1.1 主题界定：AI照片修复工具解决什么问题、核心能力与效果边界
我自己第一次接触AI照片修复，是拿外婆年轻时候的一张黑白照去试的。那张照片边角发霉、人脸模糊得只剩轮廓，我用了一个在线工具，点了一下“一键修复”，等了大概十几秒，屏幕上跳出来一张干净很多的脸。那一刻我确实有点激动，但也很快冷静下来——因为修复后的五官虽然清晰了，却不太像我外婆了。这件事让我意识到，AI照片修复工具并不是魔法，它做的事情本质上是“基于已有信息做合理推测”，推测得准不准，取决于模型见过多少类似的图像。
从功能上看，这类工具的核心能力集中在几个方向：去划痕和噪点、提升清晰度、放大分辨率、修复人脸细节、给黑白照片上色。它们擅长处理的是“有信息但被破坏”的照片，比如扫描老照片时带进来的灰尘颗粒、轻微失焦、压缩导致的模糊。对于“信息已经彻底丢失”的情况，比如人脸被大面积遮挡、照片只剩下一小块碎片，AI就只能靠猜，猜出来的结果跟原貌可能相差十万八千里。这就是效果边界的问题，很多人第一次用的时候容易忽略。
我后来慢慢摸出一个判断标准：如果一张照片里还能看出眼睛鼻子嘴的位置关系，AI修复的成功率就比较高；如果连轮廓都没有了，修复结果更多是“好看”而不是“真实”。这个边界感很重要，因为它决定了你该对工具有什么样的期待，也决定了你在什么场景下不该用它。比如做家族档案、历史资料整理，过度修复反而会破坏照片的史料价值。
1.2 典型应用场景：老照片翻新、模糊人脸增强、划痕噪点修复、低分辨率放大与黑白上色
老照片翻新是我用得最多的场景。家里翻出来一摞七八十年代的相册，纸张发黄、表面有折痕、背面胶水印透过来，扫描成电子版之后更是惨不忍睹。这类照片的问题通常是复合型的——既有物理损伤带来的划痕和污渍，又有扫描分辨率不够导致的模糊。我的做法是先用去划痕功能清掉明显的脏点，再整体做一次轻度锐化，最后根据情况决定要不要上色。分步走比一键处理稳得多，因为每一步你都能看到变化，出了问题也好回退。
模糊人脸增强是另一类高频需求。手机拍合照的时候手抖了、老相机对焦没对准、从视频里截了一帧当照片用，这些情况都会导致人脸糊成一片。AI人脸增强的原理是先识别面部关键点，再用人脸数据库里的通用特征去“补”细节。效果好的工具能把眼睛、嘴唇的轮廓重新勾勒出来，效果差的工具会把人脸修成一张塑料娃娃脸，皮肤光滑得不像真人。我试过同一个工具处理不同人的照片，年轻人脸恢复得比较自然，老年人脸上的皱纹和斑点反而容易被抹掉，这跟训练数据的偏好有关系。
划痕和噪点修复相对单纯一些。老照片上的白色划痕、霉斑、颗粒感，AI识别起来比较准，处理完的画面干净很多。低分辨率放大则是另一个思路，它要把一张小图撑成大图，同时不出现马赛克。我拿一张200万像素的老照片试过放大到4倍，树叶和砖墙的纹理居然能补出一些细节，但文字和数字就完全不行了，笔画会被扭曲成奇怪的形状。黑白上色我个人的态度比较保守，工具给的色彩方案经常偏艳丽，衣服颜色、背景色调跟真实情况可能有出入，当参考可以，当还原就得谨慎。
1.3 工具形态对比：在线网页、桌面软件、手机App、专业图像软件插件的优缺点
在线网页工具是我推荐给大多数人的起步选择。打开浏览器就能用，不用装东西，操作界面通常也做得简单直白，上传、点按钮、下载，三步完事。我最早用的几个工具都是网页版，免费额度够试手，效果不满意换一家也不心疼。缺点也很明显——你得把照片传到别人的服务器上，处理速度受网络影响，批量处理要么收费要么限制张数。家里人让我帮忙修照片的时候，我一般先问一句“这张照片介意传到网上吗”，介意的话就换本地方案。
