1. 这个项目到底在解决什么痛点
做 AI 绘图这一块的朋友应该都有过这种体验：你精心写了一段提示词，描述“一个手绘风格的咖啡杯，线条随性一点，配色温暖”，第一次生成的效果还不错，但当你想要微调一下构图、换个角度再生成一张时，出来的东西风格完全变了——线条从随性变成了工整，配色从温暖变成了冷灰，整个画面气质跟上一张完全不是一回事。这种“每次生成都飘”的问题，几乎是所有用 AI 做视觉内容的人都会遇到的顽疾。
HandRaw-Style 这个项目就是冲着这个痛点来的。它的核心思路非常直接：把“手绘风格”这件事从模糊的自然语言描述，变成一套可编号、可引用、可复现的参数体系。具体来说，它整理了 327 种手绘风格、165 种排版方式、36 种配色方案，每一种都给了独立的编号和对应的描述模板。你在写提示词的时候，不再需要说“手绘风格、线条随性、暖色调”这种含糊的话，而是直接引用编号，比如“风格 #127 + 排版 #42 + 配色 #08”，AI 就能稳定地输出同一套视觉语言。
这个项目适合谁用？如果你是用 AI 做插画、做社交媒体配图、做 PPT 视觉素材、做品牌手绘元素的设计师或内容创作者，那这套编号体系能帮你省掉大量反复调提示词的时间。如果你只是偶尔用 AI 画个图玩玩，那它也能让你更快地找到自己想要的那种“手绘感”，不用在几十次生成里碰运气。
我最初接触这个项目的时候，第一反应是“这不就是把提示词模板化了吗”，但实际用下来发现，它做的事情比模板化要深得多。模板化只是把一句话固定下来，而 HandRaw-Style 是在建立一套视觉语言的坐标系——风格、排版、配色三个维度各自独立编号，你可以像调色一样组合它们，而且每次组合的结果都是可预期的。这一点对于需要批量产出视觉内容的人来说，价值非常大。
2. 核心设计思路拆解
2.1 为什么要把风格“编号化”
自然语言描述视觉风格有一个根本性的问题：歧义。你说“手绘风格”，我脑子里想的是铅笔素描的质感，你脑子里想的可能是水彩晕染的效果，AI 模型在训练数据里见过的“手绘风格”更是千差万别。当你用同一句提示词去生成时，模型每次采样到的特征组合可能都不一样，这就是“飘”的根源。
编号化的本质是给每一个风格维度建立一个锚点。HandRaw-Style 的做法是：先把手绘风格拆解成若干个可量化的特征维度，比如线条粗细、线条抖动程度、笔触纹理、边缘处理方式、阴影表现手法等，然后针对每个维度设定具体的参数区间，组合起来形成一个独立的风格编号。这样一来，风格 #127 就对应了一套确定的特征组合，你在提示词里引用它的时候，模型接收到的信号是明确的，而不是模糊的。
我实测下来，这种编号化的方式在稳定输出方面确实有效。同一个编号在不同时间、不同设备上生成，风格的一致性明显比纯自然语言描述要高。当然，它也不是百分之百完美，毕竟 AI 生成本身有随机性，但至少把“飘”的范围从“完全不可控”缩小到了“可控的微调空间”。
2.2 排版和配色为什么要独立编号
把排版和配色从风格里独立出来，是这个项目设计上比较聪明的一点。很多提示词模板会把风格、排版、配色揉在一句话里，改一个就得全改。HandRaw-Style 把它们拆成三个独立的维度，意味着你可以自由组合：同一个手绘风格，可以配不同的排版方式，也可以换不同的配色方案，而风格本身保持不变。
排版编号主要控制的是画面元素的布局逻辑，比如主体居中、对角线构图、留白比例、文字与图形的相对位置等。配色编号则控制色相、饱和度、明度以及色彩之间的搭配关系。这三个维度独立之后，你的创作灵活性就大大提升了——你可以先定风格，再试几种排版，最后调配色，每一步都只改一个变量，排查问题也方便。
2.3 编号体系背后的参数逻辑
虽然项目本身没有公开完整的参数表，但根据我的使用经验和对手绘风格生成的理解，这套编号体系背后大概是这样运作的：每个风格编号对应一组特征描述词和参数权重的组合，这些描述词在提示词中被赋予不同的注意力权重，从而影响生成结果。排版编号可能对应的是构图相关的关键词和空间关系描述，配色编号则对应具体的色值范围或色彩描述词。
注意：编号的具体参数映射关系可能因模型版本不同而有差异，建议在使用前先用小尺寸快速测试几个编号，确认效果符合预期后再批量生成。
3. 核心细节解析与实操要点
3.1 风格编号的使用方法
