我用 AI 生成卡通图片踩了哪些坑，以及最后怎么解决的

先说结论：AI 生成卡通图片这件事完全可行，但我花了差不多 3 周才找到一套稳定出图的方法。中间走了很多弯路，这篇是完整的踩坑记录。

起因：给公众号做配图

我在运营一个知识类公众号，每篇文章需要 3 到 5 张插图。真人摄影图版权有风险，买素材库又嫌贵，所以从去年底开始研究用 AI 生成卡通风格的配图。

需求其实不复杂：卡通风格、色彩清爽、构图简洁、带一点插画感。听起来很基础，实际上我的第一批生成结果惨不忍睹。

第一周：提示词不对，出图全是灾难

我最开始用的提示词是"卡通风格，一个人坐在桌子前工作"。

结果：人物比例奇怪，手指变形，背景乱糟糟，整体风格更接近低质量漫画而不是我想要的插画感。

改成英文提示词"cartoon style, flat illustration"，好一点，但风格不稳定——同样的提示词生成 10 张，风格可能有 7 种。

这让我意识到一个问题："卡通"这个词太宽了。 AI 不知道你要的是日系Q版、欧美动漫、扁平插画、还是素描卡通。提示词不具体，出图就会乱。

第二周：锁定风格词，但还是有问题

我开始研究具体的风格描述词。

加上"flat design illustration, vector art style, pastel color"之后，风格明显稳了。但新问题来了：

• 人物动作太僵，像摆好姿势拍了个静态照
• 背景要么过于复杂，要么是纯色平铺
• 生成的图大部分没有"呼吸感"，太满

这时候我换了一个方向：与其描述"我要什么风格"，不如描述"这张图里有什么、在做什么、光线从哪里来"。

试了几次之后效果好多了。比如同样是"人在工作"的场景，之前我写：

flat illustration, person working at desk, cartoon style

后来我改成：

flat vector illustration, a young woman sitting at a wooden desk near a window, soft morning light, minimal background with one plant on the desk, pastel color palette, clean lines

出图质量差距很明显。核心变化是：从描述"风格标签"变成描述"具体画面"。

第三周：工具选对，效率翻倍

用在线 AI 工具最大的问题是额度限制——每天就那么几十张免费的，反复调整参数很快就用完了。

后来我换成本地运行的工具，用的是 EasyClaw。

切换过来最直接的感受是：不用担心额度，可以放开调参数。我能在一个下午连续生成 80 张去选，这种密度在有额度的在线工具里根本做不到。

EasyClaw 支持直接输中文描述，对我这种不想专门维护英文提示词库的人挺友好。我现在的工作流是：先用中文描述画面，跑 10 张，挑出 2-3 张接近的，再细化描述再跑一轮，最终选 1 张用。

本地运行、内容不上传：https://easyclaw.cn/?f=549

显卡低于 6GB 显存的机器运行会比较慢，这个提前知道比较好。

最后整理出来的卡通图生成思路

1. 锁定一个子风格，不要用大词

"卡通"改成"flat vector illustration"或"cute chibi style"或"watercolor children's book illustration"，选一个方向坚持用。

2. 描述画面内容，不只描述风格

场景里有什么人、在做什么、光线方向、背景简繁、主色调——这些说清楚，生成结果稳定性会高很多。

3. 批量生成，从中选优

单次出图不要期望太高，生成 10-20 张里挑一张是正常工作流，不是工具不行。

4. 负向提示词要用上

告诉工具"不要什么"同样重要：realistic photo, distorted hands, complex background, dark colors——把这些加入负向提示词，可以过滤掉大量不合适的结果。

现在的结果

公众号配图现在基本稳定用 AI 生成，一篇文章的配图从之前找素材的 1 小时压缩到大概 25 分钟。

最大的变化不是工具，是我终于搞清楚了"怎么描述我想要的画面"——这件事比换工具重要得多。