AI 說書人

為什麼你的 AI 每一頁都畫出不一樣的主角？｜用 AI 做一本繪本，從握槳到自航的四階升級

同一個主角，AI 每頁畫得都不一樣？那是「隨手生圖」的天花板。用一本繪本，帶你把 AI 工作流從握槳一階一階升到自航——丟一張工單就自動產一本、風格穩定，還附一份誠實的製作紀錄。

概念圖：一幅古典陶瓶橫飾——一排工匠一路作畫，同一個小角色從左端散亂不一，越往右畫得越一致、越精緻，最後一位工匠高舉一幅完成的繪卷。

你有沒有試過，請 AI 幫你畫一本繪本？

第一次做，多半是這樣的：你手上有一個小故事，也許還有幾張參考圖，你把第一頁的情境貼給 AI，它畫出一個可愛的小男孩；你接著讓它畫第二頁——同一個小男孩，卻換了張臉。第三頁，他的衣服變了、髮型變了，連膚色都飄了。到第十頁，你已經認不出這是不是同一個角色。

這不是你運氣不好。這是「隨手請 AI 生圖」這種做法的天花板——它能生出漂亮的單張圖，卻扛不住「一整本書要前後一致」這件事。

這篇文章，我想用「做一本繪本」這一件具體的工作，帶你走一趟升級之旅：從最原始的逐頁碰運氣，一階一階往上爬，最後爬到「你只丟一張工單，一套流程就自動幫你產出一整本、風格穩定、角色一致、還附上一份誠實的製作紀錄」。四個階段，我給它們取了航海的名字：握槳、立圖、僚艦、自航。

先講一句貫穿全文的話：每升一階，靠的都不是「換一顆更聰明的 AI」，而是你在 AI 外面多搭了一層制度。真正在進化的，是你使喚 AI 的方式。

先校一把尺：這量的是「工作流」，不是「AI 多聰明」

動筆前，我得先幫你把尺校準，免得你拿錯量法。

你大概聽過汽車的「自駕分級」——從 L0（全靠人開）排到 L5（車子自己搞定）。這一兩年，AI 圈也有人借它的精神，替「AI agent」排出一套類似的自主分級（截至 2026-07，業界已有對標自駕、同樣分到第五級的版本）。這些分級量的都是同一件事：你敢放手讓它自己決定多少。

我這篇要講的四階，量的不是這個。

我量的是你把「做繪本」這件事的流程，搭得多有制度——不是 AI 有多聰明、你敢不敢撒手，而是你這一側的工程搭到什麼程度。同一顆 AI 大腦，你可以隨手丟一句話使喚它，也可以替它架一整套規格、驗收、自動迴圈。爬的是你這一側的複雜度。

面向	自駕／AI agent 自主軸	我的繪本四階（握槳→自航）
量什麼	你放手讓它自己決定多少	你把做繪本的流程搭得多有制度
一句話	how much you let it decide	how you build the pipeline
級距	L0–L5，到「完全自主」為止	握槳／立圖／僚艦／自航，動手四階

（此對照為概念層級的借喻，截至 2026-07，並非把兩套內容畫等號。這也是我刻意不用「L1、L2」稱呼這四階、而改用航海階名的原因——免得你不自覺拿自駕那把尺來套。）

尺校好了，上船。我用同一本繪本，帶你把四階走一遍。

這本繪本是真的存在的示範：一本主題為「基因改造」、內含原住民族語（阿美族）的公開繪本，總共 16 頁，講一個原住民男孩的一趟奇幻夢境。（先打預防針：凡涉及族語的文字，一律是「待審訂」狀態，正式對外前必須經過族語審訂把關——這條後面會再回來講，因為它正是整套流程裡最重要的一條紅線。）

握槳：手上一個 reference，逐頁碰運氣

信物 · 木槳勳章　｜　儀式 · 登艦禮——遞槳，划下第一槳。

第一階，我叫它握槳試水——你上船了，划下第一槳。

握槳的樣子很單純：你手上只有一個 reference（一份繪本腳本，加上幾張參考圖），然後你打開生圖工具，零星地、一頁一頁請 AI 生。第一頁畫好，換第二頁的情境再下一次指令，如此逐頁進行。

能做出東西嗎？能。但你會很快撞到一整排痛點：

同一個主角，逐頁長得不一樣。 這頁圓臉、下頁尖臉；這頁穿傳統服飾、下頁自己亂配了一套。
畫風會漂移。 前五頁是溫柔水彩，後五頁不知怎麼變成了濃豔卡通。
細節它自己亂編。 你沒交代的地方，它自由發揮，時常編出不該有的東西。

