AI 通识 · 家装人版

一、先分清三类东西：模型、工具、工作流

这是最容易被营销话术搅混的一层，也是最重要的一层。

模型是会画画、会写字、会算的引擎本身。比如出图的 Midjourney、Firefly、Qwen-Image、即梦 Seedream；出视频的 Sora、可灵、Vidu；出 3D 的混元 3D、Tripo、TRELLIS；通用的 GPT、Gemini、DeepSeek、GLM。模型决定能力上限，你通常不直接和它打交道。

工具是别人包好的界面，把模型和素材库、尺寸控制、团队协作拼在一起你能直接用。设计师侧常见的是酷家乐、三维家、住小帮、暗壳、PIXHOME 这类家装垂直工具；通用创作侧是 Photoshop（Firefly）、Canva、Figma；工程软件侧是 PKPM、BIMBase、Revit、Archicad 里的 AI 功能。

工作流是你自己把若干步串起来的做法。比如"照片描户型 → 生基础平面 → 转轴测 → 出效果图 → 换家具 → 出分镜视频"，或者在 ComfyUI 里把节点连成一条能反复跑的流水线。

为什么要分清：厂商说"我们用了最新大模型"，只说明它接了个引擎；你要看的是它包好的界面能不能出符合你家尺寸的图、能不能反复跑。工具换了底层模型，你的用法可能完全没变；反过来一个开源模型很强，没有界面你也用不起来。

对家装人的实际意义：选型时问三个问题——能力上限（模型）够不够、上手成本（工具）能不能接受、能不能沉淀成你团队的标准流程（工作流）。三者缺一都会买回来吃灰。

二、提示词、参数与参考图：控制力的三个层次

提示词就是你对模型说的话。它决定画什么、什么风格、什么光线、什么角度。

提示词里最容易出问题的不是"写得不够花哨"，而是空间关系说不清。说"现代简约客厅"，模型给的是一张它认为好看的客厅；说"南向客厅，面宽 4.2 米，L 型布艺沙发靠西墙，75 寸电视居中于东墙，无主灯，色温 3500K"，模型才开始受你的实际条件约束。写不清楚空间，通常是因为你自己还没想清楚。

参数是模型的控制旋钮。Midjourney 系的 --ar（画幅比例）、--tile（无缝平铺，做墙纸地砖材质有用）、风格与 chaos 类参数控制"稳定"和"意外"的比例；SD/ComfyUI 系里 denoising strength（改动幅度）、ControlNet 权重（听不听你的线稿）是核心。参数不用全记住，够用即可。

参考图是最强的控制。把现有方案图、客户喜欢的实景照、你家某个单品的照片喂进去，比写三百字有效。多模态生图模型（GPT-Image、Nano Banana、Qwen-Image 这类）本来就以"参考图 + 一句指令"为主要用法。

三层递进记法：文字定内容，参数定脾气，参考图定形。想让结果可控，重点补后两层，不是把形容词堆得更多。

三、局部重绘、扩图、材质替换：为什么它们比生成整图重要

生成整张效果图看着热闹，实际工作里最有价值的是改。

局部重绘（inpainting）是圈一块区域，告诉模型这里改成别的。客户说沙发换掉、地砖换深一点、这面墙加个壁龛——圈出来重画，其余不动。这是 AI 进入真实服务流程的关键：客户不会接受"换一把椅子就整张图重来"。

扩图（outpainting）是画面往画布外长。方案图想加宽、横竖构图互转、把一张局部图变全景，都用它。

材质替换是重绘的垂直化版本：家具一键换面料、瓷砖换色系。各家家装工具都把它做成一个按钮，底层是"区域识别 + 保持形状与光照的重绘"。

翻车高发点（这些一定跟客户说清楚）：

• 局部改动可能顺带动到周边：家具尺度变了、线条接不上、光照和原图不一致
• 尺寸不会保持：重绘出来的柜子不等于你要的规格，它只保证"看着像"
• 材质细节容易骗人：看着是胡桃木，落地是贴纸。纹理≠可采购的产品
• 所以任何要交付的图，都要人工核一遍尺寸和可实现性。AI 出的是意向，不是施工图

