实验 1-4 · 文生图工作流与原生图像生成的对照
真实 API 证据 (evidence_mode = real_api) · 三条路线 × 五个需求的中文口语化提示词
实验概览
本实验用 5 句真实中文口语需求，分别走三条路线：① 工作流（LLM 改写提示词 + 扩散模型生图）② 原生 Gemini 图像（本环境缺 google 模块，全部失败）③ 原生 GPT-Image 2（直出）。
5
测试需求(中文口语)
3
对照路线
5/5
工作流路线 成功
0/5
原生 Gemini 路线 失败
5/5
原生 GPT-Image 2 成功
路线状态矩阵
每个需求 × 每条路线的成 / 败。原生 Gemini 路线因运行环境缺少 google 模块而整体失败；工作流与 GPT-Image 2 全部成功出图。
| 需求(中文口语) | ① 工作流 | ② 原生 Gemini | ③ 原生 GPT-Image 2 |
|---|---|---|---|
| 帮我画一个周末加班的程序员，风格丧一点 | 成功 | 失败 ModuleNotFoundError: No module named 'google' | 成功 |
| 帮我画一盆放在窗台上的绿植，早晨的阳光刚好照进来 | 成功 | 失败 ModuleNotFoundError: No module named 'google' | 成功 |
| 帮我做一张新款降噪耳机的产品海报，主打“深夜独处也清净”这句文案，风格简约高级 | 成功 | 失败 ModuleNotFoundError: No module named 'google' | 成功 |
| 帮我画一个 AGI 实现以后程序员的工作场景 | 成功 | 失败 ModuleNotFoundError: No module named 'google' | 成功 |
| 帮我画一幅“未来城市的早晨”的画 | 成功 | 失败 ModuleNotFoundError: No module named 'google' | 成功 |
端到端耗时对照（秒）
工作流路线 = 改写节点耗时（蓝，含 kimi-k3 推理） + 生图节点耗时（浅蓝，含提交/轮询/下载）；原生 GPT-Image 2 路线 = 单次调用耗时（紫）。
工作流·改写节点工作流·生图节点原生 GPT-Image 2
Token 消耗对照
工作流路线的“改写节点”调用 kimi-k3（带深度推理），token 开销显著高于 GPT-Image 2 的图像输出 token。这是工作流额外耗时的主要来源，也换来更可控的提示词。
改写节点 kimi-k3 总 tokenGPT-Image 2 输出 token
输出图片体积对照（MB）
两条成功路线产出的 PNG 大小。GPT-Image 2 直出的图片普遍略大；工作流路线经 wan2.2-t2i-flash 生成。
工作流 (wan2.2-t2i-flash)原生 GPT-Image 2
出图对照画廊
同一句中文需求，左为工作流路线、右为原生 GPT-Image 2 路线。点图可放大。注意：海报需求中“深夜独处也清净”文案由工作流路线在提示词里预留负空间、后期排版实现（经典扩散模型文字生成能力弱）。
programmer overtimespecific
“帮我画一个周末加班的程序员，风格丧一点”
改写 46.2s + 生图 11.4s = 57.6s · 0.98 MB
单次调用 24.3s · 1.34 MB
windowsill plantspecific
“帮我画一盆放在窗台上的绿植，早晨的阳光刚好照进来”
改写 18.0s + 生图 11.2s = 29.2s · 1.27 MB
单次调用 18.6s · 1.47 MB
headphone posterspecific
“帮我做一张新款降噪耳机的产品海报，主打“深夜独处也清净”这句文案，风格简约高级”
改写 16.8s + 生图 16.7s = 33.5s · 0.86 MB
单次调用 25.9s · 1.12 MB
agi programmerbroad
“帮我画一个 AGI 实现以后程序员的工作场景”
改写 31.3s + 生图 11.3s = 42.6s · 1.09 MB
单次调用 44.7s · 1.35 MB
future city morningbroad
“帮我画一幅“未来城市的早晨”的画”
改写 19.1s + 生图 11.3s = 30.4s · 1.27 MB
单次调用 36.8s · 1.78 MB
工作流改写节点：提示词对照
工作流路线的核心增值步骤——把中文口语需求改写成 Stable Diffusion / FLUX 风格的可执行提示词（含负向词与画风/构图/光线/情绪增补）。
programmer-overtime · kimi-k3 改写提示词
prompt: exhausted programmer sitting alone at desk, empty office at night, weekend overtime, messy hair, dark circles under eyes, wrinkled gray hoodie, hunched over keyboard, multiple monitors displaying glowing code, cold blue screen light on tired face, desk cluttered with empty coffee cups, energy drink cans, instant noodle cup, rain streaks on window, distant city lights bokeh, dim moody lighting, muted desaturated color palette, melancholic gloomy atmosphere, sense of loneliness and burnout, anime illustration style, cinematic composition, masterpiece, best quality, highly detailednegative_prompt: lowres, worst quality, bad anatomy, bad hands, extra fingers, missing limbs, deformed face, blurry, watermark, text, signature, logo, bright cheerful colors, oversaturated, smiling, happy expression, daylight, crowded office改写说明：把「丧」落实为具体视觉细节：黑眼圈、乱发、冷蓝屏幕光、泡面咖啡杯、雨夜中的空办公室，并用低饱和暗色调强化 burnout 的孤独感；选择动漫插画风更利于表现颓废氛围；负面词额外排除了明快色彩、笑脸和白昼场景，防止画面情绪跑偏。
