旗舰场景内容创作行业 · 广告图片生成

VD-01 · 主 KV 三段式生图与全渠道多尺寸适配

痛点　AI 直接出带字的成品图会当场翻车 · 行业标准流程是三段式：无字底图 → 真字体叠字 → OCR 校验

① 场景引入

一、这件事现在是什么样

视觉制作 · 真实业务触发

方向定了、模板库建了，现在要出主 KV：小男孩拿着伊利牛奶。这一步是最容易当场翻车的地方 —— 直接让模型生成带中文标题的成品图，「画 4 个大字可能没问题，画 20 个小字几乎必错」，上海地铁六指海报让品牌好感度 3 天跌21%。所以这张图必须走三段式管线，生图工具用的是 WorkBuddy 自带的 ImageGen。

二、痛点 · 每条都有来源

中文乱码是模型内生缺陷，不是提示词问题：模型「把文字当图像纹理去画，并没有真正认字」，画 20 个小字几乎必错 —— 商用规范明确「不可直接使用模型原生内嵌文字」
依据：腾讯云技术文章：AI 生图「把文字当图像纹理去画，并没有真正认字」，中文字符集庞大笔画复杂，「同一模型画 4 个大字可能没问题，画 20 个小字几乎必错」——中文乱码是模型内生缺陷，不是提示词问题
AI 直出成品不经审核的代价有公开案例：上海地铁六指海报品牌好感度 3天跌 21%、连夜全城下架；淘宝已累计拦截AI 失真图近 10 万张 —— 平台已经在用机器拦，人眼时代结束了
依据：上海地铁六指 AI 海报（2026.1）—— 美妆品牌地铁灯箱模特六指、关节扭曲，登上本地热搜，品牌好感度 3 天下跌

21%，连夜下架全城海报重新设计；上海地铁合作广告方随后撤下全部 AI 生成广告3多渠道规格各有硬约束：京东主图严格纯白底无文字、拼多多文字覆盖 >10% 判牛皮癣限流、小红书整篇只能一种比例 —— 一张 KV 裁 18 个渠道，纯缩放必踩规则，必须按渠道重排安全区依据 · 多渠道尺寸规格速查（2026）—— 淘宝主图 800×800（第 5 张白底、文字区域 ≤1/3）；京东 800×800 严格纯白底无文字水印 LOGO、单张 ≤1MB；拼多多 750×750 文字覆盖 >10% 判「牛皮癣」限流；抖音信息流 1080×1440；小红书封面 1080×1440 整篇只能一种比例；详情页宽 750px 前 3 屏定生死4「手多一根指头、招牌上的字是乱码、品牌主色被改成另一个色号」—— 甲方看不见的『几分钟』背后全是这些；而品牌安全边距 8–12%、平台 UI 遮挡区域这些约束，现在只存在于设计师的收藏夹里依据 · 从业者原话：「我跟客户说，这套设计我需要三天。微信那头顿了一下，回了句：啊？用 AI 不是几分钟就出图了吗？……你连『我需要时间』这五个字，都越来越说不出口」—— 甲方看不见的『几分钟』背后是手多一根指头、招牌上的字是乱码、品牌主色被改成另一个色号

三、换个做法之后

变化不在「快」，在「参与的角色」和「覆盖的范围」

✕ 现在的做法

中文乱码是模型内生缺陷，不是提示词问题：模型「把文字当图像纹理去画，并没有真正认字」，画 20个小字几乎必错 —— 商用规范明确「不可直接使用模型原生内嵌文字」AI 直出成品不经审核的代价有公开案例：上海地铁六指海报品牌好感度 3 天跌 21%、连夜全城下架；淘宝已累计拦截AI 失真图近 10 万张 —— 平台已经在用机器拦，人眼时代结束了多渠道规格各有硬约束：京东主图严格纯白底无文字、拼多多文字覆盖 >10% 判牛皮癣限流、小红书整篇只能一种比例 —— 一张 KV 裁 18 个渠道，纯缩放必踩规则，必须按渠道重排安全区「手多一根指头、招牌上的字是乱码、品牌主色被改成另一个色号」—— 甲方看不见的『几分钟』背后全是这些；而品牌安全边距 8–12%、平台 UI 遮挡区域这些约束，现在只存在于设计师的收藏夹里

✓ 交给 Agent 之后

多来源文件一次读入，先做口径与完整性校验，再开始算
每条结论绑定来源文件、字段或条号，可以被审
产出是企业真会流转的正式件（带签批栏），不是一张展示用的表
该拦的地方给出「现在还不能提交」，并给不用干等的替代方案

