我用 AI 回答了圆明园的「如果」，也找到了驾驭 AI 的三个原则

早上好，我是洛小山。

你有没有想过，如果一百多年前，那些国之瑰宝没有遭遇劫难，它们今天会是什么样子？

如果圆明园没有付之一炬，敦煌的经卷没有流散四方，我们或许就不必隔着残垣断壁、泛黄故纸与手绘线稿，去想象它们曾经的色彩与荣光。

长久以来，为了回答这个横亘百年的「如果」，我们只能依靠史料的碎片和艺术家的想象。

直到可控生图技术的出现，为我们提供了一种全新的可能：用算力，去尝试缝合历史深处的遗憾。

上次我用AI修复敦煌壁画后，我的朋友黄教授，向我提出了一个更具挑战的课题：壁画是二维的，那么结构更复杂、史料更分散的三维建筑，AI 能否能做好？

正是这个提议，我启动了复原海晏堂的想法。

我想亲眼看看，文献中描述的那个「中西合璧，华丽壮观」的景象，到底离我们有多远。

也想探索一下，AI 除了聊天、创意绘图之外，还可以做哪些有意义的事？

请看我用AI复原的，海晏堂的春夏秋冬。

视频：

非常震撼，在复原的过程中，我心潮澎湃。

但这背后，并非一次简单的输入提示词出图。

为了得到这四张图，我参考了海量的资料，

生成了上百张效果图与参考图…

为什么会这么多？

因为在没有给 AI 明确指出里面所有细节的时候，它生成的结果大概率是这样的：

根据这张照片，结合你对中式与西洋建筑的理解，重构这张图片。

这样的…

根据这张照片，结合你对西洋建筑的理解，尝试复原这张图片，要写实、照片拍摄。

这样的…

根据这张照片，结合你对西式建筑的理解，尝试复原这张图片，要写实、使用佳能照片拍摄。

看起来似乎都对了，

实际呢？

他们都不对。

因为，他们不符合史实。

比如，这些AI生成的兽首都是错的。

史实是：头部为青铜，基座为石质。

而AI在缺乏明确指令时，会随机生成纯石质或纯铜质的雕像。

所以，如果我们只是给出一个模糊的指令，AI生成的内容大概率是错的。

错的内容只能看感觉。正确的内容才能感受文化。

那么我们该怎样才能得到那个正确的结果呢？

怎样确保我们复原的，是历史，而不是幻觉呢？

昨天下午在交大设计学院，我与同学们分享了我探索中沉淀出的方法论。

我总结为三大原则。

原则一：知识先行，给 AI 立规矩

在任何严肃创作中，AI的第一重身份，不应是美术，而应是学生。

我们不能期望 AI 凭空创造，而必须先为它建立一套严谨、准确的知识框架。

这项原则，我称之为「知识先行」。

开始重制的时候，我的第一步，其实是尽可能完善收集各类资料。

尽可能将散落在网络和文献中的碎片化史料，转化为 AI 能够理解和执行的结构化信息。

这里我推荐技巧有：

1、知识萃取： 利用大语言模型的信息整合能力，针对「海晏堂建筑风格、材质、色彩、兽首细节」等关键问题进行深度研究。

2、事实提纯： 将研究报告，提炼成一份纯粹的、客观描述的设计说明。尽可能剔除所有主观形容词和猜测，只保留事实性的描述。

比如前面提到的兽首问题，在说明中就必须明确为：头部是红铜材质，基座是人身石雕。

这个过程，本质上是在创作开始前，为 AI 划定一个「事实的边界」。

边界之内，AI 可以发挥其强大的渲染能力；边界之外，就不能让 AI 凭空想象。

最终，描述文件文档大概是这样的：

这套「先有规矩，后有方圆」的思路，是保证 AI 产出内容准确性的第一道防线。

原则二：分层迭代，让过程可控

试图让 AI 一步到位完成复杂任务，本质上就是一场结果不可控的对赌。

真正专业的工作流，我们需要放弃对单次完美结果的幻想，建立一套分层迭代的流程。

