我让 Codex 和 GPT‑Image 2，把《清明上河图》里的一座酒楼“建”了出来

从一段被招幌、树影和人群遮挡的宋画局部，到可检查的平面、立面、剖面、屋顶平面和三维模型：这不是一次“国风图片生成”，而是一场带证据等级的数字复原实验。

如果只给 AI 一句话——“画一座宋代酒楼”——它大概率会交出一座似曾相识的古装影视城：满街大红灯笼、通体朱漆、夸张飞檐，再加一点雾和金光。

它可能很漂亮，却未必属于宋代。

这次我换了一种做法。我把故宫所藏《清明上河图》中的酒楼局部作为图像锚点，以《东京梦华录》和《营造法式》作为文献与技术参照，让 Codex 负责资料检索、证据整理、参数推演、CAD 建模和质量验收，再让 GPT‑Image 2 在已经锁定的建筑体量上补充材质、人物与黄昏氛围。

最终得到的不是一张孤立的“效果图”，而是一套可以继续修改、检查和复用的数字复原档案。

第一步，不是画，而是承认“看不清”

项目的图像锚点，是《清明上河图》中一座临街酒楼。相关区域里可以看到两层经营界面、底层开敞空间、二层栏槛、大坡瓦屋面、彩楼欢门，以及“正店”“香醪”等商业信息。

为了避免在整幅长卷中“凭印象看建筑”，研究阶段又继续裁出了两个尺度不同的工作局部。

但问题也很明显：建筑被旗幌、树木、人物和车马大量遮挡，而且画面采用散点透视。我们看不见完整柱网，更无法直接读出后院边界、楼梯位置和屋顶构造。

如果把所有看不见的部分都“脑补”成确定事实，复原很快就会变成创作。

因此，Codex 首先建立了三级证据体系：

• A 级：原画中可以直接辨认的内容，例如临街两层界面、开敞底层、二层栏槛、瓦坡屋面和可读招幌。
• B 级：同时代文献、制度或器物提供的类型证据，例如《东京梦华录》对酒店彩楼欢门、厅院、廊庑和阁子的描述，以及《营造法式》的材分制度。
• C 级：为了让空间和模型成立而提出的工作假设，例如五开间柱网、楼梯方位、后院功能和精确屋顶形式。

这个分级很关键。它让我们可以大胆推演，但不能偷偷把推演写成史实。

下面这张标注板只标记画面能够支持的关系：临街两层木构、二层栏杆、彩楼欢门、招幌、开放底层和街边物流。它没有在被遮挡区域“补画”完整柱网。

Codex 做的，不只是“查资料”

资料锁定后，Codex 把文字和图像转换成了一套可计算的建筑参数。

前楼采用五开间工作模型，每间约 3.12 米，总面宽 15.60 米；工作进深 6.40 米；二层标高约 3.90 米，檐口约 7.15 米，屋脊控制在约 9 米。场地包络约为 17.40×27.60 米。

这些数字并不是声称“宋画中的酒楼实测就是如此”，而是经过人物、家具、车马和经营动作交叉校核后得到的可调参数。

在比例尚未锁定时，第一版平面只处理功能关系：临街门厅、纵向主廊、两侧阁子、厨房备餐、酒库与后场转换。红色表示原画可见，蓝色表示文献类型证据，灰色虚线表示经营推定。

比例校核后，一层控制包络被统一为 17.40×27.60 米，并在图中加入前楼面宽、主廊宽度和院落进深。

二层只锁定临街前楼，不把整个院落强行做成连续二层。三个阁子是经营分区，后侧通道和西端楼梯仍属于工作假设。

Codex 随后生成并反复检查了：

• 一层、二层平面；
• 临街立面与侧立面；
• 建筑剖面和屋顶平面；
• STEP 三维模型与 DXF 正式图；
• 街道斜视、院内斜视、顶视、正视和侧视五组固定验收镜头。

在这个过程中，模型必须回答一些效果图通常会绕开的问题：柱、梁、楼板能否上下对应？二层栏杆是否过高？桌椅摆下后跑堂还能不能通行？酒瓮如何补给？楼梯上口会不会撞进阁子？

