Joffoo's blog

The ethereal flight, oft rehearsed in the theater of one's dreams...

用 Agent 逆向视觉风格:从 311 张《TOILETPAPER》大片蒸馏出 Skill

读图是很困难的。

参观美术展的时候,哪怕你已经凝视这幅画一会儿,也会想读一下说明文字,哪怕只有一个更为虚无缥缈的标题也好。

但《TOILETPAPER》展示了另一种可能:一份没有说明文字,只有怪诞摄影作品的杂志。观看时,你会想到默剧、讽刺漫画、没有配文的 meme 图。你可能会读得很快,你可能无力解读,但你不会记不住。

我只是在小红书上刷到过一回,却过目难忘。信息已经如此过载了,很少有图文或者视频能做到这一点。

这就是“风格”的魅力。

“厕纸”是什么?

我不是蹲坑蹲傻了才问出这个问题。

《TOILETPAPER》是两位意大利人创办的,就是车里被大象一脚踩扁的这两位:右边握方向盘的是艺术家莫瑞吉奥·卡特兰(Maurizio Cattelan),左边的是摄影家皮耶保罗·法拉利(Pierpaolo Ferrari)。

你或许不知道卡特兰是谁,但你大概率见过粘在墙上的天价香蕉,或者听说过黄金打造的马桶——这些都是他的手笔,真可谓“超级符号就是超级创意”。

他还有更多怪趣却底色哀伤的作品:灰胶带贴在墙上的中年胖子、吊在半空的马、被陨石砸中的教皇、跪在柏林新国家美术馆的希特勒……如果把他的作品全都吊起来展示,会是这样(他在古根海姆美术馆真是这么干的):

而皮耶保罗·法拉利则是一位广告与时尚摄影师,他赋予了《TOILETPAPER》商业大片的视觉质感——一份先锋艺术本不具备的“精致”。所以《TOILETPAPER》的这些照片在我看来,既“肮脏”又“洁癖”。

尽管《TOILETPAPER》在内容上不断戏谑消费文化,但从三星、OPPO 的跨界联名,到今年(2026 年)国庆在深圳举办的摄影展,商业世界依然青睐这套视觉语言。

这些还不是重点。

重点是:这种让人过目不忘的风格,能不能用 Agent 逆向拆解出来,变成我随时可以调用的技能?

风格提取

我上过数字图像处理这门课,包括本科和研究生的,上完之后还是小学生的水平。

我先是搞到了《TOILETPAPER》图包(总共 3,440 张,其中剔除周边衍生后的核心内容共 311 张。你可以在公众号后台回复关键词“厕纸”,你猜我会不会给你)。

之后,秉持着“有困难找 Agent”的原则,让 Agent 设计一套量化提取风格的方案。

我没有在用顶尖模型,所以更要提防 AI 胡说。我的办法是多做这两步:

  1. 强制解释:把代码跑出的结果画成图并附带说明,涉及的光学与色彩概念必须补充解释,用到的经验公式必须提供出处;
  2. 交叉审核:单开其他窗口,换不同模型充当“审稿人”,逐一核对数据是否可复现、公式出处是否真实。

Claude 的工程负责人 Felix Rieseberg 曾指出,因为寻找漏洞的门槛远低于从零创造,所以负责审核的 Agent 模型可以小一些、便宜一些。

对我来说,如果一个结论既能说服审核 Agent,又能说服我,就算可用了。

事实证明,这招真的抓出了不少 AI 幻觉。

比如跑完代码后,Agent 在报告中写:《TOILETPAPER》的阴影全部呈严格的 45 度角斜向投射。结果把阴影向量叠到原图上一看,影子方向没有一次对得上。所谓的“45 度”只是边缘检测滤波区间造成的假象。原片的打光角度没那么固定,光影投射方向随现场机位灵活多变。

筛掉这些伪规律后,真正撑起《TOILETPAPER》风格的大概是这三个规律:

1. 背景色:高饱和彩纸统治单色影棚

在 311 张核心大片中,大约六成($60.4\%$)是实景与复杂置景,另外四成($39.5\%$,共 123 张)则是纯粹的影棚单色背景——这也是最适合提炼成通用视觉符号的素材。

而在这批单色影棚大片内部,高饱和彩纸背景占到了 $88.6\%$(109/123),黑白灰底色占比很少。把范围扩大到全量图包的 1,164 张单色背景样本后,在 CIELab 色彩空间聚类出的 Top 8 标志性背景纯色如下:

2. 撞色:不止是“红配蓝”

为什么《TOILETPAPER》的红蓝撞色总让人觉得刺眼又抓人?

