Trinity：图、文、排版
在 2026 年，AI 出的图已经满大街都是了。而“一眼 AI 图”则代表着它已经和“廉价”、“经不起细看”这样的标签深深挂钩。
但和出版社的几次合作给了一些启发，如果我真的要出版一本书，从现在的 AI 生图开始走，还要走多远？
我手边有一本《我与地坛·插图珍藏版》：史铁生的“文”配上吴冠中的“画”。买来后，我忍不住翻开，像乾隆一样，加上了我的“字”。
打开书的信息页，除了两位大家之外，还列出来了对这本书出版有贡献的人：责任编辑、监制、策划编辑、营销编辑、版式设计、封面设计。如果把这些工作抽象成一位主编带着自己的团队完成书籍的制作，那么，能否通过“图——文——排版”三位一体的方式，用我们的 agent 完成这件事呢？
前几日去新疆旅行了一趟，在去之前就想好，回过头来一定要出一本好的纪念册。画了一周多，完成了。因为带着这样的想法在路上，因此，当我每一次按下快门的时候，我的脑子里都会想画面中的主体、陪体、前景、背景，应该以什么样的画幅放在版面的哪里？当我的脑子里闪过一句精炼的感慨时，我又会想它适合落在何处，和什么样的照片彼此呼应？
为了出版它，我还阅读了一些和摄影、排版有关的书籍，还买了一年的微信读书会员，因为听说它在手机上的阅读体验最为舒适。一方面，这些书籍彼此独立（不仅是内容上，而且可能横跨巨大的时间跨度），比如摄影的书籍并不会去考虑这张照片日后如何呈现在书籍乃至网页上，但另一方面，主编又必须要对整个出版物有全面的考量，把各种素材都协调一致，也要死死盯住每一个细节，不能有任何小的错误。
于是，agent 就发挥了它的价值：如果一位主编一头钻进细节的海洋，那一定会顾此失彼。可 agent 是不眠不休的。作为使用者，我只需要把在旅行中零散的点子全部告诉他，并且做好底层的设计，那对于 agent 而言，他就是一个遵行指令的机器，只是有些指令很明确，有些指令比较模糊，需要“深度思考”。
我之前坚持了神经符号融合的路线，这让我们完成了一些纯神经比较难以完成的事情。有一组图片，是沙尘暴的 AB 面：因为沙尘暴是南北向刮过来的，而当时又适逢日落，就导致道路东西两侧的景观大不相同。拍摄时的素材是这样的：
两张图片很适合放在一起对比，但是两者的地平线不太一样，如果水平放在一起观感上就差一些。如果是美编，务必会选择把图片调整一下大小，让他们对齐，但这件事很考验“感觉”。对于人来说，眼神一下子就过去了，那对于 agent 呢？这时参考线就有用了！我们可以让视觉模型先找出对应的参考线，然后以参考线对齐为目标去放缩图片，就能得到好的结果了。
这些精确的数学任务能完成，更不用说如：移除一下背景中的闲杂人物、添加一个富士滤镜、调一下灰度变清澈、高光打在主体上这样比较模糊的任务了。
在这个过程中，我找到了一种希望。一百多年前，鲁迅先生为自己的书籍、刊物设计了封面、内容、排版，民国第一平面设计师鲁迅，LOGO、字体、版式无一不精！到今天，出版行业兜兜转转，是否又能在 AI 的协助下，回到一种一人即可独挑大梁，做创意出版物的时代呢？
