企业官网建设流程全解析

建筑方案设计这个行当，最折磨人的从来不是画图本身，而是从脑子里那个模糊的念头，到能拿给别人看的第一版草图之间那段路。你脑子里已经有一栋楼了，体块关系、光影氛围、和周边环境怎么咬合，全都清清楚楚，但要把这些从神经元里拽出来变成一张能讨论的图，传统路径是打开建模软件、拉体块、调材质、打光、渲染，一套流程走完，半天没了。更尴尬的是，等你终于渲出来，发现当初那个感觉已经跑偏了。这两年我一直在琢磨怎么把这段路缩短，试了不少工具组合，慢慢摸出一套用AI当协作搭档的工作流。它不是替你设计，而是帮你把脑子里的东西快速外化，让你能在几分钟内看到三五个方向，然后基于这些视觉反馈继续往下推。这篇文章就是把这套流程拆开讲清楚，从思路到操作到避坑，给同样在做建筑方案的朋友一个可复现的参考。

1. 为什么建筑方案阶段最需要AI介入

1.1 方案前期的核心矛盾：想法多、时间少、表达慢

做方案的人都有体会，前期最痛苦的不是没想法，而是想法太多且变化太快。上午跟甲方聊完，脑子里冒出三个体块关系；中午吃饭时又觉得其中一个可以再切一刀；下午看到场地照片，发现朝向得调。这些念头如果每一个都要通过传统建模去验证，时间根本不够用。我算过一笔账：用传统方式拉一个粗略体块模型，熟练的人大概需要20到40分钟，加上简单材质和视角调整，接近一小时。一天有效工作时间按六小时算，最多验证六个方向。但方案前期真正需要的是快速试错，六个方向远远不够。

AI介入的价值就在这里。它把"验证一个想法"的时间成本从小时级压到分钟级。你不需要建模，只需要用文字描述或者随手画几笔，就能得到一张有氛围、有体块关系、有光影的图。这张图不精确，但足够用来判断"这个方向对不对"。对了就继续深化，不对就换一个。这种迭代速度，是传统流程给不了的。

1.2 AI在方案协作中的真实定位：不是替代，是加速

我特别想强调一点：AI在建筑方案阶段的作用是加速，不是替代。它生成的图不能直接当施工图，甚至不能直接当方案汇报图，因为比例、结构逻辑、规范要求它都不管。但它能帮你做一件事——把抽象想法变成可讨论的视觉对象。建筑设计中，语言描述经常是苍白的，你说"我想要一个悬浮感"，十个人有十种理解。但如果你甩出一张图，大家立刻有了共同的讨论基础。AI就是那个帮你快速生成讨论基础的工具。

我自己的习惯是，把AI生成的图当作"草图中的草图"。它比手绘快，比建模更快，适合在方案最早期用来探索方向。等到方向定了，再回到传统工具做精确深化。这个定位想清楚了，用起来就不会拧巴。

1.3 哪些方案类型最适合用AI辅助

不是所有建筑方案都适合用AI辅助。根据我的经验，以下几类效果最明显：

• 体块关系主导的概念方案：比如文化中心、美术馆、小型商业体，这类项目前期主要看体块和场地关系，AI生成速度快，方向感强。
• 氛围先行的改造项目：老厂房改文创园、旧宅改民宿，这类项目最需要的是"感觉对"，AI在材质和光影氛围上的表现很擅长。
• 需要大量变体的投标前期：投标经常需要出多个方向，AI可以快速生成几十张变体，帮你筛选出最有潜力的几个。
• 与非专业甲方沟通：甲方看不懂平面图，但看得懂效果图。AI快速出图能大幅降低沟通成本。

反过来，结构复杂、规范限制严格、需要精确尺寸的项目，AI在前期的作用就有限，更适合在概念方向确定后介入。

2. 我实际在用的工具组合与各自分工

2.1 文字生成图像：把描述变成第一版视觉参考

文字生成图像是目前最成熟的AI能力。我常用的工具包括Midjourney、Stable Diffusion和DALL-E。它们各有侧重，我一般根据阶段选：

• Midjourney：出图美感最好，适合生成氛围图和概念意向图。缺点是控制精度有限，适合"给感觉"而不是"给准确体块"。
• Stable Diffusion：配合ControlNet可以精确控制线稿、体块、深度，适合需要保持特定构图或体块关系的场景。学习曲线陡，但可控性最强。
• DALL-E：对文字描述的理解最准确，适合快速验证一个具体描述。