windowsill-plant · kimi-k3 改写提示词
prompt: masterpiece, best quality, highly detailed, photorealistic, a potted green plant, lush vibrant green leaves, terracotta clay pot, sitting on a wooden windowsill, morning sunlight streaming through the window, golden sunbeams, soft volumetric lighting, gentle light rays, dappled light and shadow on leaves, dewdrops on leaves, warm cozy atmosphere, tranquil morning mood, shallow depth of field, soft bokeh background, natural lighting, close-up composition, 8k resolutionnegative_prompt: lowres, bad anatomy, blurry, out of focus, watermark, text, signature, logo, jpeg artifacts, oversaturated, overexposed, underexposed, harsh shadows, wilted leaves, dead plant, cluttered background, cartoon, painting, illustration改写说明：补充了晨光的具体表现（透过窗户的金色光束、体积光、叶上露珠）、陶盆与木质窗台的材质细节、浅景深特写构图和宁静温馨的晨间氛围，默认走写实摄影风格；如想要插画风可在 prompt 中替换 photorealistic 为 illustration, watercolor style。
headphone-poster · kimi-k3 改写提示词
prompt: masterpiece, best quality, highly detailed, premium noise-cancelling wireless over-ear headphones, matte black finish with subtle metallic accents, floating centered composition, deep midnight navy gradient background, soft moonlight rim lighting, faint blurred city night bokeh lights in distance, minimalist luxury product photography, commercial advertising poster style, clean negative space at top for copy text, dramatic soft shadows, calm serene late-night mood, cinematic lighting, 8k, sharp focus, studio shotnegative_prompt: lowres, bad anatomy, blurry, watermark, text, logo, signature, cluttered background, oversaturated, jpeg artifacts, extra objects, people, hands, cheap plastic look, harsh shadows, noisy, grainy, cropped改写说明：将'深夜独处也清净'转化为视觉语言：深夜藏青渐变背景+月光轮廓光+远处城市夜景虚化光斑，用简约高级的商业产品摄影风格呈现；顶部预留负空间方便后期加文案，负面词中加入 text/watermark 因为经典模型生成文字效果差，文案建议后期排版添加。
agi-programmer · kimi-k3 改写提示词
prompt: masterpiece, best quality, highly detailed, a relaxed programmer leaning back in an ergonomic chair, sipping coffee, feet up on the desk, casually supervising holographic screens, translucent floating lines of code and glowing data streams in the air, humanoid AI robot assistant typing at a workstation, multiple holographic monitors displaying flowing code, futuristic minimalist office interior, floor-to-ceiling window with a futuristic city skyline at dusk, neon blue and cyan ambient lighting, soft screen glow, clean sci-fi aesthetic, cinematic lighting, wide shot, depth of field, concept art, digital painting, calm ironic atmosphere of full automationnegative_prompt: lowres, worst quality, low quality, bad anatomy, bad hands, extra fingers, missing fingers, extra limbs, deformed face, blurry, watermark, text, logo, signature, jpeg artifacts, oversaturated, cluttered composition改写说明：把"AGI 实现后"转译为视觉反差：程序员悠闲喝咖啡翘脚旁观，AI 机器人代劳敲代码；用全息代码流、未来都市窗景与蓝青霓虹冷光营造后 AGI 时代的科幻办公氛围，并采用概念艺术画风与电影感宽幅构图。
