昨天晚上,小乖乖给我拍了两张秋景照,我觉得挺漂亮,就想着打个水印。
我把图丢给 WorkBuddy(我用的那个 AI 助手):一个图形标记、博客名、域名、落款,六处,全 0.5 透明度,均匀散开,别压住主体。我当时的判断是:这样就行。
它把成品减去原图给我看改动层。那张差值图很诚实:六块硬邦邦的印子,边缘齐、颜色单一。第一张图被改动的像素平均差 28.47,其中 33.61% 是差超过 40 的硬改动,肉眼一眼能瞅见;第二张稍好,17.77 和 20.77%。这不叫隐蔽,叫签到。这版不能用,得重来。
第一个默认动作:水印是「盖」上去的
我给 WorkBuddy 的那句话很简单:六处、0.5、散开摆。它照做了,挑的全是「看着不碍事」的地方:亮天空、平坦路面、树干边上。毛病不在位置:白天空和深色树干能吃下的墨量根本不是一回事,它却给了一样多。
更准确点说,是我压根没打算分别给。定规矩时还挺得意:所有组件统一 0.5 透明度,多克制。后来才咂摸过味来,那不是克制,说白了就是把判断外包给了一个常数。
更隐蔽的根在工具本身:它叫「合成」。图层、alpha、叠加,从接口名字开始,思路就被按在「往图上加一层」里了。它不吭声,可一直在替我选动作。
看完差值图,我给 WorkBuddy 提了第一条新要求:「先了解图片内容,再通过严密的计算和结构分析,把水印巧妙地融合进去」。它这才分了两层。语义层人工看图写卡:主体、视觉动线、结构线、禁放区、低纹理区、视觉焦点。林荫道那张卡写得很直白:两侧树列往 (0.50, 0.79) 汇聚,车就在消失点附近;中央那条路整条不能压;上方近乎纯白的天空纹理极低,可以藏印。落位那层交给像素分析:局部亮度、纹理能量、梯度方向、显著性代理,候选位打分,再加禁放区、不重叠、最小间距、三列四行打散、至少四个纵层的硬约束,多轮重启抹掉贪心顺序的偏置。每个位点分数都留进报告。
聪明了,但只聪明在「放哪儿」。图一改动量 28.47 降到 23.98,硬改动比 33.61% 降到 27.96%。把图掰开看,还是同一枚章,只是盖得讲究了点。
坑也是一个接一个,躲不掉:只按最平最亮打分,最大的图形标记一屁股坐到道路正中央,纯平底上一点墨最扎眼,何况透视焦点压根不在图片中心;描边给纯白两像素,出来一圈贴纸白边;按固定顺序放,前两位占完好位置,后面挤成一排。这些我逐条反馈给 WorkBuddy 修。
到这儿第一个默认动作只削掉一半:我知道该先看图了,可我还在盖。
第二个默认动作:想藏得住,就把透明度调低
「不够好,继续提升」,我补了一句「不必拘泥于 0.5 的限制:透明度、颜色、形态都别固定成一套,按画面自己定」。
盯着第二版看了半分钟,我才看清问题:位置是内容决定的,长相不是。颜色、透明度、形状、横排都固定,位置算得再准,它还是贴上去的。
第三代是 WorkBuddy 把显形整个重写的。透明度变成逐像素的场:密纹理处墨可以浓一点,反正叶子会把笔画吃掉;平坦处反而压到极淡,一点点墨就扎眼。颜色从落点那块画面派生,黄叶上取深赭,白天空上取灰蓝。深色走正片叠底、浅色走滤色,按像素亮度过渡,底纹能透出来,墨像揉进纸纹里。再加梯度编织、笔画磨损,边缘不那么齐。
数字当时挺好看:图一 14.13 和 10.97%,图二 8.41 和 7.49%。我当时判断这版可以交了。