我的实际用法是：概念最早期用Midjourney快速出氛围，方向定了之后用Stable Diffusion配合ControlNet做精确控制。两者配合，效率最高。

2.2 草图生成图像：手绘线稿的即时渲染

这是我觉得对建筑师最实用的功能。你随手画一张透视草图，拍下来或者扫描，丢给AI，它能在保持你构图和体块关系的前提下，生成一张有材质、有光影、有环境的图。Stable Diffusion配合ControlNet的Scribble或Lineart模式就能做这件事。

这个流程的价值在于：手绘草图是你控制力最强的表达方式，AI只是帮你上色和加氛围。出来的图既保留了你的设计意图，又有足够的视觉完成度。我经常用这招在客户面前现场画草图，然后当场生成效果图，沟通效率极高。

2.3 三维辅助：从体块模型到氛围图

如果你已经拉了一个粗略的体块模型，可以用AI基于模型截图生成氛围图。具体做法是：在建模软件里截取几个角度的体块图，导入Stable Diffusion，配合ControlNet的Depth或Canny模式，让AI在保持体块关系的前提下生成材质和光影。

这个流程比纯文字生成准确得多，因为体块关系是你自己定的。适合方案已经有一定深化、需要快速看效果的时候。

2.4 工具组合的决策逻辑

工具选择不是越多越好，关键是匹配当前阶段的需求。我总结了一个简单的决策逻辑：

这个表不是死的，实际用的时候经常混着来。但核心逻辑是：越早期越追求速度和发散，越后期越追求控制和准确。

3. 从一段描述到一张方案图的完整操作链路

3.1 第一步：把设计意图翻译成AI能理解的提示词

这是整个流程里最需要练习的一步。AI不懂建筑术语背后的空间逻辑，它只认视觉描述。所以你不能写"一个具有流动空间的文化中心"，得写"一个白色混凝土建筑，曲面屋顶，大面积玻璃幕墙，傍晚暖光，前景有水池反射，人视角度"。

我总结了一个提示词结构，基本能覆盖大部分场景：

主体 + 体块特征 + 材质 + 光影 + 环境 + 视角 + 氛围

举个例子，我想做一个山脚下的民宿：

一栋三层小楼，坡屋顶，木饰面外墙，大面积落地窗，清晨薄雾，背后是竹林，人视角度，温暖安静的氛围，建筑摄影风格

这个描述里，主体是"三层小楼"，体块特征是"坡屋顶"，材质是"木饰面+落地窗"，光影是"清晨薄雾"，环境是"竹林"，视角是"人视"，氛围是"温暖安静"。AI拿到这样的描述，出图方向基本不会跑偏。

3.2 第二步：用参考图锁定风格和体块关系

纯文字描述有个问题：AI对"体块关系"的理解很随机。你说"L形建筑"，它可能给你一个L形，也可能给你一个看起来像L但实际很奇怪的形状。解决办法是给参考图。

我一般会找两三张参考图：一张定体块关系，一张定材质风格，一张定氛围光影。在Midjourney里可以用图片链接加文字描述的方式，在Stable Diffusion里可以用ControlNet或者Image Prompt。这样出来的图，既有你想要的体块，又有你想要的风格。

3.3 第三步：参数调整与迭代出图

第一版图出来之后，大概率不会完全满意。这时候不要急着重写提示词，先看问题出在哪：

• 体块不对：加参考图，或者用ControlNet锁定体块。
• 材质不对：在提示词里强化材质描述，比如把"木饰面"改成"深色胡桃木饰面，有清晰木纹"。
• 光影不对：调整光影描述，比如把"傍晚"改成"日落时分，暖橙色侧光，长阴影"。
• 氛围不对：加风格词，比如"建筑摄影，广角镜头，高细节"。

每次只调一个变量，这样你才知道是哪个词起了作用。我一般会连续出四到六版，从中挑最有潜力的两三张，再基于这几张继续迭代。

3.4 第四步：筛选与后期处理

AI出的图不能直接用，这是肯定的。但筛选标准不是"好不好看"，而是"方向对不对"。我筛选的时候看三点：

1. 体块关系是否符合设计意图：这是底线，体块不对直接弃。
2. 氛围是否接近预期：氛围对了，材质和细节可以后期调。
3. 是否有意外惊喜：有时候AI会生成你没想到但很有意思的元素，这种要保留。

