项目记录｜给退图原因做编码后，返工集中在哪两类

AI绘画项目中，退图（重新生成）是不可避免的环节。本文记录我们将退图原因进行编码分析后发现的两大主要类别，并提出相应的优化方案。

编码分类体系

通过对过去半年项目的退图数据进行编码，我们发现约80%的退图原因归属于以下两类：

类别一：提示词表达不清

• 主体描述模糊，缺乏关键修饰词
• 光照、角度等场景要素未明确
• 颜色、质感描述过于宽泛

类别二：风格参考偏差

• 参考图与预期风格不匹配
• 过度强调某一方面（如细节过多）导致整体失衡
• 参考图分辨率或格式不兼容

优化措施

针对「提示词表达不清」

• 在Prompt中引入「视角-光线-主体比例」三要素模板
• 使用关键词清单辅助描述
• 设定负面提示，排除不想要的元素

针对「风格参考偏差」

• 预先确定风格参考图的核心要素
• 在生成后进行风格一致性复核
• 建立风格库，统一使用已验证的参考图

工具应用

WorkBuddy可以用来维护这套编码分类，并对每个项目自动打标，帮助团队快速定位改进方向。

参考资源

• bootstrap.wanxiangsucai.com - 查看提示词结构示例
• html.eapis.site - 获取退图原因分析模板

结论

通过编码分析退图原因，我们可以有的放矢地优化生成流程，显著降低返工率。建议每个AI绘画项目都建立此类编码复盘机制。