企业官网建设流程全解析

1. 换装的底层逻辑：先把问题拆成三层

做服装电商视觉、写真交付、社媒素材的同行，这两年问得最多的一句话就是：Stable Diffusion 到底能不能把模特身上的衣服换成另一套，顺便把模特本人也换掉。答案是能，但**"能"和"能稳定交付"之间隔着一整套流程设计**。我前后做过几个服装类目的商拍替换项目，从最初靠图生图硬怼、十张废九张，到后来把流程拆成可复现的步骤，中间踩的坑基本都集中在"没搞清楚自己在改什么"这件事上。模特精准换装和替换模特，本质上是两个不同难度的问题，只是它们在 Stable Diffusion 的操作面板上长得有点像。

先把问题分层，后面所有的参数选择才有落脚点。第一层是区域：你要改的是画面里的一块像素，其余部分必须一动不动，这决定了你必须用局部重绘而不是整图重绘。第二层是结构：衣服有版型、有褶皱走向、有和身体的贴合关系，换上去的新衣服如果版型和原图的姿态对不上，出来就是个纸片贴图。第三层是身份：模特的五官、肤色、发际线、体型比例要保持一致，换人时又要保证新身份在所有图里统一，这是替换模特真正的难点。

我见过太多人卡在第一层就放弃了——用整图图生图，重绘幅度调低衣服不变，调高脸就崩了。这不是模型不行，是方法用错了工具。局部重绘（Inpainting）解决区域问题，ControlNet 解决结构问题，IP-Adapter 一类的人脸/风格注入方案解决身份问题，这三件事各管一段，混在一起谈就会永远调不好参数。

这篇文章适合三类人看：一类是刚上手 Stable Diffusion、想知道换装这条路到底通不通的新手；一类是已经在做但出图不稳定、想找问题根因的中级用户；还有一类是要把这件事做成批量流水线、关心交付质量的从业者。下面我会把每一步的"为什么这么做"讲清楚，参数给的是范围加推导，不是让你照抄数字就完事。

1.1 为什么直接图生图十有八九翻车

图生图的工作方式是把原图加噪再逐步去噪，模型在去噪过程中会同时重建"它认为该有的东西"。问题在于，模型并不知道你想保留哪些、想改哪些。你把重绘幅度设到 0.35，衣服基本原样；设到 0.75，衣服确实变了，但脸也跟着变了，背景细节、手指、饰品全在漂移。这不是参数没调好，是整图重绘的信息通道是共享的，你没法在不影响其他区域的前提下只改衣服。

另一个常见误区是以为"提示词写详细点就能控制住"。提示词影响的是全局语义分布，它能告诉模型"这里应该是一件米色针织开衫"，但它没法告诉模型"这件开衫只出现在蒙版区域内、边缘要和原图的肩膀严丝合缝"。图生图里提示词的权重是弥散的，写到再细也解决不了空间约束问题。

还有一个坑是分辨率。很多原图是竖构图商拍图，直接塞进 512×768 或者 768×1024 的底模里，衣服的纹理细节在第一步就被压缩掉了，后面再怎么放大都是糊的。我一般会在预处理阶段先把短边拉到 1024 以上，再做重绘，宁可多花点显存也不要在低分辨率上反复修补——低分辨率下的重绘结果，放大之后是无法救回来的。

1.2 四条技术路线的横向对比

真要做换装，市面上能走的路不止一条，各有各的适用边界。我把实际用过的四条路线整理成下表，方便你按手头素材和交付要求选。

我自己的默认选择是第一条打底、第二条加固、第四条补款式细节。分段重绘在全身换装时才会启用，因为它的工序确实长，单件上衣用不上。这里要强调一句：这四条不是互斥的，实际生产里最稳的组合往往是"蒙版 + 边缘约束 + 参考图注入"三件套一起上。

选择路线的判断标准其实很简单——看你的目标款式和原图款式的结构差异有多大。如果是同类型的替换（T 恤换 T 恤），蒙版加适度重绘就够了；如果是跨类型（西装外套换成oversize 卫衣），就必须上 ControlNet 约束轮廓，否则模型会按原西装的肩线去画卫衣，出来是个四不像。