桌面软件的优势在隐私和批量能力。照片全程留在自己电脑里，处理几百张也不怕，很多软件还支持脚本和文件夹批处理。我用过一款桌面工具修整本相册，设置好参数之后去泡了杯茶，回来已经全部处理完了，那种效率是网页工具给不了的。代价是要安装、要占硬盘空间，部分软件对电脑配置有要求，老笔记本跑起来风扇呼呼响。手机App胜在随时随地，拍完直接修，适合社交媒体发图前快速处理，但屏幕小、参数少，精细控制基本谈不上。
专业图像软件插件是给已经有修图习惯的人准备的。Photoshop、Lightroom这些软件本身就有修复画笔和降噪功能，装上AI插件之后如虎添翼，缺点是学习成本高，插件还要额外付费。我身边做摄影的朋友大多走这条路，因为他们本来就在这套工作流里，插件只是锦上添花。普通用户没必要为了修几张照片去学一套专业软件，投入产出比不划算。
1.4 AI照片修复工具哪个好：修复效果、自然度、速度、批量能力、价格、隐私与格式支持的评价维度
“哪个好”这个问题没有标准答案，得看你拿什么尺子量。我自己的评价顺序是效果、自然度、隐私，然后才是速度和价格。效果看的是修复后细节有没有回来，比如照片上的文字能不能认出来、人脸的五官比例对不对。自然度更微妙一些，好的修复应该让人看不出明显处理痕迹，皮肤质感还在、光影关系合理。有些工具效果很猛，划痕去得干干净净，但整张照片像蒙了一层雾，锐度被磨没了，这种“干净”我宁可不要。
速度和批量能力跟使用频率挂钩。偶尔修一两张，网页工具等个几十秒无所谓；要是手头有几百张家庭照片要整理，批量处理就是刚需了，这时候桌面软件或者支持批量上传的在线服务更合适。价格方面，免费工具通常有分辨率限制或者水印，付费订阅之前建议先用免费额度跑几张自己的照片，看看效果能不能接受。我吃过一次亏，买了个年度会员，结果发现它处理彩色老照片偏色严重，只能修黑白的，钱等于白花。
隐私这一项很多人会忽略。照片里可能包含人脸、住址、证件信息，上传到不熟悉的平台之前最好看一眼隐私政策，确认对方会不会拿你的照片去训练模型。格式支持也要留意，老照片扫描出来常见的是TIFF和PNG，部分工具只吃JPG，转换格式又会损失画质。我现在的习惯是先把这几个维度列成一张小表，每试一个新工具就打个分，攒一段时间之后自然就知道哪个适合自己。
1.5 选型思路：按照片问题类型、使用频率、设备条件与预算匹配工具
选工具跟选鞋差不多，合脚最重要。我一般先看照片的问题类型：单纯去噪点，很多轻量工具就能搞定；人脸模糊得厉害，就得找专门做人脸增强的；要是又要去划痕又要上色还要放大，那就得选功能覆盖比较全的平台，或者干脆组合使用两三个工具。问题越复合，越不要指望一个按钮解决所有事。
使用频率决定你该不该为工具花钱。一年修不了十张照片，免费额度完全够用；每周都要处理素材，订阅一个稳定的服务反而省心。设备条件也是一个现实因素，手边只有手机，那就优先找移动端做得好的App；有台性能不错的电脑，桌面软件的选择面会宽很多。预算这块我的建议是先定一个上限，比如一年不超过两百块，在这个范围里挑效果最好的，而不是反过来被工具的定价牵着走。
