AI 能生成一张惊艳的图，但它能稳定生成 100 张吗？
从《每日一个为什么》的科普图片实验出发，记录我对 AI 内容生产稳定性、Skill、模板和程序化系统的思考。
一张好图，AI 早就不缺。
真正难的，是持续产出风格统一、质量稳定的内容。
最近，我在《余量计划》里尝试做一个新栏目：《每日一个为什么》。
形式很简单：
每天用一张图片，讲清楚一个知识点。
比如：
- 飞机为什么能飞？
- 黑洞为什么连光都逃不出来？
- 为什么海水是咸的？
本来我以为这是一件很简单的事。
毕竟现在有 ChatGPT，有各种 AI 画图工具，只要输入一句话，几分钟就能生成一张内容丰富的科普图。
结果真正开始做的时候，我发现了一个有意思的问题。
AI 最大的问题，不是不会做，而是难以保持稳定。
一开始，效果确实很惊艳
刚开始几期，效果非常惊艳。
排版漂亮。
内容清晰。
整体风格统一。
甚至让我产生一种错觉：
这事已经成了。
但随着持续生成，问题开始出现。
有时候字体变模糊。
有时候排版突然变化。
有时候出现错别字。
甚至会擅自修改已经确定好的设计元素。
明明上一期很好看。
下一期却像换了个设计师。
这让我意识到：
AI 很擅长创造。但在长期、批量的内容生产中，稳定性仍然是它的短板。
Skill 真的能解决稳定性问题吗？
发现这个问题之后，我第一反应是：
需要把整个流程做成一个 Skill，也就是技能吗？
最近很多 AI 工具都在强调 Skill 的概念。
简单理解，就是把一套固定流程、固定提示词、固定规则封装起来。
以后只要调用这个 Skill，就能重复完成同样的事情。
听起来很完美。
但实际测试下来，我发现 Skill 更像是在提升成功率，而不是保证结果。
因为 Skill 本质上仍然是在调用大模型，而大模型天生具有随机性。
所以 Skill 解决的是：
每次从零开始的问题。
但未必能彻底解决：
每次结果完全一致的问题。
这也是为什么很多 AI 项目发展到后面，会逐渐从提示词工程，走向模板工程，再走向程序工程。
因为当内容规模越来越大，品牌要求越来越高的时候，仅靠 Prompt 或 Skill，最终都会遇到边界。
从“生成内容”到“生产内容”
今天和 ChatGPT 聊了很久。
我们最终讨论出了一个比较现实的三阶段方案。
第一阶段：验证
先不要想着做 100 期。
先连续做 10 期。
观察稳定性。
看看哪些部分容易出问题。
看看用户是否真的喜欢这种形式。
这一阶段的目标不是规模化，而是验证。
第二阶段：模板化
当风格确定之后。
不要让 AI 每次重新设计。
而是把版式、标题区域、内容区域全部固定下来。
AI 只负责填充内容。
就像杂志模板一样。
框架不变。
内容更新。
这样可以大幅提高一致性。
第三阶段：引擎化
如果未来真的要长期运营这个栏目。
那么最终可能需要的已经不是提示词。
也不仅仅是 Skill。
而是一个专门的内容生成引擎。
输入知识点。
自动生成标题。
自动生成文案。
自动套用模板。
自动输出图片。
这样做出来的内容，风格会更加统一。
品牌感也会越来越强。
这其实也是《余量计划》的意义
很多人看到 AI，关注的是：
它能做什么。
而我越来越关注：
它能持续做什么。
做出一个作品不难。
难的是持续输出。
写一篇文章不难。
难的是持续写一年。
开发一个产品不难。
难的是持续迭代。
AI 也是一样。
真正的价值，不在于一次惊艳的生成。
而在于能不能建立一套稳定运行的系统。
今天的《每日一个为什么》，表面上是在研究科普图片。
实际上是在研究另一件事：
如何把一个灵感，变成一个长期可执行的内容系统。
这或许也是《余量计划》真正关心的问题。
从灵感到系统
灵感决定你能不能开始。
系统决定你能走多远。
Prompt 解决的是启动问题。
Skill 解决的是复用问题。
模板解决的是一致性问题。
程序解决的是规模化问题。
一次惊艳值得赞叹。
稳定输出，才值得信任。
因为它证明的，不是你曾经有过一个好点子。
而是你把一个好点子，变成了一套能够持续运转的系统。
从灵感到系统。
这才是创造真正产生复利的开始。