القائمة
审美训练体系——系统化积累与校准审美标准、人机协作流程、标准进化机制
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
AI Native 产品方法论——价值发现循环的实操 Skill。 用户提供已上线或正在验证的 AI 产品，Skill 自动执行价值发现流程： 价值信号识别 → 伪价值排除 → 价值密度评估 → 市场测试设计 → 定价策略联动 → 方向修正建议 → 输出价值发现方案。 基于《AI Native 产品方法论》第22章。
《观照》全书编排器——根据用户输入的问题类型，路由到对应的章节Skill，串联全链路决策修正流程
检查方法使用的前提是否成立——识别情境变化、验证假设前提、重配适用方法
先看机制是否有害，再看结果是否有效——价值/代价/情绪/退出权四重检查
停止错误方向，也是一种推进——归零分析、暂停策略、止损决策
收入从哪里来，产品就会站在哪边——收入来源审视与激励偏差检查
| name | p14g-beauty-system |
| description | 审美训练体系——系统化积累与校准审美标准、人机协作流程、标准进化机制 |
| 字段 | 说明 |
|---|---|
| current_training | 现有的审美学习方式 |
| available_time | 可用于训练的时间 |
| target_outcome | 期望达到的审美水平 |
很多人想提升美感，第一反应是多看、多收藏、多逛网站。但这只够到一半——看得多不等于看得准，看得多不等于能说清楚为什么好，看得多不等于能在自己的工作中用出来。问题不在看得不够多，而在没有把看到的东西转化成自己的判断能力。
更准确的说法：不是多看，而是有意识地看、有结构地比较、有目的地记录、有反馈地实践。美感的提升需要系统化的训练，而不是随机的浏览。
美感训练的核心循环：
AI在审美训练中最有价值的不是替你训练，而是把训练频率拉高。三类核心练习：
关键：AI负责生成，你负责判断。只要这条边界不乱，AI就是很好的陪练器。
与AI协作的前提是先有自己的标准。如果你对自己想要什么是模糊的，AI只会给你平均值。更有效的输入包含四层信息：
协作应该是迭代过程：第一轮解决大方向和氛围，第二轮处理构图和关系，第三轮碰文字和细节。每一轮只动少数变量。始终把判断权留在自己手里——不要因为AI给了50个版本就以为其中一定有一个能用。
真正难被替代的不是某个作品、某种风格或某个技巧，而是那个能不断校准、不断提高标准的人。进化速度来自：对变化的敏感度、对"够好"的不满足、对深层逻辑的理解、对人和文化的持续观察、主动建立新标准的能力。
标准是动态的判断系统，不是固定的规则集。同样是"简约"，在不同时代、不同品牌、不同受众面前意味着完全不同的东西。能感知到这种变化并主动调整标准的人，就能持续输出有价值的判断。
"问题不在看得不够多，而在没有把看到的东西转化成自己的判断能力。美感的提升，需要的是系统化的训练，而不是随机的浏览。" ——《AI Beauty》第16章
很多人收藏夹里几千张图，参考网站也逛得很勤，但一回到自己的项目里，输出还是平。看得多不等于看得准，看得多不等于能说清楚为什么好，看得多不等于能在自己的工作中用出来。更准确的说法：不是多看，而是有意识地看、有结构地比较、有目的地记录、有反馈地实践。系统训练的核心循环是：练感受力→练语言化→练选择力→建参照系。
应用：在素材系统化中，每张素材必须标注"好在哪里""适合什么场景""打动你的是什么"——没有标注的收藏等于没有收藏。每周花30分钟整理，比漫无目的地存几千张更有效。
"先定方向，再找偏差，局部修正，最后人工收口。" ——《AI Beauty》第17章
与AI协作的前提是先有自己的标准。如果你对自己想要什么是模糊的，AI只会给你平均值。更有效的输入包含四层信息：你不要什么（排除比描述更准）、你参考什么（类比比形容词更有效）、你在写给谁（受众不同语气分寸完全不同）、你为什么这样判断（把逻辑说出来AI更容易和你站到同一边）。协作应该是迭代过程：第一轮解决大方向和氛围，第二轮处理构图和关系，第三轮碰文字和细节。每一轮只动少数变量。
应用：在AI协作流程设计中，严格遵守"方向→偏差→收口"的三轮迭代。每一轮只调一个维度，不要一次改所有东西。始终把判断权留在自己手里——不要因为AI给了50个版本就以为其中一定有一个能用。
"当你有了标准，你可以用任何工具。当你没有标准，再好的工具也只能给你平均值。" ——《AI Beauty》第18章
