Menu
AI在审美中的角色定位——放大器/陪练器/协作者，而非审美本身
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
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 | p14b-beauty-ai-roles |
| description | AI在审美中的角色定位——放大器/陪练器/协作者，而非审美本身 |
| 字段 | 说明 |
|---|---|
| ai_usage_pattern | 当前使用AI的方式（直接生成/迭代/辅助） |
| personal_style | 个人风格描述 |
| output_ownership | 对AI输出成果的归属感受 |
最常见的误解是：也许AI能替我补上审美上的短板。但这里有一个根本的裂缝——AI生成的东西，最终需要你来选、来判断、来决定用哪个。如果你本身的标准有限，你能从五十个版本里稳定选出最好的吗？大概率不能。
放大器效应：
标准是放大的起点。没有标准，放大只是放大了平庸。使用AI之前最重要的事，不是先学prompt，而是先建立或校准自己的审美标准。
AI最被忽视的角色是陪练器。在AI之前，训练审美主要靠大量观看和比较，这是很慢的过程。AI把这个过程加速了很多倍。
用AI做比较训练：
用AI做语言化训练： 当你感觉到某个版本不对但说不清楚时，把感受描述给AI，让它帮你拆解："这个版本哪里太满了？""哪个元素让整体感觉变廉价了？"
AI让审美训练从低频、昂贵，变成高频、可反复。
有一种情况很常见：你知道自己想要什么，但做出来的东西和你想要的差得很远。这个落差未必说明审美有问题，很多时候只是"执行语言"还不够精准。
转译示例： 你想要"很安静但不冷漠，有时间感但不怀旧，干净但不空洞"的氛围。以前需要自己把这种感觉转化成颜色、字体、构图选择——这需要很强的设计执行能力。现在可以描述给AI，让它推演形式方案，你再选择调整。
关键前提：你必须先对自己想要什么有足够清晰的感受。你的感受越清晰，AI转译越准确；感受越模糊，AI只能给平均值。
最高阶的使用方式：把AI当成可以对话的协作者。
但无论如何协作，最后的判断仍然是人的工作。AI可以帮你展开选项、增加可能性、加快转译，但不能替你决定什么最后是对的。
| AI擅长做 | AI做不到 |
|---|---|
| 快速生成大量可能性 | 帮你建立审美标准 |
| 把已知风格高效复现 | 感知什么时候标准应该被提高 |
| 模拟多种风格和受众反应 | 真正理解文化、共同语言和情感意义 |
| 帮你比较和测试 | 替你做最后的选择 |
| 将语言转化为视觉 | 拥有生命经验和感受结构 |
AI的局限不只是技术短板，而是更本质的：它没有活过，也没有感受过。它学到的是人类创作的模式，但不能真正拥有判断这些模式意义的能力。
"AI不会自动提升你的审美，它只会放大你已有的审美。" ——《AI Beauty》第4章
放大器效应是AI最真实也最残酷的角色。如果你本身有细腻的标准，AI会帮你高密度地生成符合标准的东西，让你更快迭代；如果你本身标准模糊，AI会帮你大量生成模糊的东西，大量"还行"会慢慢稀释你对"真正好"的感知。这意味着使用AI之前最重要的事，不是先学prompt，而是先建立或校准自己的审美标准。没有标准，放大只是放大了平庸。
应用：在角色诊断中，如果发现用户"标准模糊"，不要急于教协作技巧，而是先回到p14a校准审美标准。只有标准清晰了，AI的放大器效应才能为正向服务。
"你想要一种'很安静但不冷漠，有时间感但不怀旧，干净但不空洞'的氛围。以前你需要自己把这种感觉转化成颜色、字体、构图选择——这需要很强的设计执行能力。" ——《AI Beauty》第4章
AI作为转译器的核心价值是缩短"感受到"和"做出来"之间的距离。但关键前提是：你必须先对自己想要什么有足够清晰的感受。你的感受越清晰，AI转译越准确；感受越模糊，AI只能给平均值。很多人在用AI时遇到的最大困难，不是不会写prompt，而是不知道自己到底想要什么。
应用：在设计协作模式时，如果用户的痛点是"做出来和想要的差很远"，应重点训练Context构建能力（p14c），而不是优化prompt技巧。转译的质量取决于输入的清晰度。
"AI的局限不只是技术短板，而是更本质的：它没有活过，也没有感受过。它学到的是人类创作的模式，但不能真正拥有判断这些模式意义的能力。" ——《AI Beauty》第4章
AI擅长快速生成可能性、复现已知风格、模拟多种受众反应、帮你比较和测试。但AI做不到的更根本：帮你建立审美标准、感知什么时候标准应该被提高、真正理解文化与共同语言和情感意义、替你做最后的选择、拥有生命经验和感受结构。这些局限不是技术瓶颈，而是本质差异。
