1. 这不是一篇“教程”，而是一份花了15美元买来的实战手记

你点开这篇文章，大概率不是为了查维基百科式的定义，而是想搞清楚一件事： 如果我现在真掏钱去用DALL·E 2，到底值不值？能干成什么？又会在哪一步被卡住、被气笑、被自己写的提示词反复打脸？ 我花了15美元——准确说是115个信用点，换来了超过100次生成、300多张图、近两周的密集试错，最后才抠出一张勉强能发在博客首页的“ llama dunking a basketball”。这不是AI画图的炫技秀，这是我在真实付费账户里，一笔一笔扣掉信用点后，写下的操作日志、踩坑实录和可复用的底层逻辑。

关键词 DALL·E 2 在今天早已不是新鲜词，但绝大多数人看到的，是社交媒体上被精心筛选过的“神图”：一只穿着西装的柴犬在华尔街敲钟，或是梵高风格的太空站悬浮在麦田上空。那些图很美，但它们像橱窗里的高定礼服——你知道它存在，却不知道拉链在哪、衬里怎么缝、走线会不会崩。而我要讲的，是亲手拆开这件礼服，摸清每根线头、每处暗扣、每块衬布的材质和走向。比如，为什么加了“realistic photo of”反而让画面更假？为什么“dunking a basketball”这个动作，AI永远理解成“把球往地上砸”，而不是“单手抓球、屈膝跃起、手腕下压”？为什么你认真写了“low angle, Dutch angle, 35° tilt”，生成结果里那只羊驼的脚还在画面外，而球框却歪得像地震后的篮球架？这些不是玄学，是模型训练数据分布、文本-图像对齐机制、以及提示词与隐空间映射关系共同作用下的必然结果。我不会堆砌术语吓唬你，但也不会跳过原理直接给你“万能模板”——因为根本不存在万能模板。DALL·E 2 不是一个按钮，而是一台需要你同时当导演、美术指导、灯光师和场记的复合型机器。你给它的每一个词，都在悄悄重写它的“视觉记忆”。接下来的内容，就是我把这台机器的说明书、维修手册和我的手写批注，一起摊开给你看。

2. 从“llama playing basketball”到“Michael Jordan in alpaca form”：一场关于提示词工程的系统性解构

2.1 初始试探：为什么最直白的描述反而最失败？

我们先回到起点。当我第一次在DALL·E 2界面里敲下“llama playing basketball”，按下生成键，三秒后弹出四张图。没有欢呼，只有一阵沉默。四张图里，三张是扁平卡通风，一只简笔画式的羊驼站在一个歪斜的篮筐下，手里举着一个明显比它脑袋还大的篮球；另一张试图写实，但羊驼的毛发像静电吸附的棉花糖，篮球表面泛着塑料玩具般的反光，而背景……干脆是一片模糊的灰白色，仿佛摄影师忘了开景深。这不是技术不行，而是模型在“诚实作答”。DALL·E 2 的训练数据里，几乎没有“羊驼打篮球”的真实照片或高质量插画。它见过海量的“llama”（多是南美牧场、动物园宣传照、毛绒玩具广告），也见过海量的“basketball”（NBA赛事、街头球场、体育用品电商图），但它没见过这两者的交集。于是，它只能从两个独立的知识库中各自提取最“典型”的特征：羊驼=长脖子+蓬松毛+呆萌脸；篮球=橙色+颗粒纹+圆形。然后，它用一种最安全、最不费力的方式把它们拼在一起——卡通化。因为卡通风格对细节一致性要求最低，容错率最高。这就像你让一个只读过《本草纲目》和《天工开物》的古人，凭文字描述画一台iPhone：他能画出“矩形”、“玻璃面”、“金属边”，但绝画不出iOS图标那种微妙的阴影渐变和像素级的圆角精度。 直白的提示词，暴露的是训练数据的盲区；而模型的“安全选择”，恰恰是它最没价值的输出。 所以，第一步不是优化词，而是承认这个事实：DALL·E 2 不是“所想即所得”，而是“所训即所得”。你要做的，是绕过它的知识盲区，把它已有的、扎实的视觉语料库，精准地调取出来。