然后就在这轮,我复核报告后撤掉两个验收目标。一个是「熵至少 4」,最像贴纸的第一版熵反而最高,3.93,高熵来自硬改动,压根不判别好坏;另一个是「改动量与纹理的相关性必须转正」,可水印本来就得避开主体高纹理区,强行转正是逼它往主体上压。指标是代理,不是目标;代理一旦被当成目标,行为就被带歪,这条我多半会在别的事上再撞一次。犯不着为了一条好看的曲线去凑数。
它还修了三个实现上的错,都列在报告里:透明度场用水印小块内部的 p95 归一,每块自洽、跟全图内容没关系;映射在中等纹理就饱和成常数,相关性被抹平;熵用固定 0 到 160 的范围,压缩成品的改动全被压进前八个格子,量出来的是离散化误差。
回头看,0.5 那件事最值得记的不是「透明度该自适应」,是我居然用一个数字替自己做了所有判断。工具选动作,常数替判断,说到底是同一件事:把该自己做的判断让了出去。
第三个默认动作:文字就是「一行字」
「漏了一层:文字也是可以排版的,竖排、弧排或者其他形态,别一律横排」——我加了这句。
之前所有文字 WorkBuddy 都横排,顶多整张图二选一竖或横,标题和落款还共用一个形态。我一直把字当内容容器,没当成形状。一旦当成形状,树干、树冠、透视、叶隙全变成排版资源,画面自己就在出题。
第四代按落点的局部结构线走向、纹理密度和角色逐处定字形:竖排贴树干、横排贴地平线、弧线题跋随枝叶起伏、透视竖排逐字缩小、扇形朝消失点收敛、树冠下走拱形、落叶堆里散点、绕开叶缘走路径、中英文落在同一条基线上。字距、字号渐变、题跋错落、微倾、飞白、牵丝全随内容走。同一张图至少两种形态,免得整齐得像排版练习。关键是别让字只负责被读。
同一个「雾起时」能有九种排法,选哪种由落点那块画面的结构说了算。
林荫道那张变化最明显:标题从黄叶上的一排字,变成右侧树干上逐字缩小的竖排,颜色随每段树皮深浅走,像刻上去的。
但这版有个数往回走了,得说清楚。林荫道硬改动比从第三代的 10.97% 回到 17.76%,改动量从 14.13 涨到 16.43。原因很具体:灰白树干上刻深墨字,对比就是强。我要的是贴结构,不是更淡,这两件事会打架。我选了贴结构,把数字记在报告里,没调参数压回去骗自己,为一个数字把效果改回去不划算。落叶那张反倒一路变好,7.49% 到 5.12%。同一套方法跑出不同曲线,这才像真实世界。说不好哪张更好,两张都留着;硬修成一条向下的线,划不来。
域名那回是我判断失误:我一度让它竖排,拉丁字母堆成一列,谁也读不出来。域名是溯源下限,至少得有一处完整读得出来,后来锁死横排,只靠微倾和字距贴结构。
顺手把「还能加的」全加了
第五代,我的要求变细了:文字分三种定位(博客名、slogan、域名),按定位各自融合;用途分内容配图和文字封面头图;每图放几处由图片内容自己定。我列了五个「还能加的」,WorkBuddy 评估可行后问要做哪些,我回了一句「都要,按各自的定位分开处理,别混成一套规则」。小孩子才做选择,我全都要
那就都做。路径排布用动态规划找代价最小的基线,局部边缘密度当代价,字距紧凑,只让基线顺叶缘起伏绕开物体,词不会被拆散。扇形改成逐字真旋转贴到弧上,半径给到字号六倍,不然三个字挤成一团。飞白和牵丝加进中文笔画,中英文用统一基线对齐。动图不再拿首帧复用:六帧,每帧重新分析结构、求解落点、决定排版、重算透明度和取色,形态各不相同。
老坑也得记:以前用 sharp 给动画 WebP 合成水印,帧都在、水印整段没了;EXIF 版权字段是 ASCII,往里写中文会静默变成三个问号,只能老实用拼音域名加英文版权。
