写技术博客、公众号的朋友应该都有这种体验文章三个小时写完配图又花了一个小时。去图库找风格五花八门直接让 AI 画一张一个画风第一张是扁平插画第二张就成了 3D 渲染第三张干脆冒出个写实人像。放到一篇文章里看着像拼了好几个人的作品。这件事我折腾了很久最后摸索出一套“先规划、再出图、角色固定”的流程也顺手写成了自己用的小工具。这篇不讲工具本身主要分享背后的思路和几个踩过的坑用别的模型、别的工具也能照着做。一、为什么配图要“角色统一”公众号、博客、Newsletter 这类长文读者往往一路往下滑。配图对他们来说主要有两个作用断句和喘气一大段文字中间插一张图阅读节奏就松下来了把抽象观点具象化“先验证需求再做产品”这种话读十遍不如一张图记得牢。在这两点之上统一的角色还会带来第三个效果辨识度。读者连着看到同一个小家伙在不同文章里搬箱子、拉拉杆、摇筛子慢慢会把它和你这个作者联系起来。很多做得好的科普号都有自己的“吉祥物”道理一样。问题在于靠通用文生图模型很难做到这一点。每次都是从零生成角色的比例、线条粗细、配色都会漂。你得自己写一大段角色设定每张图都贴进去还要逐张检查。我试下来最耗时间的环节其实是决定每张图画什么生成反而是最快的。二、思路先当美术指导再当画师我把流程拆成三步。1. 通读全文把整篇文章交给一个大模型而不是一段一段地让它配图。2. 规划让模型像美术指导一样做三件事挑出真正值得画的“认知锚点”而不是每段都配一张给每个锚点选一种结构比如流程、前后对比、概念隐喻、路线图、小漫画为每张图想一个低科技的物理隐喻筛子、传送带、漏斗、压箱子并标出它应该插在哪一段后面。规划阶段我定了一条硬规则角色必须在干活。它得摇筛子、搬箱子、拉拉杆不能只是站在旁边摆拍。如果把角色去掉画面照样成立就让模型把这张图重写一遍。这条规则对画面质量的提升比调任何参数都大。3. 出图每个画面描述先人工过一遍确认后再生成。风格固定为纯白背景、极简黑色手绘线稿、大量留白再加少量红/橙/蓝的手写批注图中标注跟随文章语言。核心不是“画得多好看”而是把画什么、放哪里、谁来画这三件事先想清楚而且整篇文章、甚至整个系列都是同一个角色。下面两张是按这套流程出的图同一个角色同一套线条三、不同调性的号适合不同性格的角色一开始我只用一个角色后来发现不同调性的内容适合不同性格就设计了几个备选角色性格适合的内容独眼蛋面无表情、勤勤恳恳方法论、流程类墨点安静的完美主义者一笔到位设计、审美类短铅笔被削短也不放弃的老实人成长、复盘类糯米团看着很懒往上一坐事就办妥效率、工具类小本子好奇宝宝什么都要先记下来学习笔记类小云朵迷糊但会照顾想法灵感、随笔类设计角色时有个小经验外形越简单、特征越少越好。一个“歪歪的空心独眼蛋头顶弹簧天线”模型几乎每次都能画对一个穿着复杂服装的人物五张里能有两张不跑偏就不错了。四、实现上的几个细节规划和出图分离规划用速度快的文本模型只输出结构化的场景 JSON插入位置、结构类型、隐喻、角色动作、标注文字出图时在服务端把 JSON 拼成完整提示词再调用图像模型我用的是 GPT Image 2.5。这样规划结果可以人工改改完再出图不浪费生成次数。角色设定作为常量注入角色的外形描述固定写在提示词模板里每一次出图请求都带上而不是指望模型“记住”上一张。这是保持一致性的关键。风格描述也要固定背景色、线条粗细、批注颜色、留白比例都写死在模板里只让“画面内容”这一部分变化。失败就改描述重试出图失败或明显跑偏时与其反复重抽不如回到场景描述把角色动作写得更具体。最后总结一下配图想要统一关键不在模型多强而在于先规划、角色和风格写死、只让画面内容变化。如果你也常写长文、被配图卡住过可以按这个思路自己搭一套试试。大家在给文章配图时还遇到过哪些问题或者有更好的保持角色一致的办法欢迎在评论区交流。