别再跟 AI 说"帮我画个手绘风"了：331 个风格编号，把出图这件事彻底变成了填空题

一句话结论：你缺的不是更好的模型，是一套能复述的"风格坐标系"。

一、先说说那个把所有人都折磨过的场景

你有没有过这种经历。

辛辛苦苦想了个选题，打开生图工具，敲下一行字："帮我画一张治愈系手绘插画，秋天的第一杯奶茶，要有生活气息。"

出来第一张，还行。你想微调一下，于是加了个"更有故事感"。第二张风格变了。再补一句"线条再松弛一点"，第三张直接变成了日系动画。

你开始往回改提示词，改到最后发现——你已经回不去第一张了。

这不是你提示词写得不好，这是文字描述本身的问题。"治愈""松弛""有故事感"这些词，在模型的语义空间里根本没有一个稳定落点。你以为你在说一个具体的画风，模型听到的是十几个模糊方向上的随机游走。同一句话，今天跑和明天跑，结果都能差出十万八千里。

更别提团队协作了。你把提示词丢给同事，同事出的图和你出的完全不是一套东西，最后只能靠"你看着调吧"收场。

说白了，风格漂移是"描述性语言"和"生成式模型"之间的先天不兼容。

有个叫 ​​handraw-style​​ 的开源项目，干的事情就是把这个不兼容给拆了。它的思路朴素到有点反直觉：

别描述了，报编号。

二、它到底是什么：把形容词换成编号

先纠正一个容易误会的点：它不是 App，不是插件，也不是模型。它是一个 Skill（技能包）——一套喂给 AI Agent 的结构化提示词库加匹配规则。

仓库地址：​​https://github.com/yang0/handraw-style​​

作者 ​​yang0​​，当前版本 ​​v1.9.0​​，上过 HelloGitHub 推荐。它把所有能想到的手绘风格、排版结构、色彩体系，全部拆成带编号的条目，整理成了三本"图鉴"：

风格库按气质分了八个大类，不是随便堆的：

排版图型那边更有意思，​​SB-​​（漫画分镜）一个类别就占了 71 种，是整个图型库里最大的家族——从"四格起承转合"到"对角切割"到"上下两格生活漫画"，基本把漫画叙事的常见结构铺完了。社媒卡 ​​SC-​​ 23 种、信息图 ​​IG-​​ 35 种、IP 设计 ​​IP-​​ 13 种、电商 ​​EC-​​ 24 种。

色彩库 36 个，六个色系各 6 个：经典蓝、清新绿、古典红绿、浪漫粉紫、暖阳大地、中性色。都是叫得出名字的经典色——克莱因蓝、鼠尾草绿、爱马仕橙、柿子橙、佩恩灰、象牙白。

于是你的"描述"变成了三个坐标：风格编号 × 图型编号 × 色彩编号。

这就是它能复现的根本原因。编号是离散的、确定的、可传递的。 你把 ​​FB-006 + SC-001 + C-26​​ 丢给任何人、任何模型，出来的东西都在同一个风格锚点上。不用再解释什么叫"松弛感"了。

整条链路其实不长，但每一步都在解决一个具体问题：

这里有个我觉得很聪明的设计：模型能力分层加兜底策略。

​​gpt-image-2​​ 是第一个被深度适配的模型。对它，Skill 走"作者名 + 风格名"的直接激活路径，再补充这个风格的核心视觉特征作为正向提示；只有特征描述还不够的时候，才把参考图发过去。

而 Midjourney、Flux、Stable Diffusion、Imagen、Gemini 这些没被校准的模型，直接走 "参考图兜底"——给你一张 4 宫格标准参考图或单图引导，把风格还原度强行拉到接近 100%。

为什么要分两套？因为不同模型对"风格名"的敏感度天差地别。有的模型听"Quentin Blake"就懂，有的听到人名只会一脸懵。硬用一套提示词打天下，就是风格漂移的根源。这套适配矩阵放在 ​​skills/handraw-style-prompter/references/model_capabilities.json​​ 里，作者明确说了欢迎社区提 PR 补充。

三、装它、玩它、切换它

装它真的只要一句话。把仓库地址发给 Codex：

帮我安装这个 Skill：https://github.com/yang0/handraw-style

它会自己拉仓库、读配置、把风格库和排版库挂上。几点提前知道：安装过程不下载任何演示视频或私有素材；分镜画廊自带 7 张截图，卡片和弹窗里不放视频；要走视频生成那条路，本机得有 Python、FFmpeg、浏览器或 Node.js；提交前跑一下 ​​python scripts/audit_release.py​​，它会扫本地路径、凭据泄漏和视频文件。

