AIGC · Architecture · Human-in-the-loop

Semi-agentic Architectural Image Iteration Workflow

Nanobanana 半自动建筑工作流

2026

纸质拼贴：同一栋现代建筑的两张照片并置，左为纯白体块模型，右为带天光与景观的完整渲染，中间一根箭头相连，示意两阶段生图流程。

01｜项目概述 Project Summary

一个围绕建筑 AI 效果图多轮生成场景搭建的半自动工作流原型，用于串联白模输入、prompt 装配、图像生成、feedback 承接与 round/state 状态管理。

它是一次针对"建筑 AI 生图多轮修改流程"的 workflow prototype：验证哪些环节可以被自动串联，哪些判断仍然需要人工保留。

This project is a semi-agentic architectural image iteration workflow prototype. It connects white-model input, prompt assembly, image generation, structured feedback handling, and round-based state management, aiming to reduce repetitive manual operations in multi-round AI rendering workflows.

02｜为什么做这个 Why I Built This

在建筑 AI 生图过程中，每一轮都需要重复组织白模图、参考图、项目背景、修改意见和 prompt。多轮修改时，上一轮图像、feedback、输出结果和文件路径也容易分散在聊天记录、文件夹和命令行之间。

这个原型要验证的是：把"输入 → prompt 装配 → 出图 → 反馈 → 下一轮"这段流程结构化后，能否减少重复操作、让每一轮修改更可追踪。

03｜工作流怎么设计 Workflow Design

白模主图输入
↓
Stage 1｜白模锁几何
锁定体量 / 建筑数量 / 主机位
↓
Stage 2｜反馈推进
基于上一轮图像 + feedback case 继续生成
↓
Round / State 管理
记录 project_id / round / prompt / feedback / output / history

Nanobanana 建筑生图工作台——两阶段生成流程的本地操作界面。 / The Nanobanana workbench — the local interface for the generation workflow, run in two stages.

04｜设计与验证 Design & Validation

需求拆解与边界定义

Requirement Decomposition & Scope Definition

拆解建筑 AI 生图多轮流程中的重复操作，明确哪些环节适合自动化，哪些判断需要人工保留。
The repeated operations in multi-round architectural AI image generation are broken down to clarify which parts can be automated and which should remain human-led — especially visual judgment and design decisions.

两阶段生成策略设计

Two-stage Generation Strategy

设计 Stage 1 / Stage 2 两阶段策略：先用白模锁定体量和主机位，再基于上一轮图像进行反馈推进。
A two-stage generation strategy: Stage 1 uses the white model as the main anchor to lock massing and camera logic; Stage 2 uses the previous output as the anchor for feedback-driven refinement.

结构化 feedback 设计

Structured Feedback Design

设计 keep / fix / avoid 结构化 feedback 格式，用于表达"保留什么、修改什么、避免什么"。
A structured feedback format based on keep / fix / avoid — separating what should be preserved, improved, and avoided, so each revision request is unambiguous.

本地工作台 MVP 搭建

Local Workflow UI MVP

使用 Claude Code 搭建本地 Streamlit 工作台，实现上传图片、选择阶段、运行生成、继续下一轮、前后对比和历史轮次查看。
A lightweight local Streamlit workspace supporting image upload, stage selection, generation runs, next-round continuation, before/after comparison, and historical round review.

方法论验证与边界记录

Validation & Boundary Reflection

通过 case_04a / case_04b 对照测试，验证不同强度 feedback 对环境完成度推进的影响，并记录项目边界：该工具适合结构化执行串联，不适合替代开放式审美判断。
The case_04a / case_04b comparison test validates how different feedback intensities affect environmental-completion refinement, and documents the prototype's boundary: useful for structured execution and stateful workflow tracking, but not intended to replace open-ended visual judgment or creative dialogue with strong image models.

05｜工作台 MVP 展示 MVP Demo

本地工作台 MVP

原本需要通过命令行执行的流程，被整理成一个本地网页工作台。用户可以上传白模图或参考图，选择 stage1 / stage2 路线，运行生成，并在下一轮选择标准 feedback case 或手动输入修改意见。

界面支持当前项目状态、最新输出图、前后轮对比、历史轮次回看与本地路径提示。 / The interface tracks current project state, the latest output, before/after comparison, round history, and local file-path hints.

06｜方法论验证 Validation: case_04a vs case_04b

这一组测试不是为了证明某个 prompt 一定能生成更好的图，而是为了验证：当同一张图作为起点时，不同强度的 feedback 是否会带来可观察的推进差异。

测试设计

为了验证"环境完成度"反馈是否需要不同强度档位，我将原 case_04 拆分为：

case_04a｜保守版：轻微补充环境，尽量不洗图
case_04b｜推进版：更明确增加前景、人物、车辆、地面细节和积水反射

两组测试使用同一个 Round 2 图像作为起点，唯一变量是 feedback 强度。

Round 2 锚点图——case_04a 与 case_04b 两版结果共同的出发底图，锁定几何与构图基准。 / Round 2 anchor — the shared base image both case_04a and case_04b were generated from, locking the geometric and compositional baseline.

case_04a · 保守版结果——从 Round 2 锚点图出发，修改幅度取保守档。 / case_04a · the conservative pass — generated from the Round 2 anchor with a minimal change budget.

case_04b · 推进版结果——同一张锚点图出发，允许更激进的修改幅度。 / case_04b · the aggressive pass — from the same anchor, with a wider change budget.

测试结论

case_04b 能在保持建筑体量、主机位和主体材质关系稳定的前提下，明显提升环境完成度。
case_04a 确实更保守，但推进效果不足，局部环境信息甚至可能回退。
这说明 feedback 的"强度"本身是一个重要变量：过弱的反馈可能导致模型几乎不做改变，而更明确的反馈更适合推进中间图到最终汇报图状态。

07｜反思与边界 Reflection & Boundary

反思

这个原型并不一定比直接与强图像模型对话更高效。对于高审美、高语境、高模糊度的图像探索，开放式人机对话仍然更灵活。

它的价值不在于替代人工审美判断，而在于验证：当修改意图可以结构化表达时，系统能否自动承接上下文、管理轮次、记录反馈，并提供可追踪的多轮执行机制。

因此，它更适合被理解为一个 AI workflow prototype，而非成熟生产工具。

This prototype is not intended to replace open-ended visual dialogue with strong image models. Its value lies in workflow abstraction, state tracking, and controlled feedback validation.