而最要命的是——你沒有一個可以重複的標準。想修？你只能再下一次指令、整批重生，然後祈禱這次好一點。你在跟運氣和手氣搏鬥。

握槳的世界就是這樣：做得出圖，但圖的品質你控制不住。這一階，適合你「先試試水溫、確認這件事 AI 到底做不做得來」。但只要你認真想產出一本能看的書，你很快就會想升級。

📦 下載握槳包：按此下載檔案　一個 reference 起手式（繪本腳本＋幾張參考圖），拿它親手體會「逐頁生圖」的痛。

立圖：給它一整套規格，和一套現成的 88 種畫風

信物 · 海圖徽　｜　儀式 · 授圖禮——授予海圖，你會定方向了。

於是你學乖了，開始替這件事「立圖」——立一張讓 AI 知道往哪划的海圖。

升級的動作，是把「你腦子裡的要求」全部寫成檔案。 具體來說，你替這本繪本備齊一整套規格：

一份設定檔：這本書的最高原則（例如「全書 16 頁必須同一畫風、絕不中途換風」「畫面內不准出現任何文字」）。
一份逐頁規格：第 1 頁畫什麼、角色穿哪一套、構圖是遠是近、光線氛圍如何、哪些元素一定要出現。16 頁，一頁一格，寫到「可以直接照著生圖」的細緻度。
一份人物與場景定錨：主角的臉型、髮型、膚色、體型固定描述；角色的服裝分成幾種情境狀態（例如放學一套、在家一套、下水一套）；關鍵場景的道具（例如客廳牆上那幾幅畫、茶几上那頂帽子）要跨頁一致。

這裡有個很多人沒想到的關鍵技術：畫風怎麼定調？ 這一階我還配了一套現成的畫風庫——裡面有多達 88 種美術風格，從溫柔手繪水彩、木刻版畫，到浮世繪、敦煌礦物色、甚至像素點陣風，每一種都附一張用同一測試主題生成的示範圖。你可以直接問：「有哪些畫風可選？」然後一張張比對示範圖，挑中一種喜歡的，全書就鎖定它。這一步把「風格漂移」從源頭解決掉——不是每頁碰運氣，而是先選定、再全書套用同一套風格提示詞。

還有一個維持角色一致的訣竅：族群服飾感，靠參考圖，不靠形容詞。 與其在提示詞裡拼命描述傳統服飾長什麼樣（AI 很容易腦補錯、混到別族），不如每頁都附上參考圖，直接說「服裝照這個」。這正是「立圖」比「握槳」穩的核心：判斷的依據，從模糊的文字換成了明確的圖檔。

備好規格、選定畫風之後，你生成、然後一張一張看過去，看到不對就回饋：「這張顏色太濃」「這張比例怪怪的」，讓它改；改了再看，看了再改。品質，肉眼可見地穩定下來了。

但新的痛點，也跟著冒出來了：16 頁，你要一張一張看、一輪一輪修，人會累死。 品質是上去了，代價是你把自己黏在了椅子上。這時候你腦中會冒出一個念頭——「這個逐頁挑錯的苦工，能不能也交給 AI？」

📦 下載立圖包：按此下載檔案　完整規格檔＋那套現成的 88 種畫風庫提示詞，挑一種鎖定就能穩定產出。

僚艦：請另一個 agent 當驗收員

銅版雕刻風格插畫：一名瞭望英雄立於船首遠眺，一枚洞察之眼射出視線光束，穿透遠海礁石。

信物 · 鷹眼徽　｜　儀式 · 結艦禮——僚艦傍行，多一雙看穿錯誤的眼。

能。這一階，我叫它僚艦傍行——你的主船旁邊，多開一艘僚艦，上面站著一雙專門挑錯的眼睛。

而且這一階，我要故意把任務變難一點，因為只有任務夠難，你才看得出升級的必要。前面說到，這本繪本要求「主角從頭到尾長得像同一個人」「族群服飾不能混族、不能亂編符號」——這些不是「美不美」的主觀問題，它們有明確的對錯，是一條條可以逐項檢查的標準。