选中的图，我会丢进Photoshop做简单后期：调色、加配景、修掉明显不合理的地方。不需要精修，因为这张图的作用是讨论，不是汇报。

4. 提示词写法：建筑方案场景下的实战技巧

4.1 建筑描述的基本结构

前面提了提示词的基本结构，这里展开讲每个部分怎么写。

主体：写清楚建筑类型和规模。不要写"一个建筑"，要写"一栋两层独立住宅"或"一座中型美术馆"。规模感很重要，AI会根据这个判断比例。

体块特征：写清楚形状、屋顶形式、立面特征。比如"L形平面，平屋顶，立面有横向线条"。这里的关键是让AI理解体块的几何关系。

材质：写具体材质和颜色。不要写"现代材质"，要写"清水混凝土，白色，表面有木纹肌理"。材质描述越具体，出图越接近预期。

光影：写时间、光线方向、强度。比如"正午顶光，强烈阴影"或"黄昏侧光，暖色调，长阴影"。光影决定了图的情绪。

环境：写周边环境和配景。比如"前景有浅水池，背景是城市天际线"或"周围是成熟树林，地面有落叶"。

视角：写人视、鸟瞰、轴测等。人视适合看立面关系，鸟瞰适合看体块和场地关系。

氛围：写情绪词。比如"安静""热闹""纪念性""亲切"。

4.2 材质与光影的描述词库

我整理了一些常用的描述词，直接抄就能用：

材质类：

• 清水混凝土、白色涂料、耐候钢、木格栅、玻璃幕墙、石材干挂、砖砌体、金属屋面、陶板、竹材

光影类：

• 清晨薄雾、正午强光、黄昏暖光、阴天漫射光、夜晚人工照明、室内暖光外溢、树影斑驳、水面反射

氛围类：

• 安静、纪念性、亲切、未来感、粗野、精致、自然、工业、禅意

视角类：

• 人视角度、鸟瞰角度、轴测角度、低角度仰视、高角度俯视、室内视角

这些词组合起来，基本能覆盖大部分方案场景。

4.3 负面提示词：避免AI生成不合理内容

负面提示词是很多人忽略的。AI默认会生成一些建筑上不合理的东西，比如扭曲的窗户、不存在的结构、奇怪的比例。我常用的负面提示词包括：

扭曲的线条，不合理的结构，模糊，低分辨率，过曝，欠曝，人物，文字，水印，变形，比例失调

在Stable Diffusion里，负面提示词的效果很明显。在Midjourney里可以用--no参数。加上这些，出图的可用率会高很多。

4.4 风格参考与艺术家名字的使用边界

用艺术家名字或者风格词可以快速锁定出图风格，比如"安藤忠雄风格""密斯风格"。但这里有个边界：不要直接用在世建筑师的完整名字，容易涉及版权和伦理问题。我一般用风格描述代替，比如"清水混凝土，极简几何，光影对比强烈"来代替具体人名。这样既安全，效果也差不多。

5. 实测中遇到的坑与应对方案

5.1 体块失控：AI总是改变建筑基本形态

这是最常见的问题。你描述了一个L形建筑，AI给你一个看起来像L但实际是三个方块拼起来的奇怪东西。根本原因是AI不理解建筑体块的逻辑，它只是在做视觉匹配。

解决办法有三个：一是用ControlNet锁定体块，这是最有效的；二是给参考图，让AI有明确的模仿对象；三是在提示词里用更几何化的描述，比如"两个长方体垂直相交，形成一个L形平面"。

5.2 比例失真：窗户、层高、人物尺度不对

AI生成建筑图时，经常出现窗户过大、层高不对、人物比例奇怪的问题。这是因为AI的训练数据里，建筑摄影和效果图的比例标准不统一。

应对方法是：在提示词里加比例参照，比如"三层建筑，每层高度一致，窗户宽度约为层高的三分之一"。另外，负面提示词里加上"比例失调"。如果还是不行，就在后期用Photoshop调整。

