2026年物业门控五金耗材推荐榜：中企创联工业品，小区/写字楼/物业多场景门控配件全覆盖
2026/3/1 13:31:04
NewBie-image-Exp0.1快速上手：test.py与create.py使用场景对比教程
1. 引言：为什么你需要了解这两个脚本？
你刚拿到NewBie-image-Exp0.1这个预置镜像，兴奋地准备生成第一张高质量动漫图。系统提示你运行python test.py，你也顺利看到了那张写着“success_output.png”的样例图片——但接下来呢？你是继续改test.py吗？还是听说有个create.py可以交互式输入？它们到底有什么区别？该用哪个？
这正是本文要解决的问题。
我们不堆术语、不讲架构，只聚焦一个目标：让你在5分钟内搞清楚test.py和create.py分别适合什么场景，怎么用最省力的方式产出想要的图。
无论你是想快速验证模型能力，还是打算批量创作角色设定，亦或是和朋友玩AI画师互动游戏，这篇对比教程都能帮你选对工具，少走弯路。
2. 环境准备与快速验证
2.1 镜像已为你扫清所有障碍
NewBie-image-Exp0.1 的最大优势就是“开箱即用”。你不需要：
- 手动安装 PyTorch 或 Diffusers
- 下载 Gemma 3 或 Jina CLIP 权重
- 修复“浮点索引报错”或“维度不匹配”这类烦人 Bug
这些全都由镜像自动完成。你唯一要做的，就是进入容器后切换到项目目录：
cd .. cd NewBie-image-Exp0.12.2 第一张图：用 test.py 快速验证
接下来，只需一行命令：
python test.py几秒后，你会看到当前目录多出一张success_output.png。打开它，如果画面清晰、角色完整、风格符合预期，说明你的环境完全正常，可以开始下一步了。
核心作用：
test.py是你的“健康检查脚本”——它存在的意义不是生成复杂作品，而是确认整个推理链路畅通无阻。
3. test.py：静态脚本模式，适合精准控制与批量复现
3.1 它是什么？
test.py是一个静态配置型脚本。它的逻辑非常简单：读取写死在代码里的参数（比如提示词、分辨率、采样步数），然后执行一次推理，输出一张图。
你可以把它想象成一台“全自动咖啡机”——你提前设定好水温、豆量、萃取时间，按一下按钮，就得到一杯完全一样的咖啡。
3.2 如何修改提示词？
打开test.py文件，找到这一段：
prompt = """ <character_1> <n>miku</n> <gender>1girl</gender> <appearance>blue_hair, long_twintails, teal_eyes</appearance> </character_1> <general_tags> <style>anime_style, high_quality</style> </general_tags> """你想换角色？改<n>标签里的名字。
想换发型？改<appearance>里的描述。
想加背景？可以在<general_tags>里加上<background>forest, sunset</background>。
改完保存，再运行一次：
python test.py新图就出来了。
3.3 适用场景总结
| 场景 | 是否适合 |
|---|---|
| 快速测试某个固定 Prompt 的效果 | ✔ 强烈推荐 |
| 批量生成同一类角色（如统一风格的卡牌） | ✔ 只需循环调用脚本 |
| 记录实验日志，确保每次输入一致 | ✔ 参数固化，可复现性强 |
| ❌ 边聊边画，实时调整想法 | ✖ 每次都要改代码太麻烦 |
| ❌ 多轮对话式创作 | ✖ 不支持连续交互 |
3.4 小技巧：用变量管理多个 Prompt
如果你有好几个常用设定，别删来删去，直接在脚本里定义多个变量：
PROMPT_MIKU = """...""" PROMPT_RIN = """...""" PROMPT_LEN = """...""" # 切换时只需改这一行 prompt = PROMPT_MIKU这样既安全又高效。
4. create.py：交互式对话模式，适合探索性创作
4.1 它是什么？
如果说test.py是咖啡机，那create.py就是“咖啡师现场调制”。
它是一个交互式生成脚本，允许你在程序运行过程中，通过键盘输入提示词，实时生成图像，并且可以连续输入、不断出图，直到你满意为止。
启动方式一样简单：
python create.py运行后你会看到类似这样的提示：
请输入您的 XML 提示词（输入 'quit' 退出）: >这时你就可以直接敲入 XML 结构化提示词，回车后立刻生成图片，完成后自动回到输入状态，等待下一轮指令。
4.2 实际使用示例
假设你想试试“双人同框”效果，可以直接输入：
