# 当我们要求模型画出“宋式审美”时，它究竟还做不到什么

摘要

这是一轮关于“宋式审美能否被生图模型稳定转译”的测试记录，而不是一组生成作品的展示。我们关心的并非模型能否产出带有青绿、细线、绢纹或花鸟的“国风感”图像，而是当这些元素要同时服务于一篇文章、一项产品价值或一个当代叙事时，模型能否持续做出正确的取舍。

测试从最初的材质、设色和线条试验，逐步推进到线框约束、人物叙事、知识封面与产品海报。过程中，我们先后尝试了通用色卡、材质卡、方向样张、结构线框、内容路由、负向约束，并制定了真实文章的 A/B 对照协议。部分尝试有效，部分被明确停用。最终结论并不是“模型不会画国画”，而是：它能够命中许多局部特征，却还不能稳定地完成一项复合的视觉判断——让线条服从物象、让颜色附着形体、让留白构成空间、让主景回应内容，并在系列中保持同源而不重复的变化。

对一个新的生图技能而言，最可借鉴的不是一套“宋风提示词”，而是这轮测试形成的方法：先把审美要求拆成可判断的任务；将内容命题、结构、色彩、气质和反例分开管理；每次只改变一个变量；用真实使用场景而非孤立美图来检验；把失败沉淀为资产边界和规则，而不是不断把提示词写得更长。

1. 为什么要做这轮测试

“宋式审美”在内容生成里很容易被压缩成几个可见符号：青绿、金线、花鸟、古书、留白，或者一层仿绢纹理。这些元素单独出现时往往足以让人迅速识别“传统感”，却无法保证画面真正具有宋代绘画中更关键的关系：物象被怎样观察，近景如何切入，色彩怎样收住，空处如何与实体共同形成空间，文字又怎样进入画面。

项目最初希望建立的是一种可用于当代内容的视觉语言。它既要保留细线骨架、沿形体推进的天青与灰青、局部石绿和浅赭、绢地留白、近景自然局部等特征，又不能退回满版山水、旅游海报、古装戏感或泛中式商业装饰。更难的是，画面还要能承接不同内容：一篇随笔、一篇技术文章、一个空间观察、一个人物叙事和一张产品海报，不应只是同一片青绿背景换标题。

所以，这轮测试提出的问题是：当“宋式”不再是一组风格标签，而是一套需要服务内容的视觉判断，模型在哪些环节会失效？

2. 先说明判断标准：我们不评“像不像宋画”

这不是对古画真伪、历史复原或艺术史风格的评测。所有色卡和样张都是面向现代内容封面的转译工具，不等同于宋画颜料复原，也不允许复制具体馆藏、艺术家笔触、题字、印章或原作构图。

我们以五个可观察维度评价图像：

判断维度	需要成立的关系	常见失效方式
物象与线条	线条说明石、枝、岸、纸页或人物的结构、受力与生长方向	细线变成均质装饰纹理
设色与材质	颜色随形体、光线、浓淡和局部露底推进	青绿变成覆盖全图的情绪滤镜
空间与留白	近景、远处与空域共同形成距离和观看路径	空白变成无意义的白底，或画面变成无中心纹理
主题与主景	画面对象能够解释文章或产品的命题	用古书、飞檐、圆月等高频符号替代内容理解
系列化可用性	同一方向能在不同题材中保持原则一致且不重复	要么所有图像同一模板，要么为变化而失去方向

这五项标准决定了本文的读法：图像不是“好看 / 不好看”的样品，而是每次尝试在某项关系上成立或失配的证据。

3. 测试是如何被组织起来的

3.1 从“提示词试错”到最小生产系统

早期生成暴露了四个重复出现的问题：深色背景与金线反复出现；标题常被固定在右上角；传统意象和文章主题之间没有解释关系；画面容易进入色彩过满、符号堆叠的商业古风。下面三张图不是原始测试结果，而是把这四种现象拆开后的阅读示意：它们帮助第一次接触项目的读者理解，为什么“看起来有国风”并不等于画面已经完成了内容表达。