5.3 材质与结构逻辑冲突

AI经常生成材质和结构逻辑冲突的图，比如玻璃幕墙出现在承重墙上，或者悬挑结构没有支撑。这在概念阶段可以容忍，但如果要拿给结构专业看，就会有问题。

我的做法是：概念阶段不管，先看方向；方向定了之后，用ControlNet或者后期处理修正明显的结构问题。如果AI生成的图结构逻辑太离谱，就弃掉重来，不要硬修。

5.4 出图随机性太大，难以复现

AI出图有随机性，同样的提示词，两次出的图可能完全不同。这在需要复现某个效果时很麻烦。

解决办法是：固定随机种子。在Stable Diffusion里可以设置Seed值，在Midjourney里可以用--seed参数。固定种子后，同样的提示词和参数会出同样的图。但要注意，固定种子会限制变化，适合在方向确定后微调，不适合概念发散阶段。

5.5 版权与伦理：生成图的使用边界

这个问题越来越重要。AI生成的图，版权归属目前没有明确法律界定。我的原则是：AI图只用于内部讨论和概念探索，不直接用于正式汇报和施工图。如果要用在汇报里，必须经过大量后期修改，并且注明是概念意向图。另外，不要用AI模仿在世建筑师的标志性风格，这是基本的职业伦理。

6. 把AI嵌入现有工作流的实际做法

6.1 与传统建模软件的衔接方式

AI不是孤立的，它需要和现有工作流衔接。我的做法是：

• 前期：用AI快速生成方向，选定后把AI图作为参考，在建模软件里拉体块。
• 中期：体块拉好后，截图丢给AI生成氛围图，用来判断材质和光影方向。
• 后期：AI图作为效果图渲染的参考，指导材质和灯光设置。

这个流程里，AI和传统工具是互补的，不是替代关系。

6.2 团队协作中的AI图使用规范

如果是团队协作，需要定一些规矩：

• AI图统一放在一个文件夹，命名清楚，避免和正式图纸混淆。
• AI图只用于内部讨论，不直接发给甲方。
• 如果要用AI图和甲方沟通，必须经过后期处理，并且明确说明是概念意向。
• 团队成员共享提示词库和参数设置，保证出图风格一致。

6.3 向甲方汇报时的呈现策略

用AI图和甲方沟通，有个技巧：不要一次给太多。AI出图快，容易一下子生成几十张，但甲方看多了会晕。我一般只挑三到五个方向，每个方向配一张图，加上简单的文字说明。这样甲方容易聚焦，讨论效率高。

另外，AI图不要精修得太好。太好的图会让甲方以为这是最终效果，后面深化时会有落差。保持一定的草图感，反而更容易沟通。

7. 几个实际项目中的操作片段

7.1 小型文化中心的概念方向探索

这个项目在南方某城市，场地不大，要求做一个社区文化中心。我用Midjourney跑了大概三十张图，分了三个方向：一个是分散式小体块，一个是集中式大体块，一个是庭院式围合。每个方向出了十张左右，挑出最有代表性的三张，和团队讨论后选了庭院式。然后基于选定的图，用Stable Diffusion配合ControlNet出了更精确的体块关系图，再进入建模阶段。整个过程从开始到方向确定，大概用了半天时间。传统方式至少需要三天。

7.2 旧厂房改造的氛围图快速生成

这个项目是一个老纺织厂改文创园。甲方最关心的是"感觉对不对"。我现场画了几张草图，拍下来丢进Stable Diffusion，用Scribble模式生成氛围图。前后大概二十分钟，出了十几张。甲方当场选了三张，说"就是这种感觉"。这个流程如果走传统效果图，至少一周。

7.3 投标前期的多方案变体生成

投标项目经常需要出多个方向。我用Midjourney的--chaos参数，让AI生成差异更大的变体。一次出四张，跑五轮，就是二十个方向。然后快速筛选，挑出五个有潜力的，再每个方向深化三张。整个过程一天之内能完成。传统方式做五个方向的概念图，至少一周。

8. 我对这套工作流的个人体会

用了两年多，最大的感受是：AI改变的不是设计本身，而是设计的节奏。以前方案前期是"想很久，画很久，看一次"，现在是"想一下，画一下，看很多次"。迭代次数多了，方向就更容易找准。

另一个体会是，提示词能力本质上是设计表达能力。你描述不清楚，AI就画不清楚。所以练提示词，其实是在练怎么把设计意图说清楚。这个能力，传统流程里也很重要，只是以前被建模软件掩盖了。

最后说一个实际建议：不要追求AI一次出好图。AI的价值在于快速试错，不是一次成功。把心态放平，把AI当草图工具用，反而效果最好。我到现在也没有哪张AI图是直接能用的，但每一张都帮我往前推了一步。这就够了。