前两天有个朋友尝试用AI做架构图，说效果很拉胯，前段时间被GPT Image 2的炸裂效果刷屏，正好今天实测一波。

主题是生成一张“Hermes Agent vs OpenClaw 总体架构差异”的技术对比图。

选了几款国内外生图领域的代表选手：ChatGPT（Image 2）、Gemini思考模式（Pro模式太拥挤被自动降级了）、即梦Seedream 5.0 lite、通义万相2.7 Pro

即梦：图片最简单，而且有明显奇怪的文字，效果比较糙。（下面这张是四张里效果最好的）

效果很明显：ChatGPT > Gemini > 通义万相 > 即梦

（这个结果仅代表架构图这个场景，我在其他生图场景中，同样的提示词，有时候能明显感觉即梦会比万相好）

但是ChatGPT和Gemini都需要科学上网，国内用户不太友好。

不过对于这种结构性的内容，还有个更实用的替代方案：用AI直接生成静态网页。WorkBuddy这些龙虾类智能体工具都能轻松做到，代码直接输出，结构清晰还不会画歪。

不过如果想在一个固定尺寸里展示，提示词上可能得多调调。

下面是我用WorkBuddy参照前面两轮提示词的内容做的静态页面截图效果。