AI 图片编辑：提示词、蒙版与验收

AI 图片编辑与看图回答是两种能力

上传图片后，模型能描述内容，不代表它能输出一张修改后的图片。OpenAI Image API 区分新图生成与图片编辑，Responses API 也提供面向对话的图片生成工具；Gemini 的图片编辑文档则介绍了将图片和文字指令一起输入的做法。OpenAI 图片接口指南；Gemini 图片编辑指南。

选择工具时，先核对它实际返回什么。只得到一段改图建议，任务还没有完成；返回 Base64、文件链接或图片数据，也需要下载、解码或保存，并打开检查。不要把“模型支持图像输入”当成图片编辑接口的替代品。

对要求严格的任务，还要决定是否需要生成式修改。只改固定尺寸、裁切或导出格式，普通图片处理工具通常更便于控制。需要生成新的背景或改动物体时，再考虑生成式编辑；需要文字或标志逐像素不变时，保留原区域、分层合成可能更合适。

提示词先写保留条件，再写改动

“把这张图做高级一点”没有说明哪些变化可以接受。它可能同时改变背景、主体材质和构图，让下一轮很难指出问题。

可以把要求分成四部分：目标、改动范围、保留条件、输出用途。下面是给一张已有杯子照片换背景的示例，不是某个模型的实测结果。

目标：把现有杯子照片改成用于网页产品卡片的图片。
改动范围：只将背景换成浅灰色棚拍背景，并调整背景光线。
保留条件：杯子的轮廓、把手、颜色、印刷文字和位置保持不变。
不要添加：新标志、额外物体或原图没有的文字。
输出用途：保留主体完整，四周留出裁切空间，另存为新文件。

第一版完成后，每轮只修一个明确问题。例如“把背景暗部调浅，保留当前主体”，比重写整套风格指令更便于比较版本。若主体已经合格，就把它作为后续编辑的明确参考，不要默许每轮从头重画。

商标、包装文字、商品颜色等关键细节，需要把原图作为核对依据。提示词里写了“保持不变”，只是要求，不是保证。

蒙版能指示范围，但不是精确保护承诺

蒙版用于表达编辑范围，尤其适合局部替换。但 OpenAI 官方说明，GPT Image 的蒙版是提示引导，模型不一定完全遵守其形状。因此，即使未选中产品主体，仍应核对边缘、细小文字和连接处。来源：OpenAI 蒙版说明。

若直接使用 OpenAI 图片编辑 API，当前指南要求输入图片与蒙版格式、尺寸一致，蒙版还要带 alpha 通道。黑白图看起来像蒙版，并不说明它已有透明通道。客户端代为生成蒙版时，也要查看该工具如何解释选择范围，而不是沿用别的工具的黑白规则。来源：OpenAI Mask requirements。

不支持显式蒙版的编辑路线，可以用文字描述范围，但不能声称具有同样的边界控制。Gemini 官方文档演示图片与文本编辑，也演示多轮迭代；具体输入字段、参考图片和输出设置，应按选用模型的官方示例核对。来源：Gemini 编辑与多轮流程。

对很细的线条、需要完全保真的标志或固定排版，生成式结果不合格时应转回常规编辑和合成，不必无限重试同一个提示词。

保存结果后，怎样判断可以使用？

把原图和结果并排打开，分别检查主体、画面和文件。不要只看聊天窗口中的缩略图。

涉及商品文字或标志时，把原图和结果放大比较，检查完成后再决定是否使用。

保留原图，用新文件保存每个候选版本，并记录对应的提示词、模型 ID 与改动。页面显示错误时，先区分“文件本身不对”和“网页引用、裁切或缩放不对”。原图、结果和页面三个环节分开，才知道下一步该修哪里。

用 DSH 组织改图任务时，先验证哪几步？

DSH 可以帮助整理任务要求、检查素材目录或接入外部工具。组织改图任务前，分别核对模型的图像输入能力，以及外部工具是否提供图片编辑接口。来源：DSH 图像输入设置，源码快照 c291e79。

使用 MCP 时，确认服务端如何接收图片、保存凭据和输出文件。DSH MCP 客户端桥接工具；要在会话里查看返回的图像，还需满足模型图像输入能力和附件功能配置的要求。来源：DSH MCP 客户端参考。

建议从一张有权使用、没有敏感信息的测试图片开始，验证以下顺序：

1. 工具读取了指定输入，而不是另一个同名文件。
2. 提交编辑请求后，能看到明确的成功或失败结果。
3. 结果另存到指定位置，不覆盖原图。
4. 在本机打开结果，按保留条件验收。
5. 单张流程稳定后，再考虑批量与失败记录。

本篇依据官方文档整理，具体 MCP 服务与 DSH 的端到端图片编辑兼容性尚未验证。上传素材前，确认使用权和数据要求；API Key 不放在网页前端、公开仓库或分享日志中。

常见问题

为什么只要求换背景，商品也变了？

生成式编辑不保证所有未指定区域逐像素不变。加强保留条件、使用合适的蒙版并重新验收；对必须完全保真的区域，考虑保留原图层后合成背景。

图片理解模型可以直接当图片编辑模型吗？

不能仅据此判断。核对工具或接口是否支持图片输出，以及它返回的是图片数据、文件，还是仅文字建议。

蒙版选区以外一定不会改吗？

不能保证。OpenAI 对 GPT Image 的官方说明明确将蒙版视为提示引导。仍需要检查选区附近和必须保留的内容。

批量处理前最值得先做什么？

先完成一张图片的输入、编辑、另存和人工验收。把失败、重试与版本记录清楚，再扩大数量。

下一步

做 AI 图片编辑时，先为一张测试图写下两件事：允许改动的范围，以及不可变化的内容。得到结果后再核对主体与文件。需要将这个过程接入 DSH，先看 MCP 配置指南 和 首次任务检查，不要从批量覆盖原图开始。

资料核对日期：2026 年 10 月 2 日。封面为概念插画，不是某个编辑模型的前后效果测试。

模型与工作流文章