2.2 第一次升级：“realistic photo of”为何成了双刃剑？

意识到问题后，我的第二轮尝试加了前缀：“realistic photo of llama playing basketball”。效果立竿见影：羊驼的毛发有了质感，篮球的纹理清晰了，背景甚至出现了一小块木地板的反光。但新问题立刻浮现——整张图像被一股强烈的“PS合成感”笼罩。羊驼的身体比例还算协调，可它的脚踝与地板的接触点毫无重量感，仿佛是被胶水粘在上面的；篮球悬在半空，下方没有一丝运动轨迹的残影，也没有因高速下落而产生的空气扰动模糊；最致命的是，羊驼的面部表情，是一种凝固的、空洞的“微笑”，眼神焦点涣散，完全不像一个正在完成高难度动作的生物。为什么会这样？因为“realistic photo”这个指令，只是告诉模型“请模仿一张真实照片的质感”，但它并没有赋予模型“真实物理世界”的规则。一张真实的扣篮照片，背后是牛顿力学（重力、加速度、肌肉发力）、光学物理（动态模糊、焦外虚化、光影投射）和人类行为学（运动员的肢体语言、表情管理）。DALL·E 2 只学到了“照片看起来什么样”，没学到“照片为什么看起来是这样”。它把“真实感”等同于“高分辨率+锐利边缘+丰富纹理”，却忽略了构成真实感的底层逻辑。这就像一个只会临摹油画的学生，能把伦勃朗的光影画得惟妙惟肖，但让他画一盏台灯在墙上的投影，他只会画一个和灯罩形状一模一样的黑色剪影，而不会计算光源角度、物体距离和墙面材质对投影形态的影响。 所以，“realistic photo of”不是万能钥匙，它是一把只打开表层质感的钥匙，而锁芯深处，还藏着物理规则、空间逻辑和叙事意图三把更关键的锁。 你必须一把一把去试。

2.3 真正的突破口：从“描述对象”转向“定义场景”

真正的转机，来自一次偶然的阅读——DALL·E 2 Prompt Book 里的一句话：“不要告诉模型‘画什么’，要告诉它‘在什么情境下，由谁，用什么方式，呈现什么’。” 我立刻重写了提示词，不再聚焦于“llama”和“basketball”这两个孤立名词，而是构建一个完整的电影分镜：

“Film still of a llama dunking a basketball, low angle, extreme long shot, indoors, dramatic backlighting.”

这一次，变化是质的。生成的图里，羊驼不再是画面中心的静态模特，而是被置于一个有纵深感的室内篮球馆中；低角度镜头让它显得高大威猛；逆光勾勒出它跃起时肌肉的轮廓和毛发的金边；远景则让整个场馆的穹顶和观众席的模糊色块成为有力的背景支撑。这张图依然不完美——羊驼的手臂动作僵硬，篮球的位置还是有点飘——但它已经具备了“可信的瞬间感”。为什么？因为“Film still”（电影剧照）这个词，瞬间激活了模型对影视工业庞大语料库的记忆：它知道电影剧照意味着特定的构图法则（三分法、引导线）、特定的光影范式（三点布光、伦勃朗光）、特定的叙事节奏（决定性瞬间）。而“low angle”、“extreme long shot”、“indoor”、“dramatic backlighting”这一连串摄影术语，则像一套精确的坐标系，将模型的想象牢牢锚定在某个具体的视觉传统里。它不再需要凭空发明“扣篮”，它只需要从已有的、海量的NBA比赛、体育纪录片、电影《空中大灌篮》的剧照中，提取并重组那些最符合坐标的视觉元素。 提示词工程的本质，不是向AI提问，而是为AI提供一套它能高效检索和组合的“视觉词典索引”。 你提供的索引越专业、越具体、越指向某个成熟的视觉流派，它调取的结果就越稳定、越有质感。这解释了为什么“vaporwave”、“Miyazaki anime”这类风格词如此有效——它们本身就是高度结构化、特征鲜明的视觉语法体系，模型在训练中早已将它们编码为一组紧密关联的权重向量。

2.4 细节的炼金术：如何让AI“看见”你脑中的微表情与织物质感

当宏观场景搭建完毕，真正的挑战才开始：填充血肉。我注意到，所有生成的羊驼，面部都像戴了一副微笑面具，缺乏扣篮瞬间应有的专注、爆发力甚至一丝痛苦。我尝试加入“expressive face”、“intense focus”，结果要么是五官扭曲，要么是直接生成了一张人类运动员的脸。后来我才明白，DALL·E 2 对“表情”的理解，严重依赖于它所见过的、与该表情强关联的主体。它见过太多人类运动员在关键时刻的特写，所以“intense focus”会优先调取人类眼部肌肉收缩、额头青筋暴起的模式，再强行套在羊驼脸上，自然诡异。解决方案，是放弃抽象形容词，改用具象的、可视觉化的动作指令：

