你有没有遇到过这种情况，让 AI 生成一张海报，图很好看，但你想把标题换个字，或者把右下角的 logo 换一换，就不好办。图是画死的，改一个字都要重新生成，运气好出一张新的，运气不好整张图都改崩了。
设计师朋友更熟悉一个场景，客户发来一张 JPG，说原文件丢了，帮忙把产品往左挪五厘米。你盯着那张图，知道接下来要在钢笔工具和修补工具之间来回折腾。
有人会说，现在 AI 这么强，直接把图丢给它改字不就行了。这样也确实可以，改个错别字、挪个东西，几十秒就出结果，很多人已经在这么干。但它有它的缺点，后面单独讲。
如果 AI 能直接给出一个 PSD，这些痛苦就全没了，也不用再把图丢给 AI 赌运气。PSD 是 Photoshop 的工程文件，里面每个元素都是活的，文字图层都能改，背景也能换。
奇怪的是，AI 画画已经这么强了，能产出 PSD 的工具却一直不好用。原因其实在 PSD 这个东西本身。
PSD 到底是个什么东西
PSD 确切来说是一个编辑状态。
JPG 和 PNG 保存的是画好的成品，每个像素的值都定死了。PSD 保存的是怎么做出来的。你可以把它想成一叠透明胶片：人物一层、背景一层、文字一层，每一层都是独立的一张，而且每一层都能修改，叠在一起才是完整画面。想换背景，只动背景那张，想改字，只动文字那张。
这个透明胶片的结构，恰恰是过去的 AI 学不会的东西。
PSD 里不只有图片。文字层存的是真正的文字，字体、字号、字距、行距都是参数，随时能改。还有智能对象，里面嵌着原始素材文件。这些东西是活的。
所以 PSD 是一份分层的、每个部分都能单独编辑的工程文件，是设计师工作台状态的存档。JPG 是端上桌的成品菜，PSD 是厨房里切好的食材。
为什么 AI 不能直接生成 PSD
现在的 AI 画画，本质是在画一张完整的图。它脑子里只有像素，不知道什么是图层、什么是蒙版、什么是文字层。让它生成 PSD，等于要求一个只会画完整画作的画家，交出一份带分层的工程文件。他画得再好也交不出来，因为他根本没学过图层是什么。
另外还有技术上最硬的一道坎，是被挡住的部分得凭空补出来。一张成品图里，前景挡住的那块背景根本不存在任何像素，你把人物抠成一层，人物身后那片区域在原图里是空的，模型必须自己想象出来。这件事在研究上叫非模态补全，是个独立的难题，如果补得不干净，挪开元素就会露出一块补丁。市面上的拆图工具效果参差不齐，大半都跟这个有关。
还有一点是教材。要教会 AI 分层，得有海量真实 PSD 当样本，可 PSD 是设计师的工作资产，网络上能看到的是导出的成品图，工程文件躺在本地硬盘和公司服务器里，没人往外传。市面上到处都是成品菜的照片，带步骤的菜谱少得可怜。学做菜没有菜谱，再聪明的孩子也学不会呀。
最后是打分。AI 生成一张图好不好，电脑有自动评分标准。但一个 PSD 分得好不好，图层分得对不对、文字是不是活的、蒙版干不干净，电脑目前不会判断，只能靠人一双眼睛去看。没有自动评分，训练和迭代就像蒙着眼开车。
至于 PSD 这个格式本身，它确实很复杂。1990 年的格式，三十多年里不断加功能，整个结构像一套反复装修的老房子。但它反倒是这里面最不成问题的一环，因为 Adobe 公开过格式规范，psd-tools 这类开源库已经能读能写，Photopea 更是直接在浏览器里打开 PSD。难的不是把文件封装成 PSD，而是先要生成正确的图层内容往里装。
要做文生 PSD，需要准备什么
如果真的要做，根本不需要 AI 直接吐 PSD。
做法是加一道翻译，先定一套图层说明书，AI 学写说明书，写完再由程序把说明书翻译成 PSD。
这套说明书是地基，它要能描述有哪些图层、每层什么内容、放在哪、谁压着谁，还要能被程序翻译成 PSD，也能被画成图拿来检查。
然后是教材库。收集真实 PSD，用解析工具把它们拆开，翻译成说明书格式，再清洗整理。图层必须可编辑，不能拍平成图案，这一步直接决定最终产品的天花板。
最后是模型这一层，分析整个画面分几层、每层放什么、顺序怎么排，文字内容走文字通道生成，保证出来的是活字，需要画的部分再交给画图模型逐层画，画的时候还要知道这一层被谁挡着。
生成出来还不算结束，得放进 PS 里让人编辑得动。
现在有哪些工具，各是什么原理
市面上能产出 PSD 的东西，基本可以分成三档。
最弱的一档是拆图派。原理是把一张成品图用 AI 语义分割，拆成几层 PNG，再打包成 PSD。每一层是独立图片，但字是画的不能修改。代表是 Image2Layer，上传图片自动拆出主体、文字、阴影、背景，还能补全被遮挡的背景，移走物体不留洞。适合救急，不适合交付。
