本文由 莫潇羽@无忆研习社（www.wuyi.wiki）撰写，转载请注明出处。
如果你只想要一句话结论：做AI表情包这件事，真正决定成败的不是AI多强，而是你脑子里有没有一个想清楚的角色。 我自己完整跑下来的路径是这样的——先定内容和大方向，再去花瓣网这类素材站找三张同一画风的参考图，用对话式AI把参考图"翻译"成能复用的画风提示词，然后靠一致性强的图像模型反复抽卡定角色，接着用Photoshop把AI搞不定的头身比、配色、平涂化这些细节手动收干净，最后批量生成整套情绪、抠图、做动态、按微信表情开放平台的尺寸规范上架。整条链路里，AI负责发散和出图，人负责判断和收尾，谁抢了谁的活，成品就会翻车。
这篇是我（莫潇羽@无忆研习社）把自己这段时间折腾AI表情包的实操心得整理成的一套方法论，覆盖从选题、找参考、反推提示词、定角色、PS精修，到静态包、动态包、微信上架的全流程，也把2025年9月起施行的AI生成内容标识要求、字体和素材版权、境外模型使用这几条合规红线一并讲清楚。想看完整拆解，往下翻。
一、先想清楚再动手：AI表情包不能"脑袋空空丢给AI"
很多人上手AI创作最大的误区，就是把所有事情都指望AI替你想。我自己踩过这个坑，最后总结出一句话：AI是用来补细节的，不是用来定方向的。 你如果脑子里一片空白，直接丢一句"帮我做个表情包"给它，它当然也能给你一个东西，但那个东西大概率是"标准、正确、却毫无记忆点"的——它不会错，可就是让人记不住。
大方向自己定，细节交给AI
我做那套小老虎表情包之前，脑子里其实已经锁死了几个不能动的点：主角是一只小老虎，人设是"打工人"的工作状态，风格要偏萌一点的日系或韩系，头身比要可爱，也就是头大身子小的Q版形态。这些是我在跟AI对话之前就想明白的。至于老虎戴什么、抱不抱电脑、要不要眼镜，这些细节我确实没想全，那就正好留给AI在抽卡过程中给我灵感。
这里有个很重要的分工逻辑：风格和角度必须你自己确定，具体元素可以让AI发散。 因为AI给你的东西，未必符合你当下真实的需求。你带着明确的判断去喂它，它才是你的画笔；你没有任何想法去跟它聊，它就会反过来牵着你的鼻子走，甚至在你自己都不清楚要什么的情况下把你带偏。我把和AI的这个过程理解成一场头脑风暴：你抛出想法，它接住并放大，你再从放大的结果里挑，这样才聊得出好东西。
表情包的"使用场景"决定了它值不值得做
还有一个我自己观察到的规律，值得新手在选题阶段就想清楚：表情包更多是一种偏女性向的高频使用工具。男生用的表情包和女生用的差别很大，很多男生向的抽象、沙雕风格不太好统一成套。而一套偏可爱、治愈的女性向表情包，覆盖面往往更广——女生爱用，男生也会跟着一起用。所以从"传播和使用率"这个角度看，先把可爱、日常、治愈这条线做扎实，是新手更稳的起点。
心态上：你是导演，不是观众
我特别想把这个心态问题单独拎出来讲，因为它决定了你用AI的天花板。很多人用AI的姿势是"观众"——丢一句话进去，坐等它给一个成品，好就用、不好就骂它笨。这种用法下，AI给你的永远是它对"平均审美"的理解，也就是那种最安全、最没记忆点的东西。
正确的姿势是把自己当"导演"：你心里有一部戏，AI是你的演员和道具组。你要不断给它方向、给它反馈、否掉不对的、放大对的。我做那只小老虎的时候，前前后后和AI聊了几十轮，每一轮我都在做减法和加法——这个油腻，去掉；那个头巾有记忆点，留下；眼神再不屑一点，重来。AI的产出质量，本质上是你判断力的镜子。 你脑子里的画面越清晰、审美越有主见，它给你的东西就越接近你要的样子。反过来，如果你自己都拿不定主意，指望AI替你拿主意，那结果一定是四平八稳的平庸。
所以真正要练的，不是"怎么写提示词"这种术，而是"我到底想要什么"这种判断力。术可以查、可以抄，判断力只能靠自己多看好作品、多做对比慢慢养。
这里还要额外说一句：这套方法论我谈的都是"学习收获""能力提升"和作品的传播效果，不涉及任何收益承诺。表情包能不能被大量转发、使用，取决于创意、画风一致性和场景贴合度，这是一件需要长期打磨的手艺活，不存在什么"一套就爆"的捷径。心态摆正了，工具才是工具；心态歪了，再强的工具也只是个复读机。