“llama in mid-air, tongue slightly out, eyes wide open and locked on the rim, mouth open in a silent shout”

这一次，效果惊人。生成的羊驼，舌头真的微微伸出，眼睛瞪得溜圆，瞳孔收缩，嘴巴张开的角度恰到好处，传递出一种原始的、生理性的专注。这不是AI“理解”了情绪，而是它把“tongue out”、“eyes wide open”、“mouth open”这三个在动物行为学中高度相关的视觉信号，从训练数据里精准地匹配并组合了出来。同样道理适用于材质。“wearing a jersey”最初生成的球衣，像一块印着队徽的硬纸板。直到我加上“cotton jersey, slightly wrinkled from movement, sweat stains under arms”，球衣才真正有了垂坠感、褶皱的随机性和运动带来的微妙变形。 DALL·E 2 的“细节能力”，不在于它能无中生有，而在于它能将你提供的、彼此间存在强统计关联的视觉碎片，进行高保真的缝合。 你的任务，就是成为那个最了解这些碎片之间关联性的“缝纫师”。

3. 超越提示词：DALL·E 2 的硬性边界与不可逾越的物理法则

3.1 构图与空间逻辑：为什么AI永远算不准“球该往哪飞”？

即使提示词写得再完美，你也一定会撞上那堵名为“空间推理”的墙。我曾用长达12个词的提示，精确描述：“llama’s right hand gripping basketball at peak of jump, ball positioned directly above rim, rim visible below ball, net taut and stretched downward”。生成结果里，球确实在羊驼手上，篮筐也出现了，但球的位置，要么在羊驼头顶正上方一米处，要么就紧贴着篮筐的铁圈，而篮网……常常是向上绷紧的，仿佛球刚被从下方托起。这绝非偶然失误，而是模型架构的根本限制。DALL·E 2 是一个扩散模型，它的核心工作，是在一个巨大的、多维的“隐空间”里，根据文本提示，逐步“去噪”，最终生成像素。这个过程，本质上是概率采样，而非几何计算。它没有内置的3D引擎，没有坐标系，没有重力模拟器。它所“知道”的，只是在海量图片中，“手”、“球”、“篮筐”、“网”这些元素，在什么样的相对位置下，共现的概率最高。而在真实世界的数据里，“手握球在篮筐上方”的共现，远少于“手握球在胸前”或“球在篮筐内”。因此，它倾向于选择那些统计上更“安全”的位置组合。 要突破这个限制，唯一的办法，是用提示词强行覆盖统计惯性。 比如，我不再描述“球在篮筐上方”，而是直接命令：“ball passing through hoop, net fully extended downward, perfect swish”。这一次，“passing through hoop”是一个在体育摄影中高频出现的、具有明确空间指向的动作短语，它比静态的“above”更能激活模型对“球-筐-网”三者动态关系的记忆。这就像教一个只认识单词的孩子造句，你不能说“苹果在桌子上面”，而要说“苹果从桌子上滚下来”，后者自带了方向和因果。

3.2 文字与符号：当AI开始“造字”，你就该警惕了

DALL·E 2 无法拼写，这是一个广为人知的缺陷。但它的“造字”行为，其实揭示了一个更深层的真相：它对符号系统的理解，是彻底的视觉化、而非语义化。当我输入“logo on jersey with text ‘TEAM LLAMA’”，生成的球衣上，确实出现了一块方形区域，里面有类似字母的、扭曲的、充满装饰性的图形。它不是在“拼错”，而是在“创造一种看起来像文字的视觉图案”。因为它从未学习过“字母A代表什么音”，它只学习过“A”这个形状，在哪些字体、哪些背景下，与哪些品牌、哪些运动场景相关联。所以，当你看到一张图里出现了“可读的文字”，那几乎可以肯定，这张图的原始训练数据里，就包含这张带字的图。DALL·E 2 做的，只是把这个局部，原封不动地“复制粘贴”到了新场景里。这意味着， 任何对文字、数字、精确符号有要求的商业用途，都必须视为高风险。 你不能指望它生成一个带正确Slogan的海报，也不能指望它生成一个带准确日期的日历。它的强项，是生成“看起来像有文字”的氛围，而不是承载文字信息本身。如果你真需要文字，唯一可靠的方法，是生成一张高质量的、留有空白区域的图，然后用Photoshop等工具后期添加。这听起来倒退，但却是目前最务实的工作流。

