AI设计学习路线：先跑通一个可用的提示词迭代流程
AI设计学习路线的第一步不是啃算法，而是先用现成工具跑通一次“生成—筛选—修改”的完整循环。
如果你能稳定复现一个设计结果，并说清楚每次修改改了什么，就已经建立起可验证的学习基础。
本文适合零基础、想判断自己是否适合往AI设计方向深入的人。
先明确你要跑通什么
搜索“AI设计学习路线”的人，通常卡在不知道先学哪个工具。
我的建议是先选一个生成工具（Midjourney、Stable Diffusion WebUI 或 ComfyUI 任选其一），再配一个图像编辑工具（Photoshop 或 Figma）。
目标不是出神图，而是完成下面这条链路：
- 用一段提示词生成 4 张初稿；
- 选一张作为基准，记录提示词和参数；
- 只改一个变量（比如风格词或构图词）再生成；
- 对比差异，判断哪个变量真正影响了结果。
能走完这四步，你就具备了AI设计最核心的调试习惯。
环境准备与最小配置
以 Stable Diffusion WebUI 为例，本地运行需要独立显卡，显存建议不低于 6GB；
显存不足时优先用在线工具或云端实例。
安装前确认磁盘剩余空间至少 20GB，并准备好 Python 3.10 环境。
如果使用 ComfyUI，启动命令类似：
cd ComfyUI
python main.py --listen 127.0.0.1 --port 8188启动后浏览器访问 http://127.0.0.1:8188，能看到节点画布即表示服务正常。
使用 Midjourney 则只需在 Discord 频道内输入 /imagine 命令，无需本地环境。
一次可复现的生成与迭代操作
第一步，固定基准提示词。
示例结构为“主体 + 场景 + 风格 + 光线 + 画幅”，例如：
产品静物摄影，白色陶瓷杯放在浅灰台面，极简风格，柔光，35mm 画幅第二步，记录种子值。
Stable Diffusion 中把 Seed 设为固定值，只改提示词中的一个词，才能判断变化来源。
ComfyUI 在 KSampler 节点里填写 seed。
Midjourney 可用 --seed 参数固定随机种子。
第三步，做单变量对比。
保持其他条件不变，只把“极简风格”换成“复古风格”，各生成 4 张，把结果按变量命名存进文件夹，例如 seed123_极简 和 seed123_复古。
第四步，用编辑工具做局部修正。
把选中的图导入 Photoshop 或 Figma，只调整你明确不满意的部分，不要整体重绘，否则又回到随机状态。
新手最容易踩的三个坑
提示词堆得越长越好。 实际相反，过多形容词会互相冲突。
先写清主体和场景，再逐项加风格词，每次只加一个。
忽略显存和分辨率。 直接生成 2048 以上大图容易爆显存。
先用 512 或 768 宽度验证构图，确认后再放大。
不记录参数。 没有种子、模型名和提示词记录，就无法复现结果，学习会变成碰运气。
建议用表格记录：日期、模型、seed、提示词、修改点、结论。
怎么判断这条路线适合你
跑完上面流程后，做一次自检：能否在不看记录的情况下说出某个风格词带来的变化趋势；
能否把同一提示词交给别人并得到接近的结果；
能否在生成失败时先检查模型路径、显存和参数而不是反复重试。
三项中做到两项，说明可以继续深入；
如果觉得记录和对比很枯燥，AI设计可能更适合作为辅助工具而非主攻方向。
学习路线不必一次铺开。
先把这个最小循环重复两周，再决定是否深入学模型微调或工作流搭建，比一开始就报课买设备更稳妥。
