词标签库，也有一套更适合连续创作的视觉流程。
为什么又做一个生图网站？
因为我发现自己真正需要的不是「一个按钮」，而是「一个上下文」。
比如生成若叶睦的时候，我会不断调整她的表情、构图、光线和氛围。某一张图里安静的眼神很好，另一张图里衣服和背景更舒服，再下一次我希望模型记住这些倾向，而不是每次都从零开始。
所以这个项目里我做了几个对我很重要的点：
- 工作区隔离：每个工作区保存自己的聊天、参考图和生成结果，不会互相串台。
- 灵感画廊：生成过的图会留在侧边，像把草稿贴在墙上。
- 上下文延续：系统会带上最近关键消息和图像线索，继续沿用视觉方向。
- 参考图优先：有参考图时优先尝试走
/images/edits，更接近 Cherry Studio 那种把参考图真正送进模型的用法。 - 文本兜底：如果上游不接受图片输入，就自动退回到高信号文本上下文，不让创作流程直接断掉。
- 共享模型密码：朋友来玩的时候可以用站点共享模型，不用自己填 API Key。
这几个功能听上去很工程，但落到体验上其实就是一句话：让一次次生成变成同一段创作，而不是一堆互不认识的请求。
LUMINA Atelier 的气质
我把界面做成了偏粉白、玻璃质感、文艺工作室的样子。它不是那种控制台式的工具，也不想装成很严肃的企业后台。它更像一个安静的小房间：你可以上传参考图，可以从标签商店里挑一些画面词，也可以直接用中文描述「我想要什么感觉」。
站点里目前有：
| 功能 | 用途 |
|---|---|
| 图像生成 | 输入提示词，调用 GPT Image-2 出图 |
| AI 对话与识图 | 和模型聊画面、分析参考图、整理提示词 |
| 工作区 | 把不同角色、不同主题的创作分开保存 |
| 灵感标签商店 | 用预设和标签快速拼出更稳定的提示词 |
| 参考图上传 | 支持上传、粘贴图片或图片 URL |
| 中英双语 UI | 中文 / English 可以直接切换 |
我很喜欢「Atelier」这个词。它不是 factory，不是 pipeline，而是一间有人味的工坊。AI 当然很强，但我还是希望最终留下来的不是「机器替我画了什么」，而是「我和模型一起把脑内的东西慢慢磨出来了」。
若叶睦、人设图，还有我的小小偏心
之前博客里的若叶睦图片，都是用这个项目生成的。
睦很适合 GPT Image-2 那种细腻、柔和、略带沉默感的画面：不用很夸张的表情，也不用很满的动作，只要光线对了、眼神对了，她站在那里就有故事。那篇图集里几张我比较喜欢的版本，其实就是在 LUMINA Atelier 里反复试 prompt、保留图像线索、再继续生成出来的。
这次我也顺手用站点共享模型生成了两张给这篇文章用的配图。它们不算是严格的产品截图，更像是我心里对这个网站的想象：一张桌子、几张角色设定卡、一块发光的界面，还有一些还没完全说出口的人设灵感。
人设图这件事对我来说有点特别。它不是单纯「画一个好看的头像」，而是把一个人的语气、偏好、情绪、角色感慢慢折成视觉符号。AI-Image-Studio 做的事情也差不多：把一句句提示词、一张张参考图、一次次失败和微调，最后折成一张能留下来的图。
技术上它怎么跑？
项目本身是一个前端 + Vercel Serverless API 的结构：
| 层 | 技术 / 设计 |
|---|---|
| 前端 | React + Vite + Tailwind 风格界面 |
| 存储 | localStorage 保存工作区、消息、图片上下文 |
| 部署 | Vercel Serverless Route |
| 绘图 | OpenAI 兼容图像接口，当前站点共享模型为 GPT Image-2 |
| 参考图 | 优先 multipart 上传到 /images/edits，失败时走文本上下文 fallback |
| 上下文 | 只截取最近高信号消息和图像线索，避免把整个工作区原样塞给模型 |
我之前还专门参考了 Cherry Studio 对自定义 OpenAI 图像模型和参考图上传的处理方式。重点不是「能不能把图片塞进 prompt」，而是要判断上游到底支持哪种调用：纯文本生成、图片编辑、还是只接受文本但可以吃描述。这个判断如果做不好，前端看起来像支持参考图，实际生成时模型却完全没收到图，那体验就会很割裂。
所以现在的策略是：能传图就真传图，不能传图就把视觉线索压缩成文本上下文继续创作。虽然不完美，但至少不会让一次失败把整个创作流打断。
下一步想做什么？
现在的 LUMINA Atelier 已经能承担我的日常生图需求，但我还想继续把它做得更像「我的创作台」：
- 更好的人物设定卡管理，把同一个角色的服装、眼神、色板都沉淀下来；
- 更清晰的图像版本树，记录一张图是从哪张参考图、哪段 prompt 长出来的；
- 更稳定的移动端体验，随手记灵感、随手生成；
- 更多适合二次元角色、头像、人设图和博客封面的提示词预设。
说到底，这个项目不是为了证明「AI 可以代替画师」之类的大命题。它只是我给自己搭的一张小桌子：想到一个画面，就坐下来写两句；看到一个喜欢的方向，就把它贴在墙上；如果哪张图真的有点意思，就放进博客里，给它留一个位置。
如果你也想试试，可以打开 aipic.danzaii.cn。
如果你对代码感兴趣，也欢迎来 GitHub 仓库 看看。
不是每一张图都要成为作品。有些图只是把脑海里一瞬间的光，先温柔地接住。