公众号:AI 这个时代
发文时间:2026 年 8 月 19 日 18:30
从一段被招幌、树影和人群遮挡的宋画局部,到可检查的平面、立面、剖面、屋顶平面和三维模型:这不是一次“国风图片生成”,而是一场带证据等级的数字复原实验。
如果只给 AI 一句话——“画一座宋代酒楼”——它大概率会交出一座似曾相识的古装影视城:满街大红灯笼、通体朱漆、夸张飞檐,再加一点雾和金光。
它可能很漂亮,却未必属于宋代。
这次我换了一种做法。我把故宫所藏《清明上河图》()中的酒楼局部作为图像锚点,以《东京梦华录》和《营造法式》作为文献与技术参照,让 Codex 负责资料检索、证据整理、参数推演、CAD 建模和质量验收,再让 GPT‑Image 2 在已经锁定的建筑体量上补充材质、人物与黄昏氛围。
最终得到的不是一张孤立的“效果图”,而是一套可以继续修改、检查和复用的数字复原档案。
第一步,不是画,而是承认“看不清”
项目的图像锚点,是《清明上河图》中一座临街酒楼。相关区域里可以看到两层经营界面、底层开敞空间、二层栏槛、大坡瓦屋面、彩楼欢门,以及“正店”“香醪”等商业信息。
为了避免在整幅长卷中“凭印象看建筑”,研究阶段又继续裁出了两个尺度不同的工作局部。
但问题也很明显:建筑被旗幌、树木、人物和车马大量遮挡,而且画面采用散点透视。我们看不见完整柱网,更无法直接读出后院边界、楼梯位置和屋顶构造。
如果把所有看不见的部分都“脑补”成确定事实,复原很快就会变成创作。
因此,Codex 首先建立了三级证据体系:
- A 级:原画中可以直接辨认的内容,例如临街两层界面、开敞底层、二层栏槛、瓦坡屋面和可读招幌。
- B 级:同时代文献、制度或器物提供的类型证据,例如《东京梦华录》()对酒店彩楼欢门、厅院、廊庑和阁子的描述,以及《营造法式》的材分制度。
- C 级:为了让空间和模型成立而提出的工作假设,例如五开间柱网、楼梯方位、后院功能和精确屋顶形式。
这个分级很关键。它让我们可以大胆推演,但不能偷偷把推演写成史实。
下面这张标注板只标记画面能够支持的关系:临街两层木构、二层栏杆、彩楼欢门、招幌、开放底层和街边物流。它没有在被遮挡区域“补画”完整柱网。
Codex 做的,不只是“查资料”
资料锁定后,Codex 把文字和图像转换成了一套可计算的建筑参数。
前楼采用五开间工作模型,每间约 3.12 米,总面宽 15.60 米;工作进深 6.40 米;二层标高约 3.90 米,檐口约 7.15 米,屋脊控制在约 9 米。场地包络约为 17.40×27.60 米。
这些数字并不是声称“宋画中的酒楼实测就是如此”,而是经过人物、家具、车马和经营动作交叉校核后得到的可调参数。
在比例尚未锁定时,第一版平面只处理功能关系:临街门厅、纵向主廊、两侧阁子、厨房备餐、酒库与后场转换。红色表示原画可见,蓝色表示文献类型证据,灰色虚线表示经营推定。
比例校核后,一层控制包络被统一为 17.40×27.60 米,并在图中加入前楼面宽、主廊宽度和院落进深。
二层只锁定临街前楼,不把整个院落强行做成连续二层。三个阁子是经营分区,后侧通道和西端楼梯仍属于工作假设。
Codex 随后生成并反复检查了:
- 一层、二层平面;
- 临街立面与侧立面;
- 建筑剖面和屋顶平面;
- STEP 三维模型与 DXF 正式图;
- 街道斜视、院内斜视、顶视、正视和侧视五组固定验收镜头。
在这个过程中,模型必须回答一些效果图通常会绕开的问题:柱、梁、楼板能否上下对应?二层栏杆是否过高?桌椅摆下后跑堂还能不能通行?酒瓮如何补给?楼梯上口会不会撞进阁子?
