AI辅助设计实战案例课程，Stable Diffusion、Midjourney与PS协作技巧实操教学，掌握前沿AI辅助设计技术

这门课在讲什么

这不是一门讲「AI 会取代设计师」的概念课，而是一套围绕三个具体工具展开的工作流拆解：Stable Diffusion 负责可控生成与局部重绘，Midjourney 负责概念发散与风格探索，Photoshop 负责最后的合成、修图与交付。三者之间的关系是流水线式的，而不是各讲各的。课程用实战案例把这条链路串起来，重点落在「一个设计需求进来，怎么在几个工具之间倒手，最后产出能交付的成品」。

对开发者来说，这类内容的价值不在于学软件操作，而在于理解一条 AIGC 管线的输入输出边界：哪一步该用扩散模型做条件控制，哪一步该交给传统图层工具收尾，中间的数据怎么流转。把这条链路摸清楚，后面无论是自己写脚本调 API，还是给团队搭内部工具，都有参照。

技术栈与各自的定位

• Stable Diffusion：课程主要用它做可控生成。涉及文生图、图生图、局部重绘（inpainting）、ControlNet 一类的结构约束思路。这部分是整个管线里最「工程化」的环节，参数、采样步数、CFG、种子这些概念会直接影响可复现性，值得对照实操。
• Midjourney：定位在前期概念阶段。提示词结构、风格参考、垫图、版本参数这些内容，适合用来快速铺量、收敛视觉方向，产出的图通常作为后续精修的素材来源。
• Photoshop：承担落地环节。AI 生成的图往往有结构瑕疵、边缘问题和分辨率限制，PS 在这里做选区、图层混合、修补、调色和排版，把「看起来不错」变成「能交付」。

三个工具分工明确，课程没有把它们割裂成三门独立软件课，而是按设计任务的实际顺序推进，这一点对建立工作流认知更有效。

项目结构与可复用模块

案例的组织方式是按设计场景划分的，每个案例基本遵循同一套结构：需求拆解 → 提示词与参考图准备 → 生成与迭代 → PS 后期 → 成稿输出。这种结构本身就是可复用的模板，换一个题材，流程骨架不用变。

其中可以单独拎出来复用的部分包括：提示词的写法与结构化组织方式、生成参数的记录习惯（便于复现和对比）、AI 素材导入 PS 后的图层管理思路、以及从生成图到最终成品的修图动作清单。这些模块拆出来，可以直接嵌进自己的项目里，而不是只能跟着案例一步步照做。

如果你打算把这套流程工具化，重点观察的是每个环节的「手动作业」在哪里——哪些步骤可以被脚本替代，哪些必须人工判断。课程里的实操过程正好把这些节点暴露出来。

怎么用它自学

建议对照实践，而不是顺序观看。具体做法：先挑一个和手头需求接近的案例，跟着走完整条链路，记录下每个工具的介入时机和产出物；走完一遍后，把同一套流程用在另一个题材上，看哪些步骤能直接复用、哪些需要调整。这个「换题材重跑」的动作，是判断自己是否真的掌握流程的关键。

同时建议边做边记参数。扩散模型的生成结果对种子、步数、提示词权重敏感，随手记下可复现的配置，比事后回忆有用得多。Midjourney 那边同理，风格参考和版本参数都值得留档。

课程覆盖的是工具协作方法，不涉及模型训练、微调或底层原理。如果你的目标是搭一套自动化的生成服务，这门课提供的是工作流层面的参照，底层实现还需要另外补。