常见错误与避坑指南

这里总结了 Armox 用户最常犯的错误。避开这些坑能帮你省时间、省 credits、少走弯路。

Prompt 常见错误

错误 1：过于模糊

❌ Bad:

A nice picture of a person

✅ Good:

Professional headshot of a confident businesswoman, 
modern office background, soft natural lighting, 
warm and approachable expression, 
shot on 85mm lens, shallow depth of field

为什么重要： 模糊 prompt 会带来不可控结果。AI 会随机补全细节。

错误 2：指令相互冲突

❌ Bad:

Dark moody lighting, bright and cheerful atmosphere

✅ Good:

Moody lighting with warm accent highlights, 
sophisticated atmosphere

为什么重要： 冲突指令会让 AI “不知道听谁的”，导致结果不一致。

错误 3：细节堆太多

❌ Bad:

A woman with long blonde hair and blue eyes wearing a red 
dress with yellow flowers and green shoes standing in a 
purple room with orange furniture next to a pink dog...

✅ Good:

Elegant woman in floral dress, 
modern minimalist interior, 
soft natural lighting, 
fashion editorial style

为什么重要： 过载 prompt 往往会变得“啥都有但啥都不对”，AI 无法分配优先级。

错误 4：没指定风格

❌ Bad:

A coffee cup on a table

✅ Good:

Artisan coffee cup on wooden table, 
lifestyle photography, warm morning light, 
Instagram aesthetic, shallow depth of field

为什么重要： 没有风格指引，结果通常会像通用素材图（stock photo）一样平淡。

模型选择常见错误

错误 5：用高端模型做测试

❌ Bad： 用 Flux 2 Pro（每次 120 credits）反复迭代 prompt

✅ Good： 用 Qwen Image（20 credits）先测试，再用 Flux 2 Pro 出最终稿

为什么重要： 你会在找到正确 prompt 前就把 credits 烧光。

错误 6：任务与模型不匹配

❌ Bad： 用 SDXL 追求写实产品摄影

✅ Good： 写实用 Flux，艺术风格用 SDXL

为什么重要： 不同模型有各自优势。匹配任务才能更稳定产出。

错误 7：忽视视频模型成本

❌ Bad： 用 Veo 3.1（每次 4,000 credits）做迭代

✅ Good： 用 Wan 2.5 Fast（60 credits）测试，最终再用 Veo

为什么重要： 视频很贵。一次 Veo 生成 ≈ 66 次 Wan Fast 测试。

工作流常见错误

错误 8：不做增量测试

❌ Bad： 一次性搭 10 个节点，然后整条跑

✅ Good： 每个节点先单独测试，再跑整条工作流

为什么重要： 一旦中间失败，你会在后续节点上浪费大量 credits。

错误 9：太早做 Upscale

❌ Bad：

Generate → Upscale → Edit → Upscale again

✅ Good:

Generate → Edit → Final check → Upscale once

为什么重要： Upscaling 可能要 1,000 credits。只对最终图做一次就好。

错误 10：不用参考图来做一致性

❌ Bad： 全靠文字描述保持一致

✅ Good： 用 Flux Kontext 的参考图获得更稳定一致性

为什么重要： 参考图通常比纯文本更稳定、更一致。

画幅比例（Aspect Ratio）常见错误

错误 11：平台比例选错

❌ Bad： 为 Instagram Stories 生成 16:9

✅ Good： Stories 用 9:16；Feed 用 1:1 或 4:5

为什么重要： 比例错会导致尴尬裁切或浪费生成。

错误 12：不考虑构图

❌ Bad： 生成方图但主体贴边

✅ Good： 主体居中或遵循“三分法”

为什么重要： 构图不好会导致裁切后不可用或观感很差。

视频常见错误

错误 13：动作过于复杂

❌ Bad:

Person runs, jumps, spins, catches a ball, 
throws it, and does a backflip

✅ Good:

Person slowly turns head toward camera, 
gentle smile forming, 
subtle movement

为什么重要： AI 视频更擅长简单、清晰、可追踪的动作。

错误 14：忽视时长限制

❌ Bad： 指望 5 秒模型输出 60 秒视频

✅ Good： 生成多个 5 秒片段再剪辑拼接

为什么重要： 每个模型都有时长上限，需要提前规划。

音频常见错误

错误 15：声音克隆样本质量差

❌ Bad： 噪声大、太短、多人声的样本

✅ Good： 干净、20-30 秒、单人说话的样本

为什么重要： 样本质量决定克隆质量（quality in = quality out）。

错误 16：音频时长与视频不匹配

❌ Bad： 为 10 秒视频生成 30 秒音乐

✅ Good： 音频时长与视频长度匹配

为什么重要： 会浪费 credits，并且最终还是要剪辑。

组织管理常见错误

错误 17：不保存成功的 Prompt

❌ Bad： 每次靠记忆重写 prompt

✅ Good： 把成功 prompt 保存到文档或做成 App

为什么重要： 你会反复浪费时间与 credits 去“重新发现”有效写法。

错误 18：Canvas 工作流太乱

❌ Bad： 节点乱摆、连接不清晰

✅ Good： 左到右流向、布局整齐、命名清晰

为什么重要： 难排查、容易连错、复用困难。

错误 19：不正确使用 Brains

❌ Bad： 所有项目都放在一个 Brain

✅ Good： 不同客户/项目用不同 Brain

为什么重要： 内容更有序、更容易找资产，也更易协作。

快速检查清单

生成前先问自己：

• 我的 prompt 够具体吗？
• 我用的模型适合这个任务吗？
• 画幅比例对吗？
• 我是在用预算模型测试吗？
• 我有逐步测试工作流吗？
• 需要一致性的话我有参考图吗？
• 运动/音频时长是否合适？
• 需要 Upscale 吗，还是只用于网页？

下一步

• Credit Optimization — 节省 credits
• Keyboard Shortcuts — 更快操作
• Prompt Engineering — 写更好 prompts