示意图 1：当深色背景、金线和右上标题区被反复复用时，主题虽变，画面逻辑却没有变化；系列视觉会沦为同一模板的换标题版本。

示意图 2：技术—古书、城市—飞檐、情绪—孤舟圆月、商业—青绿金色，都是模型最容易调用的高频映射；它们能迅速提示传统感，却未必解释内容真正要说什么。

示意图 3：商业古风的典型问题不是元素不够，而是元素彼此竞争。修正动作不是再增加“宋式”符号，而是先删到只剩一个能回应命题的主景和一个清楚的阅读空域。

问题并不靠增加更多描述词解决，因为模型会把“宋风、国画、留白、高级、青绿”等高频词混合成一个平均结果。

因此，测试逐步建立了一套最小生产系统：先读内容，再确定视觉命题；从内容路由中选择一个方向；使用线框锁定阅读结构；用一张样张或研究参考收敛气质；以数值化色卡控制颜色边界；最后以负向约束排除已知反例。它的原则是让不同资产各司其职，而不是用一堆参考图共同“祈祷”模型理解。

层级	使用的资产	它负责解决什么	它不能替代什么
内容层	内容路由、视觉命题	为什么是花鸟、材料页、器物、窗影或日常人物	不能直接决定画面结构
结构层	线框	标题区、主景区、留白、安全区、阅读动线	不能自动生成有效物象或叙事
色彩层	生产色卡、关系摘要	色相、明度、面积比例和禁用色	不能脱离对象成为通用“宋色”
气质层	方向样张、研究参考	近景与空域比例、图文密度、完成度、材质关系	不应被逐像素复制，也不能替代内容理解
规则层	负向约束、评分表	排除满版山水、亮金、网页 UI、无关符号等错误路径	不能替代最后的编辑判断

一次生成的图像参考也被严格控制为两张以内：通常是一张线框 + 一张同方向样张或研究参考。色卡的 HEX、面积比例和禁用项写入文字，不额外占用参考图位置。原因是参考图越多不必然越可控；当线框、色卡、材质和样张彼此存在微小冲突时，模型常会把它们折中成一个既不鲜明也不克制的结果。

3.2 线框究竟在约束什么

线框不是“画面长相”的草图，而是把不可违背的主次关系提前画出来：哪里是信息安全区，主景最多占多大，哪里必须保持低信息密度，视线从何处进入、向何处收束。它只锁定阅读结构，不能规定具体物象的姿态，也不能把构图变成唯一模板。

图 1｜北宋“万象归类”线框：让材料形成秩序

标题区约占左上四分之一；核心编联区承担材料被归类、压边和比照的关系；成篇页缘只占小面积。这个线框不要求摆出“文房案头”，而是要求画面解释“收集、整理、沉淀”。

图 2｜南宋“一角成篇”线框：让边角打开空间

右下角是一组材料页构成的唯一近景主景，左侧标题区与空域保留距离。它要测试的是“从一角收束为一页表达”，而不是把画面简单做成白底和一本古书。

这两张图后来成为产品海报测试的结构基线。它们也提前说明了一个重要边界：即使模型严格遵守主景区和留白区，也不代表它已经理解了北宋的归类关系或南宋的截景关系。线框只能防止画面失序，不能代替观看。

3.3 色卡与材质为什么经历了一次停用

早期曾制作 ST-C01 色卡与 ST-M01 熟绢晨光材质，试图把“宋院春庭”压缩成矿物色、绢地和轻暖空气感的组合。它们有明确用途：快速测试天青、石绿、浅赭和绢纹是否能收敛模型输出。但测试很快发现，这条路径本身有问题——当颜色与材质脱离花木、禽鸟、季节、光线和物象结构后，它们很容易变成抽象拼贴或泛国风底纹。