我自己的组合是这样的：手机里装一个免费的App应付日常快速处理，电脑上放一个支持批量的桌面工具处理家庭相册，遇到特别难修的照片再拿到在线平台用高级功能试一次。这套组合不完美，但覆盖了我九成以上的需求，成本也控制得住。选型这件事不用一步到位，用着用着你就知道自己真正需要什么了。
1.6 常见选型误区与避坑：过度磨皮、细节失真、免费限制、隐私风险与版权提示
过度磨皮是最常见的坑。很多工具默认把“修复”理解成“让皮肤变光滑”，结果老人的皱纹没了、孩子的雀斑没了、照片里的颗粒质感也没了，整张脸像刚从模具里倒出来的。我早期也迷恋过这种效果，觉得干净就是好，后来拿修复前后的照片给家里人看，大家都说“不像了”，我才反应过来问题出在哪。修复的目标是恢复，不是美化，这个分寸得自己把握。
细节失真是另一个隐蔽的问题。AI在放大照片或者增强人脸的时候，会自己“编”一些细节出来，编得好是锦上添花，编得不好就是无中生有。我见过一张老照片修复之后，背景里原本模糊的招牌变成了一行清晰但完全不存在的字，这种改动放在家庭纪念照里无伤大雅，放在档案资料里就是硬伤。免费限制也值得留意，有些工具免费版只给低分辨率结果，想看高清版就得付费，试的时候一定要下载原图对比，别只看网页上的预览小图。
隐私风险和版权问题容易被忽略。上传照片之前想清楚这张照片能不能外传，涉及身份证件、私密场景、他人肖像的，尽量走本地处理。版权方面，修复别人的摄影作品、老电影截图、画册扫描件，自己留着看没问题，公开发布或者商用就可能侵权。我现在的习惯是给每张处理过的照片留一个原始备份，修复版单独存放，既方便对比，也避免哪天想找回原图却找不到了。
2.1 AI照片修复工具怎么用：导入、检测、参数选择、预览对比与导出的通用流程
我第一次打开AI修复工具界面，说实话有点懵。按钮一大片，滑块一排排，什么“去噪强度”“人脸保真度”“超分倍数”，根本不知道从哪下手。用多了才慢慢摸清楚，不管界面长啥样，这类工具的基本流程都差不多：导进去，让它自己先分析一遍，选参数，看对比，导出来。五步走完，一张照片就处理好了。
导入这步没什么技术含量，拖拽或者点按钮选文件就行。我习惯先把照片整理到一个专门文件夹，按“年份+事件”命名，比如“1998_外婆生日”，这样处理完一堆照片不会乱。格式方面JPG最通用，PNG适合要保留透明背景的情况，TIFF我碰得少，文件太大传起来慢，除了扫描仪直出的原始文件，一般不折腾它。
导入之后大多数工具会自动跑一遍检测，框框或者高亮标出它认为有问题的区域。人脸在哪、划痕在哪、噪点集中在哪，这些结果值得认真看一眼。AI有时候会把正常纹理误判成噪点，或者漏掉细微裂纹。我见过工具把照片里本该保留的胶片颗粒全当噪点抹了，画面干净得过分，年代感反而丢了。检测框一般能手动调整，花十几秒划拉几下，比事后重新处理一遍省事。
参数选择是整个流程里最考验判断力的环节。拿修复强度来说，滑块往左拉，处理得温和，细节保留多，划痕可能去不干净；往右拉，干净是干净了，皮肤质感跟着一起没。我的一般策略是从中间偏左开始试，跑一张看看效果，不满意再微调。人脸保真这个选项尤其重要，有的工具默认值偏保守，修完脸还是有点糊；有的默认值太激进，五官重新画一遍，跟本人对不上。这个真得一张一张试，别人的推荐参数最多当个起点。