3.3 面部与身份：一场关于“安全护栏”的静默博弈

最让我后背发凉的，是羊驼的面部。无论我如何调整提示词，只要生成的羊驼脸部占据画面较大比例，就会出现一种难以言喻的“非人感”：瞳孔大小不一，左右眼睑的开合度不同，鼻孔的朝向违背解剖学，甚至有时会生成三只眼睛。这并非技术缺陷，而极可能是OpenAI主动植入的“安全护栏”。公开资料表明，DALL·E 2 在训练后期，对涉及人脸的生成进行了大量对抗性微调，目的就是防止其被用于生成逼真的虚假人物形象（deepfakes）。有趣的是，这个护栏并未区分“人类”与“动物”。当模型识别到“llama face”这个概念时，它内部的“人脸检测器”也被触发了，于是，它开始有意识地引入“失真”——降低面部特征的精确度、增加不对称性、模糊关键细节。这是一种非常聪明的防御策略：与其费力区分“人”和“羊驼”，不如对一切“高精度面部生成”都施加统一的模糊化处理。 所以，当你发现AI生成的动物脸“怪怪的”，别急着骂模型差，它可能正在忠实地执行一项你并不知情的安全协议。 这提醒我们，DALL·E 2 的每一次“失败”，背后都可能站着一个明确的设计意图。理解这些意图，比单纯抱怨“它做不到”更有价值。

4. 实操全流程：从零到一张可用图的完整作战地图

4.1 准备阶段：信用点就是你的弹药，规划就是你的战术地图

在DALL·E 2里，15美元=115个信用点，每个生成消耗1点，产出4张图。这意味着，你只有115次“开火”的机会。把这当成一场资源有限的军事行动。我的做法是，严格划分三个弹药库：

• 侦察弹药（30点）： 专门用于测试基础概念。目标不是出图，而是快速验证：这个主题（llama + basketball）在哪个风格下最容易出效果？“film still”、“digital art”、“vaporwave”哪个的初始成功率最高？这个阶段，我只用最简短的提示词（<5个词），批量生成，快速扫雷。
• 攻坚弹药（60点）： 锁定1-2个最有希望的风格后，进入精细打磨。这时，我会建立一个Excel表格，记录每一次尝试的提示词、生成时间、哪一张图（A/B/C/D）最接近目标、具体好在哪（比如“B图的光影最好，但C图的构图最准”）。然后，基于这张“最优图”，进行迭代：保留它好的部分（比如“dramatic backlighting”），替换掉差的部分（比如把“playing basketball”换成“dunking a basketball like Michael Jordan”）。每一次迭代，都是对上一次结果的“微调”，而非推倒重来。这能极大提升信用点的利用效率。
• 收尾弹药（25点）： 当你已经有一张90%满意的图时，剩下的点数，全部用来做“变异”（Variation）。DALL·E 2 的变异功能，不是随机重画，而是以原图为基础，在隐空间里进行小幅度扰动。这就像一位经验丰富的调色师，不是重新配色，而是在现有色调上，微调饱和度、明度和色相。我通常会对同一张“优胜图”做3-4次变异，然后从中挑选一张在细节上（比如毛发的光泽、篮网的纹理、背景的虚化程度）最完美的作为终稿。

提示：DALL·E 2 的历史记录只保存最近50次生成。务必养成习惯：每次生成后，立刻右键保存你认为有价值的图，并在本地文件夹里按“日期_关键词_版本号”命名（例如：20220910_llama_dunk_v3.jpg）。否则，当你在第51次生成后，想回头找第48次的某张神图时，它已经永远消失了。

4.2 核心生成阶段：一份可直接抄作业的提示词模板

经过上百次试错，我提炼出一个高度可靠的、可复用的提示词骨架。它不是魔法咒语，而是一个经过验证的“思维框架”，你可以根据任何主题填空：

“[Art Style] of a [Subject], [Key Action/State], [Critical Detail 1], [Critical Detail 2], [Camera & Lighting], [Composition & Framing], [Atmosphere/Mood]”