图 3｜被停用的 ST-C01：颜色印象不能代替画面关系

色粉、绢地和局部暖色能够迅速提示“矿物设色”，却把具体院体花鸟压缩为可被任意调用的青绿印象。

图 4｜被停用的 ST-M01：表面触感不能代替物象

轻淡绢纹与晨光感能改善表面，但一旦被当作独立背景，模型会优先放大“旧、淡、柔”的质感，而非枝叶、花鸟、庭石与空域的关系。

因此，ST-C01 与 ST-M01 不再进入后续生产。修正后的做法是双轨并行：研究阶段先观察可追溯作品参考中的物象、浓淡与空间；生产阶段才把其中可迁移的关系转译为色卡。以 ST-P01｜秋芙蓉与锦羽 为例，它只服务秋日文化随笔、生命感和品牌人文等特定任务：绢帛暖白约占 35–50%，灰橄榄绿占 15–25%，温墨褐承担结构暗部，拒霜粉与锦羽赭金只作局部生命点，并明确禁止翠绿、正红、镜面亮金和大面积纯黑。关键不在颜色名称，而在颜色重新被放回“芙蓉、锦羽、枝叶、空域”的画面关系里。

4. 第一阶段：从材质和笔触出发，为什么总会失去物象

测试最先从材质、线条和自然局部开始。这个阶段的假设是：如果先把绢地、积染、细线和矿物设色控制住，模型也许能够接近一种可用于情绪叙事的当代国画语言。

4.1 线条测试：模型会“画细”，却不一定会“用线”

同一轮天青设色盲测中，三个模型都调用了细线、淡色、纸绢底和青灰色，但它们对线条的处理明显不同。

Seedream 5.0 Pro：细线密集缠绕，带来很强的手绘完成度，但线条没有稳定说明物象骨架。

GPT Image 2：块面和细线构成了轻淡气氛，形体却趋向柔化的抽象地貌。

Nano Banana Pro：褶皱式线条被推至前景，画面完成度高，但结果更接近设计化线描插画。

这里的结论不是“细线无效”。真正的问题在于，国画里的线不是附加在画面上的风格效果。它要解决石头怎样转折、草木怎样生长、水岸怎样收住、纸页怎样叠压。模型能够拟合线的密度、曲率和旧感，却难以稳定判断每一笔为什么必须出现于此。因此，单靠“工笔、细线描、宋画质感”会得到漂亮的综合色调，但不一定得到一个被准确观看的对象。

4.2 材质与自然局部：一次尝试只解决一个条件

下列测试按“积染—截景—枝节—水岸”的顺序推进。每张图都解决了一部分问题，同时暴露另一部分尚未成立的关系。

覆染后透出：积染和材质感成立，但画面尚没有可辨认的物象和空间。

页缘松开：截景与留白明显，但它更接近纸张拼贴的抽象设计，而非由物象带出的空间。

枝节微生：枝节提供了具体对象，但背景设色仍主要承担氛围，而未完全随枝、芽与空域组织。

折枝见新芽：新芽与“重新开始”的语义关系清楚，但画面明显滑向摄影化自然景观。

679098fc9164c8?width=4000&height=4000&fit=scale-down)

水气未定：天青、绢地和水岸都出现了，但整体仍更像被统一气氛覆盖，而不是由水、石、岸和空域共同建立的关系。

这一阶段带来的修正是：不再从“先有一张好看的材质底图”开始，而是先确定一个可被观察的局部对象，再让线、色和材质分别回答它的结构、体积和空气。也就是说，设色不再被看作配色；它必须说明颜色附着在哪里、为什么在这里变浓、为什么在那里露出绢地。

