Portfolio · AI-assisted publishing
一个人，用 AI 把「选题 → 内容生成 → 排版 → 印前 → 上架」整条出版链路跑通。四本实体书已于 2026 年 8 月在 Amazon KDP 完成全球发行，按需印刷、独立出版、全部取得 ISBN。本页展示成品、可下载的设计稿件，以及这条产线上真正值钱的部分 —— 工程约束与踩过的坑。
四本书覆盖三种完全不同的内容形态：程序化生成的逻辑谜题、AI 插画驱动的填色书、以及带插图的文学翻写。三种形态背后是三条不同的生产路径，但共用同一套印前与上架流程。
48 道谋杀谜案逻辑网格题，附完整解题推演
整本书由约束求解器生成，而不是让语言模型编故事。每道题的解都经过两次独立校验：一次验证解唯一，一次验证纯消去法可解 —— 读者永远不需要猜。附村庄地图、五章串联案情、逐步解析。
浙江民间故事十五篇，附故事发生地考注
把浙江各地的民间传说以英文重写成面向海外读者的故事集 —— 西湖、白蛇、龙泉铸剑、雁荡山。每篇后面附「这个故事属于哪里」的地理注释，62 张整幅插画由扩散模型生成后统一调版。
48 幅大字号粗线条设计，面向成人填色市场
Bold & Easy 品类 —— 线条粗、留白大、适合马克笔。每张线稿都要经过二值化检验：实心黑块和灰底都会在印刷后变成一团糊，这是这个品类最主要的废片来源，反向提示词的工程量几乎全花在这里。
日本妖怪主题填色书，55 幅粗线条设计
同一套填色书产线换主题词表的第二次投产 —— 从万圣节南瓜换到日本妖怪，插画风格规则、线宽约束、排版模板完全复用，只替换了题材词表与封面。这正是把创作做成产线的意义：第二本的边际成本远低于第一本。
关于下载件。这四本书均为 Paperback（按需印刷），未发行 Kindle 电子版，因此不涉及 KDP Select 的电子版独家条款；按 KDP 协议，作者保留作品的全部版权，可自行在其他渠道发布。以上 PDF 为作者本人版权作品，在此提供仅供能力评估。
关于谜题书的三个文件。内页与封面拼版是今天用同一套配置重新构建的产物 —— 页数 143、书脊 0.3575 in，与上架版一致，可直接验证这条产线的可复现性。其中封面拼版使用程序生成的矢量占位插画，非上架版的 AI 封面画。
排版全部由脚本生成，没有任何一页是手工摆的。下面这几页分别展示：谜题书的村庄地图、题面与网格、解题推演，以及插图书与填色书的版面。
村庄地图程序绘制，标签自动避让，每个地点都在案情里出现过
题面类目、线索、留白笔记区，版式由配置驱动
逻辑网格随类目数量自动排布，题题不同
解题推演不是答案表，是求解器导出的逐步推理链
整幅插画开篇《天上掉下来的湖》，龙与凤磨出的明珠
章节开篇标题、地点副题、小幅母题图
填色线稿粗线条、大留白、无灰阶
填色线稿每幅配一句短文案，撑起版面节奏
核心判断是：书的不同部分要交给不同的系统。需要严格正确的部分（谜题、排版、印前尺寸）交给确定性程序，需要审美与量产的部分（插画、文案）交给生成模型，两者之间用校验卡住。把这件事分清楚，是整条产线能稳定出货的原因。
Amazon Charts / Best Sellers 实时抓取
每天现抓 Amazon Charts 的 Most Sold / Most Read 四张榜、Best Sellers 实时总榜，以及低内容书所在的类目榜，按「五信号 + 季节窗口」推导当天该做什么书。
做成产线后最要紧的纪律是：绝不复用上一次的榜单数字。榜单每小时都在变，拿过期数据投产等于直接亏钱。万圣节两本书的上架档期（8 月下旬）就是按季节窗口倒推出来的 —— 实体书要给读者留出搜索、下单、配送的时间。
约束求解器 · 扩散模型
谜题书走纯程序化路线。生成器造出题目后，求解器要连过两关：解必须唯一，并且必须能纯靠消去法解出。任何一关不过就重新生成。这是语言模型做不到的事 —— 它能写出像模像样的谜题，但没法保证解唯一。
插画走扩散模型批量生成，靠正向风格块 + 反向词表控制废片率，再逐张过二值化检验。