预览对比是我觉得最实用的功能，可惜不是每个工具都做得好。好的对比工具支持左右分屏、上下分屏、按住鼠标看原图这几种模式。我一般三种来回切着看，有些瑕疵在大图里不明显，缩放之后反而扎眼。截图存下来也是个好习惯，我电脑里专门有个“修复记录”文件夹，每次试新工具或者新参数都截一张对比图，攒多了遇到类似问题直接翻记录找参考。
导出的时候盯紧两个参数：分辨率和格式。网页工具默认可能给你压到72dpi，屏幕上看着没问题，一打印就糊。做家庭相册用途，我一般导出300dpi的JPG，质量拉满；发朋友圈或者微信传图，150dpi够用，文件小传得也快。文件名加个后缀，比如“_fixed”“_colorized”，以后翻文件夹一眼分清哪张是原图哪张是修复版。
2.2 场景化操作要点：老照片划痕修复、模糊照片清晰化、低分辨率放大、黑白上色与人脸增强
老照片划痕修复最忌讳一把梭。我修过一张六十年代的结婚照，正面四五道明显白色折痕。第一次用自动模式处理，工具把折痕全当噪点抹了，连带把婚纱上的蕾丝花纹糊成一片。后来我换了策略：先用最小修复强度跑一遍，只去掉最显眼的白色划痕，接着手动用修复画笔点掉剩下的几道，收尾的时候整体做一次轻度锐化。三道工序下来，蕾丝花纹保住了，折痕也基本看不见。这个活儿耐心比工具重要，每修完一个区域就停下来看看，别一口气跑完再回头找问题。
模糊照片清晰化要分清是哪种模糊。手抖造成的运动模糊和失焦造成的弥散模糊，处理方式不太一样。运动模糊方向性强，有些工具提供“去运动模糊”的专用模式，效果比通用锐化好不少。人脸糊了优先用人脸增强模块，让它先把五官轮廓补出来，再全局加一点锐化。我试过一张手机夜景抓拍，人脸糊得只剩色块，人脸增强处理完居然能认出是谁，眼睛和嘴巴的位置关系是对的，皮肤纹理还是有点塑料感，加了一层噪点模拟才自然一些。
低分辨率放大得先想清楚放大的目的。屏幕上看，放大两倍基本够用，AI补出来的细节肉眼分辨不出来。要打印或者做展板，四倍起步，得接受一个现实：放得越大，AI“编”的内容越多。我拿一张200万像素的老照片放大到八百万像素试过，砖墙纹理补得很自然，门牌号上的数字完全变形了，六看起来像八，八看起来像零。照片里有文字、数字、标志这类精确信息，放大之后一定人工核对一遍，别直接拿去用。
黑白上色我一般只给风景照和老物件上色，有人脸的照片很少动。工具给的肤色经常偏红或者偏黄，衣服颜色更是全靠猜。上次给一张外婆的照片上色，工具给她穿了一件亮蓝色外套，家里人记得明明是藏青色。我现在上色之前先问问长辈“这件衣服什么颜色”“背景那面墙是红砖还是青砖”，把信息输进去让工具按提示上色，比全自动模式靠谱很多。
人脸增强放在最后一步做。先处理完划痕、噪点、放大这些基础问题，等照片整体状态稳定了再做人脸增强。顺序反过来会出问题。我试过先增强人脸再去做划痕修复，划痕修复的磨皮效果把刚补出来的五官细节又抹平了，白忙一场。人脸增强完把照片放大到百分之百查看，注意牙齿、眼白、发丝这几个区域，AI最容易在这几处翻车，牙齿排得歪歪扭扭、眼白里多出奇怪斑点，都是常见问题。
2.3 参数与效果控制：修复强度、降噪、锐化、人脸保真与上色自然度的平衡
修复强度和降噪这两个参数经常打架。修复强度拉高，噪点去得干净，照片本身的质感也跟着被抹平；强度压低，质感留住了，噪点又冒出来。我找到的平衡点大概是强度百分之六十到七十，单独用降噪模块处理剩下的颗粒。有些工具把这两个参数合并成一个滑块，那就只能靠多试几组数值来摸脾气。我一般存三组预设：轻度修复日常用，中度修复给扫描质量一般的照片，重度修复留给问题特别严重的老照片。