使用风格编号的时候，不要只写一个编号就完事。我的经验是，编号要配合简短的风格描述一起用，效果更稳。比如你写“风格 #127，线条略带抖动的手绘感”，比只写“风格 #127”要好。原因是编号本身是一个压缩过的信息包，模型在解析的时候可能需要一些上下文来激活对应的特征。加一句简短描述，相当于给模型一个提示，告诉它这个编号大概是什么方向的。
另外，风格编号之间可能存在相似性。327 种风格听起来很多，但有些编号之间的差异可能很细微，比如线条抖动幅度差 5% 这种。如果你需要精确控制，建议把几个备选编号放在一起做对比测试，用相同的排版和配色，只换风格编号，生成一组图来对比。这样你能快速找到最符合需求的那个编号。
3.2 排版编号的实操技巧
排版编号的使用有一个容易被忽略的点：它和画面尺寸、比例是有关系的。同一个排版编号，在方形画布和宽幅画布上的表现可能完全不同。比如一个“主体居中、四周留白”的排版，在方形画布上看起来很平衡，但在宽幅画布上可能就显得主体太小、留白太多。
我的做法是，先确定画布比例，然后再选排版编号。如果你用的是常见的 1:1 或 16:9，可以在项目文档里找找有没有针对不同比例的排版推荐。如果没有，那就自己建一个对照表，记录每个排版编号在不同比例下的效果，用几次之后就有感觉了。
还有一个技巧是，排版编号可以和风格编号交叉使用。比如你先用风格 #50 配排版 #10 生成一张，觉得风格对了但构图不好，那就保持风格 #50 不变，换排版 #20、#30 各生成一张，对比构图效果。这种“控制变量法”在调优的时候非常高效。
3.3 配色编号的搭配逻辑
36 种配色方案听起来不多，但实际用起来你会发现，关键不是数量，而是搭配逻辑。配色编号通常包含主色、辅色、点缀色的组合，以及整体的冷暖倾向和饱和度范围。使用的时候要注意，配色编号和风格编号之间可能存在“冲突”——比如一个线条很细、很轻盈的手绘风格，配一个高饱和度的浓烈配色，出来的效果可能就不太协调。
我一般会先根据风格编号的特点来筛选配色范围。线条细腻、笔触轻柔的风格，适合低饱和度、柔和过渡的配色；线条粗犷、笔触有力的风格，可以尝试对比度更高的配色。当然这不是绝对的，有时候故意制造冲突也能出好效果，但前提是你知道自己在做什么。
3.4 编号组合的注意事项
组合编号的时候，不要贪多。我见过有人一次写五六个编号，结果模型直接懵了，生成出来的东西四不像。一般来说，风格、排版、配色各一个编号就够了，最多再加一个辅助风格编号做微调。编号太多，模型解析不过来，反而会降低稳定性。
另外，编号的顺序也有讲究。我的习惯是把风格编号放在最前面，然后是排版，最后是配色。这样模型在解析提示词的时候，先确定整体风格基调，再处理构图，最后上色，逻辑上比较顺。当然不同模型可能对顺序的敏感度不一样，你可以自己测试一下。
4. 完整实操流程与核心环节
4.1 环境准备与工具选择
HandRaw-Style 本身是一套编号体系和提示词模板，不绑定特定的 AI 绘图工具。你可以把它用在任何支持文本提示词生成的绘图工具上。我常用的组合是：本地部署的绘图工具 + HandRaw-Style 编号表 + 一个简单的文本编辑器做提示词管理。
如果你用的是在线工具，建议把编号表整理成一个本地文件，方便随时查阅。我自己的做法是把 327 个风格编号、165 个排版编号、36 个配色编号分别整理成三个表格，每个编号后面附一句简短的效果描述和一张小尺寸的示例图。这样在写提示词的时候，可以直接查表，不用凭记忆去猜。
4.2 提示词的结构设计
基于 HandRaw-Style 的提示词结构，我一般是这样组织的：
[主体描述] + [风格编号及描述] + [排版编号及描述] + [配色编号及描述] + [其他细节]举个例子，假设我要生成一张“手绘风格的咖啡杯”：
一个手绘风格的咖啡杯，风格 #127（线条略带抖动，笔触随性），排版 #42（主体居中，四周留白），配色 #08（暖色调，低饱和度），背景干净，无多余元素。这个结构的好处是，每个部分都有明确的来源和依据，改哪个部分就调哪个编号，不会互相干扰。
4.3 参数选择与测试流程
正式批量生成之前，我强烈建议先做一轮小尺寸测试。具体流程是：
- 选定一个主体描述，保持不动。
- 从风格编号表里挑 3-5 个备选编号，其他编号固定，各生成一张小图。
- 对比效果，选出最符合预期的风格编号。
- 固定风格编号，再从排版编号表里挑 3-5 个备选，重复测试。
- 最后固定风格和排版，测试配色编号。
这个流程走下来，大概需要生成 10-15 张小图，但能帮你快速锁定一套稳定的编号组合。之后批量生成的时候，直接套用这套组合，效率会高很多。