四、场景闭环

6 步 · 每一步的产出都是下一步的输入

触发 · 主 KV 制作启动方向 B 校门口成长 —— 主 KV 是后面 18 项交付物的母版，这张图的质量决定整套物料的上限
第一段 · ImageGen 生成无字底图用 WorkBuddy 自带的 ImageGen 工具，按模板提示词生成「小男孩拿着伊利牛奶的广告图」画面：校园清晨、暖色调、顶部留白 —— 负面清单带上不含文字、不渲染 LOGO、规避手部特写
抽卡与质检 · 四轮 16 张，硬伤拦截每轮 4 张，质检两道：六指/肢体畸变（第 2 轮拦下 3 张）、色板偏移（与 VI 主色比对）；不合格整轮重跑，第 4 轮 01 号底图通过全部质检
第二段 · 程序化叠字（真字体渲染）思源黑体，主标题落顶部 12% 留白区，字号与行距按版式规范执行 —— 文字是排版排出来的，不是模型画出来的，所以不会乱码
第三段 · OCR 全文校验对叠字后的成图做 OCR，识别结果与文案定稿逐字比对 —— 主标题 8 字全部一致才放行；任何一字不符，定位是叠字层还是底图干扰，修对应段
尺寸适配 · 1 张主 KV 输出 18 个渠道按规格台账逐渠道适配：安全区标记、京东纯白底单独出、拼多多文字面积自检、小红书比例锁定 —— 每张输出附 AI 生成标识（新规要求）

要准备什么：CD-02 品牌提示词模板库（主 KV 型）正向描述框架 + 负面清单（不含文字/不渲染 LOGO/规避手部特写）+ 顶部 12% 留白构图指令CD-01 方向 B 概念板（校门口成长）场景元素与情绪关键词的出处各渠道规格速查表（18 个渠道）从设计师收藏夹里的帖子整理成台账思源黑体字库（免费商用白名单）叠字层的字体来源，授权状态已核

为什么这个场景值得做

优先级评分：痛感 4 × AI 适配 5 ÷ 落地难度 2 = 10.0

最大差异点：三段式管线的每一段都有留痕：底图带提示词版本与负面清单、叠字层带字体与字号记录、OCR 校验逐字比对 —— 出问题时能定位到段，而不是整张图重来。生图段用的是 WorkBuddy 自带的 ImageGen，提示词直接写「用 ImageGen 工具生成小男孩拿着伊利牛奶的广告图」—— 这一段可以现场演示，从提示词到底图全程可见。

评分口径：痛感看「这事没做好谁会生气、生气到什么程度」；

AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」；

落地难度是分母 —— 需要客户先做数据治理的场景，分数会被压得很低。

五、会产出什么

判断标准只有一个：这份东西能不能直接进企业的流程

正式件本体：主KV三段式制作记录.xlsx 正式件 · 4 sheet（抽卡与质检记录 / 叠字参数 / OCR 校验逐字比对 / 18 渠道适配台账）· 含美术指导审定签批栏
可派发清单全渠道物料包（18 张）交付件 · 每张带渠道规格、安全区标记、AI 生成标识 —— 按渠道命名规范归档
可派发清单：废卡与拦截记录.xlsx 可派发 · 每张被拦底图的原因归类（六指/色偏/构图），模板库迭代的输入

这套东西不承诺什么：不生成带长句文字的成品图 —— 画面文字一律走程序化叠字，这是工程红线不是偏好。不替设计师选图 —— 16 张底图哪张代表这个 campaign，是美术指导的判断，质检只拦硬伤。不承诺出图质量 —— 模板保证约束被带上，不保证审美。AI 生成标识按 2025 年 9 月新规打上，不删。

② Live Demo（演示逐步）

演示模式 · 可视化预演 本页展示的是「应该怎么跑、每一步看什么、交付什么」，用的是真实业务格式的脱敏构造数据，不宣称已接入客户生产系统，也不承诺任何效率提升百分比。

案例设定：上海鸣鹿广告有限公司 · 静安区 · 设计组办公区。执行设计师组长林小满（从业 5 年）带着组员 3 人 +实习生 2 人同时跑 5 个客户的活。今天主攻伊利纯牛奶「开学能量早餐」YL-2026-09 主 KV —— 创意方向已于昨日由客户选 B（校门口成长）。按现有流程，林小满会开即梦输入一长串中文提示词直接生成 800×800 主图，再让实习生用稿定拼字。今天这台机器上，按工程红线分三段走：无字底图 → 思源黑体程序化叠字 → OCR 逐字校验。

