公众号配图别再抽卡了，我用 Codex 搭了一条流水线
我用林知夏游记做了一次实操：先在 Obsidian 整理正文和素材，再让 Codex 拆镜头、写提示词，最后交给 image2.0 批量出图。
你怎么给文章配图？如果是打开生图网页，写一句提示词，等模型吐四张图，再一张张挑？还这么原始不如换个思路，AI工作流早就可以一键生成了。
事情是这样的。
我前几天做了一篇虚拟小姐姐林知夏的五一游记公众号文章。
没看过的，可以去看看：
https://mp.weixin.qq.com/s/vRP3VjNOxmB4E_mBiqyRcw
她五一从杭州飞去成都，见一个老朋友，去宽窄巷子吹风，在小巷茶馆坐到太阳偏西，晚上去玉林吃串串。
当然，林知夏并不存在。
她的人设、行程、照片、朋友圈、攻略图，都是我用 Obsidian、Codex 和 image2.0 做出来的。
你如果习惯用别的，什么Antigravity、Claude code、trae、Open code……也没问题，都可以照着这个思路做。
先叠个甲，有人觉得图片一眼假，很正常，本来就是 AI 生成的。
今天不讨论哪个模型生成的人更真实，你们一定能做出更优质的文章，更真实的小姐姐，更符合自己账号调性的画面。
今天讲的是文章配图，怎么从抽卡，变成一套可以复用的工作流。
如果你是内容工作者，可以收藏这篇文章。
一定用得上。
别忙着打开即梦
AI生图，原来最重要的是提示词。
文章里写成都旅行，你能想到：一个女生在宽窄巷子，电影感，真实摄影。
模型一次给你出四张，不满意，再改几个词。还是不满意，再出图，再换。
一通操作猛如虎，最后运气好，可能挑得出一张能看的。
这就是抽卡，最大的问题，是没有积累。
你这次觉得不错的提示词，下次可能找不到。你这次调出来的人物形象，下次可能对不上。你这次踩过的坑，下次可能还会再踩一遍。
一篇文章需要的可不只是一张封面，可能有头图尾图、人物图、场景图、信息图、转场图等等。图反正是为正文内容服务的。
所以这件事必须要从文章开始。
我的方法是，先在 Obsidian 里建一个项目笔记，把文章正文、人物设定、参考图、场景列表、输出目录全部放进去。
当然不需要自己做，或者说，至少这篇笔记的初稿不用自己做，你可以给你的大模型这条指令：
很快，你的设计笔记的初稿就出来了。
初稿不可能一遍就满意，可能有很多问题，继续与codex沟通几轮，特别让它注意每张图片应该对应正文的什么位置，要解决什么问题，画面中必须有什么、没有什么、是文生图还是图生图等等。
等你的生图笔记的初稿写完，配图这件事就开始变得像工作流。你不再是在问模型：给我一张好看的图吧，你是在给它派活儿。
这也是 Codex 这类 IDE 或者 CLI 工具比网页聊天更适合干这件事的地方。
网页聊天适合临时小任务，而 Codex 适合进你的 Obsidian 笔记库，读上下文，改笔记，生成提示词物料，最后按文件路径去执行。
这才叫工作流。
人物和场景先定清楚
如果你的人物图不止一张，一致性就是最先需要解决的问题。
说人话，小姐姐前面是长发，后面别变短发；前面米白外套，后面别突然变羽绒服；前面像28岁内容运营，后面别变成影楼写真模特。
所以，我们先定人物形象，先出标准照，后面凡是出现人物，都是图生图。
我先让 Codex 根据林知夏的人设，整理一份人物形象说明。这里不要写顶级美女、氛围感女神这种废话。模型看到这些词，很容易往网红脸、广告脸、精修脸去靠拢，不是我们想要的。
我让它写的是可执行信息。
年龄、发型、发色、穿搭、拍摄风格，全都写清楚。还需要真实手机摄影，自然光，生活化构图，不要棚拍，不要商业广告感。
然后先生成一张标准图。
如果条件允许，再补三视图或者几张不同角度的参考图。
后面的规则就简单了。 凡是林知夏本人要出镜的图片，让 Codex 在提示词里明确引用标准照；而如果是纯场景、物品、攻略卡、菜单、小票这类图，再用文生图。 这样上下文就会省很多。 你不用每一张都啰嗦地重复她是什么气质、什么脸、什么衣服。人物出镜时引用参考图，非人物图就专心写场景和信息。把所有图都当成文生图来写，每一张都重新描述一遍小姐姐，模型累，你也累。 还有几个小细节也要提前写进笔记里：一天内衣服不要换、发型不要一会儿卷发一会儿直发、五一成都，不要搞成冬装、旅行照片不要过度精修、如果是生活化公众号配图，就别让它变成商业广告大片。 这些都属于生产约束。
约束写得越清楚，后面越省事。
主角解决完，下一步是场景。
思路也不难，你考虑这些：
这篇文章到底需要几张图？每张图大概放在哪？每张图要帮正文表达什么？
比如你写的是游记，可能是出发、路上、抵达、景点、吃饭、收尾等等。
别的内容也适用。
你写小红书心情贴，也可以拆成开场情绪图、生活细节图、聊天截图、收尾图。
你写一篇产品体验，也可以拆成产品界面图、使用场景图、前后对比图、结果展示图。
