把模型、Prompt 和生成反馈，翻译成设计师与普通用户都能连续使用的创作路径。
AI 绘画产品需要把模型、参数、Prompt 和生成反馈翻译成普通用户能理解的创作体验。友堆 AI 的实践让我从模型测试、LoRA 训练和内容运营等多个角度理解：产品体验与底层能力并不是两套工作。
- 目标用户
- 需要快速生成视觉素材的设计师、普通用户与平台创作者
- 核心能力
- AI 绘画、商品图生成、LoRA / 风格模型与在线创作工具
- 我的参与
- 用户反馈、竞品研究、原型与 PRD、模型训练测试和模型运营
- 项目沉淀
- 参与数十个 LoRA / 风格模型训练评估，以及平台早期内容与创作者运营
公开展示已脱敏。内部数据与未公开指标不在本案例中展开。
项目局面
先把真实阻力和责任范围放在一起，避免只看到一串功能。
普通用户和设计师在使用 AI 绘画时常遇到参数复杂、生成结果不可控、模型选择困难、创作流程不连续等问题。
不能忽略的约束
模型与参数组合复杂，生成结果又具有随机性，用户很难知道应该从哪里开始调整。
设计师和普通用户的目标、容错率与专业语言不同，需要兼顾不同使用深度。
模型上线不等于价值成立，还需要示例、模板、内容分发和反馈机制共同完成冷启动。
我实际负责的工作
参与 AI 产品原型、PRD 文档和 WebUI 类产品体验优化。
参与 LoRA 模型训练流程，包括数据整理、标注、训练、评估和测试。
参与模型运营、创作者运营和平台早期冷启动相关工作。
THE PROCESS / 推进路径
不止做出来。
更要想清楚。
执行动作
参与用户反馈收集、竞品分析和功能体验评估，梳理 AI 绘画和商品图生成的核心使用路径。
执行动作
参与模型测试、模型管理和 LoRA 训练相关流程，将模型能力转化为更稳定的产品能力。
执行动作
围绕创作者和平台冷启动场景，协助梳理模型、模板、内容和用户反馈之间的运营闭环。
Visual evidence / 2024 portfolio
从生成效果，到一套能被复用的创作能力。
以下画面直接截取自我的 2024 AIGC 作品集。它们分别记录了区域提示、商品图局部重绘，以及 LoRA 模型系列化运营，不是为网站重新制作的概念图。
01 / Regional prompting
同一种人物气质，需要在不同场景里保持稳定。
原始作品集截取：用区域提示控制人物、服装和背景关系，展示人像、婚礼与旅行场景中的连续生成结果。
02 / Commerce workflow
商品图不是一次生成，而是一条可修改的制作链路。
原始作品集截取：将需求、产品白底图、分割、ControlNet、局部重绘和后期微调组织成五步工作流。
03 / LoRA collection
模型效果要能被命名、比较，也要能持续运营。
原始作品集截取：以系列封面和生成样张整理 LoRA 模型资产，保留风格差异和平台内容化呈现。
结果与验证
最后形成了什么，又凭什么判断方向成立。
敏感指标不在公开案例中展开，这里只保留可验证的项目结果、判断方式和可复用资产。
已形成的阶段结果
参与千万级模型调用规模的 AIGC 平台相关运营与测试工作。
参与数十个 LoRA / 风格模型的训练、评估和运营。
获得 Alibaba Design AIGC 生态相关创作与项目荣誉。
留下的方法
生成式产品的体验核心不是消除随机性，而是让用户能理解、利用并逐步控制随机性。
模型运营、内容运营和产品设计需要共享同一套质量语言，才能形成有效闭环。
