起点：打开工具，然后发呆
故事要从 Image-2 的灰度测试说起。那是我再一次接触 AI 绘画。
但打开之后我就卡住了，不知道该生成什么，也不知道该怎么检验它的能力。这个状态我相信很多人都有过：工具摆在面前，但你面对的是一个空白的输入框，脑子里也是空白的。
我当时唯一的想法是：我不会写提示词，但我知道什么图是好看的。
于是我去找了几款我常玩的游戏的官方图片，把这些图丢给 AI，让它逆向推导出提示词。然后我把这些风格提示词和自己想要的主题结合在一起，用 Image-2 生成了几张图。
这一步的动作其实很简单：不会从零开始，就找一个已经好的东西，让 AI 帮你拆。起点可以很低，你只需要有一个参照物。
第一波流量：时间差就是内容差
那个时候 Image-2 还没有正式上线，我很幸运地被灰度测试选中了。我把生成的图发到了小红书，因为大多数人还用不了这个功能，这批内容意外地获得了流量。
等到 Image-2 正式发布，我又发了一篇关于 Image-2 通用提示词的帖子，再一次吃到了流量。
回头看，这两次“运气”背后有一个共同点：我在别人还在观望的时候，已经把东西做出来、发出去了。不是因为做得多好，而是因为时间窗口在那里，我没有等。
承接流量：把经验拆开，再封装出去
流量来了之后，我在想一个问题：怎么把这些一次性的流量变成持续的关注？
我做的事情是回头审视自己的整个过程：用图片逆向拆解出提示词，再加工，再结合主题生成。然后把这个方法论封装成了一篇新的帖子。
你做成了一件事之后，回头拆解“我是怎么做成的”，拆解本身就是新的内容。
转折：从工具技巧到一个更深的问题
事情到这里本来告一段落了。后续的转折来自这周希望者联盟里的分享，树林反复在聊一个词：审美。
这让我开始想一个不一样的问题：审美这个东西，能不能被训练？
我最先想到的方案类似于网感测评的小程序思路：收集大量的图片，定义它们的类型、结构、风格，然后让用户像“磨耳朵”学语言一样去“磨审美”。
然后顺着之前逆向提示词的思路，我突然想到一件事：既然图片背后蕴藏了丰富的提示词信息，那人名本身，是不是也可以成为一种提示词？
落地：从想法到产品
接下来的问题变成了：怎么把这些想法变成别人也能用的东西？
我先去验证了可行性：能不能做成一个小程序、一个网页。得到肯定答案之后，我动手把它们做了出来。最终封装成了三个产品。
从想法到落地之间，最关键的一步不是技术能力，而是你去问了“这到底能不能做”。