4.3 设色测试：颜色能被生成，颜色关系还不能被自动判断

结构—设色方向样张：左侧先建立岸、石与水的线性骨架；右侧的青、灰青、石绿与浅赭分别沿坡面、水边、草木和暗部推进。

这张样张成为之后判断“设色是否成立”的参照。它的关键不是使用蓝绿，而是控制蓝绿出现的理由：青色可压在暗部，也可被绢地吞回去；石绿只在极小的草木处出现；浅赭不是一个随意的暖色点，而是让石面、岸边和空气产生温度差。模型输出中的蓝绿往往更像全局气氛——先生成一个可识别的青绿世界，再把细节塞进去。修正策略因此从“提示模型使用某种颜色”变成“说明每种颜色的形体位置、面积上限与禁止越界”。

5. 第二阶段：线框能稳定结构，却不能自动生成观看

在自然局部测试之后，项目开始引入线稿和结构线框，希望将前景、标题和空域关系固定下来，再把这套语言带进人物和当代叙事。假设是：如果模型不再自行决定主景位置，就有更多空间保留给细线、设色和情绪。

关系转向：纸页、桌面边缘和大面积空域的比例被预先固定。线稿有效地限定了“什么可以出现”，但不决定模型如何理解这个关系。

回身之后：人物、蓝色围挡与远处关系已经清楚，但图像主要依靠当代手绘场景的叙事语法成立。

风把布向两边托起：近景布幕确实打开了空间，但人物、材料与叙事细节增加后，画面容易离开原有的设色约束。

暂时停在半空的东西：多人物、建筑内部与悬挂布料带来了更强的事件性，同时增加了画面保持克制、单一主景和稳定材质语言的难度。

这组结果修正了一个误解：留白不是在线框上划出一块空区域。这里所说的“南宋式的空“，是本项目借用南宋院画重视简洁构图与空灵画面的工作性描述，而不是对南宋绘画的完整艺术史概括。它来自近景与远处之间的距离，来自一截坡岸、一段页缘、一块布或一个人物动作如何压住画面，才让空处有气流和视线。线框可以禁止主体居中、禁止装饰进入标题区，却不能替模型作出“何处该收住”的判断。故宫博物院对“院体”的说明指出，南宋院画在继承北宋宫廷绘画“状物精微”“写实之极”的基础上，更讲求构图简洁与画面空灵；其馆藏《果熟来禽图页》的解读也以折枝取景、删繁就简与蕴藉空灵说明这一类画面关系。citation citation

6. 第三阶段：进入真实内容后，最难的是语义转译

一张抽象情绪图可以不解释自己；一张文章封面或产品海报不行。它必须让标题、主景和内容价值彼此支撑。于是测试进入“认识 YouMind”系列：尝试用宋刊秩序、材料页、编联关系和北宋 / 南宋两种视觉命题，转译“收集、整理、关联、沉淀、表达”这些产品价值。

6.1 从“宋刊感”到“知识对象”

宋刊知见封面测试：最初尝试以版心、页边和阅读感承接知识主题。风险是它容易被模型理解为仿古书页、杂志内页或信息面板。

宋刊知见重做测试：修正方向不是增加更多书页，而是减少信息，保留一个可被阅读的概念对象和清楚标题区。

这里形成了一个明确规则：知识类封面不应把“古书”当作知识的默认图标，更不能用网页 UI、流程节点、密集表格或仿古正文来证明“信息量”。宋刊知见真正借用的是版心比例、页边秩序和单一概念关系；图像承担的是建立阅读秩序，而不是复刻书页。

6.2 从宋式符号到可解释的产品主景

宋式视觉叙事封面：当“宋式”只作为视觉气氛，图像仍可能好看，却难以说明产品究竟在做什么。

散页成册：把“知识沉淀”转译为材料页从散到成册的关系，开始使主景与产品命题发生可解释的连接。

宋式编联海报：继续测试材料之间的编联关系。重点不在“纸页很多”，而在画面能否读出它们正在被组织。

宋式品牌封面：进入品牌表达后，传统符号、信息阅读与价值主张的取舍会被放大。没有明确主景关系，图像仍会退回风格包装。

这组测试把“一个主景或一个概念图示”的规则从审美偏好变成了必要条件。模型很擅长将“技术—古书”“城市—飞檐”“情绪—孤舟圆月”“商业—青绿金色”这样的高频对应物放进画面；但这些只是统计上常见的符号，不必然是内容需要的对象。对新技能而言，必须先要求它用一句话说清楚：**画面中的什么关系，正在替这篇内容表达什么？**说不清时，宁可回到光影、材质或留白，也不要硬塞传统元素。

