ai绘画泾川地标老串味？我拿王母宫试了三轮才开窍

老家在甘肃泾川，回山上的王母宫是打小爬了上百次的地方。前阵子县里同学群聊起文旅宣传，有人提议用AI画几张家乡风景图，我把这活儿接了下来——心想王母宫我在图库里见过几十遍，描述出来还不容易？结果第一轮出图就给了我一巴掌。

十张图里，五张是江南园林，三张是不知所云的庙，两张干脆画成了日本神社。泾河没影，黄土塬没影，回山那面标志性的陡坡也没影。AI不是画不好，是它压根不知道泾川在哪、王母宫长什么样。想通这一点，后面的路就好走了。

小地方地标为什么喂不进AI的脑子

模型的画面记忆来自海量图文配对，小县城地标缺少足够的配图和描述，专名约等于乱码。它不认识泾川，就只会拿"中国北方庙宇"的平均印象来凑数。

这个事想明白后我不委屈了。故宫、西湖、洪崖洞这类顶流地标，网上图多到溢出来，AI自然画得有模有样；王母宫、大云寺这种，训练素材可能就零星几张，根本撑不起一个稳定概念。我第一轮实验里写 jingchuan wangmu palace，十张图十张样，比抽卡还不稳定。

但"没见过"不等于"画不了"，中间隔着一层翻译——把地标拆成模型认识的零件。王母宫的零件是什么？回山是黄土高原上的石质陡坡，宫庙是依山的宋代风格建筑群，山下是泾河川道，远处是层层塬峁。这些零件单拎出来，模型全认识。

有个佐证挺有意思：我单独写 loess plateau temple on a steep cliff，出图立刻稳了，八张里六张有黄土塬那个味儿。地点的信息量一点没少，只是换成了模型听得懂的说法。

三轮实测，哪条路真的走得通

专名路线基本不可用，拆元素路线可用率过半，垫参考图路线效果最好但最费事。三条路我都趟了一遍，成本差得远。

第二轮的完整提示词我留了一份底：loess plateau landscape, ancient temple complex built against a steep cliff, terracotta roof tiles, winding river valley below, layered eroded hills in the distance, late afternoon light。注意我全程没提"王母"两个字——神仙人物反而会把画面往横店影城带，第一轮里那些浓妆庙宇就是这么来的。

第三轮最费事但也最动人。我把手机里存的回山实拍照垫进去，让模型在构图和地貌上贴着真照片走，只在光线和氛围上做文章。出了一张黄昏时刻的图，泾河的水面泛着光，同学群里认出了家门口的味道。群里在泾川住了一辈子的老班长说了句"这坡就是这个坡"，这一句顶过前十轮的提示词技巧。

代价也得说清楚。垫图路线对工具有要求，不是所有在线站都支持图生图；我用的本地环境跑一张图加垫图处理得一分多钟，比纯文生图慢了四五倍。要批量出图，第二轮的拆元素写法性价比最高。

拆地标的四步，别的县城也通用

拆法四步：定地貌、定建筑形制、定水系植被、定光线时段，每步写一个短语。这套流程换任何一个冷门地标都使得上。

地貌先行。黄土塬就是 loess plateau，喀斯特就是 karst peaks，模型对地貌词的响应远好于对地名的响应。第二步建筑只写到形制级别——宋代楼阁、明清庙墙、窑洞，写太细反而没人应。第三步把河和树写上，泾河川道的味道一大半靠这条河撑着。最后光线定时段，黄昏和清晨对家乡场景最友好，顺光会把地貌的层次拍平。

用这套拆法，我又试着画了大云寺那座塔。golden pagoda by the jing river, carved stone niches——两轮下来出了三张像样的，塔身的比例还是不对，真塔更瘦更高。这个误差我认了，模型的记忆里没有这座塔的图纸，能到"神似"这一档，就得靠实拍垫图再往上够。

同学群最后挑了两张图用在倡议书里。没指望它们当官方宣传照，但群里隔着几千公里在外的泾川人，看到黄土塬上那道陡坡和塬下的河，安静了好几分钟。AI画得再不准，零件给对了，乡愁就能对上号。

那天晚上我把三轮实验的图翻了一遍又一遍。第一轮的十张串味图舍不得删，留着当教材——它们提醒我，AI的想象有边界，边界外得靠人把记忆翻译给它听。泾川不大，地图上要放大好几级才找得到，可正因为它小，才轮得到我来当它的翻译。你老家要也有这么个模型不认识的地方，试试把地标拆开喂给它。

常见问题

垫图用实拍照片会有版权问题吗？

自己拍的照片自己用没问题。用别人的照片垫图就要掂量授权，尤其成品要商用时，垫图的来源最好留个底。风景实拍的风险小，人物和艺术品垫图要谨慎得多。

泾川大云寺的塔画不像，还有补救办法吗？

有，靠局部重绘。整体构图先用拆元素法定稿，塔身单独框出来用垫图精修。塔这种规整建筑对比例敏感，指望一步到位不现实，拆成两步走能到八九成像。

西王母这类神话人物和地标一起画可行吗？

人物和地标混写容易两头翻车，模型会顾此失彼。我的建议是分两层出图——场景一张、人物一张，后期合成。硬要同框的话，人物描述压到最简，别给服饰细节留发挥空间。

拆出来的提示词放在别的AI工具里还有效吗？

地貌、建筑形制这类通用词跨工具都认，差距在响应精度上。换个工具先拿同一组词跑三四张试试深浅，再决定要不要按它的脾气加词，别上来就大改。