抽卡轮数4 轮 · 16 张通过率13 / 16 = 81.3%拦截手部缺陷3 张（六指）最终交付18 个渠道

输入中小广告公司与电商视觉团队手上能拿到的东西

不需要整理格式、不需要改文件名 · 直接拖进对话框

01_ImageGen抽卡记录_KV横版.yaml★ 4 轮抽卡每张底图的 prompt、seed、关键参数、是否通过 —— 这份此前不存在，按现有流程就是凭感觉改 promptImageGen 工具日志 + 林小满手记批注
02_废卡与拦截记录.xlsx 4 轮抽卡 16 张中 3张废卡（手部六指）+ 1 张中文字乱码废卡，共 4 张废卡的拦截依据与复盘林小满手记 + 实习生交叉复核
03_主KV三段式制作记录_横竖双版.xlsx 从 13 张通过底图中选定 R1-01 作横版主 KV、R4-12 作竖版主 KV，记录三段式（底图→叠字→OCR）的每一步林小满主写 + 美术指导许帆复核
04_全渠道物料包_18张.xlsx ★ 18 个渠道的最终交付物清单 + 渠道规则 + 抽卡来源 + 叠字方案林小满交付 · 许帆复核
05_OCR校验报告_13张叠字图.xlsx 13 张叠字图的全量 OCR 报告，与文案定稿的 5 段文字逐字比对PaddleOCR 自动 + 林小满人工抽样
06_字体授权凭证与待办.xlsx 三段式中所有使用过的字体 + 授权凭证 + 缺失凭证清单林小满登记 · 财务行政复核

注意标橙色那一份 —— 01_ImageGen抽卡记录_KV横

版.yaml。它ImageGen 工具日志 + 林小满手记批注，平时压根不在核对范围里。这个场景的价值，很大一部分就来自把它读进来。

提示词就说这么几句

没有模板、没有表单 · 专业规则由 Skill 兜底

用 WorkBuddy 自带的 ImageGen 工具生成小男孩拿着伊利牛奶的广告图：校园清晨场景，书包和校门做背景元素，暖色调，自然光线，小男孩笑脸，手持牛奶盒举在胸前，画面顶部留 12% 空白给后续标题。负面要求：画面不出现任何文字，不出现品牌 LOGO，不出现手部特写，手指完整清晰。出图后按四张一轮质检：六指和肢体畸变直接拦下，色板和品牌主色比对，偏了的重跑。选定的底图用思源黑体做程序化叠字，主标题放顶部留白区，叠完字用 OCR 逐字校验。最后把这张主 KV 适配成 18 个渠道的规格，每个渠道的安全区和平台规则按台账逐项核。AI 生成标识按新规打上。

生图段用的是 WorkBuddy 自带的 ImageGen，现场演示时从提示词到底图全程可见（VD-03 的对话式直出共用这一工具约定）。三段式的流程定义、质检规则、渠道规格台账都写在能力包里。

触发客户在 4 端同步上新，今天必须出主 KV

按现有流程，AI 直接出带中文长句的图 → 必翻车

9 月 1 日开学季只剩 3 周，伊利 YL-2026-09 必须在 4 端同步上新。按现有流程，林小满打开即梦，在提示词里写「伊利纯牛奶小男孩开学校门口」，模型生成 800×800 主图，再让实习生用稿定拼 LOGO。这一套走下来，十张里有六张中文乱码、两张手部畸形、一张 LOGO 被压到主体上 —— 真实翻车率超 60%。今天这台机器按工程红线分三段走。先说结论，4 轮抽卡 16 张、通过 13 张、最终交付 18 个渠道。步骤现有流程三段式翻车点拆给哪段选图AI 直接出

800×800 带中文成品图AI 出无字底图 1024×1024中文乱码 60%+ · 形近字 · 缺笔字段一（拆字）字体设计师手选字体（凭印象）代码硬编码授权字体路径未授权字体 · 单字 3000–10000 元段二（拆字体）校验肉眼对字 + 拼 LOGO 复核OCR 全量扫 + 文案定稿逐字比对同音字 · 形近字 · 数字与单位错位段三（拆校验）合计3 步串行3 段并行（工具不同）3 类风险每段只管一类「直接出图」的失败不是 prompt 写得好不好的问题，是把字体选择、字形渲染、文字位置三层风险叠在一起的工程问题。三段式把这三层风险拆给三个确定性工具分别处理。为什么不能「让 AI 直接出中文长句」这是生图模型的固有缺陷，不是提示词工程能解决的事。有公开技术文献总结过：当前主流扩散模型在「画 20个小字」这件事上「几乎必错」 —— 中文尤其严重，因为字形结构比拉丁字符复杂得多，训练集中文字符级别的细节不够。从历史踩过的坑想起：本场景 R2-05 就是这个规律的现场表现：「伊利纯牛奶」4 字被生成成「依俐纯牛乶」，「俐」是同音字、「乶」字根本不存在 —— 这不是「再调一次 prompt」能修好的。

第 1 步 · 要素校验 · 抽卡前先锁死 3 件不变量

3 件不变量的字面要求与现场判断

抽卡前先确认三件事：负面清单（不许出现的元素）、授权字体路径（必须打到已授权的字体）、文案定稿（叠字对象）。这三件任意一件缺位，4 轮抽卡就会重复 R2 的全军覆没。不变量内容缺失后果补救动作负面清单不出现手部特写 / 不出现中文字 / 不渲染 LOGOR2 已示范：六指 + 中文乱码同时出现从 CD-02 提示词模板库直接拉取（详见

