一、新手困境

S：参加完6月份的AI web航海，隔三差五的上了6-7个站后，仅仅算是熟悉了上站流程，接下来要脱离护航舰队独自航行，却依旧没有清晰的方向，一度陷入看往期视频，读精华帖的循环中，新手实在是有太多的能力短板要去补齐，烦躁焦虑到在其他项目间反复横跳。但我又不甘心，一直想上一个AI工具站，于是沉下心来开始分析当前是什么问题造成了举步维艰：

没有合适的上站模版；

不知道怎样调取API；

以及最关键的问题，到底做什么类型的AI工具站来解决什么问题......

光想是没有答案的，

Ideas are just a multiplier of execution. --- Derek Sivers

好在我有一个比较明确的需求，即：将逝去亲人的照片，融入到某个时刻的全家福照片当中，作为美好时刻的见证和纪念。没做任何调研，直接下场干吧，就当练手熟悉不同的网站，反正做出来MVP最终也要由市场检验，ship fast。

二、任务

T：我开始和ChatGPT聊起这个需求，捋了一下需要完成的步骤：将老照片修复 >> 上色 >> 抠图 >> 调整任务尺寸 >> 融入全家福照片当中。它给我整了一个专业的流程图出来，即调用各种API来实现，还分析了每次调取生成的成本，看上去就很很高大上。我想，将这么多API串起来，那得调试多久啊？这些API还不在同一个第三方的API平台上，需要从不同的地方调取。而且直觉告诉我，串联的级数越多，出bug的概率会更大。这对新人来说太恐怖了。

三、行动过程

A：正好这几天在API平台replicate研究不同模型能力，便咨询ai当前的模型，比如flux-kontext和chatgpt 4o能做到什么程度。得到的答案是：路径可以缩短，但ai仍然建议我通过调取不同的api实现精准控制。

最终链路仍可能是：GFPGAN → Flux/GPT-4o in-paint → Real-ESRGAN 超分

我不信邪，想省事降低难度，于是让chatgpt根据我的需求，生成了两张图，我想尝试下，仅仅通过提示词去控制，看看能到何种程度，于是有了下面这两张：

看上去颇有难度，总共7步：将老照片修复，变成高清，抠图，上色，再调整成合适的人物比例，毫无违和的插入到左侧的全家福照片当中，扩展照片。提示词如下：

请给grandma这张老照片，上色，修复，并将grandma人物抠下来，按照适当的比例完美的融入到family这张照片里面去，使整张family照片协调。如果空间不够，可以将照片尺寸扩展。

这时Chatgpt o3展示了强大的拆解能力，思考了11s理解任务，又花了1分钟左右生成了如下的图片。

为了更好的阅读体验，来飞书看吧：

https://lcn8b4vl8swy.feishu.cn/wiki/GU9owB4FbixeRzkTpLlcgKM4nAb