我们需要让每一步都可验证、可修正。

这项原则，我定义为「分层迭代」。

AI 作图其实和传统的设计、软件工程的逻辑大差不差。

我们得将一个宏大的目标（比如复原海晏堂），拆解成一系列逻辑上独立的子任务，然后分步执行，步步确认。

具体路径：

1、结构和色彩分离： 基于原始线稿和知识文档，第一步只让 AI 生成一张不含光影和复杂材质的「基础色稿」。此阶段的目标是确保建筑结构和色彩关系100%准确。

2、光影和质感分离： 在色稿准确无误的基础上，第二步再让AI专注于渲染真实世界的光影、材质与氛围。由于核心变量已被锁定，这一步的输出稳定性会大幅提升。

3、场景和环境分离： 获得标准日景图之后，再以此为基础，去拓展四季变化等不同场景。

这套流程的本质，就是将一个充满不确定性的黑箱，变成了一个相对透明的、模块化的工作流。

原则三：人类校验，守住真实的底线

AI 是强大的模拟器，但人类的知识与常识，永远是真实世界的最终守护者。

在人机协作的所有环节，我们需要扮演无可替代的最终审稿。

这项原则，我定义为「人类校验」。

AI 可以基于数据生成一个看似合理的虚拟世界，但这个世界是否符合物理规律、历史常识与文化背景，必须由人类专家来最终裁定。

具体路径：

1、常识校验：比如我之前让 AI 生成冬天的场景，发现 AI 生成的雪景图里的水池没结冰，树木居然是绿色的。

这些其实违背了自然规律，但因为 AI 没有这些鉴别能力，所以很难做好 。

你看下面的图，冬天的北京，树叶还是绿色的。

2、人工干预： 针对问题，通过优化指令或使用局部重绘等工具精准修正，确保最终成品符合我们对真实世界的认知。

有些时候，你甚至得动用 PhotoShop 等传统软件，进行古法创作…

AI 负责拓展创作的可能性，而我们得负责守住真实性的底线。

这种人机之间的相互制衡和补全，我觉得才是 AI 时代创作者最核心的价值所在。

写在最后：技术向善才更添文化自信

上面分享的「知识先行」、「分层迭代」、「人类校验」三大原则，是我在这次复原海晏堂的探索中，总结出的一点个人心得。

我不敢说它能指导多么宏大的命题。

但我想，对于所有需要与AI协作，去完成对「真实」有较高要求的创作时，这套思路或许是相通的。

无论是复原一段历史，设计一个产品，还是完成一份相对严谨的还原图。

技术本身是中立的，但当我们用它去抚平历史的褶皱，去传承文化的记忆时，我们就为冰冷的算力，注入了属于我们自己的温度与思考。

当我们用AI去回答历史留下的「如果」时，我们得到的，也不仅仅是一张高清的复原图。

举例来说，如果圆明园没有被毁，它在万籁俱寂的夜晚，或许会是这样一番景象吧？

这个方法论，更像是一篇严谨的笔记，一次与历史的深度对话…

也是我们这一代人，为文化传承，尽的一份心力。

这条路，我们才刚刚开始。

P.S. 这次复原，除了方法论，在工具选择（比如为何主要使用可控性更强的模型，而非Midjourney）上也有很多细节。

你对这部分感兴趣吗？

或者，你最希望看到我用这套方法，去复原哪个你心中的历史遗憾？

在评论区告诉我，或许就是我下一个挑战的目标。

如果你也想体验可控生成，推荐你使用 Lovart ，这是我用过最顺手的 AI 生图软件了，免费给他们打个广告。

关于我

我是洛小山，一个在 AI 浪潮中不断思考和实践的大厂产品总监。

我不追热点，只分享那些能真正改变我们工作模式的观察和工具。

关注我，我们一起进化。

本文知识产权归洛小山所有。

未经授权，禁止抓取本文内容，用于模型训练以及二次创作等用途。