锐化是最容易过头的操作。AI锐化的原理是增强边缘对比度，加少了照片还是肉，加多了出现白色光晕，人脸和背景交界的地方一圈亮边特别明显，看起来像贴上去的。我的经验是锐化值不超过工具默认值的百分之八十，做完在百分百缩放下看人脸轮廓有没有白边，有的话往回拉一点。有时候宁愿稍微肉一点，也别让光晕毁了整张照片。
人脸保真度这个参数挺有意思，很多工具把它藏在一个不起眼的下拉菜单里，作用却很大。保真度调高，AI尽量保留原照片的五官特征，修出来的脸更像本人，清晰度提升有限。保真度调低，AI调用更多的人脸先验知识去“重建”五官，清晰度上去了，可能修出来一张好看但不认识的脸。我的做法是保真度往高调，清晰度不够再单独用锐化补一点，两条腿走路比一条腿蹦跶稳。
上色自然度跟工具的色彩库有关系，跟我的提示词也有关系。全自动上色经常给出饱和度很高的颜色，天空蓝得发紫、草地绿得刺眼。我现在手动指定几个关键区域的颜色：皮肤用“浅暖褐”，天空用“灰蓝”，树叶用“暗橄榄绿”，再把整体饱和度调低百分之二十左右，出来的结果耐看很多。上色完成拿黑白原图放旁边对比着看，检查颜色有没有溢出边界，头发丝边缘、衣领交界处最容易出现颜色渗漏。
2.4 批量处理与工作流：文件命名、格式选择、分辨率设置、输出目录与人工复核
批量处理前置准备比工具本身重要。我接过一次整理家族相册的活，一百多张照片丢进批量工具之前，先花了半小时做三件事：统一重命名、统一格式、按问题类型分文件夹。重命名规则是“年份-事件-序号”，格式统一转成JPG，问题类型分成“纯划痕”“纯模糊”“复合问题”三个文件夹。准备工作做完再跑批处理，速度比一锅乱炖快得多，出错也容易定位。
批量跑之前一定拿两三张照片做测试。我的习惯是挑一张问题最轻的、一张最严重的、一张居中的，用同一组参数跑一遍，三张都合格了才全量跑。有一次我没测试直接跑了一百张，参数设得太猛，所有人的脸磨成同一个模子，后来全部重来。那次之后我给自己定了个规矩：批量任务永远先试跑，试跑不过关绝不碰全量。
输出目录单独建一个文件夹，别跟原图混在一起。我一般建一个“修复输出_日期”的文件夹，里面再按输入分组建子文件夹。输出格式根据用途选：电脑存档用PNG无损，手机分享用JPG压缩到百分之八十五质量，打印用TIFF。分辨率跟着用途走，屏幕浏览150dpi，打印300dpi。万一手滑忘了改，至少文件名里的dpi标记能提醒我。
人工复核这一步不能省。批量工具跑完只是半成品，我至少会快速翻一遍缩略图，挑出明显失败的单独处理。复核的优先级是：人脸照片全看、有文字的照片全看、纯风景照抽看。人脸修坏了最扎眼，文字修错了最容易闹笑话，风景照容错率高一些。翻图用系统的缩略图视图就行，一张张点开看太慢。发现问题的照片打个星标，集中处理完再跟原图放一起对比。
2.5 常见问题排查：修复过度、细节丢失、颜色偏差、面部变形与处理失败
修复过度是最高频的问题，表现是整张照片像敷了一层面膜，毛孔、皱纹、布料纹理全部消失。检查方法很简单，把修复版和原图在百分百缩放下并排看，对比皮肤区域和头发区域。原图里能看到一根根的发丝，修复版里变成色块，那就是过度了。解决办法有两种：降低修复强度重跑一遍，或者用传统修图软件把原图的纹理叠回去，图层混合模式选“柔光”，透明度调到百分之三四十，能把大部分质感找回来。