二、找参考：AI时代依然离不开的第一步
进入AI时代之后，很多人以为"找参考"这一步可以省了，直接跟AI描述就行。我的体会恰恰相反：越是用AI，越要找参考。 原因很简单，你只给AI一个笼统的描述，它就只能还给你一个笼统的结果，这个结果不精确、没方向。参考图的作用，是把你脑子里模糊的"感觉"变成一个AI能对齐的具体目标。
参考图去哪里找
素材站的选择上，我优先推荐国内可以直接访问的平台，比如花瓣网。它的调性更贴近国内审美和使用习惯，人物型、动物型、自主IP形象都能找到不少，作为参考完全够用。
当然，行业里也有一些境外的设计灵感平台。这里做个客观科普：这类境外站点在内容生态上各有特点，但访问和使用需要遵守国内网络与内容管理的相关规定，我个人的做法是把主要精力放在国内可正常访问的素材站上，既省心也合规。方法本身是通用的——不管在哪个平台找，核心动作都是"找到同一画风的几张参考图"，平台只是载体。
为什么一定要找"三张同画风"的参考
这是我认为整个找参考环节里最关键的一条纪律：你找的这几张参考图，画风必须是一致的。 即便你说不出它具体属于哪个画风流派，但从表象上看，那种感觉得是同一挂的。
原因在下一步就会体现出来。我们要用AI去反推这几张图的共同画风特征，如果你一张找了三维的、一张找了真人的、一张找了水墨的，让AI去综合分析，它最后没办法收敛出一种统一画风，出图就会很乱。反过来，如果三张都是那种卡通、线描边、平涂、扁平的感觉，AI提炼出来的共通点才是准的、能复用的。
我自己的筛选标准可以拆成三条，供你参考：
参考图筛选的三条标准
第一，画风统一优先于内容有趣。 宁可三张都平平无奇但风格一致，也不要三张都很惊艳却各画各的。
第二，关注可复用的特征，忽略一次性的元素。 参考图里那些具体的动作、道具，你其实不需要，你真正要提取的是线条粗细、色彩处理方式、头身比例这些能被复用的画风底子。
第三，数量三到五张为宜。 太少了共通点不明显，容易被单张图的个性带偏；太多了又会引入杂音。三到五张类似画风的图，是我实测下来比较舒服的区间。
找参考的过程，也是养审美的过程
再补一个我自己的体会：找参考这一步，表面上是在攒素材，实际上是在训练你自己的眼睛。你翻的好作品越多，越能一眼看出"这个画风为什么耐看""那个配色为什么高级"，慢慢地，你对"什么是好表情"就有了自己的标尺。有了这把标尺，你后面跟AI对话时才知道该往哪个方向逼它，才不会被它给的第一版平庸结果糊弄过去。
所以别把找参考当成可以随便应付的杂活。我一般会多翻一会儿，不光看表情包，也看看插画、看看好的IP形象设计，把那些让我眼前一亮的都存下来。这些积累不会立刻变现成一张图，但它会沉淀成你的判断力——而判断力，正是前面反复强调的、AI替代不了的那部分。
把这三张到五张参考图定下来，第一步就算完成了。注意，到这里我们连一张正式的表情都还没生成——但恰恰是这一步的功夫，决定了后面所有出图的下限。参考找得越准、审美垫得越高，你和AI的每一轮对话才越值钱。
三、反推提示词：把参考图"翻译"成AI能听懂的语言
参考图定好了，问题来了：我又不是专业的表情包设计师，我看得懂那种"感觉"，但我说不出它到底是什么画风、用了什么专业术语。这正是AI最该上场的地方——用对话式AI，把图片反推成文字提示词。
用对话式大模型反推画风
具体做法很直接：把参考图上传给一个多模态对话模型，让它帮你反推出这张图的画风提示词，并且明确要求它给你中文提示词。它就会输出一段描述，告诉你这张图大概是什么风格、线条如何、配色如何。
我常用的组合是这样的：国内的豆包这类模型上手快、响应稳，处理画风描述往往很到位；如果你要用到境外的大模型（比如Gemini这类），能力也不错，但这里要提醒一句——境外模型的使用需遵守国内网络与内容管理的相关规定，这是使用任何境外AI服务时都绕不开的一条。我实测下来的经验是：动作描述这类偏"叙事"的内容，某些境外模型拆解得更细；而画风、质感这类偏"审美"的内容，豆包有时反而更贴国内表情包的感觉。没有哪个模型是万能的，多练几次自己心里就有数了。
