AI設計實戰：從邏輯骨架到視覺具象化，Krita與Gemini的精確工作流

在探索階段，AI協助我們拓展了多元的視角；在定義階段，我們則將這些碎片收斂為具體的脈絡骨架。進入第三篇的「發展階段」，設計任務從邏輯定義轉向實體建構。此階段的核心目標是「重組與具象化」，也就是將上一階段定義好的抽象策略，透過技術手段重新組裝。

發展階段的工作流程

在此階段，AI的角色不僅是隨機提供靈感的刺激物，還是協助我們將「骨架」長出「血肉」的執行夥伴。設計師面臨的挑戰，在於如何精確控制AI的生成結果，使其嚴格遵循定義好的結構進行重組，而非產出偏離核心需求的隨機圖像。接續上一篇定義階段的結論，我們針對3~6歲孩童確立了「三角情感構圖」與「棉花糖般的安全感質感」這兩大核心脈絡。

然而，「抽象的脈絡」並不等於「具體的畫面」。若僅依賴文字提示詞，AI往往難以精準還原我們腦中已定義好的結構。因此在發展階段，我們的任務是將這些被定義好的要素（構圖邏輯、質感策略、角色關係）在畫布上進行「視覺重組」。為此，必須引入更具控制力的技術手段，確保這些要素能像積木一樣被搭建起來，而非流於隨機的拼貼。為了達成從邏輯骨架到視覺肉身的精確建構，我採用了本地端確立骨架，雲端快速變體的混合工作流。先在Krita中將構圖要素組裝定位，再利用Gemini(Nano Banana)的語意理解能力進行質感的深度渲染。

Krita實時繪圖｜手眼同步的結構確立

以前我主要使用Photoshop，雖然內建的Firefly引擎提供了強大的生成式填色與生成式擴張功能，能快速處理影像合成與背景延伸，但我最近也開始用Krita。Krita是一款專業級的開源免費繪圖軟體，由社群驅動開發，因此對於新技術的接納度極高。不同於商業軟體較為封閉的生態，Krita允許開發者透過外掛（Plugin）深度整合最新的AI技術。例如本次使用的「AI Diffusion」外掛，便能直接在Krita介面中呼叫Stable Diffusion模型。這讓設計師在使用AI生成協作時不再需要頻繁跳轉視窗，而是無縫融入繪圖流程，成為設計師手中的另一支畫筆。由於本文主要是工作流程的介紹，因此對於軟體的支援在此就不多做著墨，相關外掛安裝方式可參照官方網站。

首先將Krita畫布調整為符合書籍封面的真實印刷比例。注意僅需比例符合即可，無需設定至真實印刷尺寸，以利於提升即時生成的速度。接著利用AI的填滿功能擴充背景像素。在初步生成後，AI自動演算的星空表現不錯，但是地面上多了許多繁複的花朵；這也是AI生成圖像的缺點，他們傾向於將畫面整個填滿，沒有適當的留白。

因為在這個階段的重點並不是稿件的完成度，而是發展整體的組合，所以我並未繼續依賴抽卡算圖，而是直接拿起數位筆，手動塗抹星球表面的色彩與紋理，並將強度調到45%，就會從生成變為精修模式，使質感更符合設定需求。此外，因為狐狸與小王子的相對位置略顯疏離，所以我直接在圖層上拖曳狐狸色塊以調整構圖，隨後利用AI的填滿功能將移動後留下的空白背景補齊。這種「手動定義結構、AI輔助修補」的模式，讓我能精確控制畫面構成，同時免去繁瑣的背景重繪工作，快速鎖定畫面的基本雛形。

進階技巧：關於同步生成（Live Mode）

若您的電腦硬體規格允許（特別是具備高算力的獨立顯卡），也推薦嘗試Krita的同步生成模式。在此模式下，AI會跟隨筆尖更新畫面，實現真正的即時回饋，在繪製草圖的瞬間就能看見完稿的質感。

Gemini(Nano Banana)｜光影映射與敘事細節

當具備基本構圖的雛形完成後，將檔案匯入Gemini，利用Nano Banana模型進行細節的語意修飾。

首先是光影氛圍的營造。我輸入讓「玫瑰花發光」的指令，令人驚豔的是，模型不需要額外的光學指令，就自動算出了光線的路徑，讓玫瑰溫暖的光芒自然地映射在小王子的臉龐與衣物上，瞬間提升了畫面的情感濃度。

接著是敘事物件的豐富化。為了增加故事厚度，我透過對話請AI陸續增加望遠鏡等細節，一開始對望遠鏡的位置描述比較模糊，其實我想的是讓他拿在手上但沒有在使用，但AI看到「拿著」就直接生成正在使用的畫面。

然而這與我所期待的小王子、狐狸、玫瑰三者互動背離，於是更描述了我所期望的物件位置。在小王子身邊增添了望遠鏡、背包與星圖。AI在植入這些物件時，完美融合了既有的場景，沒有突兀的拼貼痕跡。

設計師的觀點｜主動篩選與決策

在畫面細節底定後，接著利用Gemini快速生成不同風格的背景變體：原有的深邃星空、藍天白雲與溫暖晨曦。

這正是AI賦予設計師的最大權力「低成本的試錯」。我們將這三種版本並列，回到「3~6歲受眾」的視角進行檢核，最終選擇最能突顯主體、襯托玫瑰光芒，且帶給孩子安心感的版本。透過Krita的精確控制與Gemini的光影渲染，我們將抽象的策略轉化為具體的原型。這不僅是視覺風格的實驗，更是將設計意圖落實的過程。在下一篇的最終章《交付階段》，我們將探討如何利用AI完成可交付的視覺成果。