1.3 开工前的环境与素材清单

动手之前，环境不齐会浪费大量时间。我习惯按下面这份清单过一遍：

• 底模：一到两个写实向的 checkpoints，专攻人像和服装质感，不要用二次元或插画模型做商拍。
• 局部重绘模型：与底模同源或同风格的 inpaint 版本，混用会导致重绘区域色调偏移。
• ControlNet 模型组：softedge / lineart（轮廓）、depth（前后层次）、openpose（人体姿态）、tile（细节放大时的保真）各一份。
• 分割工具：用于自动生成衣服蒙版，手绘蒙版在批量场景下不现实。
• 放大链：一个通用的放大模型加一个细节修复模型，用于出图后的质感补齐。
• VAE：与底模匹配，颜色发灰、发闷十有八九是 VAE 不对。

素材侧的要求更容易被忽略。原图的光位要尽量统一，如果原图是硬光侧面打光，你却想换一件适合柔光的雪纺，成图的光影会打架，这个靠参数救不回来，只能靠后期或换原图。另外原图里衣服和皮肤、头发、背景的交界要清晰，交界模糊的图（比如毛领、半透明薄纱）蒙版极难做准，这类图我一般直接判定为"高成本单"，不放进批量流程。

提示：所有换装、换人操作请只用于你拥有授权或商用权的素材。涉及真人肖像的替换，务必取得当事人书面同意，这是职业底线，也是很多项目翻车的真正原因。

2. 模型与插件选型：哪些是必需品，哪些是安慰剂

选型这件事，我的观点是先把必需的三件套配齐，再谈锦上添花。必需的是：一个靠谱的写实底模、一个匹配的 inpaint 模型、一组 ControlNet。可选的包括参考图注入类插件、自动分割插件、细节修复插件。我见过不少人插件装了三十个，底模却是随便下的一个融合模型，出图糊得没法看，然后归咎于"SD 换装不行"。

选型的核心逻辑是减少变量。每多一个模型参与，就多一个可能出错的地方；每多一个插件，就多一层参数耦合。批量生产时我宁愿用一套打磨透的组合，也不愿意每次临时拼装。

2.1 底模：写实类模型的取舍标准

写实底模的差异主要在三个方面：皮肤质感、布料表现、对提示词的服从度。商拍换装最看重的是布料表现——针织的纹理、丝绸的高光、牛仔的硬挺感，这些是决定成图"像不像真衣服"的关键。有些写实模型人脸很漂亮，但画出来的衣服永远是那种糊成一团的软塌质感，这类模型不适合做服装替换。

测试方法很土但有效：拿一张纯色背景的白衬衫图做局部重绘，提示词只写材质和颜色，看模型能不能画出布料的经纬感和自然褶皱。如果出来的是一片平涂色块，直接换模型。

另一个被低估的点是模型对负面提示词的敏感度。换装时最常出现的崩坏是"衣服长出多余的结构"——多出一条不存在的肩带、领口多一层、袖口接缝错位。这时候负面提示词里加上对应描述能压住一部分，但前提是模型本身对负面词有反应。有的融合模型对负面词几乎无感，调了等于没调。

实操心得：固定一套底模 + inpaint 模型的组合，用同一张测试图跑三组不同参数，把结果存档。以后换新模型时用同一张测试图对比，能快速判断新模型值不值得换，比凭感觉靠谱得多。

2.2 ControlNet 子模型的组合逻辑

ControlNet 是换装能不能"贴合身体"的分水岭。但很多人一上来就叠四五个，结果互相打架，出图畸形。我的经验是最多同时用两个，第三个只在特定场景加。

组合的优先级是这样的：姿态优先于轮廓，轮廓优先于深度。因为姿态错了整张图就废了，轮廓错了还能修，深度错了只是层次感差一点。所以如果你只能开两个，先开 openpose 加 softedge。

权重的取法有个反直觉的地方：轮廓类 ControlNet 的权重不是越高越好。权重拉到 1.0，模型会死死锁住原图的每一条褶皱，新衣服就变成了"原衣服的换色版"，完全体现不出目标款式的版型。我一般在 0.6 左右起步，出图后看版型贴合度，版型太像原款就降到 0.45，版型完全跑飞就升到 0.75。

还有一个细节是控制图的起始和结束步数。很多人不知道 ControlNet 可以设置介入的步数区间。换装场景里，我通常让轮廓约束在前 60% 的步数里生效、后 40% 释放，这样结构定下来之后，模型有空间去自由补布料纹理，出来的质感反而更自然。全程锁死会让画面显得僵硬。