CD-02）授权字体思源黑体 · 阿里普惠 · Arial 三选一误用方正兰亭黑 → 单字判赔 3000–10000 元代码硬编码字体路径 + 财务行政复核凭证文案定稿5 段文字 + 1 个 LOGO叠字对象 = OCR 比对基线5 段：依利纯牛奶 / 开学的能量 / 从一盒开始 / 250ml / 净含量 250 毫升+ LOGO（伊利品牌库标准件）抽卡参数4 轮 × 4 张 = 16 张 · 1024×1024低于 16张 → 候选不足 → 18 渠道无法 1:1 派生seed 区间 88421–88436，按主题分组合计 4 项——全部就位这 3 件不变量不是「建议」是「必做」：每件都有真实翻车案例对应 —— 负面清单对应 R2-05/06/07/08 全废、授权字体对应 AE-02 待拦的方正兰亭黑、文案定稿对应 OCR 比对基线缺失则校验失锚。本场反面教材：客户最初给的口号是「长高高的秘

密」，按美术指导的 VI 翻译判断，这条标语属儿童广告法第 40 条劝诱购买，已被 AE-02 拦下 —— 最终定稿改为「开学的能量，从一盒开始」。把「建议」改成「必做」负面清单这件事在 4A 时代是美术指导的肌肉记忆，但放到今天 22人代理商里，让实习生按「肌肉记忆」执行就会出 R2 那样的事。把负面清单写到模板库（CD-02）里，每次抽卡前程序自动从模板库拉，这件事才不依赖某个人的记忆 —— 「该拦」的不靠人盯，靠工具卡死 —— 这是把工艺从人迁到工具的关键动作。

第 2 步 · 抽卡 · 4 轮 16 张，第 2 轮全军覆没

R2 是「把两个高风险点叠在一起」的典型反例

演示数据（表格原文）R1 按「无字 + 无手部特写 + 校门口场景」的负面清单生成 4 张全部通过。R2 试改「带中文字 + 含手部特写」的提示词，4 张全废。R3 回到 R1 风格但加入横竖版与构图变化，4 张通过。R4 进一步扩姿势，4 张通过。轮次提示词要点通过废翻车原因R1无字 + 无手部特写 + 校门口场景40—R2带中文 + 含手部特写13六指 3 张 + 中文乱码 1 张（依俐纯牛乶）R3回到 R1 + 横竖版与构图变化40—R4扩姿势（举盒/喝/递）+ 校门变体40—合计—133六指（R2-06/07/08）合计 4轮16 张抽卡13 张通过3 张废（六指 3）通过率 13/16 = 81.3%第 2 轮全军覆没不是偶然：「带中文生成」与「手部特写」是两个独立的高风险点，在同一条提示词里同时触发，模型把这两个难度叠加，结果就是中文乱码 + 手部畸形同时出现。结论：「图内带中文 + 手部特写」必须从提示词里拆开，前者走程序化叠字、后者走负面清单 —— 本结论已写入 CD-02 模板库的负面清单第 1 条。六指这个事不是模型的低级 bug生图模型画手部一直是公开承认的困难点，尤其是手部 + 物体的组合（手举盒、手握杯），业界目前的工程实践就是「能避免就避免」。本场 R2 的提示词里同时含「手部特写」与「单手举起」两个手部强提示，—— 基本上是在给模型出最难的考题。客户拿到的「手部畸形率」会被这句提示词显著放大，而不是模型的随机翻车。排除性结论：手部特写可以从提示词里直接排除，不让它进生成环节 —— 本场 R3/R4 就是这个排除的结果。