另外它在 ​​skills/handraw-style-prompter/gallery/tutorials.html​​ 放了个本地交互式拼装器，浏览器直接打开：120 种图型、278 种风格、30 种色彩，按图直选，支持纯图/图文/海报三种模式切换，还有一键随机抽卡。这个页面比翻 markdown 图鉴舒服多了，建议先玩它。

玩法一：智能抽卡（懒人模式）

连编号都不用查，直接把需求丢过去，让它替你选：

帮我生成猫咪在窗台晒太阳的治愈插画提示词，你帮我选风格和主题色（可组合）

它会自动匹配风格和色彩，然后吐给你一份中英双语提示词。作者管这叫"抽卡"，很贴切——组合是随机的，但结果一定自洽，不会出现风格打架。适合日常出图、找灵感、试风格。

玩法二：精准组装（正式干活用）

这是主力用法。三个坐标一填，剩下交给它：

图型：SC-001，风格：041，主题色：C-01，主题：秋天的第一杯奶茶。

​​SC-001​​ 是"上文下图社媒卡"，​​041​​ 号风格，​​C-01​​ 克莱因蓝。出来的就是一张结构确定、色调确定的社媒图。简写照样认：

FB-006号风格（或 041号），主题：秋天的第一杯奶茶

连风格都不指定，让它兜也行：

图型：SC-001，风格：041，主题色：C-01，主题：秋天的第一杯奶茶。其他你帮我选择。

玩法三：海报设计模式（八字段结构化）

这是最有工业味的部分。你说"请帮我出海报提示词，主题：秋分"，它不是随便糊一段话，而是输出八个核心设计字段：

主题：秋分·昼夜均而寒暑平
业务场景：二十四节气传统文化海报、文创书店/茶饮节日宣发主视觉、社媒节气签
受众：传统文化爱好者、文艺青年、生活美学追求者、大众社媒读者
内容密度：低
情感基调：松弛闲适、温润拙朴、平衡从容、金秋诗意
主题色：主色为柿子橙（Persimmon Orange），点缀色为普鲁士蓝（Prussian Blue）
editorial风格：Contemporary Literati Ink Cartoon Editorial 风格
画风：风格名称：#FE-053 (#268) · Contemporary Literati Ink Cartoon...

八个字段是：主题、场景、受众、密度、情感、主题色、editorial 风格、画风。注意"受众"和"内容密度"——这是专业设计流程里才会显式写下来的东西。很多人出图难看，不是画风不对，是信息密度和受众没对齐。给文艺青年看的海报塞 20 个卖点，怎么排都是灾难。

玩法四：万能海报思维（信息图不够用时的解法）

信息图模板不够用怎么办？作者的思路是：把信息图当高密度海报来设计。 你只要说清楚要呈现什么信息、用在哪：

做一张《山系露营轻量化装包》海报，把装备按睡眠系统（帐篷/睡袋）、烹饪系统（炉头/钛杯）、照明系统（马灯）分类，标注总重量控制在 8kg 内，户外手绘工装风。

同样套路可以套到各种"结构化信息"上：

做一张《清迈 5 日慢游 DAY 1 导览》海报，按上午/午后/傍晚三个时段排，标注交通方式和人均花费。

做一张《新手手冲咖啡指南》海报，从磨豆到注水拆成 5 步，标注水温和粉水比。

行程、装备清单、操作步骤、对比评测——只要信息有结构，它就能给你排成图。

最后：两个模式别搞混

这是个很容易踩的坑。同一句主题，在两个模式下出来的东西完全不同。

纯图模式是默认的，主题决定画什么内容，但不要求把文字画进画面里：

纯图模式，FB-006 (041)号风格，主题：秋天的第一杯奶茶

图文模式会保留你的主题文字，并把它整合进画面构图：

图文模式，FE-052 (267)号风格，主题：有很多事你当时想不通，别着急，过段时间你可能就忘了。

看出区别了吗？第一句你要的是一杯奶茶的画面，第二句你要的是这句话本身出现在图上。随时说"切换为纯图模式"或"切换为图文模式"就行。选错模式的后果很直接：想要金句卡结果出来一张没字的插画，想要氛围图结果画面里杵着一行字。每次开工前先想清楚——这张图是给人看的，还是给人读的。

四、完整实战：一篇长文的封面与配图

前面都是零件，现在装一台整机。假设手里有一篇公众号长文，需求是：一张封面加正文配图，风格统一。

第 1 步：出封面

请根据这篇文章帮我设计封面：[粘贴全文，或直接给文件路径 d:\articles\article.md]

拿到文章后，它的处理链路是这样的：

关键动作是先抽 200 字摘要，再推受众。这一步决定了风格往哪个方向匹配——同一篇文章，给行业从业者看和给大众读者看，封面该用的风格完全不同。视频封面同理，​​.srt​​ / ​​.vtt​​ 字幕文件直接丢进去就行。

