AI创作工作流状态管理:为什么保存 Prompt仍然无法复现作品

Midjourney 8 月 21 日的更新日志没有发布新模型,主要处理 Alpha 站点的工作流问题:设置不再自行重置,Relax 不再切回 Fast;提交提示词后保留参数 pill 和图片参考;拖入参考图时区分角色;下载恢复正确文件名和扩展名。

这些变化揭示了一个工程问题:AI 创作的可复现性,远不止保存 Prompt。

1. Prompt 不是源文件

传统设计文件把图层、字体、尺寸和素材链接放在同一个项目里。生成式创作经常只留下聊天记录和一张导出的 PNG。

当第二个人接手时,他通常不知道:

  • 哪张图是人物参考,哪张图只提供风格;
  • 当时使用哪个模型版本和速度模式;
  • 个性化、随机种子或其他开关是否启用;
  • 哪个输出被选中,后续又做过哪些裁切;
  • 最终发布的是哪一版。

Prompt 完全相同,状态不同,输出路径就已经不同。

2. 用五类状态描述一次创作任务

可以把任务状态抽象为:

text 复制代码
CreativeJob = Intent + References + Settings + Artifacts + Checks

Intent:意图

记录用途、受众、核心信息和视觉优先级。它解释"为什么这样生成",避免接手者只看到一串形容词。

References:参考资产与角色

参考图需要稳定路径、校验值和角色映射:

yaml 复制代码
references:
  subject:
    path: assets/person-v3.png
    sha256: 8f...
  style:
    path: assets/editorial-riso.png
    sha256: 19...
  composition:
    path: assets/layout-sketch.png

角色比顺序更可靠。视频任务还可以继续区分 start_frameend_frame

Settings:生成设置

把模型版本、尺寸、速度、个性化和种子等设置显式保存。界面默认值不应成为不可见依赖。

json 复制代码
{
  "model": "pinned-version",
  "aspect_ratio": "16:9",
  "speed": "relax",
  "personalization": false
}

Artifacts:产物图

至少区分原始输出、选中版本和平台派生版本:

text 复制代码
output/raw/job-042-01.png
output/selected/cover-v3.png
output/platforms/csdn-cover-v3.png

文件名正确不是小事。它决定自动上传、回滚和审计能否稳定执行。

Checks:验收结果

生成结束不等于交付结束。可以把中文字形、人物一致性、缩略图清晰度、水印和版权检查写成状态:

yaml 复制代码
checks:
  chinese_text: passed
  subject_consistency: passed
  mobile_legibility: passed
  watermark: none
  approved_artifact: cover-v3.png

3. 状态机比聊天记录更适合自动化

把一次创作看成状态机:

text 复制代码
DRAFT -> GENERATED -> REVIEWED -> APPROVED -> PREFILLED -> PUBLISHED

每次迁移需要明确输入和证据。例如 REVIEWED -> APPROVED 需要验收记录,PREFILLED -> PUBLISHED 需要账号、字段和页面结果回读。

这样失败时可以从具体节点恢复,而不是重新把整段需求复制给模型。

4. 岗位化 Agent 如何使用这些状态

这也是我们在 Tipkay 里把岗位助手、品牌资料和工具配置分开的原因。创作岗位读取业务资料与素材,交付确认后的正文和图片;博客发布岗位只接收已经批准的产物,负责平台格式与字段预填。关键提交继续由权限闸门和页面回读控制。

官网当前把 Tipkay 定位为面向经营者和小团队的按需 AI 员工平台。这个定位要真正成立,靠的不是一个 Agent 记住全部聊天,而是不同岗位获得所需状态、输出可检查的交付物。

5. 最小落地方案

不必先建设复杂数据库。可以从一个任务目录开始:

text 复制代码
creative-job-042/
├── job.yaml
├── assets/
├── prompts/
├── output/raw/
├── output/selected/
└── delivery.md

再补三条规则:

  1. 参考图必须标记角色;
  2. 选中产物必须有稳定版本号;
  3. 发布链接和失败原因必须写回 delivery.md

Midjourney 这次更新处理的是界面和工作流,但它提醒所有创作 Agent:模型输出可以是概率性的,任务状态不能也是概率性的。

官方资料:

相关推荐
Allen_LVyingbo5 分钟前
医疗人工智能项目全生命周期管理系统:监管知识建模、工程实现与实证评估(上)
网络·人工智能·机器学习·语言模型·自动化
YangYang9YangYan12 分钟前
2026 校招审计风控岗位 JD 拆解,工具、专业能力与面试考点
java·大数据·人工智能·数据分析
山间小僧5 小时前
「AI学习笔记」Agent Memory(二)跨会话记忆:从聊天记录到可演化的长期记忆
aigc·agent·vibecoding
明志数科5 小时前
具身智能数据工程观察:“数据筑基“时代的数据底座建设路径
人工智能·机器人
m0_614523556 小时前
普通视频怎么做多场景一镜到底:路线设计、逐段衔接与整体验收
人工智能·音视频
西瓜太郎12346 小时前
外层模型卡片与分组详情成功率不一致,应该怎么排查?
前端·typescript·go·软件工程·react
海宇服务6 小时前
零信任架构实战:基于海宇对外投资历史查询服务构建自动化供应商准入网关
运维·人工智能·架构·自动化
东风破_7 小时前
别急着上 Agentic RAG:先用 LangGraph 把最小 RAG 跑明白
人工智能
LaughingZhu7 小时前
Product Hunt 每日热榜 | 2026-09-12
人工智能·深度学习·神经网络·搜索引擎·百度
天真小巫7 小时前
2026.9.13总结(工作量日益繁重的当下,AI如何提效)
人工智能