第 3 步 · 选片 · 13 张通过底图，1 主 KV + 12 详情页底图

13 张刚好打平 18 个交付物，无备用

13 张通过底图中，R1-01 选为横版主 KV、R4-12 选为竖版主 KV。其余 11 张用于详情页（4 端 × 3 屏 - 1 主 KV = 11张，但详情页 12 屏需要 12 张底图，所以主 KV 横版同时作为淘系详情页首屏的复用底图）。13 = 1（横版主 KV）+ 1（竖版主 KV）+ 11（详情页）+ 0 备用。底图使用渠道复用情况R1-01横版主 KV主 KV + 淘系详情页首屏1 张图覆盖 2个交付物R4-12竖版主 KV主 KV（竖版）1 张图覆盖 1 个交付物R1-02小红书笔记封面小红书1 张图覆盖 1 个交付物R1-03淘宝主图 + 淘系详情页第 2 屏淘宝1 张图覆盖 2 个交付物R1-04京东主图 + 京东详情页 + 电梯 frame京东 + 户外1 张图覆盖 3 个交付物R3-09拼多多主图 + 拼多多详情页第 2 屏拼多多1 张图覆盖 2 个交付物R3-10抖音主图 + 京东详情页第 2屏抖音 + 京东1 张图覆盖 2 个交付物R3-11朋友圈海报 + 京东详情页第 3 屏朋友圈 + 京东1 张图覆盖 2 个交付物R3-12拼多多详情页第 3 屏 + 抖音信息流 A拼多多 + 抖音1 张图覆盖 2 个交付物R4-13地铁灯箱 + 拼多多详情页第 3 屏（另一版）户外 + 拼多多1 张图覆盖 2 个交付物R4-14抖音信息流 B抖音1 张图覆盖 1 个交付物R4-15拼多多详情页第 1 屏拼多多1 张图覆盖 1 个交付物R4-16抖音信息流 C + 抖音详情页第 3 屏抖音1 张图覆盖 2 个交付物合计 13 张1 + 1 + 11 + 0 备用 = 1318 个渠道13 张底图刚好打平 18 个交付物合计 13 张13 个使用单元18 个渠道0 备用（紧贴需求）13 张底图 0 备用= 真实业务常态。18 个渠道同时上新、3 周排期、底图选完即叠字 —— 「再补抽 4 张备用」的奢侈在这家 22 人代理商里不存在。本场选片的核心是识别哪张底图能同时覆盖多个渠道：正面情绪饱满的 R1-04 拿去京东主图 + 详情页 + 电梯 frame；校门升旗的 R4-14 拿去信息流 B 兼抖音详情页。这靠的不是灵感，是逐张底图与 18 渠道规则的映射。这步省掉的事传统流程里这一步叫「选稿」，是客户/美术指导/老板反复 battle 的环节。本场因为抽卡前已经按负面清单锁死了边界，13 张底图全部满足「无字 + 无 LOGO + 无手部特写 + 校门口元素」四条 —— 选稿争议被工程性地消解了，剩下的是情绪与构图偏好，而不是「这张能不能用」的根本性质疑。

第 4 步 · 叠字 · 思源黑体程序化叠 5 段 + 1 个 LOGO

这一步把字体的「不确定」彻底拆掉

演示数据（表格原文）13 张底图进入程序化叠字环节。代码硬编码 4 个授权字体路径，美术指导许帆在程序里新增字体必须同步更新字体台账。段动作工具输入输出字形风险段 2.1主标题（依利纯牛奶）Pillow + 思源黑体 Regular13 张底图13 张含主标题图字形确定（思源黑体 100% 字形）段 2.2副标（开学的能量 / 从一盒开始）Pillow + 思源黑体 Regular13 张底图13 张含副标图字形确定段 2.3容量数字（250ml）Pillow + Arial Bold13 张底图13 张含容量图数字字形确定段 2.4净含量中文（净含量250 毫升）Pillow + 思源黑体 Regular2 张主 KV2 张主 KV 含净含量字形确定段 2.5行动号召（立即购买 / 扫码下单）Pillow + 思源黑体 Medium5 张信息流+朋友圈5 张含行动号召图字形确定段 2.6LOGOPillow + 伊利品牌库标准件13 张图13 张含 LOGO 图LOGO 由美术指导许帆从品牌库拉取，不走 AI 生成合计 6 步代码硬编码 4 字体13 张图13 张叠字图字形确定字形风险 0「程序化叠字」看起来比稿定里手动打字更费事，但它把三件事一次性解决：① 字体选错的风险（代码不允许选未授权字体）；② 错字的风险（OCR 段会自动扫描）；③ 设计师状态的差异（实习生与老设计出的字是同一份）。这一步的核心是「拆」：把「设计」拆成「构图（段一）」与「字（段二）」，字的部分交给确定性工具，构图的部分交给 AI。这一步的工程红线本场景的三段式不是「分三步」是「分三层风险」：· 段一拆掉「中文字」（底图不带字）· 段二拆掉「字体未授权」（代码硬编码路径）· 段三拆掉「叠错字」（OCR 全量）每一段只处理一类风险，这是 AI 出图这件事在 2025 年最稳妥的工程形态，也是本库对「直接让 AI 出中文长句」这件事唯一能给的建议 —— 不要用。