四、ControlNet 与线稿约束：把图纸喂给模型

如果你只理解一个技术概念，选这个。

ControlNet（以及各类同类条件控制模块）的作用是：给模型一张"骨架"——线稿、结构图、轮廓、深度图——然后要求生成的画面必须贴住这个骨架。效果是：你把自己画的平面草图或 CAD 立面扔进去，出来的效果图就是你的布局，不会让模型自由发挥把你的承重墙画没。

它为什么重要：这是"AI 随机抽卡"变成"AI 按图施工"的分界。没有骨架约束，你只能挑模型给的方案；有了骨架约束，你能把业主已经定下来的平面、必须保留的门窗洞、已经选定的主材，锁死在里面再谈美感。

实践位置：ComfyUI 里是节点，家装工具里通常被藏成"上传户型图 / 上传线稿"按钮。你不需要自己搭节点，但要知道——当某个工具只让你选风格、不能锁结构时，它只能做情绪版，不能做方案。这是判断一个 AI 设计工具能不能进你工作流的第一条硬指标。

五、扩散模型、3D 生成、世界模型：三种"造画面"的差别

不用懂原理，要懂它们给你的是什么东西。

扩散模型（Midjourney / SD / Flux / Firefly 一类）从噪声里一步步"去噪"出画面，产物是一张平面图。优点是好看、可控、快；缺点是它没有真正的三维：转个角度、换个镜头，就得重新生成，家具尺寸和空间进深都是"看起来对"。

3D 生成（混元 3D、Tripo、TRELLIS、群核 Lux3D 一类）产物是可以放进三维软件、可以转角度、可以拆成单个物件的模型或资产。这是它能进设计和生产链路的原因——3D 资产可以被度量、可以被拆单、可以被生产。短板是细节、材质精度和"能不能用现有工艺做出来"。

世界模型 / 空间智能（World Labs 的 Atlas、影眸 Hyper3D、贝壳 PanoWorld 一类）是更新的路线：不是给你一张图或一个家具模型，而是试图生成一个可以走进去、从任意视角连续看、各点位保持一致的空间。这类研究的方向很明确：让 AI 理解"空间"而不只是"画面"。目前仍在早期，能力和入口变化快，值得持续盯，但别把它当施工图交付依据。

一句判断口径：要一张好看的图 → 扩散；要一个能改能摆能拆的东西 → 3D 生成；要能走进去的空间 → 世界模型。给客户的报价和交付物性质完全不同，混着说一定会出事。

六、多模态：模型能"看懂"你家照片了

多模态是模型同时吃文字和图像，还能吐文字或图像。对你的实际价值有三条线：

看懂 → 说话：把现场照片、毛坯房照片、旧房照片喂进去，让它输出描述、问题清单、改造建议、给客户看的说明文字。这替代的是"拍完照回去写记录"那部分劳动。

看懂 → 定位：从一张户型图或现场照片里读出墙、门、窗、梁、柜位，是做自动量房和布局的前提。注意：识别准确率是这件事的全部难度，读错墙线整个后续都白搭；很多号称"上传户型图自动出方案"的产品，实际做不到这一步，看到这类宣传要求现场实测。

图文混合输出：让模型在一份文档里同时生成文字和图。写方案汇报、给客户做说明页时省很多来回。

务实建议：把多模态的"描述/清单/检查"类用法当生产力，把"识别后自动出方案"当成需要现场验收的功能，不要替厂商相信它的宣传图。

七、智能体（Agent）：从"给答案"到"干活"

智能体是会用工具、会多步执行的 AI。它不是更聪明，而是更自主：能连续操作——开软件、跑一步、看结果、再决定下一步。

在你们行业里，这条线正在明显落地（2026 年里的行业叙事就是"工程软件进入智能体时代"）：

• 机械操作替你干：跨软件重复动作、批量导图、成组编辑、按规范检查、生成图纸清单
• 多角色协作：一个"主管"拆任务，若干"专员"各做一段，再加一个"质检"卡关。有团队用两个智能体起步跑通，比十个更现实
• 需求 → 报价 → 方案的串联：客户描述需求 → 结构化 → 出预算 → 出方案骨架 → 出汇报结构，人只在关键节点判断