比如,文献里出现的“三组阁子”,最后被表达为帘幕和屏风形成的三个经营分区,而不是武断地画成三道承重墙。因为经营分区和承重柱网,本来就是两件不同的事。
一座酒楼,首先要能够营业
建筑尺度通过后,复原进入室内和运营层。
一层日常状态设置为 28 席,繁忙状态可以扩展到 40 席;二层默认 12 席,并保留 16 席营业版和 20 席拼阁宴席版。主通行带、跑堂服务带、楼梯和后场补给路线分别校核,避免桌子摆得漂亮、客人却根本走不进去。
家具和器物也被整理成资产表:高脚方桌、长凳、小榻、屏风、酒架,以及注子、温碗、酒盏、盘、碟、箸、酒杓和酒瓮。每项资产都有尺寸、使用位置、证据来源和可信等级。
菜单没有把南宋临安名菜整套搬进北宋汴京。主场景选择中秋新酒时节,因为《东京梦华录》中有新酒、蟹果和酒楼玩月等线索,可以把季节、食物、营业时间和灯火组织在同一套叙事里。
材质不是“做旧滤镜”
精细化阶段最容易出现的另一个误区,是把所有木构刷成深红,再统一叠一层尘土。
这次先制作了约 20 平方米等效面积的材质代表区,只测试前楼檐下、栏杆、门槛、瓦面和局部墙体。材质分成木构、瓦面、灰泥土墙、砖石、竹绳、纸帛织物和小面积彩画,并设计“新开业”和“长期营业”两套年龄状态。
长期营业状态的磨损也不是均匀撒脏:门槛和楼梯是踩踏,栏杆是手泽,厨房附近是烟熏,酒库区域是潮气,瓦面则表现雨尘和藻痕。
色彩因此变得克制:素木、瓦灰、灰泥、泥地是主体,砖红和青绿色只在招幌、帘幕和彩楼欢门上少量出现。
GPT‑Image 2 在这里负责什么?
当证据边界、体量、尺度和材料方向已经锁定,GPT‑Image 2 才进入流程。
它接收两类参考:一类是《清明上河图》局部,用来理解街市密度、商业界面和时代氛围;另一类是 Codex 生成的 v1.0 灰模,用来约束建筑体量、楼层关系和视角。
它负责的是灰模暂时不擅长表达的部分:自然光、瓦与木的质感、人物活动、驴车装卸、跑堂与酒客,以及黄昏时少量油灯形成的光岛。
但生成图不反向升级证据。画面里自动生成的文字、人物服饰细节、邻近建筑和装饰,都只能算视觉演绎。尤其是招牌文字,生成模型可能产生似字非字的内容,正式展示时应使用经过校核的独立招牌资产替换。
换句话说,Codex 负责回答“为什么这样建、尺寸是否成立、哪些内容可信”;GPT‑Image 2 负责回答“当人、灯光和材料回到空间里,它可能呈现出怎样的生活感”。
两者不是互相替代,而是前后衔接。
这套流程具体是怎样跑起来的?
