很多人对 AI 工具的态度是两极的：要么觉得「跟我没关系，我又不是做设计的」，要么一上来就冲着最火的那几个名字去,装完软件、点开界面、然后卡在「下一步该干嘛」。

这门课面向的是后一种人，也面向中间那种「会用一两个工具、但一遇到具体问题就抓瞎」的人。它不承诺你学完就能接单变现，但能帮你把散落在各处的 AI 工具重新排一遍位置——知道哪类活儿该交给哪个工具，知道某个效果出不来是参数问题还是模型问题。下面按几个能力缺口来拆，方便你先判断自己要不要花这个时间。

缺口一：分不清「文生图」和「可控制地生图」

提示词写得再花哨，也只能靠抽卡式地碰运气。真正干活时会发现，客户要的是「构图照这张、姿势照那张、手别乱」，纯靠文字描述实现不了。课程里 Stable Diffusion 部分花了不少篇幅讲 ControlNet，包括它到底解决什么问题、不同控制模型分别管什么。这部分的价值不在于记住几个模型名字，而在于建立起「先定控制条件、再谈风格」的思路。

其中最值得留意的是姿态控制这一类应用。人物姿态一致性是很多人踩坑最多的地方：同一个角色换个动作就变了脸、换了衣服就丢了特征。学完这块，你至少应该能回答：想让角色摆出一个指定姿势，有哪几种实现路径，各自的代价是什么。

缺口二：只会一个工具，换个需求就停工

Midjourney 出图快、质感好，但它对精确控制并不友好；Stable Diffusion 可控性强，但参数多、启动成本高。只学其中一个，遇到不合适的任务就只能硬凑。课程把两类工具放在一起讲，目的不是让你二选一，而是让你形成判断：什么情况下用轻量的、什么情况下必须上可控制的那套流程。

这里面有个容易被忽略的点——中英文提示词的差异、以及不同工具对同一段描述的理解偏差。这类细节课程里带到了实操层面，属于看一遍不如自己动手试一遍的内容。

缺口三：看得懂教程，做不出自己的东西

这是最普遍的问题。跟着视频一步步走没问题，一旦脱离教程就无从下手。原因通常不是工具不熟，而是没有形成「从需求反推流程」的习惯。

建议在学的过程中做一件事：每看完一个工具模块，拿一个自己真实的小需求去跑一遍，哪怕只是给一篇文章配张图、给一张旧照片换个背景。课程提供的是方法和案例，能不能变成自己的，取决于你有没有把案例换成自己的题目重做一次。

看完应该能回答的问题

ControlNet 里的不同控制类型分别对应什么实际需求，选错了会出现什么现象？
当出图结果和预期不符时，应该先调提示词、先换模型，还是先改控制条件？判断依据是什么？
同一个需求交给 Midjourney 和交给 Stable Diffusion，产出和可控性差在哪里？
想让人物姿态保持一致，有哪几种做法，哪种更适合批量处理？
面对一个没见过的 AI 工具，你判断它值不值得学的标准是什么？

如果上面这几个问题你现在答不上来，这门课值得过一遍；如果大部分能答上来，那只挑 ControlNet 和姿态控制那几节看就行。别从头到尾刷完就以为自己会了，工具类的东西，手比眼睛记得牢。