北京
过去一个月，我把写论文时"在Illustrator里耗半天画流程图"的活儿交给了AI。Midjourney、GPT-Image-1、DALL-E、Stable Diffusion微调模型、通用文生图工具，最后是一款专门做科学插画的工具——只有最后这个能用在要投同行评审的论文里。这篇文章是前五个为什么失败的尸检报告。
失败模式一：标签幻觉
你让AI画一张"PCR循环步骤：变性、退火、延伸"的图，它可能在框里写成"Denaturition""Aneling""Estention"。或者词对了，但把"DNA"写成一团五个字母的 blob。这是因为图像生成模型把文字当像素处理，根本不知道那是文字。
人们试过的 workaround：
先出图，再用Photoshop改字。能用，但手动操作把速度优势全抹掉了。
用文本渲染更强的模型（Flux 1.1 Pro、Ideogram）。好点，但仍有约20%的错误率，而且你得导出之后才知道哪20%错了。
对期刊图来说，这个失败模式是隐形的——直到审稿人截图圈出一个标错的框，让你重做Figure 3。
失败模式二：布局无法迭代
这才是真正的杀手。假设模型给你一张四格图：A、B、C、D。审稿人说："加第五格，放对照组条件。"
在像素层面，没有"加一格"这个操作。唯一的办法是重新写提示词。新图不会保留A-D格完全一致的布局、配色、字体和尺寸。每次修改都是从零开始。
真实成本：我最近一篇论文改了六轮。用像素级AI工具，就是从头重画六遍。用Illustrator，是六次快速编辑。用底层把图存成"框/箭头/标签"的结构化画布工具，是六次"加E格"的指令，零重画。
失败模式三：视觉词汇错误
通用图像AI的训练数据是 stock 照片、艺术图、表情包——不是科学出版物。它生成的"示意图"是科技博客那种卡通风格：3D光泽盒子、漫画箭头、渐变填充。期刊要的是2D、线宽可控、色彩克制、矢量输出。
你可以用提示词绕开一部分（"扁平、极简、期刊风格"），但模型掌握的视觉原语还是流行艺术原语。它不知道方法学示意图里的细胞膜长什么样，也不知道生态流量的桑基图该是什么形态。
什么真正管用：结构化画布 + 科学感知的原语库
破解这三个问题的模式是：在自然语言提示之下，把图保持为结构化表示（框、箭头、标签、面板），只在导出时才渲染成像素。
这样：
文字就是文字，不会拼写幻觉。
"加E格"是对结构的真正操作。
原语库可以是科学形状的：受体卡通、细胞器。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