第 5 步 · OCR · 13 张叠字图与定稿逐字比对，0 异常

OCR 把肉眼难发现的同音字、形近字、缺笔字全数捞出

演示数据（表格原文）13 张叠字图全量过 PaddleOCR，与文案定稿的 5 段文字逐字比对。OCR 异常 0 —— 不是 PaddleOCR 太聪明，是段二程序化叠字保证了字形确定，OCR 拿来对比的是定稿字符串本身，匹配即通过。底图段 1 文字段 2 文字段 3 文字段 4文字段 5 文字OCR 异常R1-01（主 KV 横版）依利纯牛奶开学的能量从一盒开始250ml净含量 250 毫升0R1-02（小红书封面）依利纯牛奶开学的能量———0R1-03（淘宝主图）依利纯牛奶开学能量早餐每天一杯250ml—0R1-04（京东主图）依利纯牛奶开学能量早餐每天一杯250ml—0R3-09（拼多多主图）依利纯牛奶开学能量———0R3-10（抖音主图）依利纯牛奶开学能量早餐活力满满250ml—0R3-11（朋友圈海报）扫码下单————0R3-12（抖音信息流 A）依利纯牛奶开学能量早餐立即购买——0R4-12（主 KV 竖版）依利纯牛奶开学的能量从一盒开始250ml净含量 250 毫升0R4-13（地铁灯箱）依利纯牛奶开学的能量———0R4-14（抖音信息流 B）依利纯牛奶开学能量早餐立即购买——0R4-15（拼多多详情页）依利纯牛奶开学季特惠———0R4-16（抖音信息流 C）依利纯牛奶开学能量早餐立即购买——0合计 13 张—————0 异常「OCR 异常 0」反过来证明了三段式的有效性：如果换回「让 AI 直接出图」的方式，13 张里至少会有 3–5 张出现同音字（如「依利」/「伊利」混用）、形近字（「250ml」/「25Oml」）、缺笔字（「奶」缺一横）等等。OCR 校验不是锦上添花，是三段式闭环的最后一环：前两段把风险「拆小」，第三段把残余风险「捞净」。OCR校验发现过什么2025 年 3 月的另一场 campaign，设计师手写出「优质蛋白」4 字，PS 存盘时字体替换成宋体，肉眼检查时没发现「白」字多了一横 —— 上线 3 天后被同行截图投诉，最后公司赔偿了 4800 元（按图片判赔 2000 元/张 + 律师函 800 元）。本场把 OCR 全量扫写进流程后，类似「多一横」这种肉眼难发现的错误被自动捞出 —— 本场结果是 0异常，但流程存在的意义不是「捞出多少」，是「让客户敢把检查外包给机器」。把 OCR 异常换算成钱：单张图多 1笔 / 缺 1 笔 = 图片判赔 2000 元/张 + 律师函 800 元 +下架整改 1 天 = 实际损失 1 万元/张。本场 13 张如果按 60% 翻车率（无 OCR 校验）算 = 7.8 张异常 = 7.8 万元/场的潜在损失。之后18 个渠道交付 + 字体台账副产物这一步把交付物全量收口，附 3 份副产物18 个渠道的最终交付物、字体台账副产物、3 份预期输出。产出内容签批栏留空栏主KV三段式制作记录.xlsx横竖双版主 KV 的 3 段记录（底图 / 叠字 / OCR）编制（林小满）· 复核（许帆）放行结论全渠道物料包（18 张）18 个渠道的最终交付物 · 含尺寸/底图/叠字/渠道规则编制（林小满）· 复核（许帆）· 客户确认（伊利 YL-2026-09 PM）—废卡与拦截记录.xlsx4 轮抽卡 16 张的拦截依据 + 复盘结论编制（林小满）· 复核（许帆）—整改建议写法示例（不写「加强管理」）：① 把 CD-02 提示词模板库负面清单第 1 条（手部特写 + 中文字）写进林小满的 SOP —— 由许帆牵头，本周内更新岗位 SOP，验收标准是 R2 这种全军覆没的轮次不再出现（抽卡拦截率 100%）。② 字体台账作为副产物定期更新（每季度一次） —— 由财务行政与美术指导联合维护，验收标准是字体台账与代码硬编码路径 100% 对齐。③ 三段式抽卡记录作为 VD-01 标准件沉淀 —— 下一个 campaign 直接复用本场的 4 轮抽卡参数（seed 区间 / 负面清单）。整改建议的衡量方式本场 13 张通过里 R1 一整轮 4 张全部通过，是因为 R1 完全遵守了 CD-02 负面清单 ——这条经验的转化方式不是「设计师要更认真」，是「下次任何 campaign 抽卡前必须先过负面清单」。「用制度替代个人自觉」是 22 人代理商从 4A 工作室规模里能继续活下去的唯一路径 —— 这一点是本场整场流程的真正价值。主 KV 可上刊，但「伊利纯牛奶 → 依利纯牛奶」OCR 异常 0 张需客户最终确认4 轮抽卡 16 张、通过 13 张、最终交付18 个渠道；OCR 全量 13 张异常 0 张；字体台账已对齐授权状态。但本场有三处不能由 Agent 拍板，必须由客户与公司确认：① 主标语最终定稿：客户最初给的是「长高高的秘密」，按美术指导 VI 翻译判断属儿童广告法第 40 条劝诱购买，已被 AE-02 拦下并改为「开学的能量，从一盒开始」。这一改动涉及客户创意方向，需客户方 PM 最终确认。②选片 R1-01 / R4-12 作横竖双版主 KV：选片依据是「无字 + 负面清单 + 校门口元素」三条工程规则，最终选哪张是美术指导许帆与伊利 YL-2026-09 PM 共同判断。③ 三段式工艺沉淀：本场 4 轮抽卡参数（seed 区间 88421–88436、负面清单第 1 条、字体台账 4 字体）建议沉淀为下一个 campaign 的标准件 —— 是否公司级沉淀由老板决定。方案一 · 公司级沉淀（推荐）：4 轮抽卡参数 + 负面清单 + 字体台账进入公司标准件库，下一个 campaign 由林小满直接复用 ——好处是「下次不要重新发明轮子」；风险是「标准件库的更新责任未明确（谁加字体、谁更新负面清单）」。方案二· 维持现状：本场 4 轮抽卡参数仅作为本场产物归档，下一个 campaign 由林小满凭记忆重做 —— 好处是「每场campaign 灵活度高」；风险是「R2 那种全军覆没的轮次会重复出现」。放行结论、签收栏、合规结论三栏留空 ——这三栏归客户方与公司负责人。之后这一次跑完，公司多了什么