广告

比如，文献里出现的“三组阁子”，最后被表达为帘幕和屏风形成的三个经营分区，而不是武断地画成三道承重墙。因为经营分区和承重柱网，本来就是两件不同的事。

一座酒楼，首先要能够营业

建筑尺度通过后，复原进入室内和运营层。

一层日常状态设置为 28 席，繁忙状态可以扩展到 40 席；二层默认 12 席，并保留 16 席营业版和 20 席拼阁宴席版。主通行带、跑堂服务带、楼梯和后场补给路线分别校核，避免桌子摆得漂亮、客人却根本走不进去。

家具和器物也被整理成资产表：高脚方桌、长凳、小榻、屏风、酒架，以及注子、温碗、酒盏、盘、碟、箸、酒杓和酒瓮。每项资产都有尺寸、使用位置、证据来源和可信等级。

菜单没有把南宋临安名菜整套搬进北宋汴京。主场景选择中秋新酒时节，因为《东京梦华录》中有新酒、蟹果和酒楼玩月等线索，可以把季节、食物、营业时间和灯火组织在同一套叙事里。

材质不是“做旧滤镜”

精细化阶段最容易出现的另一个误区，是把所有木构刷成深红，再统一叠一层尘土。

这次先制作了约 20 平方米等效面积的材质代表区，只测试前楼檐下、栏杆、门槛、瓦面和局部墙体。材质分成木构、瓦面、灰泥土墙、砖石、竹绳、纸帛织物和小面积彩画，并设计“新开业”和“长期营业”两套年龄状态。

长期营业状态的磨损也不是均匀撒脏：门槛和楼梯是踩踏，栏杆是手泽，厨房附近是烟熏，酒库区域是潮气，瓦面则表现雨尘和藻痕。

色彩因此变得克制：素木、瓦灰、灰泥、泥地是主体，砖红和青绿色只在招幌、帘幕和彩楼欢门上少量出现。

GPT‑Image 2 在这里负责什么？

当证据边界、体量、尺度和材料方向已经锁定，GPT‑Image 2 才进入流程。

它接收两类参考：一类是《清明上河图》局部，用来理解街市密度、商业界面和时代氛围；另一类是 Codex 生成的 v1.0 灰模，用来约束建筑体量、楼层关系和视角。

它负责的是灰模暂时不擅长表达的部分：自然光、瓦与木的质感、人物活动、驴车装卸、跑堂与酒客，以及黄昏时少量油灯形成的光岛。

但生成图不反向升级证据。画面里自动生成的文字、人物服饰细节、邻近建筑和装饰，都只能算视觉演绎。尤其是招牌文字，生成模型可能产生似字非字的内容，正式展示时应使用经过校核的独立招牌资产替换。

换句话说，Codex 负责回答“为什么这样建、尺寸是否成立、哪些内容可信”；GPT‑Image 2 负责回答“当人、灯光和材料回到空间里，它可能呈现出怎样的生活感”。

两者不是互相替代，而是前后衔接。

这套流程具体是怎样跑起来的？

整个项目可以拆成六个连续阶段。每一阶段都产生可以检查的中间成果，而不是把所有要求塞进一次生成。

这套工作流有一个简单原则：上一步没有通过证据门，下一步就不继续“加细节”。尤其不能在建筑体量还没确定时，直接用生成模型铺满精美材质。越早出现的精美细节，越容易掩盖基础错误。

可以直接复制的 Codex 提示词

下面是把整个任务交给 Codex 时可以使用的主提示词。实际执行时最好分阶段提交，每完成一阶段就检查成果。

1. 高清原画与证据提取

我要复原《清明上河图》中的宋代酒楼。请先不要生成效果图。

任务：
1. 锁定故宫官方高清原画和馆藏编号；
2. 提取目标酒楼局部，并制作建筑标注板；
3. 将画面信息分成：直接可见、被遮挡、无法判断；
4. 逐项记录柱、栏杆、屋面、门窗、招幌、彩楼欢门、人物和车马；
5. 所有结论标注来源链接、原文和证据等级。