4.4 批量生成时的稳定性控制
批量生成的时候，除了编号组合要固定，还有几个参数需要注意。首先是随机种子，如果工具支持固定种子，尽量固定下来，这样同一组编号在不同批次之间的一致性会更好。其次是采样步数和引导系数，这两个参数会影响生成结果的稳定性和风格强度，建议在测试阶段就确定好，批量生成时不要随意改动。
我自己的经验是，引导系数稍微调高一点（比如 7-9 之间），风格编号的特征会更明显。但也不能太高，太高了画面会变得僵硬，失去手绘的随性感。这个平衡点需要根据你用的模型和具体的风格编号来调。
5. 常见问题与排查技巧实录
5.1 编号不生效或效果不明显
这是最常见的问题。可能的原因有几个：一是编号写错了，比如把 #127 写成了 #172；二是编号和描述词冲突，比如你写“风格 #127（线条工整）”，但 #127 本身是随性线条，模型就不知道该听谁的；三是引导系数太低，编号的特征被其他描述词盖过去了。
排查的时候，先检查编号有没有写错，然后把编号后面的描述词去掉，只留编号，看看效果有没有变化。如果还是不行，就调高引导系数，或者换一个风格差异更大的编号来测试。
5.2 同一组编号生成结果差异大
即使固定了编号和种子，不同批次之间还是可能有差异，这是 AI 生成的固有特性。如果差异大到影响使用，可以尝试以下方法：增加采样步数、降低随机性参数、使用更明确的描述词来辅助编号。另外，不同版本的模型对同一组编号的响应可能不同，如果你更新了模型，建议重新测试一遍常用的编号组合。
5.3 风格、排版、配色之间的冲突
有时候单独看每个编号都没问题，但组合在一起就是不对劲。这通常是因为三个维度的特征在视觉上互相打架。比如一个极简的排版配一个元素很密集的风格，画面就会显得很乱。解决方法是，在组合之前先想清楚画面的整体气质，然后从三个维度里各选一个方向一致的编号。如果实在拿不准，就先用默认的中性编号做基础，再逐个替换测试。
5.4 常见问题速查表
| 问题现象 | 可能原因 | 排查方法 | 解决建议 |
|---|---|---|---|
| 编号不生效 | 编号写错或冲突 | 检查编号拼写，去掉冲突描述 | 修正编号，调高引导系数 |
| 生成结果飘 | 随机性太高 | 固定种子，增加采样步数 | 降低随机参数，固定编号组合 |
| 风格排版冲突 | 维度方向不一致 | 单独测试每个编号 | 选择气质一致的编号组合 |
| 配色不协调 | 饱和度或冷暖冲突 | 对比配色编号的色值范围 | 换用同色系或中性配色 |
| 批量生成不一致 | 参数变动或模型更新 | 检查参数是否固定 | 重新测试并锁定参数 |
5.5 几个我踩过的坑
第一个坑是贪多。刚开始用的时候，我觉得编号越多越精确，结果一次写了七八个编号，生成出来的东西完全没法看。后来才明白，编号是锚点，不是越多越好，关键是要准。
第二个坑是忽略画布比例。有一次我用一个排版编号在方形画布上效果很好，直接套到宽幅画布上，构图全乱了。后来养成了习惯，换比例就重新测排版。
第三个坑是不做记录。有段时间我试了很多编号组合，觉得好的就记在脑子里，结果过几天就忘了具体是哪个编号。后来建了一个简单的表格，记录每次测试的编号组合和效果评价，效率提升了很多。
6. 这套编号体系的延展用法
HandRaw-Style 的编号体系除了直接用来写提示词，还有一些延展用法。比如你可以把它当作一个风格词典，在跟团队协作的时候，用编号来沟通风格需求，比用自然语言描述要准确得多。设计师说“我要 #127 那种线条感”，比说“我要那种随性一点的手绘感”要清晰。
另外，你也可以基于这套编号体系建立自己的风格库。比如你经常做某个品牌的手绘视觉，可以把常用的风格、排版、配色编号组合固定下来，形成一个品牌专属的编号套餐。下次做同品牌的内容，直接套用套餐，风格一致性就有保障了。
还有一个用法是做风格迁移的参考。如果你有一张已有的手绘作品，想用 AI 生成类似风格的新图，可以先用 HandRaw-Style 的编号表去匹配这张作品的特征，找到最接近的编号组合，然后再用这个组合去生成新图。这比直接上传参考图让 AI 模仿要可控得多。
我个人在实际操作中的体会是，这套编号体系最大的价值不是让你少写几个字，而是让你对“风格”这件事有了更清晰的控制力。以前调风格靠感觉，现在调风格靠编号，感觉变成了可复现的东西。当然，编号不是万能的，它只是一个工具，最终的效果还是取决于你怎么用它。多试、多记录、多对比，慢慢就能找到属于自己的那套编号组合。