真正难被替代的不是某个作品、某种风格或某个技巧，而是那个能不断校准、不断提高标准的人。进化速度来自：对变化的敏感度（能感知什么时候好东西开始变平庸）、对"够好"的不满足、对深层逻辑的理解、对人和文化的持续观察、主动建立新标准的能力。标准是动态的判断系统，不是固定的规则集。同样是"简约"，在不同时代、不同品牌、不同受众面前意味着完全不同的东西。
应用：在标准迭代机制中，建立三级回顾：月度（这个月的选择有没有模式）、季度（回看3个月前的作品标准是否在提高）、年度（更新个人审美标准文档）。跨领域学习是加速进化的重要方式——从电影学叙事节奏、从建筑学空间感、从音乐学节奏感。
建立系统化的素材库：
输出：结构化审美素材库（初版）。
把内化的判断变成可表述的原则：
输出：个人审美标准文档。
设计具体的训练任务：
输出：每周训练计划。
设计AI协作的工作流：
输出：AI协作工作流规范。
建立标准进化机制：
输出：标准迭代记录。
长期维护个人风格库：
输出：个人风格库。
场景：一个刚入行的设计师想系统化提升美感，但不知道从哪开始。
执行过程：
步骤1 - 素材系统化：
建立素材库（第一个月）：
- 分类：按风格（极简/复古/未来/自然）+ 按情绪（安静/活力/温暖/高级）
- 标注模板：
[素材名称]
好在哪里：___
适合什么场景：___
打动我的是：___
我会用在：___
每周任务：
- 周一：收集5张素材，完成标注
- 周三：从素材中选2张做对比分析（200字）
- 周五回看：这周的素材，有没有"看走眼"的？
步骤2 - 标准显性化：
第一个月的审美词汇库：
- "太满"：信息密度过高，没有呼吸空间 → 举例：XX品牌的首页
- "有呼吸感"：留白充足，信息层级清晰 → 举例：苹果官网
- "太讨好"：过度迎合流行，缺少自己的判断 → 举例：XX的配色
- "有分寸"：每个元素都有存在的理由，没有多余的装饰 → 举例：无印良品
判断原则初稿：
1. 克制比华丽更难
2. 留白比填满更需要判断
3. 如果一个设计需要解释"它好在哪里"，它可能不够好
4. 一致性比单次惊艳更重要
步骤3 - 训练计划：
每周训练安排：
周一：素材收集+标注（30分钟）
周三：对比分析练习（30分钟）
- 本周练习：找3个咖啡品牌的logo，分析哪个最有辨识度，为什么
周五：AI陪练（30分钟）
- 让AI生成"克制版"和"用力版"的同一个设计，训练分辨力
周日：复盘（15分钟）
- 这周学到了什么？标准有没有变化？
输出：素材库 + 审美词汇库 + 每周训练计划。
场景：一个有3年经验的设计师想建立个人风格库，让AI输出更像自己。
执行过程：
步骤2 - 标准显性化：
个人审美标准文档（完整版）：
核心判断原则：
1. 安静比热闹更难——克制是最高级的设计
2. 不完美比完美更真实——留一点"人的痕迹"
3. 一致性比创新更重要——品牌需要稳定的气质
4. 少即是多——每增加一个元素都要问"真的需要吗？"
审美偏好：
- 色调：偏暖、低饱和度、有自然感
- 排版：大量留白、清晰层级、不多于3种字体
- 图片：自然光、生活场景、不完美但真实
- 文案：短句、不用感叹号、像朋友说话
明确禁忌：
- ✗ 科技蓝光风格
- ✗ 过度精致的3D渲染
- ✗ 用力过猛的文案（"颠覆""革命性""极致"）
- ✗ 信息密度过高的页面
步骤6 - 风格库维护：
参照物库：
- 苹果官网（极简+清晰）
- 无印良品（克制+有温度）
- 是枝裕和的电影画面（安静+生活感）
- 日本建筑师安藤忠雄的空间（光影+留白）
气质语言库：
- "安静但不冷漠"
- "有温度但不热情"
- "专业但不压迫"
- "简约但不空洞"
- "真实但不粗糙"
Context模板：
"这是一个[品牌]的[场景]，目标受众是[人群]。
品牌气质：[从气质语言库中选择]。
不要：[从禁忌库中选择]。
参考：[从参照物库中选择]，但要[调整方向]。
情绪方向：[具体的情绪描述]。
为什么这样判断：[背后的逻辑]。"
步骤4 - AI协作流程：
标准工作流：
1. 方向定义（10分钟）：人——定义品牌气质、受众、场景、情绪方向
2. Context构建（10分钟）：人——用风格库模板填写Context
3. 批量生成（5分钟）：AI——生成8-10个变体
4. 快速淘汰（3分钟）：人——排除明显不对的
5. 精细比较（5分钟）：人——在剩余版本中选3个待定
6. 最终选择（5分钟）：人——选出最成立的，说清为什么
7. 微调收口（10分钟）：人——调整细节
8. 质量检查（5分钟）：人——对照Checklist检查
质量门：
□ 是否符合品牌气质？（对照气质语言库）
□ 是否避开了禁忌方向？（对照禁忌库）
□ 是否有辨识度？（和别人的AI输出有区别吗？）
□ 是否经得起再看一次？（24小时后复看）
输出：个人审美标准文档 + 风格库 + AI协作工作流。