7. 第四阶段：北宋与南宋不是两套可替换的滤镜

产品海报进一步要求我们区分两条路径。北宋“万象归类”服务收集、整理、比照与沉淀：重点是不同材料被精确归类、压边和比较，形成可继续创作的秩序。南宋“一角成篇”服务关联、收束与表达：重点是一组材料从精确边角斜入，近景带出远处空间，最终形成正在展开的一页表达。

早期尝试与修正版本之间的差异，显示了模型最容易走的捷径。

早期南宋边角截景海报：边角和空白已经出现，但“南宋”仍可能被简化为一种安静的生活方式画面。

早期北宋院体案头海报：物象密度提高，却有滑向案头陈设、文房摆拍和古籍文创的风险。

南宋一角成篇 v2：修正后将主景收回到一组从边角斜入的材料页与页缘，以近景和远处空间共同承担“成篇”。

北宋万象归类 v2：修正后强调被编联、压边和比照的材料关系，而不是简单增加古典器物。

这里的修正逻辑很重要：并不是用“北宋色”替代“南宋色”，或用“满”替代“空”。真正要改变的是视觉命题。只要命题依然含糊，模型就会以最熟悉的商业样式补全空白；当“材料如何被归类”或“一个边角如何收束成篇”被说清，模型才有机会围绕一种可判断的关系生成。

8. 如何讨论这些结果：不是模型不行，而是复合判断尚不稳定

这轮测试中，没有一张图能够被简单归为“成功”或“失败”。早期材质图让我们看见了绢地与积染的风险；线稿让我们获得了可控的空域和标题区；人物叙事证明模型能提供当代事件性；产品图则迫使我们把风格转回内容命题。它们的价值恰恰在于：每一张都让一个此前藏在黑盒里的问题变得可见。

综合来看，模型的能力边界可以这样描述：

它能生成细线，却不能稳定让线条承担形体判断；
它能生成低饱和青绿，却不能稳定让设色随物象的体积、暗部和露底推进；
它能生成空白，却不能自动让空白成为被近景激活的空间；
它能调用传统符号，却不能可靠地把文本命题转译为不可替换的主景；
它能复现单张风格，却难以在不复制的前提下维持系列中的同源变化。

这不是通过“加更多提示词”就能解决的问题。提示词、色卡、线框和样张所提供的是不同类型的约束，但它们之间仍需要排序：什么是硬约束，什么可以让步，什么一旦出现就要删掉。当前模型无法稳定完成这次排序，因此人的作用并没有消失，而是从“手工制作每一笔”转为“建立判断系统、选择变量、解释结果和作出删改”。

9. 新技能可以借鉴的工作方法

如果把这轮测试沉淀成一个新的生图技能，最不该复制的是一段冗长、万能的“宋风提示词”；最该保留的是下面这套可迁移的方法论。

9.1 先问内容，不先问画风

技能的第一个任务应是读取文章类型、平台、标题长度、信息密度和情绪，再给出一句视觉命题。例如：

“把分散资料整理为可继续创作的秩序”对应材料页编联；
“从一个边角把思考收束为成篇表达”对应近景页缘与远处空间；
“重新开始”可对应一枝新芽与极小生命点，而不是默认山水和圆月。

只有命题成立，主景才有选择依据。若没有可解释的主景，技能应允许使用光影、材质或局部空间，而不是强行加传统符号。