细节丢失有时候是工具判断错了处理对象。我修过一张老照片，背景里有一个木制相框，工具把相框上的木纹全部当成噪点抹掉了，相框变成一块光板。这种情况换参数解决不了，得手动指定保护区域。大部分工具支持画笔涂抹“保留区”，把不能动的细节圈出来，AI处理的时候就不会碰。没有这个功能的工具，我的办法是把照片拆成两块处理，先修人物部分，再修背景部分，最后拼回去。
颜色偏差主要出现在黑白上色环节，常见的有三种：肤色偏橙红、天空偏紫、草地偏荧光绿。肤色问题可以在上色完成后单独用色彩平衡工具拉一下，把红色通道降一点、黄色通道加一点。天空和草地的问题比较难自动纠正，我的做法是导出之后用传统修图软件单独选中天空区域换色，比让AI重新跑一遍快。上色这种操作宁可偏淡也别偏艳，淡了还能加饱和，艳了往回拉会把颜色拉脏。
面部变形是AI人脸增强最让人头疼的副作用，表现是眼睛间距不对、下巴歪了、牙齿多出来一颗。这个问题跟输入照片的质量直接相关，原片越糊，变形越严重。我的应对策略是遇到变形就退回上一个处理步骤，用更低的人脸增强强度重跑，实在不行放弃人脸增强，只做整体锐化。一张照片宁可稍微糊一点，也不能让脸看起来不像那个人。
处理失败的表象有几种：进度条卡住不动、报错弹窗、输出文件是黑的或者全白的。卡住一般跟网络或者文件太大有关，换个浏览器或者压缩一下文件再试。报错弹窗看提示信息，常见的“格式不支持”把文件转成JPG再传，“内存不足”就分批处理。输出黑图白图通常是工具内部出错，换一家工具或者换一个时间再试，有时候真的是服务器那边的问题。
2.6 效果优化与进阶：局部修复、前后对比、多次轻量处理及结合传统修图工具
局部修复是提升效果最明显的手段。整张照片统一参数处理，必然有些区域修得好、有些区域修得不够或者过头。我的做法是修完之后回到工具里，用画笔圈出需要额外处理的区域：眼睛周围多加点锐化，背景墙面多去点噪，衣服褶皱处减一点磨皮。局部处理做两三遍比全局参数调十遍都管用。AI对整张图的理解容易一刀切，给它的指令越具体，出来的结果越听话。
多次轻量处理是我自己摸索出来的土办法。一次性把参数拉满不如用温和的参数跑三遍，每跑一遍都在原图基础上叠加。这样做的好处是每一步的变化都很小，出了问题能及时刹车。我拿一张划痕特别严重的老照片试过，单次高强度修复出来的画面偏软，三次低强度修复叠加之后，划痕没了，细节还在。这个过程像是慢慢擦掉玻璃上的雾气，比猛地泼一盆水上去稳当。
前后对比这个习惯帮我避开了很多坑。我现在的流程是每处理一步就截一张对比图，按“步骤编号-参数”命名存下来。存多了之后我发现一个规律：往往第一版最自然，后面越修越假。盯着屏幕看久了，眼睛会习惯不自然的画面，画质稍微有点瑕疵就想再修一下，越修越远。放一晚上第二天再看，第一版和最终版一对比，很多时候第一版更耐看。
传统修图工具不能丢。AI解决的是识别和重建的问题，精确控制还得靠Photoshop、GIMP这些老伙计。我的固定搭配是：AI负责去划痕、放大、上色这些体力活，Photoshop负责最后的色彩微调、局部锐化、图层合成。有些操作AI做不了，比如把照片里多余的一个人精准去掉同时保留后面的背景纹理。AI处理完背景经常出现糊块，用Photoshop的仿制图章慢慢点反而效果更好。
