项目概览
「地景档案模型 / Landscape Archive Model」是 @MrLarus 基于 OpenAI ChatGPT-Image-2.0 设计的一套地标建筑提示词方法论，将长城、珠峰、外滩、珠江等知名地标浓缩成具有博物馆展陈感的档案级实体模型视觉图。其核心是「参数化分层控制」，将提示词拆解为基础设定、画面结构、细节要求、说明系统、构图镜头、材质光影六个独立可调的控制层。该方法内置主题类型路由机制，可覆盖自然地貌、城市空间、混合景观三类主题；并遵循三层色彩纪律（主色调 70-80%、辅助色 15-25%、点缀色 3-5%），强调低饱和、克制的档案感。核心视觉概念是「三维生长」——立体主体从二维地图底板中自然生长出来，而非简单叠加。该方法天然支持系列化生成，固定基础参数只换主题即可产出风格统一的地标图集。
解决什么问题
传统 AI 绘图生成地标建筑时存在三大痛点：一是输出扁平化，要么是风景照片，要么是纯插画，缺乏物理模型质感；二是信息缺失，没有专业说明系统（比例尺、图例、坐标），看起来不专业；三是风格不可控，难以精确控制「地图感 + 模型感 + 档案感」的混合视觉。报告进一步细化为六大痛点：风格定义模糊（「像模型一样」的描述太模糊，AI 无法精确理解是建筑模型、地理模型还是 3D 渲染模型）；信息层与视觉层冲突（地图标注容易画得太密或太粗，破坏画面美感）；二维与三维融合困难（地图是平面的，模型是立体的，如何自然融合是核心难点）；材质质感不可控（「纸张纹理」「印刷质感」等抽象描述，AI 理解偏差很大）；说明系统排版混乱（比例尺、图例、坐标等元素常常排得杂乱无章）；系列化一致性差（生成多个地标时风格统一性难以保证）。
工作方式
该方法的核心是「参数化分层控制」，将「地景档案模型」拆解为六个控制层：基础设定层（主题、主题类型、核心主体、内容重点、风格方向、主色调、辅助色、点缀色、画幅比例）、画面结构层（地图模型底板、三维主体生长机制、主题类型路由）、细节要求层（地图图纸感、地形等高线、建筑体块感、水域/绿地表现、路网细线）、说明系统层（外框线/内框线、比例尺/图例区、标题区/档案编号、索引标记/注释标签、符号说明）、构图镜头层（斜俯视等轴测、30-45 度观察角、视觉重心引导）、材质光影层（纸张/印刷纹理、纸雕/沙盘质感、柔和自然光、低饱和克制）。提示词内置主题类型路由机制，根据主题类型自动切换三维主体的构建方式：自然地貌强调地形高差、等高线、岩壁纹理；城市空间强调建筑体块、空间层次；混合景观强调自然与人工环境共生。色彩系统采用三层架构：主色调（米白/浅灰/羊皮纸白/沙色/雪白）占画面 70-80%，辅助色（土褐/岩灰/冷灰/淡蓝/苔绿）占 15-25%，点缀色（黑色细线/红色路线/蓝色水文线/黄色编号）占 3-5%。标准使用流程为：选择地标主题 → 确定主题类型 → 配置对应主体参数 → 设定风格方向 → 配置三层色彩系统 → 选择画幅比例 → 填写完整提示词 → 发送至 GPT-Image-2.0 → 获取输出，不满意则微调参数重试。
核心能力
- 六层参数化控制架构，每层独立可调
- 主题类型路由机制，一套模板覆盖自然/城市/混合景观
- 「三维生长」概念：立体主体从二维地图中自然生长，而非简单叠加
- 内置专业说明系统（比例尺、图例、档案编号），输出直接可用
- 三层色彩纪律，低饱和克制，避免色彩失控
- 斜俯视 30-45° 标准构图，同时展示地图平面、立体高度、边缘厚度和说明区
- 天然支持系列化：固定基础参数只换主题，即可生成风格统一的地标系列
- 提供调优参数速查表，针对不同问题给出明确调优方向
使用前需要了解
- AI 整理 · 本地测试，未经人工复核；依据历史报告节选，不代表当前产品状态。
- 该方法依赖 GPT-Image-2.0 的能力设计，其他模型可能无法完整理解六层控制架构。完整提示词约 2000 字，需要完整发送，不能截断。首次生成不满意时，需要判断是哪一层出了问题，对新手不够友好。GPT-Image-2.0 对中国地标的建筑细节理解可能不如对欧美地标精确。报告明确列出不建议使用的场景：需要真实照片风格时（模板输出的是「模型感」不是照片）；需要超高分辨率输出时（AI 生成分辨率有限，不适合大幅印刷）；需要精确地理数据时（这是视觉效果图，不是专业 GIS）；需要动画/交互时（这是静态图，不支持 3D 交互）；非地标类主题时（模板专为地景/地标设计）。报告未说明该方法的授权许可、商业使用限制、更新维护状态及社区支持情况。
