给AI图像生成器写回归测试，第一反应通常是存一张"标准答案"图片，下次生成后逐像素对比。这个思路在传统渲染管线里没问题，但放到非确定性的快速生图模式里，方向就错了。

像素快照不是正确的契约。真正有用的回归测试，应该冻结请求本身，然后断言结果中的稳定属性：文件格式、尺寸、构图区域、必需文字、调色板容差。它应该在创意需求被破坏时失败，而不是因为一颗浆果移动了三个像素就报警。

打开网易新闻 查看精彩图片

从模型契约开始

以Z Image Turbo工作区为例，2026年9月2日的实时界面显示：FLUX Dev模型、1:1比例、单张输出、带水印的公开生成，单次消耗9个积分。当前schema还暴露了go_fast=true、guidance 3、28步推理、一兆像素、WebP输出，以及一个可选种子值。

schema里明确警告：即使设置了种子，快速模式也不是确定性的。种子可以记录用于追踪，但别把它当成逐字节一致的虚假保证。

测试用的提示词应该包含可断言的实体名词。比如这样一段：黑森林蛋糕居中放在深色桌面上，边缘环绕覆盆子，三维红色蛋糕字母拼出"FLUX DEV"，美食摄影风格，单一柔和主光，方形裁切，无额外文字。

定义语义图像契约

把请求和测试放在一起存储。一个典型的契约对象长这样：路由指向/z-image-turbo-generator/，模型是FLUX Dev，宽高比1:1，输出1张，快速模式开启，必需文字是"FLUX"和"DEV"，必需区域包括居中主体、深色背景、红色点缀。

然后要把硬失败和审查信号区分开。无效媒体格式、错误尺寸、主体缺失、必需文字没出现——这些属于硬失败，测试必须报错。而调色板轻微偏移或裁切略有出入，可以生成一个审查工件，而不是让每次构建都红掉。

验证元数据和视觉区域

下面这个Node示例用sharp库检查尺寸和区域统计。OCR可以用项目里已经信任的引擎接入。

import assert from "node:assert/strict";import sharp from "sharp";export async function inspectGeneratedImage(path) {const image = sharp(path);const meta = await image.metadata();assert.equal(meta.format, "webp");assert.equal(meta.width, meta.height, "expected a square output");assert.ok((meta.width ?? 0) >= 1024, "output is below the contract size");const { channels } = await image.resize(64, 64, { fit: "fill" }).stats();const red = channels[0].mean;const green = channels[1].mean;assert.ok(red > green * 1.08, "red cake-letter accent is no longer dominant");return { width: meta.width, height: meta.height, red, green };}

这段代码做了四件事：确认输出是WebP格式、宽高相等、分辨率不低于1024、红色通道均值比绿色高8%以上。最后一条用来验证红色蛋糕字母的视觉主导性还在。

不要把这个输出和跨机器的精确RGB基线做对比。不同的编码器、模型版本和快速推理路径，都会产生无害的细微差异。逐像素对比在这里只会制造噪音。

把OCR做成定向断言

OCR之前先裁切到预期文字区域。整图OCR会把浆果、蜡烛或反光误认成字母，导致误报。

const expected = new Set(["FLUX", "DEV"]);const observed = new Set(ocrText.toUpperCase().match(/[A-Z]+/g) ?? []);for (const word of expected) {if (!observed.has(word)) {throw new Error(`missing generated word: ${word}`);}

裁切坐标要按图像尺寸做比例计算，不要写死像素值。这样即使生成尺寸有合理浮动，测试依然稳定。

回归测试测的是需求，不是像素

非确定性生成器的回归测试，本质上是把"这张图看起来对不对"翻译成一组可计算的属性断言。文件契约、尺寸、构图区域、必需文字、调色板容差——这些才是创意需求的可验证投影。

当生成结果里蛋糕还在、字母还在、红色还在，只是覆盆子的位置挪了几像素，测试应该通过。只有当主体消失、文字缺失、格式错误时，测试才应该亮红。这才是对非确定性生成器正确的测试姿态。