用 bl image generate 把一段话画成流程图：四种说法一次全对，关掉 prompt-extend 从 69.9 秒到 13.2 秒

一段话画流程图，我为什么试这件事

痛点很具体：写文档的时候字我会打，图我不会画。打开画图工具拖两个框就开始烦，对齐、箭头、拐弯，半小时过去图还是丑的，流程一改还得重排一遍。

我想试的是另一条路：把流程用一段话描述清楚，交给生图模型，直接拿一张能贴进文档的 PNG。这条路能不能走通，只看两件事：框里的中文标签会不会写错，箭头会不会乱接。错任何一个，图就废了。

于是我编了一个六节点带分支回环的流程当考题，用 bl image generate 跑了八次，换了四种说法，逐张数节点、数标签、数箭头，其中一张还用看图的那条命令交叉核了一遍。

环境：bl 2.5.0，默认生图模型 qwen-image-3.0，--size 16:9 出图 2688×1536。Key 在控制台密钥管理页领，命令行安装在CLI 安装页。下面所有秒数、字节数、像素差都是我 10 月 23 号在自己电脑上跑出来的。

bl image generate --prompt '一张横向流程图，白色背景，六个圆角矩形节点……' --size 16:9 --timeout 900

生图是异步任务，偶尔要等几分钟，所以我一律带 --timeout 900。

考题是一个注册入库的小流程，六个节点：开始、填写表单、校验、入库、结束，外加一个返回修改。连接关系六条：开始到填写表单到校验到入库到结束，校验往下分一条到返回修改，返回修改再指回填写表单。一个分支加一个回环，不算复杂，但也不是直线，正好能验出模型对连接关系的理解。

判卷不靠感觉，每张图我数三样：节点框几个、框里的字和我给的是否逐字一致、箭头是不是题面那六条。交叉核验那张，看图命令回的是六个节点框加六个逐字标签，和我肉眼数的一致。

说法	耗时	字节	节点/标签	箭头
标签写全（开始、填写表单……）	69.9 秒	1,066,958	6/6 逐字对	全对，含回环
标签缩短成两个字	98.5 秒	931,863	6/6 对	全对
要求不写任何文字	86.9 秒	978,005	6 个空框	全对
标签写全 + `--prompt-extend false`	13.2 秒	983,827	6/6 对	全对
节点加到十个（extend false）	13.7 秒	1,105,241	10/10 对	分支开始乱

第一张出来我就愣了一下：六个框、六个中文标签一个字没错，连"校验往下到返回修改、返回修改指回填写表单"这个回环都画对了。箭头是带尖的实线，框是圆角矩形，白底，直接贴文档就行。

生图模型写不好中文这个印象太普遍了，我本来也这么以为，所以第一张全对之后我又从头数了一遍，还是一个字没错。这八次里，凡是我要求写字的，标签正确率都是满的；出问题的地方全在箭头和复现性上。

同一个提示词，只多加 --prompt-extend false，13.2 秒出图。

不开这个开关的那几次是 69.9 秒、98.5 秒、86.9 秒、82.1 秒、135.6 秒。最快的 69.9 秒是 13.2 秒的 5.3 倍，最慢的 135.6 秒是 10.3 倍。

而这个开关对图的正确性没有可见影响：关掉之后那张，六个标签照样逐字对，回环照样对，差别只是框变成朴素的黑线白底。

它的作用是让模型先把你的一句话扩写成一段更详细的描述，再拿扩写版本去生图。画风景、画海报时扩写可能有好处；画流程图这种"连接关系我已经逐条写死了"的图，扩写只是纯开销，还可能把你精确写好的连接改写成它自己理解的样子。画示意图我现在的默认动作就是关掉它。

第二种说法把标签缩短成两个字：开始、填写、校验、入库、结束、返修。98.5 秒，六个标签全对，图变成极简黑线框。

第三种说法要求整张图不出现任何文字。86.9 秒，六个空框，结构依然全对，分支和回环都在。

零文字底图是一条工程上的后路：如果图上的字必须绝对准确，比如要过审或者要印出去，就让模型只负责结构和框，文字自己后期叠。图是 PNG，叠字用任何图片工具都行。代价是自己排版文字，省下的是画框和连线的那半小时。

我的结论是标签越短越稳，两个字最好；连接关系必须逐条写，不要写"按正常流程连接"，模型对"正常"的理解和你不一样。

同提示词 + `--seed 42`	耗时	字节	结果
第一次	82.1 秒	1,179,022	6/6 标签对，自己加了彩色填充和角落装饰点线
第二次（逐字复跑）	135.6 秒	1,008,798	与第一次 md5 不同，像素差 8.54%

两次都画对了，但两张不是一张图。像素级比对有 8.54% 的像素差异超过阈值（灰度差超过 30 的像素计入），md5 也不同，耗时还差了一大截。

所以别把 seed 当版本锁用。满意的那张当场存下来、命名好，它就是你的版本；要"重跑得到同一张"这个性质，qwen-image-3.0 上我没有拿到。

我把节点加到十个：立项、调研、设计、开发、联调、测试、修复、验收、上线、复盘，要求测试往下到修复、修复指回开发。13.7 秒出图，十个标签 10/10 全对，主链箭头也对。

分支错了三处：我要求的回环被画成从测试上方绕到修复顶部的一条线；指向联调的那条箭头方向反了；图上还多出两条哪也不连的悬空竖线。

由此我把可用区间划出来：六个节点上下、带一个分支一个回环，可以一次画对；十个节点的直线链加一个回环，标签没问题，分支必须人工逐条核。再复杂的图别指望一次成，要么拆成两张分别生成，要么拿零文字底图自己补箭头。

--n 4 一次要四张，我那次耗时 57.4 秒，四张的字节数在 936,960 到 973,164 之间。

我抽看了第二张：六个标签全对、结构全对，填充是浅灰。四张一起出比单跑四次省时间，而且手里有可比版本，不用在"这张到底行不行"上来回纠结。

跑完这八次，我把描述压成四句话，顺序不变。

第一句说版面和风格：横向、白底、扁平矢量、圆角矩形、黑色实线箭头带箭头尖。

第二句说节点：几个框、框里逐字写什么，标签用顿号按顺序列出来。

第三句说连接：谁指向谁，逐条写，分支和回环单独点明"某节点另有一条箭头到某节点"。

第四句说不要什么：不要写其他任何文字。

四句话里最容易被省掉、也最不能省的是第三句的"逐条"。前两句决定图好不好看，第三句决定图能不能用。

要能继续编辑的图，别用它。产出是 PNG 位图，框和线不能拖、字不能改，改一个错字就得整张重跑，而重跑还锁不住版。

节点超过八九个、或者有交叉分支的图，别指望一次对。标签它可能全写对，箭头会开始自由发挥，逐条核对的成本可能比自己画还高。

还有一件事照实说：这八张里我没看到角标，换模型自己看角落。

它最合适的场景就是我最开始那个痛点：文档里要一张看得懂结构的示意图，六七个节点，字不多，贴进去就行。这种图它一次就能给你，十三秒到一分半。想先在网页上试同一个模型，可以去阿里云百炼控制台。