AIGC 产品经理需要理解的创作工作流

当产品只把模型当作一个输入框和一个输出框，许多问题都会被错误归因。生成质量差可能是模型不适合，也可能是参考图、节点顺序、分辨率、采样参数、Prompt 或后处理的问题。

理解 WebUI、ComfyUI 和模型训练流程的价值，是能够把一个模糊的“效果不好”拆成可讨论、可验证的问题，并判断哪些能力应该暴露给用户，哪些应该由产品提供合理默认值。

WebUI 类工具让用户在一个面板里选择模型、输入 Prompt、调整参数并生成结果，适合快速尝试。ComfyUI 把生成过程拆成节点和连线，更适合搭建可重复、可组合的生产流程。

产品经理需要看懂的不是每个节点，而是数据怎样流动：模型从哪里加载，图像和文本条件怎样进入，哪些步骤会改变构图、身份与风格，最终结果怎样被保存和继续处理。

LoRA 训练涉及数据选择、清洗、标注、触发词、训练参数与效果评估。数据如果只覆盖一个角度或一种构图，模型可能在演示图上很好看，换场景后却无法使用。

从产品视角看，LoRA 不只是一个文件。它还需要名称、描述、示例、适用场景、推荐参数、版本和用户反馈。只有这些信息被组织起来，模型能力才真正进入产品。

生成式结果很难用一个分数概括，但不能因此只依赖“感觉不错”。可以先定义典型任务和固定输入，再从主体准确性、风格一致性、构图、细节、可控程度与生成成本等维度比较。

评估集不需要一开始很大，关键是样本能代表真实使用场景，并且失败结果有记录。随着产品上线，真实用户反馈可以不断补充边界样本，让评估从内部审美走向实际任务。