排除审美偏好,这是实打实的生理机制——色立体视效应(Chromostereopsis)。

人眼对红光与蓝光波长的纵向色差约 $0.96\text{ D}$,落在视网膜上会形成约 $0.47\text{ mm}$ 的前后焦点位移;当高饱和的红与蓝紧挨在一起时,人眼的双目立体中枢会把它误判为深度视差,交界处便会产生微妙的“发光与震颤感”(可以参考保管时间:Google AI Studio 自制电影票根这一篇的封面)。

但反直觉的是,代码跑完发现:像“泳池蓝撞番茄红”这样色相差 $\Delta H \ge 140°$ 的强互补对撞,在核心大片里其实只占 $17.7\%$(全集色相差中位数为 $114°$)。摄影师同样喜爱“同色系暖色硬撞”,综合构成了最经典的 5 套撞色配方:

3. 用光:小光源硬光与刀切般的阴影

AI 生图默认的打光,就像糖水片一样均匀柔和,影子边缘是漫射虚化的。

但《TOILETPAPER》恰恰相反,阴影边缘过渡宽度中位数只有 $8.5\text{ px}$,边缘陡峭,像刀切一样紧贴着物体轮廓。

同时,在瓷釉、乳胶、甘油水珠等高反射材质表面,会被闪出针尖状的纯白高光。这说明它用的是发光面积很小、不加柔光箱遮挡的裸灯直闪。

于是,我让 Agent 把这组它自己实验的成果写成规则,蒸馏成了一套可复用的生图 Skill(哪怕在 AI 领域内,“蒸馏”也是个多义词)。

效果展示

对照测试

到底有没有用?不如跑一轮对照实验试试。

测试模型统一定为 GPT Image 2.5,命题只有一个:芭蕾舞演员踩在蛋糕上跳舞。

第一组(A):凭感觉写提示词

按我们平时的习惯,直接把想法加上风格词扔给模型:

1
芭蕾舞演员踩在蛋糕上跳舞. TOILETPAPER magazine style. 3:4

模型很听话地触发了它的刻板印象:不仅擅自印上了巨大的“TOILETPAPER”刊头和伪造的期号,还在画面中补充了一些“经典要素”。它像一个死记硬背题库的学生,交出了一张刻板的拼贴画。

第二组(B):通用提示词自动扩展

如果不用自己的 Skill,而是让大模型帮我们把画面描述扩写得更丰富呢?

1
A striking surrealist high-fashion conceptual photograph, signature TOILETPAPER magazine aesthetic. In the center sits an oversized vintage two-tiered sponge cake decorated with pastel pink and vibrant lemon-yellow whipped buttercream, topped with glossy maraschino cherries and intricate piped frosting rosettes. An elegant ballerina wearing an electric cobalt blue satin leotard balances en pointe on one foot directly atop the cake; the tip of her satin pointe shoe gently sinks into the rich, dense white cream, causing authentic squished frosting cracks and tiny buttery splashes. The ballerina maintains an aloof, deadpan, slightly absurd high-fashion expression with perfect poised posture. Solid, ultra-saturated mint green seamless studio backdrop. Harsh direct commercial flash photography, sharp defined black cast shadows, glossy lacquered finishes, hyper-saturated contrast, vivid retro-pop art, pristine textures, shot on medium format 35mm lens. --ar 3:4

用扩写之后的提示词,杂志刊头确实消失了。但构图四平八稳、色彩呈现杂乱,最重要的是,没有那种我想要的吸引力。

第三组(C):调用 /soft-toiletpaper Skill

最后用上我们刚刚做出来的 Skill。

它不会顺着“全身跳舞”的常规视角往下扩写,而是先弹窗,让我做三道选择题:

  1. 选画面冲突:是拍即将踩塌蛋糕的前一秒,还是拍鞋尖已经深深扎进奶油里的瞬间?
  2. 选镜头切口:Skill 内置了 6 种经典戏剧机位(85mm 平视静物、90° 垂直俯视、100mm 微距、24mm 广角贴脸等)。既然核心动作是“踩蛋糕”,我选了 24mm 广角贴脸镜头(距主体仅 25cm),干脆砍掉上半身,只拍双脚与蛋糕局部的挤压特写。
  3. 选色彩配方:从前面的色板里挑了泳池亮青底(#57ACC0)撞猩红缎面舞鞋。

如何实现我想要的吸引力?答案就是让我选择。

在输出最终提示词前,Skill 里还有两个小约束值得一提:

一是自检画面描述,防止 AI 生图出现多手多脚的畸变。生图模型乱画肢体,很可能是提示词描述得不好。

二是不写负向词,因为对于现在的生图模型没有必要。C 组没有刊头,并不是靠写 no text, no magazine title 实现的。

最终编译出的提示词如下:

1
intrusive 24mm wide-angle close-up shot only 25cm from subject, slight optical barrel perspective exaggeration bulging the frontal elements toward the lens, one ballerina foot en pointe driving its scarlet satin toe box two centimeters into the top tier of a fondant cake, the second foot lifted in a low retiré just above the buttercream with the toe pointed down and clearly airborne, satin ribbon wrapped once around the ankle, the ankle cropped by the right frame edge at mid-height, stark white buttercream bulging up around the sinking toe box in a tight compressed ring, thick scarlet glazed side wall banding the cake at the lower right, fine glycerin sweat sheen along the instep and Achilles tendon, small bare-bulb strobe placed off axis at the front left casting a knife-sharp contact shadow to the right with zero feathering, cold glossy sugar glaze across the cake surface holding one pure white pinpoint flash hotspot with no halo, completely blank featureless seamless paper sweep in one flat solid saturated electric pool cyan (#57ACC0), uniform matte studio surface, razor-sharp clean silhouette contour with crisp edge separation, cutout-ready high-contrast isolation, vertical 3:4 portrait framing, subject centered or low, top 35% reserved as clean solid backdrop

这三张的个人喜好程度是 $C>A>B$,可能是因为我兼职了选手和裁判,不知道你怎么看?

贴图

把审美解构成规则和选择之后,生图就变成了最低心智成本的“创作”。

你可以从一个怪点子出发,选定机位和色板,之后调试几轮细节,直到自己满意。

比如初始的想法是 “金发红唇女仰头舔一个平时不会融化的东西,像冰激凌在融化”。看到前几版效果之后,才感觉话筒像毛巾拧起来会很有趣,不妨换个生成思路。

下面是之前做过比较满意的三张贴图,我都用灰胶带贴上了:

头像

技能是一种很松散的东西,同样支持垫图。

我的头像是儿时在国家博物馆拍摄的一件展品,搜了一下,是达利的青铜雕塑《有翼的特里同》。

直接把原图(有滤镜的)作为参考图,用 Skill 切换不同的背景与材质,就能派生出几种不同气质的变体:

封面图

文章写到这里,是时候用它给介绍自己的文章做封面了。

我让 Agent 构思了一个致敬《创造亚当》的对冲构图:左下角是人,右上角是一卷悬空展开的厕纸,画幅直接用 2.35:1 的公众号封面比例(GPT Image 是支持这个比例的)。

为了让人物面部更稳定,我先生成了一张人物设定图(小技巧:特写锁定五官,全身打码防止小脸走样,灰底隔离环境色干扰):

垫入设定图后直出的无字底图如下:

最后交给封面排版 Agent 加上标题文字,就是本文开头那张封面图了。

项目开源地址

本文提到的这套提示词规则,我已经总结成了独立的 Agent Skill:soft-toiletpaper。

如果你正在使用 Agent 工具,克隆到相应技能目录即可直接调用:

如果你不想折腾 GitHub,也可以在公众号后台回复关键词 「厕纸」,获取整理好的 311 张图包与 Skill 配置文件。

文章目录

  1. “厕纸”是什么?
  2. 风格提取
  3. 效果展示
    1. 对照测试
    2. 贴图
    3. 头像
    4. 封面图
  4. 项目开源地址

Proudly powered by Hexo and Theme by Hacker
© 2026 Fengyukongzhou