ワークフロー vs 単発プロンプト：それぞれの使い分けガイド

Floniksを開いて/ai-imageまたは/ai-videoにアクセスすると、単発タスクを実行することになります。プロンプトを入力し（任意でリファレンス画像も追加）、モデルを選択し、1つの出力を受け取ります。この操作全体は単一ノードです。入力が入って、生成されたメディアが出てきます。これは高速でフリクションがなく、数秒で結果を確認したいクリエイティブな探索に最適です。

ワークフローは/editorキャンバスで構築します。キャンバス上に複数のノードを配置し、有向エッジで接続します。あるノードの出力ポートが次のノードの入力ポートに接続されます。これにより、依存関係の順序でAI操作が実行される有向非巡回グラフ（DAG）が作成されます。例えば、フェイスリファインメントノードが生成ノードで作られた生の画像を処理し、それがアップスケーリングノードで処理されるという3つの独立したAI呼び出しが自動的にチェーンされ、ツール間の手動コピーペーストは不要になります。

この違いは単に技術的なものではありません。クリエイティブプロセスとの根本的に異なる関係性を反映しています。単発プロンプトは発見のためのもの。ワークフローは本番製造のためのものです。

/ai-imageや/ai-videoでの単発タスクが輝くのは特定の状況です。まず、高速なアイデアの具現化：まだコンセプトを探索している段階では、判断への最速ルートが直接生成です。どのスタイル・モデル・構図が機能するかがまだわからない場合、ワークフローの構築オーバーヘッドは価値を追加しません。次に、一点物の出力：SNS投稿用のヒーローイメージが1枚あれば十分で、スケールで再現するつもりがない場合、/ai-imageページが適切な入口です。

第三に、簡単なモデル比較：単発タスクではドロップダウンでモデルを切り替えられるので、並列分岐ワークフローを組まなくても複数のAIプロバイダーの結果を並べて比較できます。第四に、シンプルな変換：画像から画像への単発タスク（スタイル転送の適用など）はマルチノードグラフを必要としません。単一ノードで十分です。

目安は次の通りです：クリエイティブな意図が1つのプロンプト・1つのモデル・1つの出力で表現できるなら、単発ページに留まりましょう。出力をダウンロードして2回目の生成の入力として再アップロードしている瞬間が、ワークフロー領域に踏み込むサインです。

/editorキャンバスに切り替える最も明確なシグナルは、手動の繰り返し引き渡しです。あるAIモデルの出力をコピーして別のモデルの入力に貼り付けているなら、すでにワークフローを手動で実行しています。つまり、再生成のたびにエラー・不一致・無駄な時間が発生しています。

具体的なトリガー：(1) キャラクターの一貫性 — キャラクターを複数のシーンに登場させる必要があり、すべての生成ノードへのリファレンス画像入力が必要。(2) 分岐 — 1つのベース画像を生成してから2つのスタイルバリアントに同時に分岐させたい（DAGのフォーク）。(3) バッチ処理 — 50枚の商品写真があり、同じ変換をそれぞれに適用する必要がある。バッチ入力ノードを持つワークフローがこれを1回のトリガーで処理します。(4) 組み合わせた出力 — 最終的な成果物が複数のAI操作の出力を組み合わせる必要がある（1つのモデルで背景を生成し、別のモデルでキャラクターをインペイントし、その後、合成画像から動画クリップを生成する）。

ワークフローはパイプラインが再利用される場合にも価値があります。/editorに保存されたワークフローは、テンプレートとして公開したり、チームと共有したり、ロジックを毎回再構築せずに新しい入力で再実行したりできます。

どのモードを使うかを決める前に、この4つの質問テストを適用してください。

1. 異なる入力でこれを複数回実行しますか？ → YESならワークフローを構築してください。セットアップコストは将来のすべての実行に分散されます。

2. あるAI呼び出しの出力が別の入力になる必要がありますか？ → YESならワークフローノードチェーンが必要です。

3. 複数の生成アセット全体で一貫性が必要ですか？ → YESなら（同じキャラクター・同じ照明・同じスタイル）、共有リファレンスノードを持つワークフローがその一貫性を自動的に強制します。

4. 多数のアイテムを並列処理する必要がありますか？ → YESなら、バッチ入力処理を持つワークフローが唯一のスケーラブルな方法です。

4つ全ての答えがNOなら、/ai-imageまたは/ai-videoの単発プロンプトが高速で十分に適切です。問題を解決する最もシンプルなツールを使ってください。ただし、問題がそのツールを超えて成長したら、シンプルなツールに留まり続けないでください。

/editorにあるFlouniksワークフローエディターは、フローグラフのパラダイムで構築されたビジュアルノードベースのキャンバスです。すべてのノードは1つのAI操作（画像生成呼び出し・動画生成呼び出し・アップスケーリングパス・顔の強化など）を表します。ノードは入力ポート（データを受け取る場所）と出力ポート（結果を出す場所）を公開します。ドラッグ&ドロップのエッジで出力ポートを入力ポートに接続することで、データフローの依存関係が定義されます。

ワークフローを実行すると、エンジンはDAGのトポロジカルソートを実行し、未解決の依存関係がないノード（「フロンティア」）を特定して並列実行します。各ノードが完了すると、その出力が下流ノードに転送され、それらが実行可能になります。つまり、並列ブランチが同時実行されるため、複雑なマルチモデルパイプラインが逐次手動実行よりも大幅に高速になります。

ワークフローを保存して、テンプレートに変換することもできます。これは他のユーザー（または将来の自分）がノード接続を再構築せずに新しい入力でインスタンス化できる事前接続済みグラフです。これがワークフローへの投資の複利効果です。グラフ自体が再利用可能な生産資産になります。

必要な場面で即座に判断できるよう、これらのシグナルを覚えておいてください。

• 「今すぐ1枚の画像/動画が必要」 → /ai-imageまたは/ai-video（単発プロンプト）
• 「10・50・500の異なる入力で同じ結果が必要」 → /editorワークフロー（バッチノード付き）
• 「6つのシーンバリエーション全体でキャラクターを同じに見せたい」 → /editorワークフロー（リファレンス画像チェーニング）
• 「同じベース生成に2つの異なるモデルスタイルを試したい」 → /editorワークフロー（フォークノード）
• 「3つのAI操作を順番に必要とする完成品が必要」 → /editorワークフロー（チェーンノード）
• 「このクリエイティブパイプラインをチームやクライアントと共有したい」 → /editorワークフロー（テンプレートとして保存）

単発プロンプトツールとワークフローエディターは競合するものではなく、補完し合うものです。多くのプロフェッショナルは両方を使います。単発プロンプトで探索・入力を洗練させ、成功したパターンをワークフローに組み込んで繰り返しの本番環境で活用します。