让我们用它来生成一张“咖啡馆里的猫”的图：

• [Art Style] ： Watercolor painting （水彩画，规避写实面部问题）
• [Subject] ： a ginger cat （姜黄色猫，比“cat”更具体）
• [Key Action/State] ： sitting on a wooden windowsill （坐在木窗台上，定义位置和姿态）
• [Critical Detail 1] ： paws neatly tucked, tail curled around front paws （爪子收好，尾巴卷在身前，定义细节姿态）
• [Critical Detail 2] ： sunlight streaming through the window, illuminating dust motes in the air （阳光穿过窗户，照亮空气中的浮尘，定义光影和氛围）
• [Camera & Lighting] ： soft focus, shallow depth of field （柔焦，浅景深，突出主体）
• [Composition & Framing] ： medium close-up, centered composition （中景特写，居中构图，确保主体完整）
• [Atmosphere/Mood] ： peaceful, quiet, cozy （宁静、安静、舒适）

组合起来就是：

“Watercolor painting of a ginger cat sitting on a wooden windowsill, paws neatly tucked, tail curled around front paws, sunlight streaming through the window, illuminating dust motes in the air, soft focus, shallow depth of field, medium close-up, centered composition, peaceful, quiet, cozy”

这个模板的力量，在于它强制你思考每一个维度。你不能只想着“我要一只猫”，你必须回答：它是什么风格的？它在做什么？它的身体细节是怎样的？光线如何塑造它？镜头如何捕捉它？画面如何组织它？它想传递什么感觉？ 当你的大脑被迫完成这八重思考，你写出的提示词，就已经超越了90%的用户。 DALL·E 2 不是猜谜游戏，它是你思维的放大器。你输入的混乱，它会加倍返还；你输入的清晰，它会十倍兑现。

4.3 后期精修：DALL·E 2 不是终点，而是起点

很多人以为，生成一张图就结束了。大错特错。DALL·E 2 生成的，永远是一张“原材料”。我的最终成品，是经过三轮后期的产物：

1. AI内精修： 利用DALL·E 2 自带的“Edit”功能。这个功能允许你用画笔涂抹掉图中你不满意的部分（比如一个奇怪的影子、一个穿帮的背景元素），然后输入新的提示词，让AI只重绘被涂抹的区域。这比全图重生成高效得多。例如，我发现某张图里羊驼的球鞋颜色太艳，我就用画笔涂掉鞋子，然后输入“white leather sneakers, clean and minimal”，AI会只生成一双符合要求的新鞋，无缝融合在原图中。
2. 专业软件精修： 将图导入Photoshop。这里不做大改，只做三件事：一是用“内容识别填充”（Content-Aware Fill）修复AI留下的细微瑕疵（比如毛发边缘的锯齿、背景中不自然的色块）；二是用“曲线”（Curves）工具，精细调整全局的对比度和色彩平衡，让光影更有电影感；三是用“锐化”（Unsharp Mask）工具，有选择性地增强关键区域（如羊驼的眼睛、篮球的纹理）的清晰度，让细节“跳”出来。
3. 人工点睛： 这是最关键的一步。在最终图上，用画笔工具，手工添加1-2个微小的、AI绝对无法生成的“生命感”细节。比如，在羊驼跃起时，给它额头上加几滴细小的、反光的汗珠；在篮球表面，用橡皮擦轻轻擦出一道因高速旋转而产生的、极其细微的模糊拖影。这些细节，单看微不足道，但它们共同构成了“这是一个人类创作者亲手打磨过的作品”的终极证据。它让AI的“完美”变得有温度，也让这张图，真正属于你。

5. 血泪教训与避坑指南：那些没人告诉你的“潜规则”

5.1 关于“免费额度”的残酷真相

官方说“首月50个免费信用点”，听起来很多。但请记住，这50点，是你探索DALL·E 2 的“学费”。我用这50点，完成了全部的侦察和初步攻坚。结果呢？50点花光，我只得到了一堆“还不错但不够用”的图，离一张能商用的终稿，还有至少30点的距离。 这50点，不是让你“做出成果”的，是让你“认清现实”的。 它的设计目的，就是让你在尝到甜头后，心甘情愿地掏出15美元。所以，我的建议是：把这50点，当作一次高强度的“压力测试”。不要省着用，要大胆、密集、系统地用。测试所有你好奇的风格、所有你怀疑的关键词、所有你听说过的技巧。把这50点，榨干到最后一滴价值，让它为你后面的付费决策，提供最坚实的数据支持。

