核心解答：如何搭建你的第一条 AI 流水线
构建高效 AI 图像工作流的关键在于使用可视化节点编辑器，将提示词、生图模型以及 4K 后处理视为独立的配置模块。在 app.relayme.ai 中，你可以将 LLM 节点直接链接至图像生成节点，随后连接增强节点。这种无需编程的积木式设计，能将繁琐的重复性工作转化为自动化流程。
此方法特别适合需要大规模生产素材的电商运营、营销团队及设计师。它不适合那些追求完全不可预测、每次都需要从零开始的独特艺术创作。对于追求品牌视觉一致性、需要快速产出高质量素材的团队而言，将工作流标准化是提升生产效率的最佳途径。
先连接输入，再运行工作流
在文字节点写清主体、必须保留的细节、构图和用途；需要整理提示词时，再连接 LLM 节点，把需求转换为可复用的图片提示词。
把输出文字连接到图片模型的提示词输入。若使用商品参考照，还要把图片输入连接到模型支持的参考图端口；文字描述本身不会提供原始商品图。
在工作台核对模型、分辨率和预计积分，先运行一个小任务并检查结果，再替换输入复用流程。下图展示已有节点连接，不是新一轮画质测试。
可复用提示词模板（复制到文字节点，只改方括号里的内容）：“[主体与商品名称]。保留：[不能改变的细节，如标签文字、颜色、外形]。场景：[环境与光线]。构图：[机位、取景、为文案留白]。用途：[如商品列表图或横幅]，[画面比例]。”工作流跑出合格的图后保存下来；下次只改方括号内容，再运行一次。
利用节点编辑器可视化你的工作流
在可视化搭建器中，首先配置 LLM 节点，使用当前可选的 Gemini 文本模型构建提示词。该节点直接输出给 Nano Banana、Nano Banana Pro 或 GPT-Image2 图像模型。这种逻辑与执行的分离，确保了当技术迭代时，你可以轻松替换底层模型，而无需重构整个逻辑框架。
连接节点后，你可以启动“并行输出”任务。这意味着同一个提示词可以被同时发送到多个不同的生图模型中进行测试。你可以在任务列表中直接并排对比不同模型的处理结果。这种测试方式让你在投入大量积分生成最终 4K 图像前，就能精准选出最符合设计需求的效果。
具体节点连接方式和可复用指令见 LLM 提示词工作流教程。
预算管理与积分消耗规则
任务历史会记录每次生成的积分消耗。2026 年 9 月 20 日核对的公开模型目录中，GPT-Image2 特价渠道 1K、2K、4K 均为每张 0.10 美元；标准渠道按分辨率另行计价。视频费用还取决于时长、分辨率和音频选项。批量运行前核对当前定价表，并单独预留重生成和人工审核预算。
新手用户可以从“免费试用”起步，无需绑定信用卡。随着需求增加，你可以选择：入门版（$19/月，20,000 积分）、基础版（$32/月，35,000 积分）或专业版（$90/月，110,000 积分）。年度方案提供折扣，注意两种积分规则不同：套餐积分当期有效、按账单日重置；按需充值的积分永不过期——日常量走套餐，波峰用充值补齐更划算。
选择模型前请核对当前定价与积分规则；历史示例不代表当前报价。
创建可复用的工作流模板
图像工作流搭建器的最大优势在于其可复用性。一旦你调优了一个逻辑序列，例如一套能稳定产出电商产品图的提示词组合，你可以将其保存为工作流模板。这个模板库让团队内其他成员也能随时调用成熟的流程，无需从头配置。
通过将成功的逻辑固化为模板，你实际上是将复杂的创意过程转化为了“一键式”生产工具。当有新产品需求时，你只需要修改输入提示词，选择模板库中预设好的工作流，即可一键生成图像。这既减少了重复的人工配置，又保证了输出结果的质量稳定性。
选择工作流使用的模型前，可参考 Nano Banana Pro 与 GPT Image 2 对比，核对设置与积分。
现在可用的全部节点类型，以及 RelayMe 节点式工作流不涵盖的内容，见节点式 AI 工作流概览。
避坑指南：切勿陷入“单模型依赖”陷阱
许多团队容易犯的错误是只依赖单一模型来完成所有创意任务。即使一个模型在处理抽象概念时表现出色，它在写实产品摄影中可能效果不佳。过度依赖单一模型会限制你的创意弹性，使你错失 Veo 3.1、Veo 3.1 Fast 或 MiniMax-H3 等视频模型在特定领域（如视频或静图）的优势。
如果你的工作流中没有对比至少两种不同模型输出的习惯，那么你很可能无法发挥 AI 生产力的最大价值。充分利用可视化节点的并行能力进行多模型测试，这种“对比驱动”的策略，远比单一模型的实验法更具生产保障力。