开源Editable-Design，让AI生图终于能改字、拖图层
AI 生图很好看，但一个字都改不了：这个开源项目想把设计稿重新 “拆开”
一张海报，从「看起来不错」到「真的能交付」，中间到底差了什么？
可能只差一句临时改掉的文案。
如今的图像生成模型，已经很会做设计了。给它一段提示词，构图、配色、光影和氛围很快就能到位。但当运营同学说「价格改一下」，品牌方要求「Logo 往右挪一点」，或者编辑发现标题里有一个错字，麻烦就来了：画面里的文字、人物和背景早已压在同一张图上，改一个局部，常常意味着整张重来。
换成代码生成呢？文字是真的，图层也能动，但成品往往更像一个规整的网页，而不是经过设计师推敲的视觉作品。
一个有审美但改不动，一个改得动却未必好看。最近开源的 Editable Design，想解决的正是这个有点尴尬的二选一。
图 1｜同一设计需求下，像素生成、直接代码生成与可编辑设计的结果对比
项目地址：https://github.com/yejy53/Editable-Design
论文地址：https://huggingface.co/papers/2609.04034
01
好看和好改，为什么总要二选一？
传统 AI 生图交付的是像素。模型可以一次性决定画面中所有元素的位置和质感，却不会把「标题」「价格」「人物插画」「背景纹理」作为可以继续操作的对象交出来。
这也是为什么，AI 生成的第一版可能很惊艳，后续修改却格外费劲。文字一旦画进图片，就可能出现错字、乱码和字体不统一；想改局部，只能涂抹、重绘，或者重新生成整张图。新结果即使修好了文字，也可能顺手改掉原本满意的构图。
直接让 Coding Agent 写 HTML，问题恰好相反。HTML 天生有结构，文字可以选中，元素可以移动，样式也能逐项修改。但「有结构」不等于「有设计」。复杂海报涉及视觉重心、留白、字体层级、材质和空间关系，单靠代码一步到位，很容易得到一张功能正确、审美平庸的页面。
Editable Visual Design 的思路并不复杂：让视觉模型负责它擅长的艺术指导，让代码负责它擅长的结构化表达，再让一个持续工作的 Agent 把两者接起来。
02
不是把图片塞进网页，而是把设计重新做一遍
这套方法里，视觉模型先给出构图、层级、色彩和空间关系。它更像一位负责定方向的艺术指导，帮助 Agent 看清「这张图应该长什么样」。
但参考图的像素不会直接进入最终交付物。
Agent 会重新生成干净的独立素材，再用 HTML 重建文字和布局。标题仍然是真实文字，插画、背景和装饰元素则各自处在独立图层中。最终得到的不是一张被嵌入网页的图片，而是一份可以继续编辑的设计文件。