内容:做大模型这行七年了，我见过太多人把AI当神仙供着，也见过太多人把它当垃圾扔一边。今天咱们不整虚的，聊聊一个让无数硕博生头秃的事儿：怎么让chatgpt4绘制科研示意图。

说实话，刚出来那会儿，我也兴奋过。觉得这下好了，画图不用熬夜，不用跟Illustrator死磕。结果呢？用了一周，我想砸电脑。生成的图，那是人看的吗？手指头多一个少一个，文字乱码，配色像上世纪的霓虹灯。那时候我就想，这玩意儿除了装逼，有个屁用。

但是，人是会变的，尤其是被导师逼着改图改了第十版之后。我开始琢磨，到底怎么才能让chatgpt4绘制科研示意图变得靠谱？

这里有个巨大的误区。很多人以为，你输入“画一个细胞线粒体”，它就能给你吐出个能发Nature子刊的图。做梦呢。大模型不是PS，它不懂构图，不懂学术规范，它就是个概率预测机器。你给它一堆乱码，它就还你一堆乱码。

我试过几百次，终于摸索出一套“笨办法”。

第一步，别让它直接画图。让它当你的“分镜师”。

你先把你的实验逻辑理清楚。比如，你要讲一个信号通路。别急着让它生成图片。先让它帮你写Prompt。你要告诉它：我是做生物医药的，我要画一个机制图。背景是白色的，风格是扁平化矢量图。主要元素包括受体A、激酶B、转录因子C。

这时候，你会发现，它开始像个人了。它会问你：受体A和激酶B之间是磷酸化关系还是结合关系？激酶B激活转录因子C是直接进入细胞核还是通过泛素化？

这些细节，才是科研的核心。你把这些细节喂给它，它生成的Prompt才具备可执行性。

第二步，用Midjourney或者DALL-E 3去生成底图。

别指望ChatGPT直接出图，它的绘图能力（DALL-E 3）虽然进步了，但在精细度和可控性上，还是差了点意思。尤其是对于科研示意图这种需要极高准确性的东西。

我一般用ChatGPT4生成详细的Prompt，然后扔进Midjourney。注意，Midjourney v6对文字的支持好多了，但依然不能保证完全正确。所以，生成的图，大概率是个“看起来很像那么回事”的抽象艺术。

第三步，也是最关键的一步，人工后期。

拿着Midjourney生成的图，或者DALL-E 3生成的图，进Illustrator或者PPT。对，你没听错，就是PPT。很多大佬的图，其实都是PPT拼出来的。把ChatGPT生成的元素，一个个抠出来，重新排列，调整颜色，加上标注。

这个过程，看似麻烦，实则高效。因为你省去了从0到1构思构图的时间。你只需要做“编辑”和“润色”。

我有个学生，之前为了画个图，花了三天。用了这套方法，半天搞定。导师还夸他进步神速。其实哪有什么神速，只是工具用对了。

这里有个数据对比。以前手动画图，平均耗时4小时/张，返工率30%。现在用这套流程，生成底图1小时，后期调整2小时，返工率降到5%以下。这效率，不香吗？

当然，也有人会说，这样画出来的图，有AI味。确实，如果你不仔细调整，会有那种廉价的塑料感。但只要你肯花点心思，在配色和线条上做点微调，根本看不出来。审稿人看的是逻辑，不是你的笔触。

所以，别再把ChatGPT当保姆了。它是个实习生，你得教它怎么干活，还得最后把关。

如果你还在为画图发愁，或者不知道怎么写Prompt才能生成高质量的科研图，别自己瞎琢磨了。我也踩过无数坑，总结出来的经验，能帮你省下大把时间。

我是老张，在大模型圈摸爬滚打七年，见过太多人走弯路。如果你想知道具体的Prompt模板，或者想看看我平时是怎么调教AI画图的，欢迎来聊聊。别客气，咱们直接点。

本文关键词：chatgpt4绘制科研示意图