如果只让 AI 生成一张"山间民宿效果图"，并不难。 难的是：建筑外观、公共空间、客房和餐厅，能不能像同一个项目？空间逻辑是否连贯？材料会不会在不同图片里反复变化？生成结果能否继续修改，而不是每次都推倒重来？
这次，我尝试用 Codex + GPT-Image 完整跑了一遍山间民宿概念设计流程。 从项目设定、资料体检、建筑方案比选，到室内、景观、材料系统和效果图生成，最终得到了一套能够继续深化的概念方案。
项目被命名为"云岫山居"。
不是先出图，而是先建立设计底稿
很多 AI 空间设计的第一步，是直接输入一句提示词：
生成一个位于山里的高端民宿，现代自然风格，大落地窗，电影感。
这种方式通常能得到一张漂亮图片，但很难得到一套设计。 因为图片背后没有明确的房间数量、面积、客群、运营流线、建筑结构、材料编码和版本关系。下一张图里，屋顶可能变了，窗户可能换了，客房也可能突然扩大一倍。
所以这次 Codex 的第一项工作并不是调用图片模型，而是建立项目底稿。 我先让它把任务拆成五个阶段：
- 图纸和场地资料体检
- 民宿运营任务书
- 建筑多方案比选
- 室内、景观与材料设计
- 效果图生成和跨专业协调
同时，所有输入都必须被标记为以下六种状态之一： verified 、 user-confirmed 、 inferred 、 assumed 、 conflicting 或 missing 。
这一步看起来不够"惊艳"，但它决定了后面的内容究竟是一套设计，还是几张互不相关的图片。
没有原始图纸，AI 也不能假装已经测绘
这次演练没有真实地形图、建筑图纸和现场照片。 Codex 没有把假设包装成真实项目，而是将整个成果标记为 ASSUMPTION CONCEPT V0 ：所有地点、尺寸、结构、法规、造价和产品数据都只是概念演练，不可用于报建、采购或施工。
在这个前提下，我们建立了一组用于测试完整流程的假设：
- 川西低中山湿润气候区
- 用地约 6800 平方米，西高东低
- 建筑面积约 1460 平方米
- 16 间客房
- 面向情侣、小家庭和周末度假客群
- 一座公共主屋、两条客房翼和一座独立景观套房
真正的项目图纸到达后，这些假设必须被测绘数据逐项替换，而不是继续在假数据上深化。
三套建筑策略，不让 AI 只给一个答案
有了基本任务书之后，Codex 提出了三种不同的建筑策略。
第一种是"悬挑观景盒"。 建筑像一条水平长盒子伸向山谷，景观冲击力最强，但悬挑结构、运输吊装、立面清洗和热工成本都很高。
第二种是"顺坡成院"。 公共主屋放在到达层，两条客房翼沿等高线错层展开，中间形成一个被建筑围合、可以遮风避雨的山院。
第三种是"聚落散点"。 多个独立小屋分布在山林中，私密性和度假感最好，但雨天交通、布草清扫、消防、无障碍和机电管线都会变得复杂。
Codex 从景观体验、运营效率、土方、排水、私密性、施工难度、造价维护和收益潜力等十个维度进行评分，最终选择"顺坡成院"。 它未必是视觉上最夸张的方案，却是最适合继续深化的一种。
把建筑语言锁定，再交给 GPT-Image
选定方案后，Codex 先固定了一套建筑语言：
- 毛石基座顺着山坡落地
- 上部使用炭化木挂板
- 深灰色直立锁边金属坡屋面
- 深铜黑色门窗框
- 连续深檐应对山地多雨气候
- 面向山谷设置大景窗，但避免整面玻璃幕墙
这组信息随后被写进每一张 GPT-Image 提示词里。 图片模型不再被要求"自由设计一座民宿"，而是在一个已经确定的项目系统中，完成不同空间的视觉表达。
室内不是换一种装修风格
室内概念被定义为"山雾、石径与炉火"。 暖灰色矿物墙、烟熏橡木、灰绿板岩、苔绿色织物和低色温灯光共同构成空间底色。