future-city-morning · kimi-k3 改写提示词
prompt: masterpiece, best quality, highly detailed, futuristic city at morning, sci-fi cityscape, towering skyscrapers, glass and chrome architecture, flying vehicles, holographic billboards, elevated sky bridges, sunrise, golden hour, soft warm sunlight, morning mist, light rays through buildings, atmospheric perspective, lens flare, blue and orange color palette, cinematic lighting, wide angle shot, epic composition, concept art, digital painting, ultra-detailed, 8knegative_prompt: lowres, worst quality, low quality, blurry, bad anatomy, watermark, text, signature, logo, jpeg artifacts, noise, oversaturated, deformed, cropped, out of frame改写说明：将“未来城市”具体化为摩天楼、飞行载具、全息广告与空中连廊等科幻元素；用日出金色时刻、晨雾与蓝橙对比色调表现“早晨”的氛围；补充广角构图、概念艺术画风与质量词，确保画面宏大且细节丰富。
成功运行明细
仅列出两条成功路线的关键字段（原生 Gemini 路线整体失败，不列入）。
| 需求 | 路线 | 状态 | 耗时(s) | 模型 | 体积 |
|---|---|---|---|---|---|
| programmer-overtime | workflow | 成功 | 57587.4 | kimi-k3 + wan2.2-t2i-flash | 0.98 MB |
| programmer-overtime | native_gptimage | 成功 | 24.28 | gpt-image-2 | 1.34 MB |
| windowsill-plant | workflow | 成功 | 29197.4 | kimi-k3 + wan2.2-t2i-flash | 1.27 MB |
| windowsill-plant | native_gptimage | 成功 | 18.64 | gpt-image-2 | 1.47 MB |
| headphone-poster | workflow | 成功 | 33459.6 | kimi-k3 + wan2.2-t2i-flash | 0.86 MB |
| headphone-poster | native_gptimage | 成功 | 25.9 | gpt-image-2 | 1.12 MB |
| agi-programmer | workflow | 成功 | 42579.0 | kimi-k3 + wan2.2-t2i-flash | 1.09 MB |
| agi-programmer | native_gptimage | 成功 | 44.7 | gpt-image-2 | 1.35 MB |
| future-city-morning | workflow | 成功 | 30446.9 | kimi-k3 + wan2.2-t2i-flash | 1.27 MB |
| future-city-morning | native_gptimage | 成功 | 36.75 | gpt-image-2 | 1.78 MB |
实验备注
- 原生路线 A（native）：gemini-3-pro-image（书稿所称 Nano Banana 2），使用官方 google-genai SDK 直接出图（response_modalities=[IMAGE]）；ListModels 实测可用，偶发内容过滤（content=None），重跑即恢复。
- 原生路线 B（native_gptimage）：gpt-image-2（GPT-Image 2），OpenAI images.generations 接口，全部 5 句需求均一次成功；该账户此前 GPT-5.x 的 credit_balance_exhausted 未影响图像接口。
- 工作流路线生图工具：首选 SiliconFlow 托管 FLUX/SD，实测 black-forest-labs/FLUX.1-schnell 与 stabilityai/stable-diffusion-3-5-large 返回 Model disabled，账户余额为 0；OpenRouter 仅提供视觉理解模型，不支持文本转图像生成；改用 DashScope 国际站通义万相 wan2.2-t2i-flash（经典扩散式文生图，接受 SD 风格提示词）。
- 改写节点 LLM：Moonshot kimi-k3（OpenAI 兼容接口）；kimi-k3 只允许 temperature=1，显式传其他值被 400 拒绝（见第 1 轮失败记录）。