文字定位是这轮重新分的,我觉得比技术改动更要紧:博客名整词留着、要认得出,它是主标识;落款当时定的是可以拆两截、只留半句,甚至干脆不出现;域名必须至少一处完整读得出来,再淡也得在,再把版权信息写进文件兜底。图形标记那边,一句「这是 logo,按整体处理」划清了边界:四条线同进退、长宽比锁死、能认出来,可以取色、反白、小角度转、局部淡出,不能拆、不能拉变形。
用途拆成三个独立开关:会不会叠文章标题、要不要按几种比例裁、页眉是不是已经显示博客名。头图不一定带标题,一次出两版,一版避开中央,一版随便用。每图放几处也不再靠拍脑袋:密纹理多藏几处,大留白少放,放多了显脏。落叶前景铺满叶子,多藏几处微痕也不显;林荫道中间一大片白天空,放两处以上就开始显脏。
五、最后没交图,交了个技能
到这会儿它已经不只是一个脚本了:结构卡、五档用途、九种排版形态、动图管线、一份方法文档、几道验收,还有十几个坑,够瞧的。我跟 WorkBuddy 说,与其每次从头折腾,不如沉淀成一个能反复调用的技能。它照做了,八个文件:主文档、方法全文、四个脚本、图形资产、示例结构卡。像素分析函数抽成独立核心,资产放进技能自带目录,结构卡可以写相对路径,换台机器、换个工作目录都能跑。
从新目录独立跑了一遍静态、形态演示和动图,指标跟之前一模一样:林荫道内文版 16.11 和 17.33%,落叶 7.44 和 4.68%。能被单独叫起来才算真的做完,不然它只是今天这场对话里的一段手艺。
顺带,这篇文章的四张配图也是用刚沉淀出来的技能打的水印。自己产出的东西先自己过一遍,白捡一次自检。
六、交出去之后,它又把自己骗了一次
技能沉淀下来以后,我以为到这完了。没完。它聪明,但会把自己骗过——而骗法正好是前面那句「指标是代理,不是目标」。
我拿了张手绘封面来试:米白纸、灰黑线稿,低纹理,图上还自带一堆行楷小标签。按新技能跑了一遍:改动量降了,硬改动比降了,纹理相关往 0 走,报告全是绿。
然后看图。四件套几乎找不着。纸面上没有密纹理给墨躲,旧的那条「密纹理处墨浓、平坦处墨淡」整个反了:平坦纸面几乎没有纹理能量,透明度直接塌进 0.05 到 0.11 的区间,品牌等于没了。指标全过,品牌消失。我把结论反馈给 WorkBuddy:指标全绿但品牌不可见,这版不算过。
这成了它变「智能」的转折点。之前验收只有「指标代理」,没有「品牌在不在」这一关。WorkBuddy 把四件事做成引擎默认,零手写卡也能跑好:
第一,自动认场景。先算图整体的亮度离散度,判定是不是低纹理纸面(手绘封面是、秋景照片不是),后面策略按这个分支走。
第二,对比度自适应的可见下限。每个落点先算墨和背景的亮度差,再反推最小透明度兜底:差得多就少压点,差得少就多压点,但底线兜住,品牌不靠纹理也能被看见。后来我又让它把纸面下限调高一档,纸上的字更立得住。
第三,自动占用。打分时看候选窗口的纹理密度和局部亮度变化,自动绕开图里已有的笔迹、色块、边框、文字,不用手写避让区,再补一道软边缘罚让它别贴着边缘走。
第四,也是最关键的一道闸:逐个落点量「水印相对背景的亮度落差」,淡到看不清就判不及格,专堵「指标过了品牌却没了」的坑。代理终于有了一道硬门槛,不再是自己给自己发合格证。
还有一处要修:落款一度只显示半句「听静雪时,」还带个悬空逗号。逻辑把整句拆成两个候选,卡位时后半句被砍了。改成整句出现或整句不出,不拆半句、不留悬空逗号。