不讲省了多久 · 讲少了几个隐患、沉淀了什么

演示数据（表格原文）✓主 KV 第一次有了制作留痕：提示词版本、抽卡质检、叠字参数、OCR 比对全部可追溯 —— 客户问任何一处都有记录✓三段式管线成为团队标准：文字不再交给模型画，乱码从工程上被消灭，而不是靠运气✓渠道规格从收藏夹变成了台账：18 个渠道的安全区与平台规则每次适配都被逐项核对✓废卡记录反哺模板库：第 2 轮六指的教训直接变成负面清单的权重调整，下次起跑废卡率更低追问现场可能被问到的答不上来的问题，比答得漂亮的问题更能决定这场演示的结果为什么不直接让 AI 出带字的成品图？因为会当场翻车 —— 不是我们的判断，是研究结论：模型没有独立字符解析内核，复杂排版下字符幻觉无法清零；「画 20 个小字几乎必错」。行业商用规范写明不可直接使用模型原生内嵌文字。三段式不是偏好，是工程红线。16 张里挑不出满意的怎么办？调的是模板不是运气：废卡记录会告诉你是负面清单缺项还是场景描述跑偏 —— 第 2 轮的六指就是这么变成负面词的。另外审美拍板本来就是美术指导的事，质检只拦硬伤。18 个渠道每张都要人核一遍吗？硬规则（尺寸/白底/文字面积/比例）由适配层逐项自检，人核的是视觉优先级—— 哪些渠道值得设计师亲自过，哪些规格化输出直接走，台账上标得清清楚楚。

③ 能力沉淀（Skill / 提示词 / 预期输出 / 人工边界）

1. Skill 能力包

导入之后，同类任务会自动按这套规则走 —— 提示词才能写得那么短

主 KV 三段式生图与全渠道多尺寸适配 · Skill

SKILL.md 主本 + references（输出骨架 / 判据 / 渲染脚本）· 符合 WorkBuddy Skill 规范

版本 v1.0

kv-pipeline.zip

在 WorkBuddy 里直接上传这个 zip 即可导入

包内结构

SKILL.md 主本 —— YAML 元信息 + 执行流程 + 硬规则 + 人工边界
references/output_template.md 输出骨架（sheet 名 / 分区顺序 / 列头）+ 可直接运行的渲染脚本
references/judgement_rules.md 判据与口径 —— 什么情况算异常、什么情况必须拦住

references 不会一次性全读进来 —— Agent 按需取用。所以 Skill 可以写得很细，不会拖慢每次对话。

2. 原始素材

这些就是中小广告公司与电商视觉团队手上真实能拿到的东西 —— 格式不统一是常态，不是问题

📁VD-01 · 演示素材

脱敏构造数据 · 真实业务格式 · 埋点可核验

共 6 份

01_ImageGen抽卡记录_KV横版.yaml★ 4 轮抽卡每张底图的 prompt、seed、关键参数、是否通过 —— 这份此前不存在，按现有流程就是凭感觉改 prompt
02_废卡与拦截记录.xlsx 4 轮抽卡 16 张中 3 张废卡（手部六指）+ 1张中文字乱码废卡，共 4 张废卡的拦截依据与复盘
03_主KV三段式制作记录_横竖双版.xlsx 从 13 张通过底图中选定 R1-01 作横版主 KV、R4-12 作竖版主 KV，记录三段式（底图→叠字→OCR）的每一步
04_全渠道物料包_18张.xlsx ★ 18 个渠道的最终交付物清单 + 渠道规则 + 抽卡来源 + 叠字方案
05_OCR校验报告_13张叠字图.xlsx 13 张叠字图的全量 OCR 报告，与文案定稿的 5 段文字逐字比对
06_字体授权凭证与待办.xlsx 三段式中所有使用过的字体 + 授权凭证 + 缺失凭证清单