证据等级：
A＝原画直接可见或可读；
B＝宋代文献、制度或同期实物提供的类型证据；
C＝为完成复原而提出的工作假设。

禁止：
- 不要把模糊文字强行辨认为店名；
- 不要把其他酒楼的记载直接套用到目标建筑；
- 不要把散点透视画面当作精确测绘图。

输出：高清局部、标注板、逐条证据表和待确认问题清单。

2. 比例、柱网与功能推演

基于已经锁定的 A/B/C 证据，建立一套可调整的宋代酒楼工作模型。

请完成：
1. 以画面人物、桌案、驴车和栏杆作为尺度参照；
2. 提出不少于两套开间方案，并说明各自优缺点；
3. 校核前楼面宽、进深、一二层层高、檐口和屋脊；
4. 绘制一层经营功能草图和二层阁子草图；
5. 区分承重柱网与帘幕/屏风形成的经营分区；
6. 对楼梯、后院、厨房、酒库和装卸位置保留可切换方案。

要求：
- 单位统一为毫米；
- 所有推定参数集中在一个参数表中；
- 不得用“三个阁子”反推为“三个承重开间”；
- 每张图必须显示 A/B/C 证据图层。

输出：比例校核表、参数真源、一二层平面草图和方案比较结论。

3. STEP、DXF 与空间验收

请把锁定后的参数转为 STEP-first 的参数化建筑模型，并由同一参数源生成 DXF。

模型至少包含：
- 场地和临街界面；
- 一二层柱、阑额、普拍枋、楼板梁和栏杆；
- 可切换的屋顶候选体量；
- 一层桌席、二层软分隔和楼梯；
- 主廊、侧房与后场工作体量；
- 彩楼欢门、招幌和人物尺度代理。

验收要求：
1. 检查 STEP 拓扑、包络尺寸、主要标高和构件数量；
2. 检查 DXF 单位、图层和实体数量；
3. 输出街道斜视、院内斜视、顶视、正视、侧视；
4. 检查柱梁是否上下对应、人物是否穿越楼板、楼梯是否碰撞；
5. 对照上一版本做几何差异检查；
6. 不得把当前模型描述为施工图或考古实测模型。

输出：STEP、DXF、五视角验收图和技术校核记录。

4. 室内经营与资产深化

请在不修改已锁定承重柱网的前提下，深化宋代酒楼的营业状态。

需要建立：
- 掌柜、跑堂、量酒者、厨役、酒客、乐工、脚夫和商贩角色表；
- 方桌、长凳、小榻、屏风和酒架资产表；
- 注子、温碗、酒盏、盘、碟、箸、酒杓和酒瓮资产表；
- 普通宴席与高档宴席摆台；
- 顾客、上菜、补酒、柴炭、泔水和垃圾动线；
- 白天、黄昏、夜间三套营业状态。

请校核：
- 人物坐姿与桌高；
- 跑堂端盘、斟酒和搬瓮动作；
- 主通道和服务带净宽；
- 二层阁子 4、6、8 席变化；
- 北宋汴京菜单与南宋临安菜名的时代边界。

所有尺寸和布局继续标记证据等级。

GPT‑Image 2 主提示词：从灰模生成公众号头图

这次头图不是从一句“宋代酒楼”开始，而是同时输入两张参考图：

• 参考图 1：《清明上河图》高清局部，作为历史街市、商业界面和活动密度的证据锚点；
• 参考图 2：v1.0 五视角灰模，作为建筑体量、楼层、屋顶和人物尺度的几何约束。