应用：在主权检查中，用"AI做不到的事"清单来评估用户的审美主权是否安全。如果用户把AI做不到的事（如标准建立、最终判断）也交给了AI，就是主权丧失的信号。
评估用户当前把AI放在什么位置：
ai_usage_pattern（直接生成/迭代/辅助？）personal_style 的清晰度（有无个人风格描述？）output_ownership（对AI输出的归属感强不强？）关键问题：
输出：AI角色诊断报告，含当前角色定位和风险评估。
检查审美主导权是否在人手中：
警示信号：
输出：审美主权评估报告，含主权保持建议。
根据诊断结果设计正确的协作模式：
协作流程模板：
需求定义（人）→ Context构建（人+AI辅助）→ 批量生成（AI）
→ 初步筛选（人）→ 精细比较（人+AI辅助）→ 最终选择（人）
→ 微调收口（人）→ 质量把关（人）
输出：人机协作流程设计文档。
将设计好的协作模式固化：
输出：固化的工作流规范和模板库。
建立防止审美退化的机制：
输出：月度审美校准报告。
场景：一个内容创作者发现自己用AI生成的图越来越"都差不多"。
执行过程：
步骤1 - 角色识别：
输入：
ai_usage_pattern: "直接生成——给AI描述，用第一版差不多的"
personal_style: "说不太清楚，'好看就行'"
output_ownership: "低——感觉是AI的作品不是我的"
诊断结果：
- 当前角色：替代者模式（AI主导审美判断）
- 风险：审美标准正在被AI平均值替代
步骤2 - 主权检查：
标准由谁制定：AI给什么用什么 → 主权丧失
选择由谁做出：第一个"还不错"的就用 → 被动接受
方向由谁决定：基本是AI的默认方向 → AI主导
质量由谁把关：没有系统检查 → 缺失
警示信号全部触发！
步骤3 - 协作模式设计：
推荐模式：放大器 + 陪练器
新流程：
1. 先花10分钟定义"我要什么"和"我不要什么"（人）
2. 构建Context：受众是谁、场景是什么、情绪方向（人）
3. 生成5-10个版本（AI）
4. 限时3分钟快速排除明显不对的（人）
5. 在剩下的里选出3个待定，说清为什么（人）
6. 最终选择+微调（人）
控制点：步骤1/4/5/6必须人做
步骤4 - 流程固化：
建立风格库：
- 参照物：XX品牌的气质、XX导演的画面感
- 偏好：克制、有呼吸感、不用力
- 禁忌：太满、太讨好、太像模板
- 气质语言：安静但不冷漠，有温度但不热情
Context模板：
"这是一个[品牌]的[场景]，目标受众是[人群]。
我想传达的感觉是[情绪方向]。
不要[禁忌方向]。参考[参照物]但要[调整方向]。"
输出：AI角色诊断报告 + 新协作流程 + 风格库初稿。
场景：一个有成熟审美的设计师，想把AI用成真正的协作者。
执行过程：
步骤1 - 角色识别：
输入：
ai_usage_pattern: "迭代——生成后反复调整，但有时觉得AI不理解我"
personal_style: "清晰——克制、有呼吸感、注重情绪表达"
output_ownership: "中——大部分是我的判断，但AI参与度越来越高"
诊断结果：
- 当前角色：工具模式（人主导但AI参与不够深入）
- 机会：可以从"工具"升级为"协作者"
步骤2 - 主权检查：
标准由谁制定：自己制定 → 主权完整 ✓
选择由谁做出：主动筛选 → 主导 ✓
方向由谁决定：自己定义 → 主导 ✓
质量由谁把关：有系统检查 → 完整 ✓
主权状态良好，可以进入更高阶的协作模式
步骤3 - 协作模式设计：
推荐模式：放大器 + 协作者
升级方向：
1. 不只是让AI执行，而是让AI参与思考
2. 用AI做"对立面"：让它挑战你的第一直觉
3. 用AI做"受众模拟"：让它模拟不同人群的反应
4. 用AI做"可能性探索"：在你卡住时提供新角度
新流程：
1. 定义方向和标准（人）
2. 让AI提出3个不同方向（含一个你不喜欢的）（AI）
3. 为什么那个你不喜欢的方向可能也有道理？（人+AI对话）
4. 批量生成（AI）
5. 让AI分析你的选择模式（AI辅助）
6. 最终判断（人）
步骤4 - 流程固化：
建立"对话式协作"模板：
- "如果不用[你常用的手法]，还有什么可能性？"
- "这个版本有什么问题？如果你是一个[目标受众]，你会怎么感受？"
- "我一直在用[某种风格]，有没有我没想到的方向？"
- "帮我分析一下我最近的选择偏好，有没有盲区？"
质量检查升级：
- 不只是"好不好"，还要"有没有超出我的舒适区"
- 不只是"成不成立"，还要"有没有新的可能性"
输出：协作者模式设计 + 对话式协作模板 + 质量检查升级清单。