2.3 Inpaint 模型、VAE 与放大链

inpaint 模型和普通底模的区别在于它额外接收蒙版信息，知道哪些区域需要重建。用普通底模做局部重绘也能出图，但边界融合明显更差，尤其是蒙版边缘会出现一圈色调不同的"晕圈"。所以只要做局部重绘，就用专门的 inpaint 版本，这一步没有省的空间。

VAE 的问题更隐蔽。VAE 负责把潜空间解码成最终像素，解码器不对，整张图会发灰、发闷、颜色偏。换装场景里最容易出现的表现是重绘区域和保留区域的颜色对不上——蒙版内是鲜亮的米白，蒙版外是发灰的米白，一眼假。这时候别急着调参数，先换 VAE 试一遍，十有八九能解决。

放大链的思路是"先重绘、后放大、再局部修复"。直接大倍数放大再重绘，细节是在糊的基础上重建的；正确顺序是小尺寸重绘定稿，再走 1.5 到 2 倍的分块放大，最后对放大后可能出现的高频噪点做一次低重绘幅度的整体过一遍，把质感拉回来。tile 类 ControlNet 在这一步的作用是防止放大过程中布料的细密纹理被抹平。

3. 模特换装全流程实操

流程本身不复杂，难的是每一步的判定标准。我把它拆成预处理、蒙版、参数、回填、统一五个环节，每个环节都有明确的"合格线"，不到线就不往下走，否则后面全是返工。

3.1 原图预处理与蒙版制作

预处理的顺序是：裁切构图 → 分辨率拉到短边 1024 以上 → 轻微降噪 → 色彩校正。降噪这一步很多人跳过，但商拍原图往往有压缩噪点，模型会把这些噪点当成纹理去重建，结果重绘区域出现奇怪的颗粒。降噪强度别太高，能压掉压缩痕迹就行，过了会把布料纹理一起抹掉。

蒙版的精度决定成败。手绘蒙版在单张精修时可行，但批量场景必须自动化。常用的自动分割思路是用语义分割模型输出衣服区域的掩码，再人工检查修正。这里有个取舍：蒙版宁可略小，不要偏大。偏小的话边缘会留一圈原衣服，需要二次修补；偏大的话会把皮肤、头发、背景一起吃进去，重绘后身体和背景都变形，比留边难修得多。

蒙版的三个关键参数：

• 蒙版模糊（mask blur）：我一般设 4 到 8。太小边缘生硬有接缝，太大重绘区域会向外侵蚀，把不该改的地方改掉。
• 蒙版扩展（mask padding）：设 16 到 32 像素。给模型留出上下文，它能看到蒙版外的环境色，融合会更自然。
• 重绘区域模式：选"仅蒙版区域"。选"整图"会把未蒙版区域也一起重新编码，虽然有 latent 约束但仍有漂移风险，只有在需要整体色调统一时才用。

注意：毛领、薄纱、网眼、镂空这些材质，自动分割几乎都做不准。这类单子老老实实手工修蒙版，或者干脆换一张原图，别在自动蒙版上耗时间。

3.2 参数推导：重绘幅度、CFG 与步数怎么定

重绘幅度是换装里最重要的参数，它的物理含义是"加噪到什么程度"。设成 0 就是原图不动，设成 1 就是完全重新生成。换装需要的区间，我实测下来集中在0.55 到 0.8。

推导逻辑是这样的：0.55 以下的加噪程度，模型还能从残余信息里"看出"原衣服的轮廓和颜色，它会倾向于保留原样，你要换的新款式体现不出来。0.8 以上，原图信息被破坏得太彻底，模型只能靠提示词和 ControlNet 硬画，衣服的贴合关系、和身体交界处的自然过渡都会变差，而且极容易在边缘长出多余结构。

跨类型替换（西装换卫衣）往上取 0.7 到 0.8，同类替换（T 恤换 T 恤）取 0.55 到 0.65。这个区间不是死的，判断标准是出图后新衣服的版型是否来自目标款式、而不是原图。如果版型明显还是原衣服的，加 0.05 再试。