零约束的极简卡实测:手绘封面判成低纹理,5/5 落点清晰可读,品牌落进纸面空隙、绕开图内五标记和虚线方框;秋景照片判成正常纹理,5/5 清晰可读(全角色),透明度与纹理的相关性维持为正(林荫道约 +0.01、落叶约 +0.26),藏进树纹不压主体;原先那张手写卡跑新代码向后兼容,照样 5/5。
唯一没堵死的:图里极小字号标签在缩略降采样下被平均掉,自动占用的罚抓不到,可能轻微压住。这是分辨率上限,不是逻辑漏洞;要彻底避开,补一行避让约束就行。
七、零输入,但只在它该管的范围内
有人问「做到零输入全自动还差什么」——那个人是我。缺口不在落位、不在显形、不在绕内容:那些像素层早能干了。剩下的是「看懂图、定意图」这层。而我刻意留了一条线:语义理解交给人。所以我没有让 WorkBuddy 做端到端的强制自动化,而是让它做了个可选的零输入模式。
零输入模式只给一张图(或一个目录)就能跑。没写场景卡时,它自己从像素推断:角色按宽高比定,宽图默认页眉已带博客名。还留了个可选的视觉模型接口:接一条命令或一个配置文件,它就拿主体、禁放区、焦点把图读懂;不接就退回纯像素模式,不猜画面语义。默认不依赖任何外部接口——视觉模型由人或宿主接进来,这条线没破。
实测:手绘封面是宽幅,它判出页眉已带名、走全套四件套,零输入 5/5 清晰可读;秋景照片是竖幅,收敛成只留 logo+ 域名,4/4 清晰;接了视觉模型富化主体后照样 5/5。
边界说清楚:零输入能跑、能自动落位、能自动保证品牌可读、能接视觉模型富化。仍要人(或宿主)注入的是「这张图是什么、主意图、发布场景」这类语义判断。这层我故意没让它自己编。再往前就是引一个视觉模型进来,敲一行命令或配置的事,但模型本身不在技能里。
本文的封面就是零输入模式的产物:同一张手绘封面,零语义输入(没写任何场景约束),只按封面用途把纸面可见下限调高,让品牌在缩略图里也立得住(实测四件套可见落差都在 0.13 到 0.20 之间)。零输入能出正式头图,品牌强度按用途调,不靠人手摆——这算是这张技能的一张活证明。
八、留下来的不是清单,是几条判断
先看图再动手。结构卡人工写,脚本不许猜画面内容。这句不是流程要求,是责任划分:猜错了没人会替我发现。
透明度、颜色、形态都是结果,不是参数。给它们定常数,等于替所有还没看到的图提前做了判断。
别把指标当目标。指标只负责在我自欺的时候喊一声,不负责替我决定哪张图更好。这个教训比任何一版水印都值钱。
原图不动,报告留痕,成品在压缩之后验。能被别人重跑一遍的东西,才配叫方法;不值得为了让曲线好看,把过程修得干干净净。
三个默认动作,说到底是同一个:我一直在想往图上加什么,没想过画面本来在哪儿留了位置。
那道可读性闸门,是把「别把指标当目标」从口号变成了一道硬门槛:代理可以一直绿,但品牌消失这一关过不了。零输入模式,是把自动化的边界画清楚了:把「做」自动化,把「看」留给人。两件事合起来,才是「智能」该有的样子:知道自己哪层该动手,哪层该放手。
现在再给我一张照片,大概还是会先盯着看一会儿——不是发呆,是在找那个位置。
READ · FEEL · RESPOND
读到这里,愿这篇文章对你有一点帮助
赏个鸡腿吧
你的支持,是下一篇文章抵达这里的光。
二维码暂时无法加载
二维码暂时无法加载给两张照片打了五代水印,最后把它做成了一个技能
本文由雾起时发布,采用CC BY-NC-SA 4.0许可协议。
微信扫码分享
打开微信「扫一扫」,扫码阅读本文







评论区