让 AI 生成一张海报已经不难。更难的是，让它围绕同一个设计目标持续工作：理解品牌与产品要求，生成初稿；发现标题、产品位置或整体风格存在问题 后，知道应该修改哪里、怎样修改；同时保留已经确认的内容。等到下一次活动，它还能延续此前确定的设计偏好和有效经验。 这里需要做的决定，从曾经的"输入什么提示词"，扩展到了选什么工具、检查结果、局部修改，以及积累经验。 这些决定由谁来做，做到哪一步，正是 Agentic Visual Generation（智能体式视觉生成） 要研究的问题。 来自 复旦、Wan、港中文mmlab 的研究团队 在综述《Agentic Visual Generation: From Generative Models to Agentic Control》中，为这个快速 发展的方向建立了一套围绕控制器决策范围的分类框架。 论文梳理了覆盖图像生成、编辑、视频、幻灯片、用户界面、3D 与世界模型 的系统，并将不同技术路线放到同一组问题下考察：系统在生成前能决定什 么？执行时能选择什么？看到结果后能改变什么？任务结束后又能留下什么？ 这其中一个非常值得关注的地方是：目前的工作中，根据结果修正当前任务的 ...