5.2 “Fluffy”是毒药，“Jersey”是钥匙：词汇的权重陷阱

在无数次失败中，我发现某些词，拥有远超其字面意义的“权重”。比如“fluffy”（毛茸茸的）。它本意是描述羊驼毛发的状态，但在我所有的测试中，只要这个词一出现，生成质量就会断崖式下跌。原因很简单：在训练数据里，“fluffy”与“可爱”、“萌系”、“儿童插画”强绑定，它会瞬间把模型的风格倾向，从“写实体育摄影”拽回“卡通绘本”。相反，“jersey”（球衣）这个词，却像一把万能钥匙。它不仅定义了服装，还自动关联了“运动”、“团队”、“竞技”、“现代感”等一系列视觉语境。所以， 选词不是看它“准不准”，而是看它“带不带你去你想去的地方”。 一个看似精准的描述词，可能把你带进死胡同；一个看似宽泛的风格词，反而能打开一扇门。永远优先选择那些，在你的目标视觉领域里，高频出现、且语义指向明确的“锚点词”。

5.3 版权限制：别被“full usage rights”这句话骗了

OpenAI官网明确写着：“users get full usage rights to commercialize the images they create”。这句话很诱人，但请务必看清小字。这里的“commercialize”，指的是你有权出售、印刷、制作周边，但前提是， 你生成的图，不能侵犯第三方的知识产权。 这意味着，如果你用“portrait of Elon Musk”生成了一张图，哪怕它长得不像，你也无权商用，因为“Elon Musk”是受法律保护的个人形象。同理，“Mickey Mouse in a jersey dunking a basketball”？不行，迪士尼的版权壁垒坚不可摧。更隐蔽的风险是“风格侵权”。虽然法律上很难界定“模仿宫崎骏风格”是否侵权，但如果你生成的图，与某位在世艺术家的标志性作品过于相似，对方发起诉讼，你依然可能败诉。 所以，最安全的商用路径，永远是“原创主题+原创风格”。 像“llama dunking a basketball”，就是一个完美的选择：它没有现实原型，不指向任何具体人物或IP，你拥有的，是100%的、无可争议的版权。把这句话刻在脑子里：DALL·E 2 给你的是“画笔”，不是“免罪金牌”。用它创作，你依然是那个要为作品负责的作者。

5.4 一个被严重低估的生产力工具：DALL·E 2 的“灵感加速器”模式

最后，分享一个颠覆我认知的用法。我曾经以为，DALL·E 2 最大的价值，是“出图”。后来才发现，它最不可替代的价值，是“破局”。当你面对一个创意瓶颈，比如“我想为新博客设计一个封面，但完全没想法”，不要苦思冥想。直接打开DALL·E 2，输入一个极度宽泛、甚至有点荒谬的提示，比如：“abstract visual representation of ‘clarity after confusion’, vibrant colors, chaotic lines transforming into clean geometry”。生成四张图，哪怕没有一张能直接用，它们也会像四把钥匙，瞬间撬开你大脑里被堵塞的创意通道。你会突然想到：“啊，原来‘清晰’可以用‘几何’来表达！”、“‘混乱到清晰’的过渡，可以用‘线条’的形态变化来隐喻！”——然后，你就可以带着这个全新的、被AI点燃的思路，关掉DALL·E 2，拿起笔，开始真正属于你的、独一无二的创作。 DALL·E 2 不是取代你的创意，而是帮你绕过创意启动时最艰难的“0到1”阶段。 它是一位永不疲倦、永不评判、永远能给出新视角的创意伙伴。这才是15美元，买到的最昂贵、也最值得的投资。

我个人在实际使用中发现，最有效的状态，不是把它当成一个“画图工具”，而是当成一个“视觉思维的外接硬盘”。当你脑中有一个模糊的意象，把它喂给DALL·E 2，它会立刻给你四个不同的、可视化的“翻译版本”。你不需要全盘接受，只需要从中挑出一个最触动你的“火花”，然后，用你自己的手和脑，把它锻造成真正的作品。这个过程，不是人机协作，而是人机对话——而对话的质量，永远取决于你提问的深度。