整个项目可以拆成六个连续阶段。每一阶段都产生可以检查的中间成果,而不是把所有要求塞进一次生成。
此处原为飞书内嵌电子表格,官网版渲染为静态表格快照。
这套工作流有一个简单原则:上一步没有通过证据门,下一步就不继续“加细节”。尤其不能在建筑体量还没确定时,直接用生成模型铺满精美材质。越早出现的精美细节,越容易掩盖基础错误。
可以直接复制的 Codex 提示词
下面是把整个任务交给 Codex 时可以使用的主提示词。实际执行时最好分阶段提交,每完成一阶段就检查成果。
高清原画与证据提取
我要复原《清明上河图》中的宋代酒楼。请先不要生成效果图。任务:1. 锁定故宫官方高清原画和馆藏编号;2. 提取目标酒楼局部,并制作建筑标注板;3. 将画面信息分成:直接可见、被遮挡、无法判断;4. 逐项记录柱、栏杆、屋面、门窗、招幌、彩楼欢门、人物和车马;5. 所有结论标注来源链接、原文和证据等级。证据等级:A=原画直接可见或可读;B=宋代文献、制度或同期实物提供的类型证据;C=为完成复原而提出的工作假设。禁止:- 不要把模糊文字强行辨认为店名;- 不要把其他酒楼的记载直接套用到目标建筑;- 不要把散点透视画面当作精确测绘图。输出:高清局部、标注板、逐条证据表和待确认问题清单。比例、柱网与功能推演
基于已经锁定的 A/B/C 证据,建立一套可调整的宋代酒楼工作模型。请完成:1. 以画面人物、桌案、驴车和栏杆作为尺度参照;2. 提出不少于两套开间方案,并说明各自优缺点;3. 校核前楼面宽、进深、一二层层高、檐口和屋脊;4. 绘制一层经营功能草图和二层阁子草图;5. 区分承重柱网与帘幕/屏风形成的经营分区;6. 对楼梯、后院、厨房、酒库和装卸位置保留可切换方案。要求:- 单位统一为毫米;- 所有推定参数集中在一个参数表中;- 不得用“三个阁子”反推为“三个承重开间”;- 每张图必须显示 A/B/C 证据图层。输出:比例校核表、参数真源、一二层平面草图和方案比较结论。STEP、DXF 与空间验收
请把锁定后的参数转为 STEP-first 的参数化建筑模型,并由同一参数源生成 DXF。模型至少包含:- 场地和临街界面;- 一二层柱、阑额、普拍枋、楼板梁和栏杆;- 可切换的屋顶候选体量;- 一层桌席、二层软分隔和楼梯;- 主廊、侧房与后场工作体量;- 彩楼欢门、招幌和人物尺度代理。验收要求:1. 检查 STEP 拓扑、包络尺寸、主要标高和构件数量;2. 检查 DXF 单位、图层和实体数量;3. 输出街道斜视、院内斜视、顶视、正视、侧视;4. 检查柱梁是否上下对应、人物是否穿越楼板、楼梯是否碰撞;5. 对照上一版本做几何差异检查;6. 不得把当前模型描述为施工图或考古实测模型。输出:STEP、DXF、五视角验收图和技术校核记录。室内经营与资产深化
请在不修改已锁定承重柱网的前提下,深化宋代酒楼的营业状态。需要建立:- 掌柜、跑堂、量酒者、厨役、酒客、乐工、脚夫和商贩角色表;- 方桌、长凳、小榻、屏风和酒架资产表;- 注子、温碗、酒盏、盘、碟、箸、酒杓和酒瓮资产表;- 普通宴席与高档宴席摆台;- 顾客、上菜、补酒、柴炭、泔水和垃圾动线;- 白天、黄昏、夜间三套营业状态。请校核:- 人物坐姿与桌高;- 跑堂端盘、斟酒和搬瓮动作;- 主通道和服务带净宽;- 二层阁子 4、6、8 席变化;- 北宋汴京菜单与南宋临安菜名的时代边界。所有尺寸和布局继续标记证据等级。GPT‑Image 2 主提示词:从灰模生成公众号头图
这次头图不是从一句“宋代酒楼”开始,而是同时输入两张参考图:
- 参考图 1:《清明上河图》高清局部,作为历史街市、商业界面和活动密度的证据锚点;
- 参考图 2:v1.0 五视角灰模,作为建筑体量、楼层、屋顶和人物尺度的几何约束。
下面是整理后的完整提示词,可直接用于相似项目:
用途:历史场景复原,微信公众号文章横版头图,16:9。主要任务:依据参考图 1 的北宋街市氛围与可见建筑信息,以及参考图 2 的建筑几何和尺度,生成一幅北宋末年东京汴梁临街正店的建筑复原视觉演绎图。建筑主体:- 临街两层木构商业建筑;- 底层开敞经营;- 二层临街栏槛、桌席和软质帘幕;- 灰黑色板瓦大坡屋面;- 门前设置非承重彩楼欢门;- 设置斜挑酒旗、器形招幌和少量灯箱;- 保持参考灰模中的两层比例、面宽、进深和主要屋顶体量;- 后院仅作最低限度表达,不擅自扩大或增加临河景观。经营场景:- 底层与二层均有分散宴饮;- 跑堂迎客、端盘、斟酒;- 街边有肩挑商贩;- 门前有驴车和装卸活动;- 人物密度热闹但保持通行空间;- 人物服饰符合北宋城市平民、商人和服务人员身份。材质:- 主体为素木和低度刷饰木构,不通体刷深红漆;- 屋瓦灰黑、色差自然、边缘有轻微雨尘;- 灰泥和土墙呈暖灰褐色;- 泥土地面具有车辙、踩踏和局部尘土;- 门槛、楼梯和栏杆出现有逻辑的长期营业磨损;- 招幌、帘幕使用低饱和砖红、灰蓝和青绿色。构图:- 街道视点的广角斜视;- 酒楼占据画面主体但保留完整屋顶轮廓;- 前景人物、驴车提供尺度;- 屋顶或天空附近保留适合后期添加标题的安静区域;- 建筑垂直线自然,避免夸张广角畸变。光线与氛围:- 黄昏暖光作为主叙事;- 少量烛火、油灯和灯箱形成不均匀光岛;- 室内暖、街道稍冷;- 有生活感和商业活力,但不要戏剧舞台式打光。风格:高质量建筑可视化与纪录片式历史复原结合,写实材质,略带克制的绘画感;不是游戏概念城,也不是仙侠场景。文字处理:- 不要求模型准确生成复杂中文;- 招牌只保留适合后期替换的牌面;- “正店”“香醪”“孙羊店”等文字由后期使用经校核字体资产覆盖;- 不把自动生成的似字非字内容作为最终文字。禁止:- 明清宫殿式红墙、朱柱和金饰;- 黄色琉璃瓦;- 夸张上翘飞檐、宝塔和仙侠建筑;- 满街统一大红圆灯笼;- LED 轮廓灯和现代均匀照明;- 日式、韩式或现代中式建筑特征;- 明清高靠背家具、现代桌椅;- 现代服装、玻璃橱窗、塑料、柏油路和电线;- 在建筑后方擅自增加河流;- 水印、标题和品牌标识。负面提示词为什么要写得这么具体?
“不要现代元素”通常不够。图像模型会从大量流行视觉样本中寻找“古代中国”的统计特征,而其中最常见的往往是明清宫殿、影视城、红灯笼和仙侠游戏。
所以负面约束需要点名常见错误:
避免明清宫殿、故宫式红墙、通体朱漆、黄琉璃瓦、斗拱堆叠、夸张飞檐、仙侠宝塔、江南水乡、日式町屋、韩式屋顶、满街大红灯笼、现代舞台灯、LED轮廓灯、玻璃幕墙、塑料制品、柏油道路、现代广告牌、现代桌椅、清代宫灯、旗袍、长辫、官帽混用、武侠舞台、空无一人的样板间。这不是为了限制创意,而是为了把模型的自由度留给真正需要演绎的部分:人的动作、光线、烟火气和材料状态。
第一张图出来后,怎样继续修?
不要在第二轮提示词里重新描述整幅画面。最有效的方法是每轮只修一个问题,并重复声明哪些内容必须保持不变。
修正建筑体量漂移
只修正建筑几何,不改变人物、光线、镜头和街道活动。严格恢复参考灰模中的两层比例、五开间正面节奏、连续二层栏杆和屋顶高度。不要增加第三层、塔楼、侧翼或更大的后院建筑。修正“影视城式大红大金”
只调整材料与色彩,保持构图和全部对象位置不变。把通体红漆改为素木、低度刷饰和自然磨损木色;把高饱和金色改为灰泥、瓦灰、暖褐和少量低饱和砖红。彩色只保留在招幌、帘幕和彩楼欢门的小面积位置。修正灯笼和夜景
只修改照明系统,保持建筑、人物和材质不变。删除成排统一红灯笼和轮廓灯;改为少量油灯、烛火和灯箱形成的局部暖光岛。街道整体保持黄昏自然光,不要现代商业街式均匀高照度。修正人物朝代穿帮
