用AI修图的人，很多都有过同一种经历：第一版生成出来已经有80分，然后发现鞋不对，改鞋；背景别扭，换背景；光线差点意思，再修一轮……改到第七八轮，放大一看，画面发糊、颜色发飘，整张还不如第一版。大多数人会怪自己提示词没写好，但问题可能不在你——AI编辑这件事，本身就不是无损的。
小红书博主zhl专门做过一个多轮编辑画质测试：用Nano Banana Pro对同一张图反复做局部编辑，逐轮对比。结论很直观：前几轮的劣化肉眼几乎不可见，但它在积少成多；修到第3~4轮，图像已经明显发糊；第4轮以后整体开始往粉色偏；到七八轮，基本就是不可用的状态。小红书他贴出的15步迭代对比图更直接：左边是原始图像，右边是第15步的劣化结果，下面一排小图是每一步的渐变，退化过程肉眼可见。当然，一个人的测试不能代表所有人的情况，具体几轮开始崩，跟图片尺寸、题材都有关系；但"多轮编辑会劣化"不是孤例，做cos后期、电商图的修图师里，"越修越崩"的吐槽一直不少。
为什么会崩？原因说起来简单：你做的每一次"编辑"，模型其实是把整张图重新编码、重新生成了一遍，而不是在原图像素上做局部改动。哪怕你只改了鞋，没动的部分也被重新算了一遍、压缩了一遍，每一轮的劣化都叠在上一轮上面。这也解释了为什么前几轮"感觉没变化"——劣化不是没有，只是还没累积到肉眼阈值。
明白了机制，应对思路在社区里其实已经很统一，归结起来就三条。第一，80分就停手，千万别点"重新生成"：鞋不对改鞋，背景不对换背景，把没问题的部分锁住，提示词里明确加一句"keep everything else unchanged"，整图重抽等于把前面攒下的东西全扔了。小红书第二，一轮只改一个变量：确认母图、调构图、换服装、优化背景、细节精修，一次动一处，输出才稳定可控，一次改三四样，崩了你都不知道是哪步崩的。第三，也是最核心的一条——“回贴原图”：一轮局部修改结束后，用PS把改好的区域贴回原图，再带着原图周边的原始像素送进去做下一轮，保证每一轮的输入都尽量是原图信息，劣化才不会滚雪球。小红书
单轮局部修改做对了是什么样？有人拿同一套指令让两个模型做"把灯的外壳换成胡桃木纹理、背景改成夜幕庭院"：合格的输出就该像上面这张，材质换了、环境换了，造型和视角纹丝不动。这种"只动该动的"的控制力，正是多轮工作流能成立的前提。
这套"不叠轮、不信默认"的思路，放到AI融图上同样成立。融图的粘贴感，大多来自几个固定位置：主体被截了一块还硬融、缺投影、比例不对、光的冷暖和背景对不上。小红书常做融图的人核对清单很具体：先让AI把缺角补全再融；给主体补一个和背景同方向、同虚实的投影；比例拿背景里已知大小的物体当尺子，说"缩到门高的三分之二"比"调小一点"准得多；光的冷暖要点明，“受光面偏黄、背光面加深”，不点明模型就默认沿用原图的光，两层光一冲突眼睛立刻觉得假；最后放大看边缘白边和地面接触线的过渡。顺序记不住就记一句：先补全，再落影，然后比例和光。
最后说点实在的。这套工作流，更适合真的在用生成式AI干活的人——修图接单、电商图、cos后期、自媒体配图；如果你只是修饰日常照片，手机修图App的一键滤镜和Lightroom预设反而更省时间，没必要上这套流程。
还有两件事值得继续观察：上面那组灯具测试其实是个对比，同一指令下GPT Image 2的输出视角稳定，Nano Banana Pro这版却出现了产品视角偏移。小红书不过测试者自己也说，一图一指令难分高低，别拿单一案例下结论；另一件是，下一代模型会不会解决多轮重编码的画质劣化，如果解决了，"回贴原图"这一步就能省掉，那才是真正改变工作流的信号。