下面是整理后的完整提示词，可直接用于相似项目：

用途：历史场景复原，微信公众号文章横版头图，16:9。

主要任务：
依据参考图 1 的北宋街市氛围与可见建筑信息，以及参考图 2 的建筑几何和尺度，生成一幅北宋末年东京汴梁临街正店的建筑复原视觉演绎图。

建筑主体：
- 临街两层木构商业建筑；
- 底层开敞经营；
- 二层临街栏槛、桌席和软质帘幕；
- 灰黑色板瓦大坡屋面；
- 门前设置非承重彩楼欢门；
- 设置斜挑酒旗、器形招幌和少量灯箱；
- 保持参考灰模中的两层比例、面宽、进深和主要屋顶体量；
- 后院仅作最低限度表达，不擅自扩大或增加临河景观。

经营场景：
- 底层与二层均有分散宴饮；
- 跑堂迎客、端盘、斟酒；
- 街边有肩挑商贩；
- 门前有驴车和装卸活动；
- 人物密度热闹但保持通行空间；
- 人物服饰符合北宋城市平民、商人和服务人员身份。

材质：
- 主体为素木和低度刷饰木构，不通体刷深红漆；
- 屋瓦灰黑、色差自然、边缘有轻微雨尘；
- 灰泥和土墙呈暖灰褐色；
- 泥土地面具有车辙、踩踏和局部尘土；
- 门槛、楼梯和栏杆出现有逻辑的长期营业磨损；
- 招幌、帘幕使用低饱和砖红、灰蓝和青绿色。

构图：
- 街道视点的广角斜视；
- 酒楼占据画面主体但保留完整屋顶轮廓；
- 前景人物、驴车提供尺度；
- 屋顶或天空附近保留适合后期添加标题的安静区域；
- 建筑垂直线自然，避免夸张广角畸变。

光线与氛围：
- 黄昏暖光作为主叙事；
- 少量烛火、油灯和灯箱形成不均匀光岛；
- 室内暖、街道稍冷；
- 有生活感和商业活力，但不要戏剧舞台式打光。

风格：
高质量建筑可视化与纪录片式历史复原结合，写实材质，略带克制的绘画感；不是游戏概念城，也不是仙侠场景。

文字处理：
- 不要求模型准确生成复杂中文；
- 招牌只保留适合后期替换的牌面；
- “正店”“香醪”“孙羊店”等文字由后期使用经校核字体资产覆盖；
- 不把自动生成的似字非字内容作为最终文字。

禁止：
- 明清宫殿式红墙、朱柱和金饰；
- 黄色琉璃瓦；
- 夸张上翘飞檐、宝塔和仙侠建筑；
- 满街统一大红圆灯笼；
- LED 轮廓灯和现代均匀照明；
- 日式、韩式或现代中式建筑特征；
- 明清高靠背家具、现代桌椅；
- 现代服装、玻璃橱窗、塑料、柏油路和电线；
- 在建筑后方擅自增加河流；
- 水印、标题和品牌标识。

负面提示词为什么要写得这么具体？

“不要现代元素”通常不够。图像模型会从大量流行视觉样本中寻找“古代中国”的统计特征，而其中最常见的往往是明清宫殿、影视城、红灯笼和仙侠游戏。

所以负面约束需要点名常见错误：

避免明清宫殿、故宫式红墙、通体朱漆、黄琉璃瓦、斗拱堆叠、夸张飞檐、
仙侠宝塔、江南水乡、日式町屋、韩式屋顶、满街大红灯笼、现代舞台灯、
LED轮廓灯、玻璃幕墙、塑料制品、柏油道路、现代广告牌、现代桌椅、
清代宫灯、旗袍、长辫、官帽混用、武侠舞台、空无一人的样板间。

这不是为了限制创意，而是为了把模型的自由度留给真正需要演绎的部分：人的动作、光线、烟火气和材料状态。

第一张图出来后，怎样继续修？

不要在第二轮提示词里重新描述整幅画面。最有效的方法是每轮只修一个问题，并重复声明哪些内容必须保持不变。

修正建筑体量漂移

只修正建筑几何，不改变人物、光线、镜头和街道活动。
严格恢复参考灰模中的两层比例、五开间正面节奏、连续二层栏杆和屋顶高度。
不要增加第三层、塔楼、侧翼或更大的后院建筑。

修正“影视城式大红大金”

