在 Midjourney 出现之前，设计师想要一张"概念图"，有几条路可以走：自己画、找插画师、买素材库、用 Photoshop 拼合。每一条路都需要时间，有的还需要预算。你描述不清楚的视觉感受，只能靠大量沟通或反复修改来逼近。

Midjourney 改变了这件事。你用文字描述想要的画面，它在几秒钟内生成图片。不需要会画画，不需要懂 Photoshop，不需要找素材。你的想法和视觉结果之间，只隔着一段文字。

但这句话说起来简单，背后有一些东西值得搞清楚——Midjourney 到底是怎么生成图的，它擅长什么，在哪些地方会失败。这些如果不理解，你就没有办法判断什么时候该用它、什么时候不该指望它。

1. Midjourney 是怎么工作的

Midjourney 是一个 AI 图像生成工具，底层基于一类叫做"扩散模型"的技术。你不需要理解这个技术的数学原理，但理解它的工作方式很有用。

扩散模型的训练过程是这样的：它看了数以亿计的图片，同时学习了每张图片对应的文字描述。通过这个过程，它建立起了"这段文字对应什么样的视觉"的内部理解。当你输入一段提示词，它并不是在"画"图，而是在根据它学到的规律，生成一张"在统计意义上符合你的描述"的图片。

这个机制解释了一件事：Midjourney 特别擅长生成那些"有大量相似图片可以参考"的内容，因为它对这类内容有丰富的视觉经验。同时它也有天然的弱点：对于需要精确逻辑或精确文字的内容，它没有办法保证准确，因为准确性不是它学习的方式。

2. Midjourney 擅长什么

2.1 氛围图和概念图

这是 Midjourney 表现最好的领域。当你需要一张能传递特定情绪的图——比如"深夜城市街道、雨后、霓虹灯反光在水坑里"——Midjourney 能生成出极具感染力的画面。这类图不需要精确，只需要"对"。设计师在做方案提案、情绪板、用户旅程图时，经常需要这类内容，Midjourney 能极大压缩制作时间。

2.2 风格化素材

插画风格、水彩风格、3D 渲染、概念艺术——各种视觉风格的素材，Midjourney 都能生成。运营设计师需要活动主视觉，品牌设计师需要视觉方向探索，海报设计师需要场景配图，这些需求 Midjourney 都可以承接。

2.3 人物和场景配图。

需要特定场景下的人物图——比如"在咖啡馆工作的年轻女性、温暖的自然光、浅景深"——用传统方式要么买素材、要么拍照，Midjourney 可以直接生成，而且能精确控制光线、情绪、构图。

2.4 风格探索和快速出图

在项目早期需要快速探索视觉方向时，Midjourney 能在几分钟内生成多个方向的参考图，帮助团队对齐视觉感受。这个用法不是为了直接产出成品，而是作为沟通和决策的工具。

3. Midjourney 不擅长什么

理解这些局限，能帮你避免把时间浪费在 Midjourney 不适合处理的需求上。

3.1 精确的文字内容。

在图片里生成准确的文字是 Midjourney 的软肋。如果你需要图片里出现特定的标语、产品名称、数字，Midjourney 生成的文字大概率是错的，或者根本不可辨认——字母会变形、词语会拼错、中文会出现不存在的字。需要在图片里放文字的设计，应该用 Midjourney 生成底图，再在 Figma 或 Photoshop 里添加文字。

3.2 精确的人物面部和手部

人脸和手是 Midjourney 最常出问题的地方。生成的人物面部有时会出现轻微变形，手指数量不对、指节弯曲方向奇怪的情况也时有发生。如果你的设计对人物细节有严格要求，Midjourney 的生成结果需要经过后期处理，或者换用专门针对人物生成优化过的工具。

3.3 复杂的逻辑场景

如果你的需求包含需要逻辑推理才能理解的内容——比如"一个人把一个苹果放在另一个人的手上"这种包含明确动作关系的场景——Midjourney 经常会生成出位置关系错误、物体数量不对的图。它理解的是视觉模式，不是逻辑关系。

3.4 需要精确复现的现实物体

如果你需要生成特定品牌的产品、特定建筑的外观、特定人物的面孔，Midjourney 做不到。它生成的是"看起来像这类东西"的图，不是对特定对象的精确复现。这类需求需要用参考图引导（后面的课程会讲），但即使有参考图，结果也是近似而非精确。

3.5 UI 界面截图

有些设计师想用 Midjourney 生成看起来像真实 App 界面的截图，实际效果很差。界面元素会变形，文字不准确，控件的位置和比例都会出问题。这个场景不适合用 Midjourney。

4. Midjourney 和你熟悉的设计工具有什么不同

在 Figma 或 Photoshop 里，你是在精确操作每一个元素——把按钮放在哪里、字体是什么、颜色的色值是多少。结果完全由你的操作决定，可重复，可精确控制。

Midjourney 的逻辑完全不同。你描述你想要的，它生成一个它认为符合描述的版本。每次生成都有一定的随机性，同样的提示词生成两次，结果不会完全一样。你无法像在 Figma 里那样精确控制每一个细节，但你可以通过更精确的描述来缩小结果的范围，让它越来越接近你想要的方向。

这意味着用 Midjourney 工作需要一种不同的心理预期：不是"我输入了什么，输出就是什么"，而是"我描述了方向，它生成一个方向上的结果，我再根据结果调整描述"。这是一个迭代的过程，不是一步到位的操作。

很多设计师刚开始用 Midjourney 时会感到沮丧，原因就在这里——他们用操作精确工具的预期来使用一个需要迭代的工具。调整预期之后，配合本课程的方法，这种沮丧感会消失。

5. 一个判断标准：这个需求适合用 Midjourney 吗

在具体使用之前，可以用一个简单的标准来判断：

如果你的需求是"我需要一张传递某种视觉感受的图，细节上有一定灵活空间"，Midjourney 适合。

如果你的需求是"我需要一张精确包含特定文字、特定人物、特定物体外观的图"，Midjourney 只能作为起点，后期还需要在其他工具里继续处理。

如果你的需求是"我需要一张 UI 界面截图"或者"我需要精确复现某个真实存在的东西"，Midjourney 不适合，换工具。

6. 这一节学完，你应该对 Midjourney 有这样的基本认知：

Midjourney 是一个根据文字描述生成图片的工具，擅长氛围图、风格化素材和人物场景配图，不擅长精确文字、复杂逻辑场景和 UI 界面。它的工作方式需要迭代而不是一步到位，这和你熟悉的设计工具不同。带着这个认知进入下一节，你在学习过程中会少走很多弯路。