只替换人物服饰、头巾、发式和动作,保持人物位置、数量、建筑和镜头不变。人物应为北宋城市商人、跑堂、厨役、脚夫、酒客和街贩;服装使用交领袍衫、襦裙、幞头或头巾等克制类型。删除旗袍、清代长辫、明式官帽、戏曲盔甲和现代鞋。修正错误招牌文字
移除所有不可辨认、错写或似字非字的招牌内容,只保留空白木牌、布旗和灯箱牌面。保持牌面尺寸、悬挂位置、材质、褶皱和光照不变,文字将在后期单独覆盖。公众号排版时还有三个细节
第一,头图不要直接承担学术证明。它应标注“视觉演绎图”,真正的证据紧接着用原画局部、标注板和灰模说明。
第二,长文中交替使用“证据图—模型图—演绎图”。连续放三张效果图会让读者忘记哪些内容是可见事实,连续放三张技术图又会失去阅读节奏。
第三,所有 AI 生成中文都建议后期替换。对于“正店”“香醪”和“孙羊店”这类关键信息,宁可先保留空白牌面,也不要让似字非字削弱整篇文章的可信度。
本次调研图像与交付资料索引
为了方便读者继续核查,下面把文章中使用和项目中形成的主要视觉资料集中列出。
原画与裁切
- 故宫高清原画工作局部:街区、建筑与交通关系。
- 建筑高清局部:两层界面、彩楼欢门和街面经营。
- 招幌与柱列局部:文字、招幌、摊案和人物活动。
分析与平面图板
- 建筑标注板 PNG
- 比例与柱网校核板 PNG
- 首版平面功能草图 PNG
- v0.2 一层平面 PNG
- v0.2 二层平面 PNG
- 建筑标注板与首版平面 PDF
- 比例校核与一二层平面 PDF
深化与最终演绎
- v1.0 五视角空间验收
- 一二层家具与运营图板
- 材料与宋式色彩证据板
- 场景视觉识别板
- GPT‑Image 2 黄昏视觉演绎头图
以上图像并不处于同一证据层级:原画裁切是图像证据,标注板和校核板是研究解释,平面与灰模是工作模型,GPT‑Image 2 头图则是建立在前述成果上的视觉演绎。
AI 复原最重要的,可能不是生成能力
这次项目最终交付了 STEP、DXF、多视角校核图、材料证据板、家具与器物资产表、人物和环境注册表,以及一套明确标注推定范围的 v1.0 说明书。
模型包含 276 个叶级构件和代理体,DXF 使用毫米单位,并保留 A/B/C 证据图层。40 个尺度人物被放进街道、底层、二层和后场,用来检查层高、栏杆、桌席和通道,而不是假装已经完成了精细角色制作。
更重要的是,这套成果仍然允许被质疑和修改。
如果后续研究证明屋顶形式不对,可以切换屋顶解释;如果专家认为楼梯位置不成立,可以替换楼梯方案;如果新的图像证据出现,也可以调整柱网,而不必推倒全部成果。
这或许正是 Codex 与生成式图像模型参与历史复原时最有价值的方式:不是一键把模糊的过去变成“高清真相”,而是把资料、推定、模型和视觉演绎组织成一条可检查、可回退、可继续研究的链条。
我们最终得到的,仍然不是唯一正确的孙羊正店。
但它比一句“请画一座宋代酒楼”,离真实更近了一步。
项目说明
本项目定位为学术展示级数字复原。原画直接可见内容、同期文献类比和工作推定均已分别标注。当前 STEP/DXF 不具备考古实测或施工图效力;真实建造仍需结构、消防、机电、无障碍和行政许可专项设计。外部宋史、建筑史、饮食史和服饰史专家交叉复核仍是下一阶段工作。
备选标题
- 《不是“国风一键生成”:我用 Codex 和 GPT‑Image 2 复原了一座宋代酒楼》
- 《从〈清明上河图〉到三维模型:AI 如何复原孙羊正店》
- 《先做证据,再做效果图:Codex × GPT‑Image 2 的宋代酒楼实验》
摘要
从《清明上河图》的一处酒楼局部出发,用 Codex 完成史料分级、比例校核、平立剖与 STEP/DXF 建模,再由 GPT‑Image 2 补充材质、人物和黄昏氛围。这不是“一键生成古建筑”,而是一套把史实、类比和推定明确分开的数字复原工作流。