第 2 步：批量配图加自动回填

这才是真正省事的地方。一句话：

请帮我为这篇文章规划插图并完成配图：[粘贴全文或文件路径]

它做的事情分三层：第一层，从全文里挑出 2 到 5 个真正值得配图的关键节点——是"值得配图"的节点，不是随便找几个段落。第二层，锁定全局统一风格和色调，整篇文章只用一套风格加一个主题色。这是长文配图最容易翻车的地方：每张图单独看都好看，放一起像拼盘。第三层，输出结构化插图方案，先给你看，确认了再动手。

然后你回一句"全自动生图"，它就把图一张张生成好，并且回填进 Markdown，最终交付一个 ​​article_illustrated.md​​。

我实测下来，这个流程最大的价值不是"省了配图时间"，而是解决了长文视觉一致性。以前给一篇 5000 字长文配 5 张图，要么风格打架，要么得反复微调提示词调到吐。现在风格和色号在第一张图生成前就锁死了，后面四张只是换个内容。

第 3 步（可选）：摄影写真规划

这个模块和插画是两套逻辑，针对真人写真场景：

摄影写真模式，请先出3个方案供我挑选，拍摄类型：情侣

它会给你三个候选方案——两个真实地标加一个穿越/虚构场景，每个方案包含每个人的造型、服装、发型妆容的确定方案，独立的代码块，末尾统一带一句 ​​出8宫格图片。​​ 你可以直接复制提示词，或者回 ​​A​​ / ​​B​​ / ​​C​​ 让它直接出 8 宫格。覆盖 10 种以上拍摄类型，情侣、婚纱、家庭写真都在里面。

五、几个真实的坑，提前告诉你

坑一：分镜画廊没视频。 自带 7 张截图，卡片和弹窗里都只有静态图，别指望能看到动态效果。想评估分镜的实际观感，得自己跑一遍。

坑二：视频路线有环境依赖。 出图是纯提示词，没依赖。但想走视频生成那条路，本机得有 Python、FFmpeg、浏览器或者 Node.js，具体看选哪条链路。这不是 Skill 能替你解决的。

坑三：模型没校准就吃参考图。 用 ​​gpt-image-2​​ 之外的模型时，它会走参考图兜底。这时候提示词里会多出参考图相关的内容，你得确认工具链支持传图，不然风格还原度会打折。

坑四：别拿纯图模式要金句卡。 前面说过，但真的有人踩。默认是纯图模式，想要画面里有字，必须显式说"图文模式"。

坑五：授权要求。 这个项目很宽松，免费用、随便改、可以商用。唯一的要求是：如果它帮到你了，或者你在它基础上做了东西，保留作者 ​​​yang0​​ 和原仓库地址 ​​https://github.com/yang0/handraw-style​​。就这么一条，别装没看见。

六、为什么这个思路值得学

抛开这个具体项目，它背后的方法论其实更值钱。

现在的 AI 工具圈有个普遍焦虑：模型越强，提示词越玄学。 大家都在追求"更好的描述"，写越来越长的 prompt，堆越来越多的形容词。但形容词本身是熵增的——你加得越多，模型的不确定性越大。

​​handraw-style​​ 反着来：把连续的风格空间，切成了离散的编号格子。

这个思路在别的地方早就验证过了。色彩有 Pantone 色号，字体有字体家族名，音乐有 MIDI 音色编号——专业领域的协作之所以能跑通，靠的就是一套共享的离散坐标系。你说"Pantone 19-4052"，全球的设计师都知道那是经典蓝，不需要任何人解释。

AI 出图缺的就是这个东西。大家还在用"深邃的蓝"这种自然语言沟通，而自然语言的解析权在模型手里，不在你手里。用编号，解析权就回到了你手里。

顺带说一句，​​v1.9.0​​ 刚加了 ​​#331 / FH-044​​ 莫奈印象派油画风格。作者还在持续往里补，社区也能提 PR 补模型适配矩阵。这种"图鉴式"的项目，越多人用越有价值——因为编号体系一旦被广泛接受，就变成了事实标准。

如果你也受够了"改了半天提示词，结果还不如第一张"，上手顺序我推荐这样：

1. 先把仓库地址丢给 Codex 装上
2. 打开本地的 ​​tutorials.html​​ 交互拼装器，按图选一遍风格，找到对眼的几个
3. 用"智能抽卡"跑几张，感受一下风格库的覆盖面
4. 定下来之后转"精准组装"，把风格号和色号记下来
5. 最后接上"批量配图"，把长文配图这条流水线跑通

从"抽卡"到"组装"，其实就是从随机到确定的过程。而确定，才是一切能规模化的前提。