用豆包反推的时候有个小技巧：把回答模式从"快速"切到"专家/深度"，再上传图片，得到的提示词会更完整。
三张分别反推，再求"交集"
这是反推环节的核心手法，也是我踩过坑之后才摸出来的：不要只推一张，要三张都推，然后找它们的重叠部分。
对话式AI在做单张反推时是有容错率的，也就是说它偶尔会给你不太准的翻译。但如果你把三张同画风的参考图分别反推，再让它总结这三组提示词里"反复出现的共同描述"，那个重叠出来的部分，才是这套画风真正稳定的特征。这一步我一般会画出三组提示词的交集，重叠的地方就是我要的东西，非重叠的（比如某张图特有的动作）直接舍弃。
要强调的是，AI帮你总结出的共通点只是初稿，最后那一下人工提炼不能省。 AI会给你一个大致的方向，但哪些该留、哪些是杂音，得你自己拍板。我最后提炼出来的画风描述大概是这么几个维度：日式治愈系、线条粗细均匀、色彩平涂、扁平的MG动画类质感、二头身的Q版比例（头大身子小）。
提示词的结构：三段式拆解
反推出来的提示词，我习惯把它理解成三段拼在一起，这样后面复用起来非常方便：
【第一段：画风定位】
日系 / 韩系 / 美系 / 中式，2D 还是 3D，治愈系还是搞怪系……
【第二段：主体对象】
具体是什么——一只小老虎 / 一只鸭子 / 一个人物……
【第三段：画风细节】
有没有描边、色彩如何处理、人物比例、有无纹理、无边框……把提示词这样拆开之后，你会发现复用变得极其灵活：画风段和细节段是相对固定的"底子"，主体段是可以随时替换的"变量"。想换个角色，只改中间那段就行，画风保持不变——这正是后面能做出"整套统一风格"的关键。
一个完整的反推到复用演示
为了让你更直观地看到这套流程怎么落地，我把它虚构成一个通用化的例子走一遍（真实操作里你换成自己的参考图即可）：
假设你找了三张风格接近的卡通表情参考图，分别丢给对话模型反推，得到三段描述。你会发现三段里都反复出现"扁平、线描边、色彩平涂、无复杂纹理、二头身"这些词，而"戴帽子""拿咖啡"这类只在某一张里出现的元素则各不相同。把共同项抽出来，画风底子就成型了：
【画风底子（三张交集，固定复用）】
日式治愈系，扁平MG动画质感，线条粗细均匀，
纯色平涂，无渐变，无复杂纹理，二头身Q版比例
【主体（变量，随角色替换）】
一只可爱的小老虎
【细节（按需微调）】
戴红色头巾，挂工牌，带腮红，白色背景有了这个模板，你想再做一只"小鸭子"版本，只需把主体那行换成"一只圆润的小鸭子"，画风底子原封不动，出来的鸭子就会自动和老虎是"同一个画风家族"的。这就是为什么我一再强调要先把画风底子抽干净——它是你整套作品风格统一的"母版"。
还有个细节值得记：描述场景时，用完整的叙述性句子往往比堆砌零散关键词效果更好。多数图像模型的强项是语言理解，你给它一段连贯的画面描述，它给你的图会更连贯；你给它一串生硬的词，它反而容易顾此失彼。这也是我把提示词写成三段、每段用短句串起来而不是纯罗列的原因。
顺便科普一下：为什么现在出图这么"听话"
这一步之所以能玩得转，背后离不开这两年图像模型在"角色一致性"上的突破。这里做个客观科普：目前不少出图效果好的图像模型，走的都是原生多模态路线，其中被讨论得比较多的一个是谷歌的 Gemini 2.5 Flash Image，社区里因为它匿名测试时图里老出现香蕉，给它起了个外号叫"Nano Banana"（小香蕉）。它最被称道的能力，就是在多轮编辑里让同一个角色的长相、比例、身份基本保持稳定，不会越改越走样，这对做整套表情包简直是刚需。
需要说明两点：其一，这类境外模型的访问与使用需遵守国内网络与内容管理相关规定；其二，这类模型生成或编辑的图片通常会自带数字水印（用于标识AI生成属性），这一点和国内的AI标识要求方向是一致的，后面讲上架时我会专门再说。国内同样有大量接入了同类能力的图像平台可选，你用哪个平台不重要，重要的是"反推—提炼—复用"这套方法。
