HarukadGenerator V3 研发记录
这篇不是单纯的项目宣传页，而是 HarukadGenerator 在 2026 年春季到 V3 期间的研发过程记录。它重点说明我为什么放弃原路线、如何解决伪像素、如何重新理解提示词，以及为什么最后把工具重构为桌面应用。
转向 SDXL
上学期一直用 SD1.5，虽然能跑通基础训练流程，但提示词理解能力始终是瓶颈。模型能生成“像素风”图片，却很难稳定理解游戏资产需要的主体、方向、轮廓和可读性。
4 月份开始，我彻底放弃 SD1.5 主线，转向 SDXL。SDXL 的提示词理解能力明显更强，但它没有直接解决我最头疼的问题：伪像素。
伪像素看起来像像素图，但实际上存在抗锯齿、模糊边缘、色阶过渡和插画式细节。这样的图放在网页上可能好看，放进游戏里就会非常不统一。
基于 pixeldiffusionXL，用最开始积累的 20 张左右训练集进行 LoRA 训练。结果证明 SDXL 路线更有潜力，但仅靠换模型不能解决资产可用性问题。
后处理：打不过就绕路
我最开始的想法是“训练出一个完全理解像素画的 LoRA”。但多轮测试后发现，模型本身很难稳定输出真正干净的像素块。
于是我换了一个思路：不再要求模型一步到位，而是让模型负责生成高质量草稿，再用后处理把它拉回像素资产规范。
图片暂时无法显示 图片暂时无法显示 上方对比图目前仍使用同一张占位图。后续需要把真实的 before / after 图放进 /Images/ 后替换路径，这样这部分才会成为完整展示。
这个阶段的核心收获是：后处理不是补救，而是资产管线的一部分。AI 生成图如果要进入游戏，就必须经过“规格化”。
提示词工作流：从强约束到纯净提示词
后处理路线确定后，我曾经构建过一套 200+ 正负提示词的强约束工作流。它在早期确实有帮助，因为低质量模型需要大量描述来限制结果。
但当训练集和 LoRA 质量提升后，情况反过来了。
有一次我把那些复杂提示词全部删掉，只保留更纯净的核心触发词，结果生成质量反而明显提升。这个现象一开始很反直觉，但后来想通了：高质量 LoRA 已经学到了目标风格，过多提示词反而会把模型拉回杂乱的通用图像分布。
数据集扩充
最初训练集只有 20 张左右，覆盖范围太窄。为了让模型理解更多游戏物品，我用强约束工作流生成大量候选图，再进行手动筛选。
训练集最终扩展到约 112 张，覆盖武器、药水、盔甲、道具、场景物件等类别。
筛选标准很严格：
- 风格不一致的不要
- 伪像素严重的不要
- 主体轮廓不清楚的不要
- 构图混乱的不要
- 细节虽然好看但不适合作为游戏素材的不要
这个阶段让我更明确地意识到：10 张高质量、方向明确的数据，比 100 张杂乱图更有价值。训练数据本身就是设计的一部分。
方向控制：单 LoRA 失败之后
游戏资产经常需要方向一致。比如同一个道具可能需要左向、右向、正面、背面。如果模型只能随机生成，就很难进入真正的游戏生产流程。
我最开始尝试把方向提示直接加入主体 LoRA 训练，但持续两周左右效果都不理想。模型能够理解“物品是什么”，却很难稳定理解“物品朝向应该如何变化”。
最后我改成多 LoRA 方案。
多 LoRA 方向方案
负责物品类型、像素风格、主体结构和整体质量。
专门训练方向概念，控制朝向而不承担主体生成。
主体 LoRA 权重较高，方向 LoRA 权重较低，避免破坏主体质量。
通过不同权重组合测试方向约束与画面稳定性的平衡点。
这个方案初步证明可行，也让我意识到：当一个模型概念过载时，与其继续往同一个 LoRA 里塞能力，不如拆分职责。
像素纯度评估
只靠肉眼筛图效率太低，而且很难复盘为什么某张图“看起来不对”。于是我设计了 7 维度像素纯度评估体系。
| 维度 | 检查内容 |
|---|---|
| 网格纯净度 | 是否存在亚像素和缩放回弹问题 |
| 调色板经济性 | 颜色数量是否过多 |
| 边缘硬度 | 边缘是否足够块状、清晰 |
| 抖动模式 | 是否存在合理的像素纹理 |
| 像素聚类 | 色块是否形成稳定区域 |
| 离散像素 | 是否存在孤立噪点 |
| 轮廓一致性 | 外轮廓是否稳定可读 |
这些指标不一定能完全替代人眼，但可以帮我把“感觉不好”拆成具体问题。
V3：推倒 WebUI，重建桌面应用
到 V3 时，我已经不满足于一个临时 webui。因为真正的工具需要处理本地文件、批量任务、模型路径、生成画廊、预设管理和后端进程生命周期。
所以我把项目重构成 Electron + Vue 3 + Python/FastAPI 的桌面应用。
主进程、渲染进程、后端进程分离，Electron 负责生命周期和 IPC。
支持暂停、恢复、逐图更新和任务状态反馈。
生成结果按物品与任务分组，支持缩放查看。
把 7 维评分接入前端，用雷达图进行可视化。
重建深色像素主题、缩放系统、标题栏和更适合长时间使用的 UI。
V3 的意义不只是 UI 更好看，而是项目从“研究脚本”变成“可以被人使用的工具”。
当前结论
HarukadGenerator 到目前为止最重要的结论有三个。
- AI 生成必须配套后处理：否则结果很难稳定进入游戏资产管线。
- 提示词要随模型能力变化而变化：强约束在早期是拐杖，后期可能是噪声。
- 工具链比单次生成更重要：作品集里真正有价值的是稳定、可重复、可解释的生产流程。
HarukadGenerator 已经从“能跑”进入“可维护、可扩展、可展示”的阶段。下一步要补的是更完整的真实案例、开源文档和面向他人使用的安装流程。