必须知道的边界：自主 = 会跑偏。它可能把你的承重墙理解为可拆、把样板间尺度当实际尺度、把参考图当成待交付物。所以生产环境要有三条硬规矩：关键交付必须人工终审；让它能"停"；让它每一步留下可查的记录。

一句判断口径：智能体现在擅长的是"流程长但规则明确"的活，不擅长"规则模糊但要有品位"的活。分工照这个切。

八、本地跑还是云端调用：一笔经济账

本地跑（自己装 ComfyUI、SD 这类）好处是零调用成本、私密、可控，素材可攒成自家资产；代价是要一台像样的显卡（NVIDIA CUDA 生态成熟，A 卡基本折腾到放弃），以及要有人维护环境。

云端调用 / 订阅（各家 SaaS、API）好处是不折腾设备、能力上限更高（新模型先上云端）、按量付；代价是持续付钱、上传内容要走合规、依赖网络。

怎么算账（按你自己真实情况，不看任何厂商话术）：

• 张数少而分散、要的是成品：订阅
• 张数大且风格固定、有闲置机器、有人能维护：本地 + 攒好的工作流
• 要保护客户资料、图纸、实拍照片：这类内容尽量不上第三方，这是最容易被忽略的红线
• 折中方案：云端主力 + 本地跑批量小活儿

顺带解释几个词：端侧指模型跑在你手机、摄像头、智能床这类设备本地（好处是隐私和不依赖网络）；BYOK 指工具允许你填自己的模型 Key，界面用它的、模型按你的量付费；GGUF / 量化指把模型压小让便宜硬件跑得动，代价是精度下降。

九、模型选型常识：别只看榜单

看评测榜单，注意三件事：

1. 刷榜：模型在某个基准上高分，不代表在你的家居场景好用。榜单测的是通用能力，你需要的是"能不能正确画出我这套 89 平米"
2. 口径：分数来自哪家人测的？是否给了配置和可复现方法？只有一张对比图的，参考价值极低
3. 时效：模型半年一换代，去年的结论今年可能完全不成立。引用旧结论前先确认还能不能对上

更重要的口径：你自己的评测集最值钱。攒十几张你家最常遇到的户型和场景（老破小、异形、别墅挑空、精装房软装），每个新模型上线都跑同一批，看尺寸是否合理、动线是否讲得通、能不能落地、主材能不能买到。有团队反复验证的结论很一致：AI 生成在外观转换精度上提升很快，但尺寸关系、动线、家具布局等空间合理性仍是短板。这也是为什么"AI 初筛 + 人工终审"是站得住的口径——不是保守，是当前能力边界。

十、版权与合规红线（这部分请当成硬约束）

训练来源问题：模型生成的图，是否含别人作品的实质成分，目前没有统一答案。你能做的是把自己的风险敞口压小：

• 别把竞品的设计图、摄影师的实拍图直接当参考喂进去并要求"照这个来"
• 别把有版权的软装单品图当参考要求生成同款——这既涉及版权，也涉及产品外观专利
• 对外交付的方案，保留你的原始条件（户型、约束、你自己的草图）作为独立创作来源的证据
• 商用字体、图片库素材走授权渠道，AI 生成不能替你免除授权义务

平台条款：各家工具的商用条款差别很大。免费版常常不允许商用，或者不给你成品所有权。签约前一定读完那条关于"输出内容归属与商用"的条款。

内容真实性红线（对家装行业特别重要）：AI 效果图只能表达设计意图。在对外宣传里必须区分效果图与实景照片，不得用 AI 生成的图冒充已完工的工地实景。虚假宣传的行政处罚和消费争议，成本远高于省下的拍摄费。

数据安全：客户实拍照片、户型图、报价单、身份信息属于客户数据，也是你家的商业资产。上传给任何第三方工具前，先确认这条符合你与当地客户的约定与相关法规要求；不确定就本地跑，或者脱敏后再用。