2.7 隐私、安全与合规：敏感照片处理、云端上传风险、版权与肖像权注意事项
云端上传的风险比大多数人想的大。照片上传到服务器之后，你看到的是处理结果，看不到的是后台发生了什么。有些平台的用户协议里藏着“授权使用用户上传内容改进服务”的条款，翻译过来就是你修的照片可能被拿去训练下一个版本的模型。处理涉及家里人的照片我之前不太在意，后来把一个亲戚的证件照传上去修了一下，事后想想有点后怕，虽然没出什么事，从那以后涉及证件、住址、车牌的照片一律本地处理。
敏感照片的分类标准我自己定了几条：能看到身份证号码的、能看到家庭住址门牌的、涉及未成年人清晰面部的、涉及医疗信息的，这四类走本地处理，不上传任何云端。本地处理的办法也简单，电脑上装一个离线的修复软件，或者干脆用Photoshop的修复画笔手动修，慢是慢一点，但照片不出自己的电脑。手机上的处理尽量用系统自带的相册编辑功能，不上传第三方App。
版权问题在修复老照片的时候容易被忽略。家里的老照片自己修着玩、打印出来挂墙上，没问题。把别人拍的照片、画册扫描件、电影截图修了之后发到网上、做视频素材、甚至商用，性质就变了。我处理过一批民国时期的老照片，原片来自档案馆的公开资料，修复之前专门查了版权状态，确认属于公有领域才敢动。拿不准的照片，我最多修完自己看看，不公开发布。
肖像权是另一个雷区。修别人的照片发社交媒体之前，我至少要拿到口头同意，家里长辈的照片发之前也会问一声。碰到合影里有陌生人、背景里有路人，发之前裁掉或者打码。有人可能会说照片里的人都看不清脸，AI修完就能看清了。这恰恰是问题所在，本来模糊的路人脸被修清晰了再发出去，等于凭空制造了一张别人没有同意公开的清晰肖像。
2.8 从入门到精通的练习路径：样片测试、工具对比记录与场景模板沉淀
我入门的时候干的第一件事是攒样片。从家里相册里挑了二十张不同类型的老照片：清晰的黑白肖像、模糊的彩色合影、划痕严重的风景照、发霉的证件照、低分辨率的翻拍照片。每张照片的问题都记在一张表格里，修复的时候对着表格逐项验证。攒样片的好处是有一组固定的参考系，每试一个新工具、新参数，都拿这二十张跑一遍，谁好谁坏一目了然。
工具对比记录我用最笨的办法，笔记本加Excel。笔记本记主观感受：“这个工具修人脸更自然”“那个工具上色快但偏色严重”。Excel记客观数据：处理时间、输出分辨率、文件大小、免费额度限制。试过五六个工具之后把记录翻出来横向对比，规律很清晰，没有哪个工具在所有维度上都赢，得看你的优先级排哪里。我最终的配置是两个在线工具加一个桌面软件，各管一摊。
场景模板是我现在最看重的沉淀物。修完一类照片之后，我把用的工具、参数、处理顺序、注意事项写成一张卡片存在手机备忘录里。比如“七十年代彩色照片修复模板”写着：先用工具A去噪强度六十五，再用工具B人脸增强保真度八十，收尾工具A轻度锐化，检查牙齿和衣领两个易错点。下次遇到同类照片直接调模板改一两处就行，不用从头试参数。
练习频率比练习时长重要。我给自己定的规矩是每周至少修三张照片，可以是家里的旧相册，也可以是网上找的公共版权素材。修完发到一个小群里让朋友挑毛病，别人看照片的角度跟自己很不一样。有次朋友指出修完的照片里地毯纹理方向不对，我自己盯着看了五分钟才发现问题。盯着照片太久确实会麻木，这种外部反馈比闷头练习进步快得多。