CFG 的作用是提示词引导强度。换装场景不建议拉高，5 到 7 是安全区。拉到 9 以上，模型会过度服从提示词，布料的褶皱变得生硬做作，颜色也会过饱和得像塑料。低于 4 则提示词几乎不起作用，衣服类型可能完全跑偏。

步数 25 到 35 足够，步数再高收益递减，只是浪费时间。采样器我固定用 DPM++ 2M 一类的中性采样器，别用那些带强烈风格倾向的，换装要的是稳定还原而不是艺术化。

3.3 分段重绘与局部回填

全身换装（上衣加裤子或裙子）一次性重绘的问题在于，模型要同时处理两块结构差异很大的区域，容易顾此失彼——上衣做得好，裤子就画成一团。稳妥的做法是分段：先做上衣，回填到原图，再做下装。

分段时有个细节决定成败：留出重叠带。比如上衣蒙版做到腰线以上，下装蒙版从腰线略上方开始，两块蒙版有 30 到 50 像素的重叠。这样两次重绘在腰部的过渡是连续的，不会出现一条突兀的分界线。如果两块严丝合缝地拼接，接缝处的光影、布料走向必然对不上。

回填用图像编辑的图层合成，蒙版边缘做羽化过渡。回填完如果发现腰部颜色有轻微偏差，用小半径的修复工具局部过一遍，比重新走一遍重绘快得多。

还有一种情况需要"重绘—看—再重绘"的迭代：新衣服有复杂图案（条纹、格纹、logo 位）。第一次重绘先出结构和版型，第二次降低重绘幅度到 0.35 左右，只在图案区域补细节。一次到位反而会把图案画糊，分两步走清晰度明显更高。

3.4 光影、褶皱与质感统一

出图之后，最容易被挑刺的地方是光影。原图的光从左上打过来，新衣服的高光却在右上，这种错误外行一眼就能看出来。修正方式有两条：一是在提示词里明确光源方向，二是靠后期。

提示词这条路的写法是把光源信息写进正向描述里，比如"左侧柔和主光、右侧轮廓光"这类，模型对方向性描述是有反应的，但不是百分百服从。所以我还是建议留一道后期工序：用曲线和色阶在蒙版区域内做局部调整，把明暗关系和原图对齐。这一步纯手工，但耗时很短，一张图两三分钟。

褶皱的自然度取决于两件事：一是 ControlNet 有没有提供足够的结构信息，二是重绘幅度够不够让模型自由生成。太低的幅度会让褶皱沿用原图的走向，在新版型上就显得不合理（比如卫衣不该有衬衫那种硬挺的折线）。这时候可以局部提高重绘幅度重做一次，或者用参考图注入的方式给模型一个正确的褶皱样本。

质感统一指的是布料和皮肤、头发之间的质感协调。新衣服边缘如果和皮肤的过渡太生硬，看起来就是"贴上去的"。处理方法是在蒙版边缘外扩 10 像素左右做一次低幅度（0.25 到 0.35）的局部重绘，让交界处的像素重新融合一遍。这一步很多人忽略，但它对"像不像真照片"的影响非常大。

4. 替换模特：换脸与换身两条路

换装和换人是两个独立问题，但经常被一起提出——客户想要"这套衣服穿在另一个模特身上"。这时候流程就变成：先换装，再换人，或者反过来。顺序很重要，我的经验是先换装后换人，因为换装过程会改变肩宽、胸围等视觉比例，如果先换脸再换装，脸和身体的匹配关系会被破坏，容易出现"头身比例不对"的诡异感。

当然也有反过来的场景：如果新模特的体型和原模特差异很大（比如从偏瘦换到偏壮），那就得先换身再换装，因为衣服的版型是跟着身体走的，身体变了衣服必须重画。

4.1 换脸：身份特征与姿态解耦

换脸的核心是把"身份"和"姿态"分开。身份包括五官形状、肤色、脸型比例；姿态包括角度、表情、光照方向。理想情况是保留原图的姿态和光照，只替换身份特征。

技术上有两条常用路径。一条是基于人脸特征注入的方式，把目标人脸的特征向量注入到生成过程中，配合低幅度重绘，让模型在保留姿态的前提下重建五官。另一条是先生成再对齐的方式，先按原图重绘出一张脸，再把目标人脸的关键特征迁移过去。

