
你有没有发现,少有公众号直接用 AI 生成的封面。
如果你用 AI 写过(润色过)论文,会模糊感觉到,AI 检测率的跷跷板另一端或许是论文重复率。
想要抹掉 AI 的指纹,最直接的思路,不是用什么去 AI 味的技能,是让 Agent 查到一些早年间的资料,然后(说得好听一些)洗稿。
图像也是同理,何况事关审美。“复古”和“拼贴”皆为风格,合理利用公版资源的话,也不会背上抄袭恶名。
这就是今次要分享的工作流,用 Agent 自动化制作拼贴风格的封面:只有风格,没有指纹。
先看做出来的样子
视觉参考来自插画师 Selman Hoşgör,因为看上去比较适合用 HTML 制作。
拼感很重,没有做把不同图层融合起来的努力。
下面三个案例里,前两个案例完全没有调用 AI 生图模型(测试的时候耗尽了用量,直到第三个案例才恢复),图中的颜料笔触是由代码计算得到的。
只有案例三调用了生图模型,但也仅仅用来生成构图参考与道具参考。模型产物经过拆解,全部转成了纯 SVG 矢量图,最终没有往封面贴入任何一张 AI 位图。
现阶段朱雀也是承认的。
案例一
这组封面对应的文章是《“直到脑中观众笑出声来”:AI 大喜利团队合作》。
画面主体选了 1930 年代米高梅影星 Joan Marsh 叉腰审视的黑白影棚照。人物身后斜插着一把 19 世纪古董卡钳,来自克利夫兰艺术博物馆(CMA)公版馆藏。
画面的底衬是代码基于随机数自动生成的三色飞白。整套画面的所有元素都是互相独立的零件,面对微信公众号首图与小红书竖图时,可以根据画幅主动重新排版。



把做好的成品送去跑腾讯朱雀 AIGC 检测,测出来的 AI 浓度当然很低,只有 0.63%。

案例二
这组封面配合的文章是《去 AI 味之我见:让 Agent 学会“因声求气”》。
主体人物取自 1947 年爵士歌唱家 Cab Calloway 仰头高歌的肖像,搭配大都会艺术博物馆(The MET)馆藏的 1855 年古典黄铜活塞短号。


这幅图也能看出一些问题,因为只是图层叠加,没有体现出“握住”的感觉,如果你想优化,就需要调用一次 AI 生图作为参考了。
案例三
第三组封面对应的是《发张电影票,Agent 自动生成专属纪念票根》。
主体人物选用 1930 年代影星 Conrad Nagel 托腮凝视前方的老照片,道具包含老式放映机与胶卷。
制作时分了三步:
- 先将 Conrad Nagel 的照片垫给模型,生成一张包含全套道具的参考效果图。
- 接着要求模型去除人物主体,把放映机与胶卷平铺在纯白底色上。
- 拿到白底零件后,再用矢量化引擎清除所有位图像素,重新装配成完整的封面。

为什么不用 AI 直接生整张图
用扩散模型直接生成整张图的话,零件全部焊死不说,画面还会带上洗不掉(或者说我不知道怎么洗)的 AI 指纹,特别容易被各类 AIGC 检测器一眼抓出来。
解决办法是,把画面彻底拆成独立零件,之后分类处理。
第一类是摄影元件,也就是人物肖像与写实道具。这部分全部来源于博物馆与公有领域图库,严格禁止使用 AI 生成,以此完整保留原生镜头的景深与胶片颗粒感。
第二类是平面图形元件,包括背景飞白、涂鸦与扁平道具,如果用到了模型生成,必须经过矢量化清洗,转换成纯粹的 SVG 矢量色块。
第三类是文字元件,直接交给浏览器排版引擎渲染,字体采用内联的得意黑,配合双层底色模拟压纹胶带。
自动拼贴的技术路线
整套自动拼贴流水线一共包含以下五个环节:
公版图库检索
选角的首要任务是吸引人。
脚本专门检索 1930 年代好莱坞米高梅影棚照,重点锁定摄影大师 George Hurrell 的肖像作品,挑选挑眉、托腮、叉腰这类富有情绪张力的神态。
脚本通过开放 API 直连克利夫兰艺术博物馆(CMA)、芝加哥艺术学院(AIC)以及维基共享资源,严格筛选 CC0 或公有领域的高清图片。
下载图像后,脚本利用 OpenCV 计算前景灰度标准差,凡是灰度标准差小于 38 的低反差灰暗图片,都会被脚本自动过滤淘汰。
抠图
抠图环节由本地脚本调用 rembg 库完成。
模型选用了二分图像分割模型 birefnet-general-lite,能处理复杂的缝隙和镂空,在普通 CPU 上只需要跑几秒钟。
零件生成与矢量化清洗
装饰图形可以纯算法生成或者使用“两步垫图法”。
第一条路径是纯算法生成。飞白、螺旋以及闪电这些图案,完全可以由脚本实现。全程不消耗任何 Token,计算成本为零。
第二条路径精致一点也复杂一些,采用两步垫图法。
第一步把人像输入给模型,生成一张包含全套道具的完整效果图。
第二步再把这张效果图反向喂回模型,给出提示词要求去除人物主体,仅将放映机、胶卷与票根平铺在纯白底色上,得到白底零件图。

拿到白底零件图后,调用切件算法,只把与画布四条外边框直接连通的白色判定为透明背景,从而完整保留道具内部的高光与白色,最后按外接矩形切成独立的透明 PNG。
零件随后交给矢量化引擎 VTracer 进行清洗,得到 SVG 图。
用算法代替滤镜
同样不调用 AI 模型,由纯数学公式驱动。
第一个是卡纸撕裂,基于分形布朗运动(fBm)噪声生成撕裂线,在边缘模拟出手工纸芯裸露的白色纤维。
第二个是晶体碎裂,提取人像的边缘密度场来生成加权 Voronoi 晶胞,让五官等细节处细密碎裂,衣物平滑处大块碎裂,并产生带有物理感的微小错位。
第三个是莫尔干涉光栅,利用 Marching Squares 算法提取人像不同明度等级的等高线。
第四个是碎纸机条纹错位,致敬艺术家河村康辅的拼贴技法,将人像纵向切割为数十根细条,并叠加上波浪形态的交替错动位移。

手动微调
这一点是受到播客《诗梳风》的启发。
有嘉宾提到,AI 的前端能力很强,但你总会有不满意的地方,这些地方又很难指出如何微调。于是就让 AI 写临时页面,给每个需要调节的地方加上滑块,自己调节试一下,然后精确记录参数。
这个思路很好。
工作流的最后一步,Agent 会提供一个轻量画布网页,用鼠标直接拖拽图层、按键微调旋转角度。
画布预设了公众号 2.35:1 题图、16:9 横图以及小红书 3:4 竖图,能随时切换画幅并调出辅助参考线(保证核心部分不被遮挡)。
位置摆好后,可以直接导出 PNG 格式图片。

在这套工作流里,Agent 负责了几乎全部自动化流程,包括检索图片、精准抠图、生成零件、切件矢量化以及排布最初的草稿,而人类只需坐在屏幕前花上半分钟做微调。
如果你享受创作封面本身,可以自己寻找素材,之后和 Agent 描述你的详细想法。
付出更多,收获更多。