怎么用

把素材全部拖进 WorkBuddy 对话框（不需要整理格式、不需要改文件名）
粘贴下方提示词发送
拿到正式件初稿 —— 签批栏留空，推荐意见留空，由你填

3. 提示词卡片

用 WorkBuddy 自带的 ImageGen 工具生成小男孩拿着伊利牛奶的广告图：校园清晨场景，书包和校门做背景元素，暖色调，自然光线，小男孩笑脸，手持牛奶盒举在胸前，画面顶部留 12% 空白给后续标题。负面要求：画面不出现任何文字，不出现品牌 LOGO，不出现手部特写，手指完整清晰。出图后按四张一轮质检：六指和肢体畸变直接拦下，色板和品牌主色比对，偏了的重跑。选定的底图用思源黑体做程序化叠字，主标题放顶部留白区，叠完字用 OCR 逐字校验。最后把这张主 KV 适配成 18 个渠道的规格，每个渠道的安全区和平台规则按台账逐项核。AI 生成标识按新规打上。

为什么这么短就够了：生图段用的是 WorkBuddy 自带的 ImageGen，现场演示时从提示词到底图全程可见（VD-03 的对话式直出共用这一工具约定）。三段式的流程定义、质检规则、渠道规格台账都写在能力包里。

换成你自己的业务：把素材换成你手上的真实文件即可。导入 Skill 之后，

该走几步、什么口径、什么情况必须拦住，Agent 自己知道 —— 你只需要说清这是什么事。

自己组织输入的三步法

用自然语言说清核心需求 —— 就按平时跟同事交代活的方式说：什么事、什么文件、什么要求。不用讲究格式。
调用 Skill 补齐专业规则 —— 导入本页 Skill 后，流程、口径、硬规则 Agent 自己知道。
用「增强提示词」补全遗漏 —— 输入框旁边有增强按钮，把随口说的话补成更完整的表述。

分工：自然语言负责「这是什么事」，Skill 负责「该怎么做」，增强提示词负责「别漏了什么」。

4. 预期输出

不方便现场跑的时候可以直接拿这份给客户看 · 与实跑结果同结构

📋正式交付物

带签批栏 / 冻结首行 / 开筛选 —— 判断标准是「能不能直接进企业的流程」

共 3 份

VD-01_主KV三段式制作记录.xlsx 正式件 · 4 sheet（抽卡与质检记录 / 叠字参数 / OCR 校验逐字比对 / 18 渠道适配台账）· 含美术指导审定签批栏
VD-01_全渠道物料包（18 张）交付件 · 每张带渠道规格、安全区标记、AI 生成标识 —— 按渠道命名规范归档
VD-01_废卡与拦截记录.xlsx 可派发 · 每张被拦底图的原因归类（六指/色偏/构图），模板库迭代的输入

Skill 里固化了什么：从历史里想起了公司踩过的坑该拦的地方拦住了排除性结论把技术动作翻译成钱

输入清单：CD-02 品牌提示词模板库（主 KV 型）正向描述框架 + 负面清单（不含文字/不渲染 LOGO/规避手部特写）+顶部 12% 留白构图指令CD-01 方向 B 概念板（校门口成长）场景元素与情绪关键词的出处各渠道规格速查表（18 个渠道）从设计师收藏夹里的帖子整理成台账思源黑体字库（免费商用白名单）叠字层的字体来源，授权状态已核

人工边界：不生成带长句文字的成品图 —— 画面文字一律走程序化叠字，这是工程红线不是偏好。不替设计师选图 ——16 张底图哪张代表这个 campaign，是美术指导的判断，质检只拦硬伤。不承诺出图质量 —— 模板保证约束被带上，不保证审美。AI 生成标识按 2025 年 9 月新规打上，不删。

升为客户真实案例还缺什么：客户当前真实输入文件（不要整理过的）岗位现行 SOP 与审批链（金额分档、谁签字）至少一次真实出过问题的案例客户当前正在用的正式输出模板客户确认的阈值口径（多少天算临期、多少金额算大额）

5. 同一角色下的其他场景

视觉制作 · 产出即下一步输入

VD-02 · 电商主图与详情页生成（数据驱动版） — 客户第一问「AI 能做电商主图吗」· 答案取决于出图吃不吃得进你店铺的历史数据查看 →VD-03 · 对话式广告图直出（售前概念图） — 客户那句「用 AI 不是几分钟就出图了吗」·在售前概念图这件事上，答案真的是几分钟：前提是文案、工具、出图在同一条对话里

上下游串起来就是完整链路。每一步的产出都是下一步的输入，不用在不同工具之间来回复制粘贴。

场景内容基于 WorkBuddy 产品能力整理，演示中的企业、人物与数据均为虚构，不代表任何客户的实际成效；痛点引用的公开来源已做脱敏处理。网页版由原资料转换，部分演示表格以原文形式展示。

其他行业的同类场景 · 内容创作

想把这个场景在你们企业跑通？

顾问会先看你们的数据和流程够不够，再决定从哪一步开始。

看广告图片生成其他场景