<character_1> <n>gakupo</n> <gender>1boy</gender> <appearance>purple_hair, samurai_armor</appearance> </character_1> <character_2> <n>luka</n> <gender>1girl</gender> <appearance>pink_hair, fishnet_gloves</appearance> </character_2> <general_tags> <style>anime_style, dynamic_pose</style> <background>battlefield, smoke</background> </general_tags>回车，几秒钟后生成output_001.png。
不满意？再输一遍，微调描述，生成output_002.png……
直到你觉得“就是这张了”，输入quit退出。
4.3 优势在哪？
- 无需反复编辑文件：改一句提示词不用开编辑器，直接打字就行。
- 灵感即时落地：想到什么马上试，特别适合头脑风暴。
- 支持连续创作：一口气生成十几张不同组合的角色图，效率极高。
- 便于分享体验：朋友站在旁边，你一边说一边输，他一边看图，互动感拉满。
4.4 注意事项
- 输入必须是合法的 XML 格式，标签要闭合，否则会报错。
- 每次生成的图片会按顺序编号（
output_001.png,output_002.png…），方便后期整理。 - 如果你输错了内容导致崩溃，重启脚本即可，不会影响已有结果。
5. 功能对比：test.py vs create.py
为了更直观地看出两者的差异，我们来做个全面对比。
| 对比维度 | test.py | create.py |
|---|---|---|
| 运行方式 | 一次性执行，出图即结束 | 持续运行，支持多轮输入 |
| 提示词输入位置 | 写在代码中，需手动修改 | 运行时通过终端输入 |
| 适合人群 | 开发者、研究人员、需要复现结果的人 | 创作者、设计师、喜欢边想边试的人 |
| 修改成本 | 每次修改都要保存文件 | 直接输入，零延迟反馈 |
| 输出命名 | 固定为success_output.png | 自动递增编号output_001.png... |
| 错误容忍度 | 修改不当可能导致无法运行 | 输入错误仅影响当次，可重来 |
| 自动化潜力 | 易于集成进批处理流程 | 需额外封装才能自动化 |
| 学习门槛 | 低（只需会改文本） | 稍高（需掌握基本 XML 语法） |
一句话总结：
- 你要“稳定输出”，选
test.py；- 你要“自由发挥”，选
create.py。
6. 实战建议：根据需求选择最佳路径
6.1 我是新手，只想看看效果 → 推荐路线
- 先运行
python test.py，确认基础功能正常 - 打开
test.py，把里面的 prompt 改成你喜欢的角色描述 - 再运行一次，看效果
- 成功后，尝试运行
python create.py，随便输点东西试试手感 - 感觉不错？那就用
create.py继续玩下去！
这个流程能让你从“验证”平滑过渡到“创作”。
6.2 我要做一组同风格角色卡 → 推荐做法
使用test.py，并在其中定义多个角色模板：
CHARACTERS = [ {"name": "miku", "desc": "blue_hair, twin_tails"}, {"name": "rin", "desc": "yellow_hair, mischievous_smile"}, # ... ] for char in CHARACTERS: prompt = f""" <character_1> <n>{char['name']}</n> <appearance>{char['desc']}</appearance> </character_1> <general_tags><style>anime_style, card_frame</style></general_tags> """ generate_image(prompt) # 假设这是生成函数 time.sleep(1)这样一键生成整套卡牌，省时省力。
6.3 我想和朋友一起“AI画画接龙” → 必选 create.py
你们轮流坐在电脑前，一个人说：“我要一个穿机甲的猫娘，在太空站里。”
另一个人就对着create.py输入对应的 XML，生成一张图。
下一轮换个设定，继续生成……
就像文字冒险游戏一样，只不过每一步都有视觉反馈。
这种玩法在test.py上根本没法实现。
7. 总结：两个脚本，两种思维模式
7.1 核心结论回顾
test.py是工程化思维的体现：确定输入、固定流程、追求可复现性。它是你的“生产工具”。create.py是创作型思维的延伸：开放接口、即时反馈、鼓励试错。它是你的“灵感画布”。
两者没有优劣之分，只有适不适合。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。