One Prompt, Several AI Models: Why I Stopped Choosing a Model Before Seeing the Task
有一段时间，我的 AI 工作流程都是从同一个问题开始的：我应该使用哪个模型？
事实证明，那是个错误的问题。
一张需要更干净背景的产品图片、一个六秒动态测试和一个简短的宣传视频，可能都源自同一份项目简报，但它们并不一定适合采用同一种模式。先选定一种模式并强行执行所有任务，通常会在后续造成更多的工作。
更有效的做法是保持项目概要不变，并在项目发生变化时更改模型。
先从资产入手，而不是从模型入手。
想象一下，一场简单的推广活动，旨在推出一双新的跑鞋。
团队需要：
- 一张简洁明了的主角图片；
- 几种社交媒体帖子的视觉概念；
- 一段短视频；
- 基于现有参考资料的替代版本；
- 先进行一些实验，再决定哪些内容值得手动编辑。
几乎没有理由认为某一代模型能够完美适用于清单上的每一个部分。
我现在更倾向于先写一份简短的创意简报：
产品：轻便跑鞋；视觉方向：清晨城市跑步；重要细节：鞋子颜色和整体设计应保持可辨识性；交付物：静态图片和短视频概念图；避免：不实的产品宣传和不必要的产品改动。
只有在那之后，我才会决定哪种代际路线更合理。
有趣的部分在于比较。
当一个地方提供不同型号的车型时，这一点尤其有用。
DoMax AI等工作空间将多种图像和视频生成选项整合在一起，因此工作流程不必从单个模型开始和结束。
例如，我可能会先生成一张静态图片，然后尝试用不同的模型来诠释同一个简报的另一种含义。如果广告活动需要动态画面，我可以转而使用视频模型，而不是围绕我碰巧最先打开的工具重写整个创意。
目标并非是让每个提示都运行所有可用的模型。这样做很快就会变得非常耗时，而且会产生一大堆几乎相同的实验结果。
相反，只有在有充分理由的情况下才比较不同型号。
一次只改变一件事
模型对比中最大的错误是同时更改提示信息。
如果A型车收到：
日出时分，湿漉漉的人行道上站着一双红色跑鞋，产品特写镜头。
B 模型收到完全重写的电影提示，场景和拍摄角度都不同，但输出结果却很少告诉我们关于模型本身的信息。
保持简报重要部分的稳定。
然后记录下发生了哪些变化：
- 模型;
- 参考图；
- 宽高比；
- 迅速变化；
- 已选择输出；
- 选择理由。
当一个项目发展到第十代或第二十代时，这个小小的记录就显得格外有用。
即使输出失败，仍然可能有用。
并非每一代人都必须成为最终的资产。
有时，一个模型构图正确，但会改变产品细节；另一个模型则更好地保留了产品原貌，但拍摄角度却很乏味。
两种结果都不能被视为失败。
第一种观察结果可以作为构图参考。第二种观察结果可以展示产品最终呈现的效果。设计师在准备下一次尝试时可以同时运用这两种观察结果。
这就使得多模型工作流程比简单地询问哪个 AI 生成器“最好”更有趣了。
答案取决于你想保存什么。
不要让实验改写竞选策略
拥有多种生成选项会带来一个问题：实验变得非常容易。
经过十次迭代，红色跑鞋可能变成了橙色，城市街道变成了山间小径，休闲跑者变成了职业运动员。最终，团队在不知不觉中测试着一套截然不同的方案。
请将原始简报放在输出文件旁边。
批准资产前，请检查：
- 这是同一款产品吗？
- 它现在仍然面向目标受众吗？
- 该模型是否提出了诉讼摘要中从未提及的主张？
- 重要的视觉细节是否仍然可辨认？
- 我们真的知道为什么这个版本更适合这项任务吗？
那次审查比提出另外二十个备选方案更重要。
该模型应成为生产决策的一部分。
人们经常把人工智能工具视为最终目标：打开一个生成器，输入提示，然后看看会发生什么。
对于真正的创意工作，我认为将模型视为众多生产决策中的一个更有用。
有时工作需要生成图像，有时需要将图像转换为视频，有时最终得到的只是粗略的视觉参考，永远不会发布。
在 DoMax AI 等工作空间中拥有多个模型可以使这些实验更容易组织，但重要的部分仍然是围绕它们的工作流程。
先写出简要说明。保留重要变量。谨慎地改变模型。记录哪些方法有效。
最优秀的一代未必是最令人印象深刻的一代。
它仍然是能够解决你最初提出的问题的那个方法。
Рекомендовані статті
