最近自己做了一个 AI 图片产品：
它目前最核心的能力，是把照片快速生成成草图、线稿、线描风格的图片。
但我其实不太想把它定义成一个单纯的「 Photo to Line Drawing 」工具，也不希望它只是另一个 AI Image Generator 。
我更希望它最终变成一个：
一站式的图片 Agent 。
你不需要学习 Prompt ，不需要研究模型，也不需要反复在不同 AI 网站之间切换。
你只需要告诉它你想做什么，剩下的事情交给 AI 。
这两年 AI 生图工具很多。
但我自己真正去用的时候，经常会遇到一个问题：
大部分 AI 图片产品，本质上还是在让用户“操作模型”。
打开一个网站之后，第一件事通常是：
Please enter your prompt.
然后还有一堆参数：
对于 AI 玩家来说，这些东西可能很有意思。
但对于大部分普通用户来说，他们其实根本不关心这些。
比如一个用户想把自己的照片转换成线稿。
他的需求其实非常明确：
我就想把这张照片变成一张好看的线稿。
他并不想研究：
“high quality pencil sketch, clean line art, monochrome, detailed contour, white background...”
所以我开始想：
AI 图片工具为什么一定要让用户写 Prompt ？
于是 formind 最开始选择了一个非常具体的场景：
Photo → Line Drawing / Sketch
上传一张图片，直接生成。
没有 Prompt 。
没有复杂参数。
不用知道背后是什么模型。
这是我后来对这个产品最大的认知变化。
最开始我的产品逻辑很简单：
上传图片 → AI 生成线稿 → 下载。
听起来没什么问题。
但真正使用之后，会发现用户很少第一次就完全满意。
比如生成之后你可能会觉得：
传统 AI 工具的解决方案通常是：
重新写 Prompt ，再生成一次。
但我觉得这个交互方式其实很反人类。
因为真实世界里，我们和设计师沟通也不会这样。
你不会每次都重新写一份完整需求。
你可能只是说：
“这里简单一点。”
“背景去掉。”
“人物保留，线条再干净一些。”
“这个地方不太对，再改一下。”
所以我开始觉得：
AI 图片产品真正应该做的，不是“一次生成”，而是“持续修改”。
我的理想交互其实非常简单。
比如你上传一张照片。
先生成一张线稿。
如果不满意，可以直接继续修改：
线条简单一点。
然后：
去掉背景。
然后：
保留头发细节。
然后：
改成适合小朋友涂色的线稿。
然后：
还是太复杂，再简单一点。
AI 应该知道：
你是在修改刚才那张图片。
而不是每一次都让你重新上传、重新描述、重新生成。
这也是我觉得 Image Agent 和普通 AI Image Generator 最大的区别。
普通生图工具更像：
Prompt → Image
我希望 formind 最终变成：
Image → Edit → Edit → Edit → Final Result
或者更准确一点：
Idea → Agent → Result
现在很多 AI 产品都在强调 Prompt 。
甚至出现了 Prompt Engineering 。
但站在普通用户的角度，我其实一直觉得这件事情有点奇怪。
比如我使用 Photoshop 的时候，我不需要先学习：
“如何正确描述我要删除背景。”
我只需要点击 Remove Background 。
AI 应该让软件变得更简单，而不是让用户学习一种新的“编程语言”。
所以 formind 现在有一个比较明确的产品原则：
能不让用户写 Prompt ，就尽量不让用户写 Prompt 。
比如：
照片 → 线稿
照片 → 草图
去背景
删除人物
删除物体
增强画质
扩图
头像
证件照
这些需求，本身就是 Prompt 。
用户点击「 Photo to Line Drawing 」的时候，其实已经告诉系统他想干什么了。
剩下的 Prompt 、模型选择、参数、工作流，我觉得都应该交给产品完成。
现在市面上有很多 AI Tool 网站。
首页可能放着：
AI Image Generator Remove Background Image Enhancer Remove Object AI Avatar Photo to Anime Photo to Sketch ……
一眼看过去有几十个工具。
formind 现在也有一些类似能力。
但我后来越来越觉得：
如果只是把 100 个 AI 工具放在一起，它依然只是一个工具箱。
我真正想做的是把这些能力连接起来。
举个例子。
你上传一张照片，说：
我想把它做成一本儿童涂色书里面的插画。
Agent 可以自动完成：
照片识别 ↓ 删除复杂背景 ↓ 人物主体提取 ↓ 转换线稿 ↓ 降低线条复杂度 ↓ 增强轮廓 ↓ 输出适合打印的图片
用户不需要知道这里用了几个模型。
甚至不需要知道中间发生了什么。
他只需要看到最后的结果。
这才是我理解的一站式 Image Agent 。
因为我觉得做 AI 产品很容易掉进一个坑：
什么都想做。
AI 生图可以做。
AI 编辑可以做。
换脸可以做。
头像可以做。
商品图可以做。
视频也可以做。
如果一开始就做一个“万能 AI 图片平台”，其实用户很难理解：
你到底解决什么问题？
所以 formind 目前还是会把：
Photo to Line Drawing / Sketch
作为最核心的入口。
先把一个非常具体的需求做好。
包括：
但是在线稿生成完成之后，希望用户不要停在这里。
而是可以继续和 Agent 沟通、修改、生成，直到最终得到自己真正想要的结果。
以前我觉得 AI 图片产品竞争的是：
谁的模型效果更好。
现在越来越觉得不是。
因为模型会快速迭代。
今天某个模型领先，几个月之后可能又换一个。
如果你的产品价值只是：
“我接入了最新的 XX 模型。”
这个优势其实非常短暂。
我现在更关注的是另外几个问题：
1. 用户能不能不用学习 Prompt ？
2. 用户第一次生成不满意之后，能不能很自然地继续修改？
3. AI 能不能理解当前图片和之前的修改历史？
4. 产品能不能自动决定应该调用哪个模型、哪个工具？
5. 用户最终关心的是“模型”，还是“结果”？
我自己的答案越来越倾向于：
用户根本不应该关心模型。
模型最终应该像数据库、CDN 、云服务器一样，变成底层基础设施。
用户只需要说：
我想要这个。
然后 Agent 帮他完成。
目前 formind 还在比较早期的阶段。
核心方向是：
Photo to Line Drawing / Sketch + Image Agent
如果 V2EX 有做 AI 、独立开发、设计或者图片产品的朋友，欢迎试一下。
我现在尤其想听听大家对一个问题的看法：
你觉得未来 AI 图片产品的主要交互方式，会继续是 Prompt → Image ，还是会逐渐变成类似 Agent 一样，围绕一张图片不断沟通和修改？
另外也非常欢迎直接吐槽产品。
如果你打开网站之后 30 秒就关掉了，我其实更想知道：
是什么让你决定关掉它？
这个反馈可能比“支持一下”对我更有价值。
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.