面对AI辅助景观设计中底图适配难、生成结果错位或丢失关键现状要素的问题，这套基于真实工作流的验证方案提供了可复用的技术路径。它不依赖抽象理论，而是通过三类典型底图的对比实验，明确每种输入下的提示词要点、工作流节点设置与校验方法。
智能速览
卫星图生成彩平面时，必须在提示词中强制声明‘保持水面位置不变’，否则水域极易被覆盖或变形
手绘草图或功能气泡图作为底图，可大幅简化提示词，仅需指令‘将此手绘线稿生成专业彩平面’即可触发自动细化与上色
CAD底图生成需在提示词中显式标注特殊区域属性（如‘北侧为现状水面’），否则模型无法识别矢量图中的空间语义
所有方案均通过‘对比节点’验证生成平面与原始底图的空间对齐精度，确保投影比例、红线范围、关键地物坐标一致
三种底图对应不同设计阶段：卫星图用于现状转译，草图用于构思具象化，CAD用于施工图前的风格化表达
精华内容
从无中生有到贴合现状，AI生成平面的核心难点不在模型能力，而在如何让模型准确理解底图所承载的空间约束与设计意图。
卫星图：现状水域零偏移
以某滨水公园项目为例，输入带场地红线的卫星影像后，在提示词中加入‘严格保持图中水面位置、形状及边界不变’并启用图像对齐对比节点。实测10次生成结果中，9次水面像素级重合误差＜3像素；未加该约束的对照组中，7次出现水面被建筑覆盖或整体位移超15米。生成平面与底图叠加后，道路中心线、桥梁轮廓、岸线曲率均保持毫米级对齐。
草图底图：省去80%提示词
当使用粗略手绘线稿或功能气泡图作为输入时，提示词可精简至单句：‘将此手绘功能布局图转化为专业公园彩色总平面，采用曲线风格，保留构图分区与动线逻辑’。测试显示，该方式生成的平面在线稿基础上自动完成线型规整（线宽分级达4级）、植物组团填充（乔灌草三层配置）、服务设施符号化（餐饮/卫生间/入口图标标准化），耗时比纯文本提示快2.3倍，且方案可实施性提升明显。
CAD图：需注入空间语义
导入DWG导出的PNG格式CAD底图时，单纯提示‘生成彩平面’会导致模型忽略图层含义。正确做法是在提示词中补充结构化描述：‘本图北侧灰色填充区为现状水面，不可修改；南侧虚线框为拟建停车场，需保留轮廓并填充灰色渐变；其余区域按公园功能重新配色’。经5个项目验证，该写法使CAD底图关键要素保留率达100%，而未标注语义的版本中，水面误填率为64%，停车场轮廓失真率达89%。
工作流校验：三步对齐法
所有生成结果均嵌入ComfyUI工作流的三重校验节点：第一，投影一致性检测——强制输出平行投影，禁用透视变形；第二，坐标锚点比对——在底图与生成图中选取3个固定参照点（如桥头、入口角点、亭子中心），计算像素偏移均值；第三，图层剥离验证——单独提取生成图中的水体图层与底图叠加，透明度设为50%，目视确认边缘重合度。该流程将交付合格率从61%提升至97%。
这套方法的价值不在于替代设计师，而在于把重复性空间转译工作压缩到分钟级，让注意力真正回归设计决策本身。当底图不再是障碍，而是可编程的设计接口，景观方案的迭代速度与现场契合度便有了质的突破。下一步值得探索的是：如何让AI理解更复杂的现状约束，比如坡度分级、日照阴影或历史保护边界？
