三個晚上，一臺拿來刷抖音的電腦，開始每天出圖

10月25日，掘金作者 Younglina 發了一篇長文，標題很直白：「三個晚上，我和 WorkBuddy 做了個生圖網站」。故事的起點是一臺再普通不過的機器：RTX 5060 Ti、8G 顯存、16G 記憶體，平常的用途是晚上開機刷抖音。三個晚上之後，這臺機器每天在出圖：打開網址、選題材、寫一句中文，三十多秒，一張圖就出來了。

分工也說得清楚：WorkBuddy 寫程式、反覆嘗試，作者本人負責看結果、下指令修改。這種「人當導演、AI 當施工隊」的模式，和之前技術社羣裡有人把每天領 WorkBuddy 積分這種雜事交回給工具自己處理的思路一脈相承：把重複勞動往回塞給機器，人只留判斷。

為什麼要在自己電腦上搞

作者的答案很誠實。生圖這件事，好圖幾乎不可能一次寫對，同一個題材換個光線寫法、換套衣服、換個背景，試十幾次才知道哪一版對。如果每試一次都要先猶豫一下成本，他大概試到第三次就停了，拿湊合版當成品。

本地跑的好處就在這裡：沒有負擔，可以無限試錯。機器一直開著，為了一張臉跑二十遍，或者中途想到一個寫法立刻去試，都不心疼。

8G 顯存是怎麼撐起來的

他看到的討論裡，跑生圖的機器多是 24G、48G 顯存起跳，8G 屬於勉強夠用。第一晚大部分時間他都在做同一件事：不讓它崩。光是顯存不夠導致的失敗就記了 6 次，跑到一半直接退出，日誌裡什麼都看不出來。

最後試出三個辦法。把模型從幾十 G 壓到十二 G 左右；先出小圖再放大；一次只跑一張。現在一張圖三十多秒、八步完成，快是真快，代價是對提示詞更敏感，寫偏了它不會自己掰回來。

三個晚上，推翻三次自己

這篇文最好看的部分，是三次自我推翻。

第一次他以為「假」是磨皮磨過頭，還讓 AI 寫了個小工具量臉上四個點的紋理強度。量完發現朋友嫌假的那張紋理確實弱（3.10，他認可的那張是 4.84），但真正意外的是亮度：嫌假的那張平均亮度 147，認可的那張 127。磨皮把皮膚磨滑的同時，也把整張臉照亮了。人眼判斷「假」，看的可能不是滑不滑，是臉上還有沒有明暗。皮太滑是表象，光太平才是根子。

第二次他以為放大倍數越高越清楚，直接上 4 倍，出來的人像皮膚像砂紙。原因在於這個快版本模型靠猜，放大 4 倍，猜對的地方清楚了，猜錯的地方也一起清楚了。改成 2 倍一次到位，問題消失。

第三次他以為寫「不要」有用。畫面裡不想要的東西，寫「不要」、改成「禁止出現」、前後加狠話，結果都還在。他做了三組對照，結論很乾淨：這個模型基本不喫「不要」，寫了、讀了、當沒看見。最後的解法是換思路，從「事後禁止」改成「事前避開」：別要求畫書上的字，別要求精準的東西，畫面能簡單就簡單。

光要說三件事

順帶的發現也實用。他寫「逆光」，出來是正面平光。試了十幾種說法才摸到規律：光得說清三件事，從哪來、亮面在哪、陰影在哪，少一個多半不是你要的光。寫「傍晚的窗邊」，真正餵給模型的是「光從左側窗外低角度射進來，右臉落在陰影裡，邊緣有一點輪廓光」。現在完整描述只剩一句話：「亞洲女性，米色針織衫，窗前側光」，光的事交給那三條規則處理。

這篇文的走紅邏輯不難理解。生圖教學在網上一抓一大把，但多數停在「怎麼裝、怎麼跑」，少有人把三次走錯方向的過程連同數據一起攤出來。對照掘金先前那篇被圍觀的WorkBuddy 最值得落地的技能清單，讀者顯然更買「少而準、測過才知道」的帳。原文在結尾處還提到第三晚才確認的「臉是定住的」這條最有用心得，但截稿時可見的內容只到此為止，後續細節以原文為準。