於是你多做兩件事：

第一，把驗收標準也寫成一份檔案。 這份檔案，我把它叫做 criterion（驗收標準）。它列出這本書每一頁都必須通過的檢查項——等一下我會把它攤開給你看。

第二，把角色拆成兩個 agent。 你不再一個人校稿了：

一個協調的 agent，手裡拿著那份 criterion，負責逐頁審查、寫出「這張第幾點不合格」的挑錯意見，並把不合格的頁面派回去要求重畫。
一個執行的 agent，只負責一件事——照最新的規格生圖，被打回就重生。

你（真人）站在這兩個 agent 的最上面把關，確認協調 agent 挑得對。這就是「僚艦」的精髓：AI 審 AI，人做最後把關。 那件最磨人的逐頁挑錯苦工，自動化了。

但你有沒有發現，還有一個環節卡著人?——挑出錯之後，那個「好，打回重畫」的動作，最終還是你在按。 協調 agent 挑完、把意見攤在你面前，是你決定要不要送出去重生。一輪又一輪，你依然坐在迴圈裡。

📦 下載僚艦包：按此下載檔案　criterion 驗收標準＋「協調／執行」分工說明，把「AI 審 AI、人把關」直接落地。

自航：人退出迴圈，讓它自己畫完一整本書

銅版雕刻風格插畫：一艘鎏金英雄船破浪自航，船首女神面像發出聲波紋，彷彿船自己會出聲指路。

信物 · 自航之舵　｜　儀式 · 離舵禮——當眾放手，船自跑一圈。

最後一階，是把你自己，從迴圈裡整個拿掉。這一階，我叫它離舵自航——當眾把手從舵上放開，讓船自己跑完一整圈回來。

自航階的樣子是這樣的：你只做兩件事——丟一張工單（這本書的腳本、參考圖，加上你選好的畫風），然後放手。接下來，整條迴圈自己轉：

協調 agent 讀工單，自動產出這本書的逐頁規格、定錨、專屬驗收標準；
自動喚起執行 agent 逐頁生圖；
逐頁對照驗收標準檢查，不合格的自動打回重生；
再檢驗、再重生……一路轉到 16 頁全部過關；
自動完稿，合成成品；
自動寫一份製作紀錄——哪一頁重生了幾次、卡在第幾條標準上、最後第幾輪過的，忠實照實，不美化。

那份製作紀錄，是自航階的招牌產出。它長得像一張逐頁的表：第 4 頁重生 2 次，卡在「客廳畫作與第 2 頁不一致」加「茶几帽子消失」，第 3 輪對齊後通過。它誠實到會把「沒能一次到位」的頁面照實寫出來，不藏、不冒充。為什麼要留這個？當人退出迴圈之後，這份紀錄就是你回頭檢查「產線可不可靠」的唯一憑證——它讓「全自動」變得可被檢驗，而不是一個黑盒子。

這一階，就是很多人聽過的「全自動迭代」（有時也叫 Loop Engineering，讓迴圈自己跑的工程）。它最動人的地方，是那個「離舵」的瞬間：你敢放手，是因為你知道那雙拿著 criterion 的眼睛，會替你逐頁守著標準。

概念圖：一個環形的審查迴圈——一位持著查核板的審查者，與一位作畫的工匠，順著環一輪輪對照、退回、重畫、再對照；圈中央擺著一卷完成的繪卷與一張計數板。

而且——這才是自航真正的野心——它不只是「把這一本書做完」，而是升級成一條生產線：框架固定下來（協調與執行的邏輯、共用的 88 畫風庫、通用的驗收標準都不動），之後每畫一本新書，你只丟一張新工單進去。今天這本、明天下一本，用同一套骨架。一次搭好，長期一本一本地畫。

現在，回頭看這條從握槳到自航的爬升，你看懂那條軸線了嗎？

每升一階，都是因為前一階有個環節，痛到讓你想把它交出去。
控不住品質 → 立圖，給它規格與畫風；
逐頁看到累 → 僚艦，交給另一個 agent 挑錯；
還在手動按重生 → 自航，讓整條迴圈自己轉。

升級工作流的理由，從來不是「因為高階比較炫」，而是「因為低階的做法，在這件事上會越做越痛」。

概念圖：一幅陶瓶分成左右兩半。左半是一群姿態散亂、東倒西歪的人（握槳的漂移）；右半是同一群人整齊劃一、像生產線般列隊前行（自航的一致）。

📦 下載自航包：按此下載檔案　一整條生產線的骨架：固定框架＋「每本一張工單」的資料夾結構＋製作紀錄格式＋合併 PDF 疊字工具。

最後一哩：把「沒有字的圖」變成一本繪本

講到這裡你可能會冒出一個疑問：既然驗收標準白紙黑字寫著「內頁不准出現任何文字」，那繪本上的台詞是怎麼上去的?