我倾向第一条，因为它在批量场景下更稳定。参数上的要点是：重绘幅度卡在 0.3 到 0.45 之间。太低换不动，太高脸型会跟着变，出来的人既不像原图也不像目标。蒙版只框住五官区域，额头、发际线、下颌线尽量留在蒙版外，因为这些区域一旦重绘就容易和脖子、头发的连接关系出错。

换脸最常见的翻车是"眼神死"和"皮肤质感不一致"。前者是因为眼睛区域重绘时模型没拿到足够的细节约束，后者是因为脸部和脖子的肤色没对齐。解决办法分别是：眼睛单独做一次小蒙版高精度重绘；脖子区域做一次低幅度融合重绘。

4.2 换身：骨架对齐与体型匹配

换身比换脸难一个量级，因为它涉及全身比例。核心工具是姿态控制——先用姿态估计提取原图的人体骨架，再把目标模特的体型特征注入进去，让模型按新体型重绘整个身体。

流程上是这样的：提取原图骨架 → 蒙版覆盖全身（留出头部）→ 用姿态约束锁定关节位置 → 提示词描述目标模特的体型特征（身高比例、肩宽、体型类型）→ 中高幅度重绘（0.65 到 0.8）。

这里有个关键判断：关节位置要不要跟着改。如果只是体型微调（瘦一点、高一点），骨架保持不动，只改蒙版内的体型描述就够了。如果是大幅改变（比如从站姿换到另一个完全不同的站姿），那就得手动调整骨架图，重新摆一遍关节点。手调骨架听着麻烦，但比反复试参数快得多。

体型匹配还有个隐性问题是衣服的版型必须跟着体重变。原来穿 M 码的人换成偏壮的体型，衣服还是 M 码的紧绷感就会很违和。这时候要么在提示词里加上版型描述（宽松、oversize），要么直接重走一遍换装流程。我一般选择后者，因为分两步做质量更可控。

4.3 换装与换人的组合流水线

把两个流程串起来，就是完整的商业替换流水线。我实际用的顺序是：

1. 原图预处理，分辨率统一。
2. 换装第一轮：上衣重绘，ControlNet 上轮廓加姿态约束。
3. 回填、检查版型，不合格则调参重来。
4. 下装重绘，注意腰部重叠带。
5. 整体低幅度过一遍，统一光影和色调。
6. 换脸，蒙版只框五官。
7. 脖子、发际线局部融合。
8. 放大、细节修复、输出。

这条流水线跑顺之后，单张图的处理时间大概在 8 到 15 分钟，其中大部分时间花在检查和局部修补上，而不是等出图。真正耗时的从来不是生成，是判断哪里不对、为什么不对。

实操心得：给每一步的中间结果单独存盘，命名带上步骤号和参数。返工时能定位到具体是哪一步出的问题，也能对比不同参数的效果。我吃过没存中间图的亏，改到第五步发现版型不对，只能从头再来。

5. 常见问题排查实录

问题排查这部分，我按"症状 → 原因 → 处置"的结构整理，都是实际遇到过的。有些问题的根因和直觉完全相反，比如颜色不对可能根本不是提示词的问题。

5.1 蒙版边缘、色溢与接缝

症状一：重绘区域边缘有一圈明显的亮边或暗边。

原因是蒙版模糊太小，模型在边界处没有足够的上下文做过渡，重绘区域的像素和保留区域的像素直接硬接。处置方式是把蒙版模糊从 4 提到 8，或者用羽化后的蒙版做二次合成。还有一种情况是 VAE 不匹配导致整体色调偏移，这时候边界会显出一条色差线，换 VAE 即可。

症状二：新衣服的颜色"渗"到了皮肤或背景上。

这是重绘区域超出蒙版导致的。检查两个地方：蒙版扩展是不是设得太大，重绘幅度是不是过高。幅度超过 0.85 时，模型的影响会溢出蒙版边界，尤其在蒙版外的区域本身信息量少（比如大面积纯色背景）的时候特别明显。处置是降低幅度到 0.75 以下，同时把蒙版扩展收回到 24 以内。

症状三：分段重绘后，腰线处有一条横向的接缝。

重叠带没留够，或者两次重绘的光照方向描述不一致。处置是重新做重叠带合成，并在两次重绘的提示词里保持相同的光源描述。如果接缝已经很明显，用局部修复工具沿接缝走一遍低幅度重绘，比重新做两块快。