中间一档是端到端派（端到端的意思是一步到位，不像拆图派那样先画完再拆，而是模型一次就把分好层的东西直接生出来），这是最近一年最大的变化。阿里在 2025 年 12 月开源了 Image-Layered，它不再生成单张图，而是直接吐出多个带透明通道的图层，改一层不影响其他层，输出能直接存成 PSD。它的训练教材就是从真实 PSD 里提取的，这也印证了前面说的，教材库才是这个方向的真瓶颈。同类还有 LayerDiffusion，能生成带透明背景的图，但要自己拼。
这一档要注意一件事：它分的是画面里的物体，不是文字。这类模型输出的是带透明通道的像素图层，所以你拿到的 PSD 里，标题和正文仍然是画上去的图案，点不动，改不了。它解决的是挪位置、换背景、单独调某个元素这类需求。
最稀缺的是文档派，文字是真正的活字。Veeso 把输入的文字解析成信息层级，映射成多图层设计，导出 PSD 或 PPTX，文字准确且可编辑。国内接近的是 Seede AI，输入文案直接转成可编辑设计源文件，每行文字独立图层，也能导出 PSD、PPT、PDF。
文档派的强项和短板都很明显。它本质是内容驱动的排版引擎，先理解你的文案有几个层级，再套版式排出来，所以海报、长图、PPT、易拉宝这类结构化的东西做得又快又准。但你想要一张自由构图的艺术插画，它给不了，那种活还得回到画图模型。选它只是因为要能改字，不是因为它画得更好。
还有几个不能漏的。Adobe 官方 Firefly 的批量去背景功能支持分层 PSD 输出，是官方第一次给这个能力定价。美图 WHEE 生图后能看分层并导出 PSD。Photopea 是免费在线 Photoshop，自带 AI 分层，最适合当验货工具；也有人拿 GPT 生图加推理模型拆图，属于野路子，能跑通但不稳定，看脸。
直接丢图给 AI 改，缺点在哪
开头说的直接把图丢给 AI 修改那条捷径，改图模型会盯着那一小块画面，凭感觉把旧字盖住，再凭感觉把新字画上去。盖和画，全是猜的。它和拆图派是同一套哲学，把一切当像素处理，只是把拆和拼两步换成了直接重画。
这条路绕开了生成 PSD 的难题，放弃的是可编辑性。
改完的字还是像素，不是字。模型把文字当图形来模仿，汉字笔画多、结构密，还有笔锋和衬线这些细节，经常把笔画画错，缺一笔多一笔，或者干脆四不像。这次运气好改对了，不代表下次还对，因为每次都是重新猜。你想接着换个字体、调个字号，又得重来一轮。
改一次，整张图被重新理解一次。虽然你只让它动一小块，但为了融合得自然，很多模型会把周围一大片一起重画。改了字，旁边颜色跟着变，阴影位置飘了，相邻的元素被顺带改掉。改一次两次看不出，连着改三五次，整张图会慢慢走样，像一张照片被反复复印。
最让设计师头疼的是没有微调，只有重画。在 PSD 里，字号大两号、颜色深一档、logo 往左挪五厘米，都是参数操作，不满意随时撤销。改图模型里不存在这种操作，你只能说再画一版，标题大一点，然后它重新画一次，结果是不是真的大了，看运气。设计师改稿最日常的流程，恰恰是这条路最不擅长的。
它也不给你版本历史，只留下改前和改后两张图，中间过程不保留，想回到第二次改完的那版，回不去。而改稿这件事，本质就是在版本之间来回跳。时间成本也不低，改一个错别字抽两三次才成功很正常，每次都要等模型生成，改五个字花的时间比手动修要久。局部重绘还经常在低分辨率下干活，重画出来的区域和周围一比明显发虚。
那这条路什么时候该用？适合一次性快修。海报里有个错别字，改完就交付，不再动它；或者抹掉背景里的电线杆、换一张脸、去掉画面里多余的人。这类需求，改图 AI 又快又好，是神器。不适合任何你预感到还要继续编辑的场景，只要你有改完这处还想再调那处的需求，或者要交给客户一个能继续改的源文件，像素级改图就是无底洞，你会在一次次的重新生成里耗尽耐心和 Token。
改一次是快修，改十次就是灾难。这条路的终点还是要回到分层，回到真图层结构，只有那里，改字才真的只是改字。
到底该怎么选
普通人如果只是要一张能改字的海报，优先选文档派，生成完文字还能编辑。如果你要的不是改字，而是把画面里的元素拆开来挪位置、换背景，那走 Image-Layered。如果只是临时改个错别字、抹掉画面里碍眼的东西，直接把图丢给改图 AI 就行，这是它擅长的活。
想自己搭工具的工程师，开源栈有现成，Image-Layered 负责分层，psd-tools 负责写 PSD，几天能出原型，卡点在数据清洗和图层验证，总之生成的 PSD 设计师目前是不满意的。
也许完美的 AI 生 PSD 工具，可能比我们想象中来得快。到那时候，设计师头疼的改字挪图，也许真的只是一句话的事，而且是改完还能再改的那种一句话，不像今天，每次修改都是重新赌一次。
但也有一种可能，在 AI 高速发展的时代，PSD 这种手搓工作流程，或许会被淘汰。