這是整套流程裡我最喜歡的一個「原來如此」。

內頁圖不含文字，不是一個限制，而是一個刻意的設計。 原因有二。其一，AI 生圖時最不擅長的就是寫字——讓它在圖裡寫字，十之八九會編出一堆拼錯的亂碼。其二更關鍵：文字一旦燒進圖裡就再也改不動了；而這本繪本含族語，族語必須保留「待審訂」的彈性，隨時能修正。所以最聰明的做法，是讓圖歸圖、字歸字。

於是完稿靠的是一支小工具：一個「合併 PDF ＋疊字」的程式。它的職責很單純——把畫好的一頁頁 PNG，配上每頁對應的族語與中文台詞，把文字疊在圖上、再合成一本成品 PDF 繪本。

這支工具有個很務實的設計哲學：程式碼固定，參數隨書換。 核心合成邏輯寫一次就不動；每畫一本新書只換參數——換圖檔資料夾、換台詞對照、換字型（族語字型要能顯示那些特殊拼音符號，中文字型要能顯示漢字）、微調版面。這正好呼應自航那條生產線的精神：固定的框架＋隨書變動的內容。

一張沒有字的圖，加上一段可以隨時審訂的字，最後合成一本可以印、可以讀的繪本。這就是完稿的最後一哩。

這一整列，我打包好了

講了這麼多，你可能會想：聽起來很棒，但這一整套規格檔、畫風庫、驗收標準、自動迴圈、疊字工具……我要從零搭起來嗎?

不用。上面每一階，我都把那一階的資源包，附在該段落的底下了——你可以只抓你需要的那一階（想先試試水溫，就下載握槳包；想直接量產，就下載自航包），也可以四階全部拿走。每一包都刻意做得輕巧（為了縮小體積，88 種畫風的示範圖沒有放進包裡，請你自行生成挑選）；而且每一包裡都附了一份「使用說明」，寫著這套流程最重要的那條紅線——文化正確與族語尊重，優先於自動化。

換句話說，你不必從零發明這套流程——可以站在握槳這頭先試划，也可以直接把自航那頭的生產線，套進你真正要做的那本繪本。

一條紅線：文化正確，優先於自動化

自動化講得再漂亮，有一件事我必須講在最前面：當這本繪本牽涉到原住民族的文化與族語時，正確與尊重，永遠排在自動化之前。

這不是一句口號，它是寫進驗收標準裡、每一頁都要過的硬檢查。這套流程裡，每一本繪本、無論主題是什麼，都有四項「通用必檢」：

全書畫風統一：不中途換風。
內頁畫面不出現文字：避免 AI 亂編字，也讓文字保持可修正。
族群服飾文化正確：不混族、不亂編符號、不時代錯置——一律以參考圖為準，而不是任 AI 自由發揮。
族語文字標「待審訂」：凡涉及族語的內容，一律標記為待審訂，正式取用前必須經過族語審訂把關。

在這本示範繪本裡，第 3、4 項尤其吃重。族服要正確到「這確實是這一族的裝束」，靠的就是「以參考圖為準」；而所有族語台詞從頭到尾都掛著「待審訂」——自動迴圈可以把圖畫到全過，但它沒有權力替族語拍板。 那一關，交給懂這個語言與文化的人。

這也是為什麼「內頁不放字、最後才疊字」這個設計這麼重要：它讓族語永遠停在一個「可以被修正」的狀態，而不是被一次燒死在圖裡。技術負責把流程跑順，文化正確與族語尊重負責踩煞車。 兩者之中，煞車優先。

動手四階之外：這趟遠航，還有後三階

握槳到自航，是你自己一台電腦、一個資料夾就能親手爬的「動手區」四階。而「遠航七階」後面還有三階，屬於只能站在岸邊觀摩的風景——越洋（跨出你的領域取材、把一個領域的成果變成另一個領域的素材）、成隊（把一次性的做法固化成一整套組織制度）、觀星（讓組織回頭寫自己的日誌、甚至請真人重新上船當指揮官）。它們的細節留給系列的架構總覽，這裡先把後三階的信物與儀式一起擺上，讓你看見整趟航路完整的模樣。