Lovart 2.0 想接手改稿，能少让人重复交代吗？

交付没变快，因为沟通和改稿才是真正吃时间的大头

现在用 AI 出一张图确实不算难事。但很多人发现，手头的活儿并没有因此变得多轻松。

爱范儿作者樊尔做过设计主管，樊尔就提过一个现实情况：在真实的设计流程里，灵感、沟通和改稿才是耗时的大头。哪怕用上了 AI，整体交付速度也未必能成倍提高。

技术能把生成画面的过程压缩，却压缩不了前期交代的精力。做一个新项目，换一个新对话框，你就得把品牌用什么色系、排版有什么讲究、哪些元素绝对不能碰，像念经一样重新交代一遍。一旦来了修改意见，又得在各方反馈之间来回倒腾，人肉翻译成提示词再喂给模型。

Lovart 官网展示了 2.0 版本以及个人设计助理 Arti，爱范儿和小羿先森也在 10 月 19 日发文称新版已经开放。它做的事情不是继续拼命卷画面的生成速度，而是把手伸向了反复交代和收集修改这些杂活。

记忆能省下重复交代，但能编辑比记得多更重要

每次开工都要重新教 AI 做人，是很多做图人疲惫的来源。

官网说明里，Arti 的记忆功能会保存用户的背景、审美偏好、协作方式和常用素材。这些内容可以从过往项目、对话以及上传的作品集里学习，并且支持用户查看和编辑。

爱范儿作者樊尔在体验将音箱方案交给 Arti 时，系统会先参考记忆再询问细节，随后补充参考调研；在设计调研环节，Arti 能从 Google、Pinterest、Behance 等平台寻找参考，返回带来源的报告和视觉参考板。小羿先森在博客里记录自己的体验时也提到，Arti 从历史创作中认出了其个人品牌和卡通风格。

不过，能记住并不代表能全自动搞定一切客户。历史偏好只是一份底稿，遇到新需求，当下的要求依然需要明确写清。更现实的问题是，如果 AI 记住了错误的信息，偏差就会在后续的每一次生成中被反复放大。正因如此，官网把记忆做成可查看、可编辑的状态，比单纯宣传“它记住了多少”要实际得多。

至于把重复的工作流程存成可复用的 Skills，本质上也是把跑通的做法保存下来，方便下次直接调取，用不着把它夸大成模型智力提高了。

批注落到具体元素上，改稿计划批准了再动手

很多人的改稿灾难，往往是从几条互相打架的意见开始的。

以前收集修改意见，往往是审阅人在聊天框里发一段语音或者截图圈一下，再由做图的人把各处零碎的说法重新整理成改图指令。一旦大家意见有冲突，改出来的版本很容易越改越偏。

官方反馈页面展示的流程把这部分规范化了：分享项目时，用户可以设置公开可见和允许评论。审阅人登录之后，能直接在画面的具体元素上留意见。

收到这些意见后，Arti 会把单条或多条评论归纳成一个修改计划。关键在这一步：必须经过用户批准，系统才会开始修改。改完的新版本可以沿着同一个链接发布，同时保留旧版本和历史评论。

画布巡检也是同样的逻辑。它会对照需求和画面的一致性规则进行检查，小羿先森就记录过画布巡检发现了海报顶部的错别字并建议修正的案例。但按照官方说明，修改前同样需要用户确认。在我们看来，画布巡检并不能保证万无一失、绝对不出错，它的作用是把容易漏看的细节挑出来，避免人眼疲劳时漏掉明显的疏漏。

需要留心的是，元素批注的前提是分享时设为公开可见。如果你经手的是未公开的客户素材或者保密内容，就不能想当然地把它当成绝对封闭的私密审稿室，得先核实素材允不允许公开。

周期委托适合规律杂活，但每个决定仍由你来做

除了临时改稿，社媒排期配图、周期性海报这类规律任务也是耗费精力的重灾区。

Lovart 提供了委托功能，支持单次、每日、每周、每月运行。小羿先森在博客中就展示了自己设置批量角色出图委托的过程，任务跑完后，在项目里就能看到生成结果。

面对周期任务，官方给出的使用建议很克制：先试运行，设好每次积分上限，然后在项目里查看结果。

委托并没有把人彻底甩开，生成的结果只是放回项目供你检查。正如 Lovart 官方说明里的那句话：“每个决定仍由你来做”（You stay in charge of every decision）。

拿一个流程明确、自己心里有数的任务先单次委托跑一趟，核对拿到的成果符不符合标准，再考虑要不要放开成周期任务并设定积分上限，才是合理的试水方式。

省不省事不看生成了多少张，看下一版能不能少返工

回到最开始的问题：改稿这么累，Lovart 2.0 能少让人重复交代吗？

如果面对的是完全陌生、需求一天一变且没有规律的项目，光靠记忆和批注依然很难一步到位，因为源头的输入本身就是模糊的。

但对于需要长期做社媒配图、电商海报或者维护个人品牌的人来说，Arti 值得关注的地方在于它试图减少人与 AI 之间的“传话损耗”：风格从记忆里读，意见在画布具体位置上提，修改前先列计划等确认，规律性产出在后台跑完回项目交卷。

它没打算替你拍板，也不会保证改出来的画面百分之百完美。一套工具到底能不能真正省事，从来不看它一口气能生出多少张图，而在于靠记忆和批注拉出来的下一版，能不能让你少打几遍需求，少返一次工。