5.2 手部、花纹、蕾丝的高频崩坏

手部是局部重绘的经典雷区。手在换装蒙版边缘时最容易被卷进去重绘，而模型画手本来就弱。处置办法很简单：蒙版坚决避开手部，宁可让袖口少覆盖一点。如果手确实需要改（比如原来手插兜，新衣服没兜），单独开一次手部蒙版，用高步数低幅度（0.4 到 0.5）精修，别和换装混在一次里。

条纹、格纹、logo这类规则图案，在重绘幅度偏高时会被打散成随机纹理。处置分两步：第一轮用 0.5 左右的幅度定型，第二轮单独对图案区域用 0.3 的低幅度补细节，第二轮提示词里明确写出图案类型和方向。规则图案还有个技巧是配合边缘约束，让模型知道图案要沿着什么方向走。

蕾丝、薄纱、镂空基本是高成本单。这类材质在半透明区域的重绘会连带背景一起重画，出来往往是糊的。可行的做法是把蒙版做得非常精细，逐块处理，或者接受"它不是完全还原"这个前提，改用参考图注入的方式给模型一个高保真的样本，让它照着画。

5.3 参数与症状速查表

6. 效率与交付：把单张手艺变成流水线

单张精修和批量交付完全是两种工作模式。前者追求上限，后者追求下限——批量场景里最重要的不是最好那张有多好，而是最差那张能不能过线。这个思路转变之后，很多参数选择会跟着变：我会刻意收窄参数区间、固定模型组合、减少每次的随机变量，用一点点上限换取稳定性。

6.1 批量化的工程思路

批量化的第一个动作是建立参数模板。按服装品类分几套：上装、下装、连衣裙、外套。每套模板固定底模、inpaint 模型、ControlNet 组合、参数区间、提示词框架。新单子进来先归到某个品类，直接用对应模板起跑。

第二个动作是减少人工介入点。全流程里必须人工判断的只有三个地方：蒙版是否合格、版型是否正确、边缘是否需要修补。其他环节尽量自动化，包括分辨率统一、批量重绘、批量放大。自动分割的蒙版偶尔出错，但检查一遍比全程手绘快得多。

第三个动作是建立失败样本库。每次遇到崩坏的图，存下来并标注原因。积累到几十张之后，你会发现自己踩的坑高度集中在那几类，后面遇到类似原图能提前预判并规避——比如毛领图直接不接、纯色大面积背景的图降低幅度、重叠穿搭的图先做深度约束。

还有一点是关于硬件和时间的现实考量。高分辨率重绘加多 ControlNet 叠加，显存占用很高，批量跑的时候要控制并发，别一次塞十张导致显存溢出中断。我习惯小批次跑，每批三到五张，出完检查一遍再继续，比一次性跑完发现全废要省时间。

6.2 交付前的自检清单

出图前的最后一道检查，我一般按这个清单过：

• 新衣服的版型是否来自目标款式，而不是原图款式的变体。
• 肩线、袖长、衣长这些关键比例是否合理，有没有出现袖子穿过手臂、下摆穿进裤腰的情况。
• 光影方向是否和原图一致，高光位置对不对。
• 边缘过渡是否自然，放大到 200% 看有没有硬接缝。
• 皮肤和布料的交界是否有明显色差。
• 手部、颈部、发际线有没有被卷进重绘导致变形。
• 图案和纹理是否清晰，条纹有没有随机断裂。
• 整体色调是否统一，有没有一块区域偏冷或偏暖。

这份清单看着琐碎，但每一条都对应过一次实际的返工。我自己最常翻车的是肩线和光影这两项，前者是因为蒙版画得不够贴合肩部轮廓，后者是因为提示词里光源描述和原图对不上。现在这两项基本成了肌肉记忆，出图第一眼就看这两个地方。

最后说一句关于时间预期的话。刚开始做换装，一张图折腾一两个小时很正常，不要觉得自己方法错了。真正缩短时间的不是某个神奇参数，而是对"什么样的图能做好、什么样的图做不好"的判断力。等你扫一眼原图就能预判这单要花多久、哪一步会卡，流程才算真正跑通了。我现在接单前会先看三件事：衣服和背景的交界清不清楚、有没有半透明材质、光照是不是单一光源。这三项都过，基本可以放心进流程；有一项不过，就先跟需求方沟通预期，别硬做。