Python → HTML → Chrome headless → PDF
整书由一个 book.py 配置描述：书名、章节、每章用哪张插画、封底文案、卖点。排版脚本读配置生成 HTML，再用 --print-to-pdf 导出。
143 页、48 道题，含全部谜题校验在内约 13 秒。做下一卷的正确姿势是复制模板改词表，而不是改脚本 —— 这是本页那本妖怪填色书能快速复用产线的原因。
按页数反算书脊 · 整幅封面拼版
实体书的封面是一整张：封底 + 书脊 + 封面，四周还要留出血。书脊宽度由页数和纸张决定，所以必须先定稿内页、拿到准确页数，才能做封面。
谜题书：143 页米黄纸 → 书脊 0.3575 in → 整幅 17.6075 × 11.25 in（含出血）。脚本同时导出一份叠了裁切线、安全区、条码框的自检版，用来自查后再上传正式版。
KDP Previewer · AI 内容声明
内页选 No Bleed（不是 Bleed，这是最容易搞混的一项）、米黄纸、AI 使用如实申报、版权页写明插图由生成式 AI 协助制作。Previewer 必须 Approve 才能进定价页。
定价按印刷成本 + 版税结构倒推，不是拍脑袋定的。密码二次验证和最后的 Publish 由本人操作。
这部分比成品更能说明问题 —— 每一条都是真实赔过时间或质量的教训，现在都固化成了产线里的检查项。
《The Lake That Fell From Heaven》的 62 张插画按模型默认的 832×1248 px 生成。放进 6×9 in 开本的 4.6 in 文字栏后，实际只有 181 DPI，远低于 KDP 建议的 300 DPI。发现时 GPU 服务器已经销毁，只能做 1.7× 放大 —— 能过 KDP 的分辨率检查，但一丝真实细节都没增加。
现在的做法：先定开本和文字栏宽，再反推像素目标（目标像素 = 300 × 成品英寸），生成前就把分辨率设够。6×9 in 书的整幅插图需要 ≥1380 px 宽，不是 832。
批量出线稿时有一种稳定咬掉 5–10% 出图的翻车模式：模型不画线稿，改画一堆带白边和投影的贴纸，摆在灰布背景上。二值化之后灰底被剥掉，只剩一地碎渣。做 Cozy Halloween 时 50 张里栽了 4 张。
现在的做法：反向词表里补齐 sticker 这一族（sticker sheet、die cut、white border around subject、drop shadow under subject、grey background…），换种子重摇，4 张里 3 张一次修好。
上面那套反向词表只在 CFG > 1 的模型上有效。蒸馏模型（CFG=1）根本不走无分类器引导这条路，反向提示写得再全也是一个字都不起作用 —— 这个坑不知道的话，会反复怀疑是自己词写错了。
现在的做法：先看模型的 CFG。蒸馏模型只能靠正向风格块控制画风；需要精细反控的批次，直接换非蒸馏模型跑。
生成谜题最危险的失败不是无解，而是有多个解，或者必须靠试错猜一步才能往下走。这类题读者解到一半会卡住，然后给差评 —— 而且批量生成时，光看题面完全看不出来。
现在的做法：每道题过两道独立关卡，验唯一解 + 验纯消去可解，任一不过就丢弃重生成。48 道题全部通过才允许进排版，这也是那 13 秒里的大头。
一，把 AI 用成产线，而不是用成工具。四本书不是四次独立创作，是同一套模板跑了四遍。第一本花掉的是搭产线的时间，后面几本的边际成本主要在题材词表和封面上。判断哪些环节该固化、哪些该保留人工，是这件事的核心。
二，知道 AI 在哪里不可信。谜题的正确性、印前的尺寸、分辨率的下限 —— 这些地方必须由确定性程序和硬校验兜底。把生成模型放在它擅长的位置（量产审美内容），把校验放在它靠不住的位置，产线才跑得稳。
三，闭环到真实交付。不是 demo，不是原型 —— 是四个 ISBN、四条 Amazon 全球在售链接，走完了选题、生产、印前、过审、定价、发行的全流程，中间每一个卡点都真实解决过。