只调整材料与色彩，保持构图和全部对象位置不变。
把通体红漆改为素木、低度刷饰和自然磨损木色；把高饱和金色改为灰泥、瓦灰、
暖褐和少量低饱和砖红。彩色只保留在招幌、帘幕和彩楼欢门的小面积位置。

修正灯笼和夜景

只修改照明系统，保持建筑、人物和材质不变。
删除成排统一红灯笼和轮廓灯；改为少量油灯、烛火和灯箱形成的局部暖光岛。
街道整体保持黄昏自然光，不要现代商业街式均匀高照度。

修正人物朝代穿帮

只替换人物服饰、头巾、发式和动作，保持人物位置、数量、建筑和镜头不变。
人物应为北宋城市商人、跑堂、厨役、脚夫、酒客和街贩；服装使用交领袍衫、
襦裙、幞头或头巾等克制类型。删除旗袍、清代长辫、明式官帽、戏曲盔甲和现代鞋。

修正错误招牌文字

移除所有不可辨认、错写或似字非字的招牌内容，只保留空白木牌、布旗和灯箱牌面。
保持牌面尺寸、悬挂位置、材质、褶皱和光照不变，文字将在后期单独覆盖。

公众号排版时还有三个细节

第一，头图不要直接承担学术证明。它应标注“视觉演绎图”，真正的证据紧接着用原画局部、标注板和灰模说明。

第二，长文中交替使用“证据图—模型图—演绎图”。连续放三张效果图会让读者忘记哪些内容是可见事实，连续放三张技术图又会失去阅读节奏。

第三，所有 AI 生成中文都建议后期替换。对于“正店”“香醪”和“孙羊店”这类关键信息，宁可先保留空白牌面，也不要让似字非字削弱整篇文章的可信度。

本次调研图像与交付资料索引

为了方便读者继续核查，下面把文章中使用和项目中形成的主要视觉资料集中列出。

原画与裁切

• 故宫高清原画工作局部：街区、建筑与交通关系。
• 建筑高清局部：两层界面、彩楼欢门和街面经营。
• 招幌与柱列局部：文字、招幌、摊案和人物活动。

分析与平面图板

• 建筑标注板 PNG
• 比例与柱网校核板 PNG
• 首版平面功能草图 PNG
• v0.2 一层平面 PNG
• v0.2 二层平面 PNG
• 建筑标注板与首版平面 PDF
• 比例校核与一二层平面 PDF

深化与最终演绎

• v1.0 五视角空间验收
• 一二层家具与运营图板
• 材料与宋式色彩证据板
• 场景视觉识别板
• GPT‑Image 2 黄昏视觉演绎头图

以上图像并不处于同一证据层级：原画裁切是图像证据，标注板和校核板是研究解释，平面与灰模是工作模型，GPT‑Image 2 头图则是建立在前述成果上的视觉演绎。

AI 复原最重要的，可能不是生成能力

这次项目最终交付了 STEP、DXF、多视角校核图、材料证据板、家具与器物资产表、人物和环境注册表，以及一套明确标注推定范围的 v1.0 说明书。

模型包含 276 个叶级构件和代理体，DXF 使用毫米单位，并保留 A/B/C 证据图层。40 个尺度人物被放进街道、底层、二层和后场，用来检查层高、栏杆、桌席和通道，而不是假装已经完成了精细角色制作。

更重要的是，这套成果仍然允许被质疑和修改。

如果后续研究证明屋顶形式不对，可以切换屋顶解释；如果专家认为楼梯位置不成立，可以替换楼梯方案；如果新的图像证据出现，也可以调整柱网，而不必推倒全部成果。

这或许正是 Codex 与生成式图像模型参与历史复原时最有价值的方式：不是一键把模糊的过去变成“高清真相”，而是把资料、推定、模型和视觉演绎组织成一条可检查、可回退、可继续研究的链条。

我们最终得到的，仍然不是唯一正确的孙羊正店。

但它比一句“请画一座宋代酒楼”，离真实更近了一步。