不想再寫提示詞了，那就讓 AI 自己刷圖給你看：V2EX 這款「畫流」把生圖做成了 Feed 流

先把場景補上。V2EX「分享創造」板在 2025 年 11 月下旬出現了一則貼文，開發者 Lykr 發表了一款名叫「Pictide」的本地 AI 生圖應用，中文名「畫流」。貼文標題把賣點講得很直白：不用寫提示詞，還會學習你的喜好。

痛點是「懶得寫字」，不是「不會用」

Lykr 在文中描述的使用情境相當誠實。他說自己用 AI 生圖，多數時候只是想看看好看的圖、找找靈感。但寫提示詞太麻煩：隨便抽幾個詞，標籤之間容易衝突、構圖容易翻車；固定一套提示詞只換種子，出幾張還行，看久了會膩；想慢慢微調，又嫌費事。

結局是很多 AI 生圖玩家的共同經驗：ComfyUI 裝好了，然後一直在喫灰。

他想到的解法是把生圖做成 Feed 流。使用者只管滑、只管看，遇到喜歡或不喜歡的圖就點一下標注，系統根據這些反饋，越來越貼近你的偏好。

依貼文說明，畫流的核心邏輯有三層。

它參考內建的 Danbooru 詞庫中標籤之間的搭配關係，自動組合提示詞交給模型生圖，這一步取代了人工打詞。接著，使用者的喜歡與不喜歡標注會被拿去學習，用來調整後續生成方向。第三，如果圖片裡有特別想保留的元素，可以手動固定，讓其他部分繼續變化。

隱私與部署方式也交代得清楚：提示詞組合、偏好學習和推薦都在本地跑，圖片和偏好記錄也存在本地；生圖端可以接 ComfyUI，目前適合支援 Danbooru 標籤體系的模型。專案以開源形式發布，GitHub 提供下載與使用說明，另有 Bilibili 介紹影片。

這則貼文值得注意的地方，在於它對 AI 生圖的定位換了個方向。過去兩年，圍繞 ComfyUI、Stable Diffusion 的討論多半把生圖當成創作工具，重點在工作流、節點、控制力。畫流反其道而行，把「產出我喜歡的圖」這件事交給系統，使用者只保留品味判斷，像刷短影音一樣點讚或劃掉。

這種「只管看、只管點」的設計，其實回應的是一種更鬆散的需求：不是我要做一張圖，而是我想被餵一點好看的東西。Lykr 自己總結的「看久了會膩」問題，也正是所有 Feed 產品要面對的課題，只不過這次內容生產端和使用者反饋端在同一臺機器上閉不了環地各自運轉。

目前貼文約有六百多次瀏覽，尚未出現留言討論。這款工具能不能撐過「新鮮三天」的階段，得看偏好學習的實際效果，而這部分只能等更多使用者回報。有興趣的讀者可以直接到原帖與 GitHub 專案看看，門檻不算高，前提是你本來就有一套能跑 Danbooru 標籤模型的環境。