本站只提供技术常识梳理，不构成法律意见。涉及具体合同与纠纷，请咨询专业人士。

十一、客户沟通话术：把"AI 会不会取代设计师"接住

把 AI 放进报价和方案里，客户一定会问。三类问题，三个说法：

"AI 出的图，是不是随便画画的？"答："它负责出可能性，我负责定可实现性。这张图的尺寸、动线、材料、预算和工艺我都核对过，AI 只是让这一步更快看到多种方案。"（关键：强调你做了什么，而不是 AI 做了什么）

"别人家 AI 半小时出一套，你们为什么还要这么久？"答：把交付内容拆开讲——AI 半小时能出"看着好"的方案；这套方案要核对你家实际尺寸、承重、水电与设备位置、材料是否可采购、工艺能否落地、预算能否执行。省掉这些环节的代价，最后都变成施工返工和加钱。

"AI 是不是能省设计费？"答：AI 降低的是执行成本（出图、改图、整理资料），这部分降价合理；设计判断（需求解读、空间逻辑、材料与细节、现场落地）反而因为可选方案变多更需要人把关。所以是"同样的钱，方案更多、沟通更快"，不是"没设计费了"。

给你自己的提醒：不要把 AI 当卖点，把它当工艺。客户不会为"你用了 AI"多付钱，只会为"你更快给我更多能落地的方案、并且说清了风险"付钱。

十二、翻车清单（出图前 10 秒自查）

对着成品图逐项扫一遍，比事后返工便宜：

• 尺寸：家具相对门、窗、过道、楼梯的比例是否可信？沙发是不是比门还长？
• 动线：能不能走？柜门、抽屉、椅子拉出来还有没有位置？
• 结构：承重墙、梁、管道井、地暖分水器、烟道的位置对不对？有没有把墙画没了？
• 光照：光源方向、色温与朝向是否自洽？影子的方向和窗在哪，能不能对上？
• 可实现：图里的材料能买到吗？工艺做得到吗？异形件造价是否离谱？
• 一致性：多张图的风格、家具、地面延续吗？客户会拿两张图对比着看。
• 细节幻觉：插座、开关、地漏、把手数量是否正常？重复纹理、错乱拼缝、多出来的腿是最常见的穿帮。
• 交付标注：这张是效果图还是实景？图上有没有标注？

十三、从这里往哪走：本站的三个入口

• 模型动态（/all?category=ai-models）：盯能改变工作流的模型发布与入口变化
• 开源雷达（/all?category=opensource）：盯值得看、值得试、值得拆的 AI 设计项目
• 免费额度（/free）：哪些模型可以先零成本试、怎么试不亏
• 日报（/daily）：每天早上八点的当日精选，看完就知道要不要点开某条

想更省力，把本站接进你自己的 Agent（见 /agent），一句话问"今天有什么和我相关的"。

十四、几个常被混用的词（对照表）

说法	常被误用成	实际意思
大模型 / LLM	"很聪明的搜索"	会生成文字的引擎；靠语言概率工作，不知道"对错"
多模态	"带图功能"	能吃或能吐多种信息（文字、图、视频、3D）
幻觉	"瞎编"	说得通但不成立；它不会告诉你它不确定
上下文	"内存"	一次对话里它能看见的信息量，超了就丢前面的
微调 / LoRA	"训练"	用你的数据让模型偏向某种风格或知识，是轻改不是重造
智能体 / Agent	"聊天机器人"	会多步执行、会用工具的 AI；自主性带来跑偏风险
端侧 / 本地	"离线版"	跑在你的设备或你自己的机器上，数据不出门
量化	"压缩画质"	把模型压小省算力，代价是精度下降
渲染	"AI 出图"	传统渲染是从 3D 模型算出图（可控、慢）；AI 生成是从条件算像素（快、结构不稳）
世界模型	"3D 大场景"	试图理解空间本身，让任意视角彼此一致；尚在早期

十五、一句话常识总结

• 分清模型、工具、工作流：能力上限 ≠ 你手上的流程
• 线稿/结构约束比形容词重要：没有骨架约束的工具只能做情绪版
• AI 出图是"好看"，尺寸与落地是你的责任；效果图不等于实景
• 自主 = 会跑偏：智能体要留人工终审、要能停、要留痕
• 榜单不如你自己的十几张典型户型
• 版权、客户数据、虚假宣传三条线，不靠"AI 生成的"免责