设计刻意避开了两种常见倾向：一种是堆满旧木头、陶罐和仿古摆件的"农家乐风"；另一种是大面积米白、弧形墙和镜面石材组成的模板化网红民宿。
前厅采用先压低、后打开的空间顺序。客人从入口进入后，视线穿过接待区和壁炉客厅，最后落到山谷。
标准客房约 38 平方米。大床面向山景窗，窗边设置兼具阅读、加床和储物功能的长榻；行李和衣柜集中在入口，避免箱包进入床侧；洗漱区开放，马桶和淋浴分别封闭。
全日餐厅设置灵活的二至六人桌，早餐备餐台位于前场，热厨、洗消、垃圾和补货路线留在后场。面对山谷的一侧连接深檐露台，让室外座位在雨天也具备一定可用性。
第一版效果图很暗，然后怎样修改？
第一轮图片在材料和空间上基本统一，但整体采用了蓝调时刻和低照度室内氛围。 单独看有电影感，放在完整方案中却显得太暗。石材、木作和空间层次没有被充分展示，也不利于读者理解设计。
这里没有重新输入一句"再生成一个亮一点的民宿"，因为那样很可能连建筑和家具一起改变。 Codex 将修改限定为 lighting-weather ：
- 整体曝光提高约 1 至 1.25 档
- 打开屋檐、木作和石材的阴影
- 将蓝调黄昏调整为雨后明亮日间
- 降低室内橙色灯光的主导程度
- 保留建筑轮廓、家具布局、材料和相机位置
这种修改方式，本质上是在强调"只改变光线，不重新设计空间"。 原始暗调版本被保留，明亮版作为 V2 写入视觉版本记录。这样后续仍然能够对比，而不是覆盖掉所有过程。
Codex 和 GPT-Image，各自负责什么？
这次最重要的结论，是两种能力不应该混在一起。
Codex 更适合负责：
- 读取和整理图纸、照片及任务书
- 识别资料缺口和相互冲突的信息
- 维护房间、面积、材料和版本关系
- 推演建筑、运营、后勤和室内逻辑
- 为不同图片建立统一的视觉约束
- 记录修改原因以及对下游成果的影响
GPT-Image 更适合负责：
- 将建筑和室内意图转化为直观画面
- 探索材质、光线、天气和空间氛围
- 在既有图片基础上进行定向重光照
- 快速形成可用于沟通和评审的视觉版本
一个负责建立秩序，一个负责把秩序变成可见的空间。
为了让多张图片像同一个项目，我固定了什么？
每一张效果图都重复使用同一组项目约束：
- 项目规模 ：1460 平方米、16 间客房
- 建筑形体 ：公共主屋加两条顺坡客房翼
- 建筑材料 ：毛石、炭化木、深灰金属屋面
- 室内材料 ：矿物墙、烟熏橡木、灰绿板岩
- 织物色彩 ：苔绿、亚麻白和炭灰
- 光线 ：明亮雨后自然光，室内仅保留克制的 2700K 暖光
- 禁止项 ：无边泳池、巨型悬挑、热带植物、镜面大理石、夸张橙光和超大酒店大堂
比起不断增加形容词，稳定的对象、材料编码和禁止项更有价值。
AI 生成的"完整设计"，完整到什么程度？
这套成果包含项目状态、资料体检、三方案比选、建筑概念、室内与景观系统、材料方向、专项问题清单，以及四张统一风格的效果图。 但它仍然只是概念设计。
真实项目还需要测绘、地勘、结构、规划、消防、无障碍、节能、给排水、暖通、电气、防水、造价和当地设计单位的专业审查。 AI 可以让概念形成得更快，让不同专业的信息组织得更清楚，也能显著提高前期沟通效率。但它不能把一张效果图自动变成一套可以施工的图纸。
真正值得期待的，不是"一句话生成建筑"，而是 AI 开始参与一套有事实、有版本、有审批门禁、能够反复修改的设计流程。 当 Codex 负责设计过程，GPT-Image 负责视觉表达，AI 空间设计才从"生成一张漂亮图片"，向"形成一个可以继续工作的项目"迈进一步。
本文图片均由 Codex 调用 GPT-Image 生成。案例为无真实图纸条件下的概念流程演练，所有项目名称、地点、尺寸和技术条件均为假设，不构成实际工程设计建议。
主理人：小运