你写 PPT 提纲，也可以拆成封面图、流程图、案例图、结论图。
你写知识管理文章，也可以拆成资料入口、整理过程、输出结果、工具界面。
我这次让 Codex 做的事，就是按正文拆出这些画面位置。
我给它的要求大概是这样：
第一轮出来的结果，我并不满意。
它会犯一个很典型的问题：图太多。
几乎每一段都想配图。
这就不对了。
公众号配图不是做相册，图太密会打断阅读。
所以我让 Codex 第二轮收敛：
这轮就好多了。
然后我继续让它补两列。
一列叫生成方式，标明文生图还是图生图。
一列叫负面要求，专门写不要什么。
比如不要广告感，不要过度磨皮，不要国际航班，不要把串串做成高级火锅店，不要让人物换衣服。
到这里，提示词还没开始写。
但工作已经完成了一半。
因为你已经知道这篇文章需要哪些图，每张图为什么存在，以及它该怎么生成。
这比直接让模型写 20 条 prompt 靠谱得多。
终于可以写提示词了
前面做完，才进入提示词。
生图的提示词分两种：文生图、图生图。
文生图就是纯场景了，只要主角、配角不出现，都用文生图就行，比如行李箱、机场大厅、飞机云层、攻略卡、菜单小票、食物桌面，甚至是没有人物的封面也算。这类图的重点是场景真实、信息合理、画面能放进文章。
提示词要写清楚具体物件、时间、地点、拍摄方式、画面用途。
比如行李箱图，只写：女生出发前收拾行李，肯定不够。
它要有出发前夜的感觉，要有行李箱、充电宝、耳机、手机航班信息，要有一点凌乱，但不能乱到像灾难现场。读者一看就知道，这个人明天要出门。
图生图适合人物出镜的图，比如机场自拍、宽窄巷子半身照、茶馆侧影、朋友合照。
这类图的重点是让模型遵照参考图。
我会让 Codex 在提示词里明确写：
参考林知夏标准照，保持同一人物、同一发型、同一穿搭、同一年龄感，只改变场景和动作。
然后再补当前场景。
比如茶馆图，参考标准照，林知夏坐在成都小巷茶馆，桌上有盖碗茶，下午自然光，朋友在旁边看手机，真实手机摄影，不要棚拍，不要商业广告感。
如果是合照，还要特别说明谁是主角，谁是朋友。
否则两个人很容易互相污染。
这就是图生图提示词和文生图提示词最大的差别。
文生图是在从零造画面，图生图是在保留参考图的基础上换场景。
你不能用同一套话术。
我会把这些提示词全部写回 Obsidian 的提示词物料包里，而不是散在聊天记录里。
对了，上面忘了说，不是我自己写，还是让codex来写，所以，你也完全可以做到。
好了，我们的全部提示词就被大模型写好了，当然你可以仔细检查一下有没有问题，小问题你随手就改了，如果是大问题，或者多处都有问题，还是交给codex，它来帮你改。
执行的时候，就很简单了。
我只需要发给 Codex 下面的提示词：
敲下回车，就可以坐着喝茶去了，大模型会帮你忙活，image 2.0是现在最火的出图大模型，真实感已经非常领先了，等它出图的时候你还可以去看看我做过的 image 2.0 评测。
（插入视频）
工作流的意义就在这里：把判断写进笔记里，让 AI 按这套判断执行。 没过一会儿，你指定的文件夹下面已经排出了密密麻麻的图片，场景基本合理，人物一致性也不错。怎么样？有没有一点点成就感？
不能绝对相信大模型，你得仔细检查，人物图，看人有没有变形，手指这些容易出错的有没有出问题。
信息图，看文字和信息有没有胡说。场景图，看它是不是符合正文。吃的东西，看它是不是像那顿饭，明明都说了玉林串串，别搞成夫妻肺片了。
不行就重跑。
由于你每一张图都有编号，很简单，你就告诉它：
图片我看了，第几张、第几张、第几张……我不满意，你遵循提示词重新生成这几张。
都不用你仔细说，只要前面的提示词你下了功夫，大模型不过就是照做而已，它就是生产过程里的一道工序。
这才是效率提高的地方。
你要怎么用？
刚才说了，这套流程适合很多种内容，只要有文案配图的需求，你就可以抄作业。
小红书心情贴，让 Codex 先拆情绪节点，再拆生活细节图；产品体验文章，让 Codex 先拆使用流程，再拆界面图、场景图、结果图；PPT 提纲，可以让 Codex 先拆章节，再拆封面图、流程图、案例图、结论图；课程笔记，可以让 Codex 先拆知识点，再拆概念图、示意图、例子图。
视频脚本也可以这么干。
先把文案拆成镜头，再决定哪些镜头文生图，哪些镜头图生图，哪些镜头交给视频模型。
内容工作者用 AI，不要一直停在只要单次的结果。
你应该开始搭自己的生产系统，这套东西，不知道你有没有兴趣，如果有人需要，我可以把它提炼成一套skills，以后你只需要部署到你的电脑上，只要你的文案内容写好了，让它配图也就是一句话的事。
Codex + Obsidian 是一张工作台，可以让你下一次更快。只需要让大模型把这篇文章拆成镜头，把镜头变成任务，把任务变成提示词，把提示词变成可以复用的物料。
你有了这套东西，下一篇文章就不用从零开始了。
这感觉就很爽。
