Appearance
这几天由于吃上了谷歌送来的白饭，我也是夜以继日猛蹬Antigravity，虽然感觉提供的模型智商并没有那么高，但是谁让它不要我提供apikey就可以自己搜索资料、支持我手机远程查看进度呢？
因此我先让AI做了做之前比较垃圾的 Yet Another Discarded Journey这个项目，做了一堆功能，现在已经很完善了，支持基本的图片GPS扫描、展示、移动以及解码（解码需要Google的Geocoding API），最主要的一个功能就是旅途漫游模式，可以根据时间变化猜测你的交通工具记录你的一个个“站点”。当然这显然不准确，不过当我看到我的位置从A到B然后程序告诉我我在这个地方拍了这些照片时那种记录的感觉是爽到无言的。
做完这个玩意儿后我又空虚了，不过我这段时间又想折腾AI了，加上我B站突然刷到了“Minimax H3 6G + 16G部署”让我这个"8G + 32G"的纯纯欲动。因此我也是直接让Gemini给我部署ComfyUI，前前后后下载了一堆模型，然后用B站TETAE大佬提供的TE-Speed简单部署了一下，使用示例workflow等了17min生成了一个视频，不得不说，确实挺耗时的。之后便是让Gemini到网上到处找配置，主要找的是B站黑鹤001大佬和TETAE的配置，自己也搭建了IndexTTS 2.5 和Stable Diffusion（我之前就下载了3.5 medium的模型）的Workflow，T8的视频我前面就刷到了，不过这次没用他的配置。
其实我也没啥做AI视频的需求，不过就是想做着玩，不过做着做着我就想起了之前打算用P图技术给自己人P掉的post。 诶你说着不巧了吗，刚好AI就可以用嘛，因此我便花了4个多小时不断寻找适合的workflow然后想出适合的提示词以及我应该做的准备工作，总算做出一个令我叹为观止的workflow了。
整个workflow是我对黑鹤大佬提供的Flux2图片替换工作留的二改，节点上我家了一个就是对于第二张改图参考我加入了裁剪节点，这样就可以摈去不必要的细节，否则给一整张图AI真就直接给我P图P过去了，因此我给的数字形象identity只给了半身照片。
然后遮罩我让Gemini实现了一个不一样的，原版(Node 2.0，现在还是Beta,Node 1.0似乎不支持的样子)卡得要死就算了，还不支持魔棒从而智能选择导致我涂得丑的要死，虽然对于大块的区域AI识别能力不错，但是对于部分小区域如果不精细一点那就只能抽奖抽到天荒地老了。
接着便是提示词，很简单，通用性的话一般不过我这个workflow挺固定的我也不打算做成注入形式了：
txt
参考图一色区域，将图二生物头部替换图一标注人物头部；标注人物全身包括脖子、手、脚等外露皮肤的颜色与质感（章鱼革质感）完全同步图二生物,同时契合环境，其余服装与背景保持不变。然后我就直接开跑了，不得不说跑这个跑得真快，很舒服，用了大概60s左右。不过我才跑了20次左右的workflow（不只是这个），竟然写入已经达到200Gb了（虽然还包含系统的日常开销写入哈哈，但是系统写入肯定只占了小部分啊），部分是swap开销部分是临时文件，不知道这个磨损是不是可以接受的范围：
bash
[aaaa0ggmc@minecraft ~]$ ai_check
╔════════════════════════════════════════════════════════════════════════════╗
║ 🖥 系统综合健康与资源监控 - 2026-08-29 22:57:10 ║
╚════════════════════════════════════════════════════════════════════════════╝
【显卡状态】 NVIDIA GeForce RTX 5060 Laptop GPU
• 显存占用: 708 MiB / 8151 MiB (8.7%)
• GPU 负载: 0% | 温度: 55°C | 当前功耗: 3.9W
【系统内存与 Swap 交换】
• 物理内存 (RAM): 17.59 GB / 30.63 GB (57.4%)
• Swap 交换区: 17.31 GB / 40.00 GB (43.3%)
⚠ 注意: Swap 已产生交换，说明大模型在显存/物理内存之间发生了换页。
【NVMe / 磁盘总累计读写量 (自开机/历史累计)】
• 硬盘设备 [nvme1n1]:
- 累计读取: 0.01 GB (0.000 TB)
- 累计写入: 0.00 GB (0.000 TB)
• 硬盘设备 [nvme0n1]:
- 累计读取: 1857.76 GB (1.814 TB)
- 累计写入: 498.93 GB (0.487 TB)
╔════════════════════════════════════════════════════════════════════════════╗
║ 📊 【跑图任务读写磨损统计】(距离上次基准: 427分35秒前) ║
╚════════════════════════════════════════════════════════════════════════════╝
• 设备 [nvme1n1]:
- 本次任务读取量: +0.000 GB (主要为模型权重与素材加载)
- 本次任务写入量: +0.000 GB (主要为生成的视频文件与Swap缓存)
• 设备 [nvme0n1]:
- 本次任务读取量: +1240.286 GB (主要为模型权重与素材加载)
- 本次任务写入量: +220.267 GB (主要为生成的视频文件与Swap缓存)
💡 磨损评估:
- 本次生成总计写入: 220.267 GB
- 对现代 NVMe SSD（通常 600~1200 TBW 寿命）的影响: 相当于消耗了总寿命的 0.035851%（微乎其微，完全正常）。
────────────────────────────────────────────────────────────────────────────
💡 提示:
1. 跑图前打点基准: python3 ~/Desktop/sys_health_monitor.py --mark
2. 跑图后查看消耗: python3 ~/Desktop/sys_health_monitor.py跑完后我满意的出图是这个：
比起之前我在Krita里手动操作要厉害多了，总之我很满意哈哈。
Cheers!
2026/08/29