Menu
从生产美感到选择美感——选择力是新核心技能，Context决定输出上限
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 | p14c-beauty-selection |
| description | 从生产美感到选择美感——选择力是新核心技能，Context决定输出上限 |
| 字段 | 说明 |
|---|---|
| generation_context | 生成任务的背景与约束 |
| prompt_quality | 当前prompt的质量评估 |
| selection_criteria | 选择标准描述 |
在AI工具普及之前，有没有美感和能不能做几乎是同一个问题。技艺是门槛，也是价值所在。AI出现之后，这个等式被打破了——"做出来"正在变成可以被工具代劳的能力。当"差不多的版本"变得唾手可得，原来隐藏在生产能力背后的那部分美感——判断、取舍、选择——就被暴露出来了。
过去审美主要表现在生产，现在审美越来越表现在选择。两个人用同样的工具，生成同样数量的版本，但一个人选出来的作品有辨识度、有立场、有内在的一致性，另一个人选出来的作品只是"还行"。这个差别，不在工具，而在美感。
选择力不是一个单一的能力，它包含几个层次：
第一层：淘汰明显不成立的。 把有明显问题的版本排除——构图失衡的、颜色冲突的、信息混乱的。大多数人都能做到。
第二层：在"都不错"中选出"最准的"。 当几个版本都没有明显问题时，你能不能感受到哪一个更有内在的一致性，更接近"成立"？这需要对细微差异有感知，也需要对"成立"有清晰的定义。
第三层：知道什么时候没有一个够好，需要重新来。 当所有版本都不够对，你能不能说出"这一批不行，问题出在方向上"？这要求你不被大量输出"催眠"——大量存在不等于有一个是对的，数量不能替代质量。
选择最难的地方，不是没有选项，而是没有标准。当你有清晰的标准，面对五十个版本，你会很快筛掉不符合的，留下几个待定的，再做精细比较。当你没有标准，你会在版本中漂移——最后选的可能是感觉最安全的。这种"选择"，其实不是真正意义上的美感判断。
标准来自：长期对作品的感受和比较、对偏好的语言化理解、对目标受众的深入理解、在实践中反复校准的积累。标准不是一组固定规则，而是一套慢慢内化的判断框架。
Prompt说的是"我要什么"，但它传递不了"为什么要这个"以及"这个背后有什么世界观"。"高级感咖啡品牌海报"这十一个字，传递不了你的高级感是轻盈有空气感的、你的目标受众是年轻女性、这张图要出现在社交媒体而非杂志广告。
Context不是更长的prompt，而是一套背景信息，让AI理解你的判断是从哪里来的。完整的Context包含：关于品牌（气质、价值主张）、关于受众（审美偏好、信任机制）、关于场景（平台、观看方式）、关于你的感受（情绪方向、禁忌）、关于目的（成功是什么样子）。
只有对自己的感受有清晰认知的人，才能提供真正有效的Context。如果你的审美偏好是模糊的，你写不出"我想要的是那种轻盈但有质感的感觉"；如果你对受众的理解是表面的，你写不出"这群人对过于精致的东西会有距离感"。
提供Context的能力，本质上是一种把内在感受和外部理解转化成语言的能力——这本身就是美感的一部分。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。
"选择不是随机挑一个，而是让你的标准落地的时刻。" ——《AI Beauty》第5章
选择力的前两层（淘汰明显不成立的、在"都不错"中选出"最准的"）相对容易训练。但第三层最难也最关键：当所有版本都不够对，你能不能说出"这一批不行，问题出在方向上"？这要求你不被大量输出"催眠"——大量存在不等于有一个是对的，数量不能替代质量。很多人面对50个版本时，会下意识觉得"里面总有一个能用"，但真正的美感判断可能是"这50个都需要重新来"。
应用：在选择训练中，专门设计"全军覆没"的练习——给用户一批看似都不错但方向有偏差的版本，训练用户识别"方向级问题"而非只在细节层面选择。
"prompt说的是'我要什么'，但它传递不了'为什么要这个'以及'这个背后有什么世界观'。" ——《AI Beauty》第6章
"高级感咖啡品牌海报"这十一个字，传递不了你的高级感是轻盈有空气感的、你的目标受众是年轻女性、这张图要出现在社交媒体而非杂志广告。Context包含五层信息：关于品牌（气质、价值主张）、关于受众（审美偏好、信任机制）、关于场景（平台、观看方式）、关于你的感受（情绪方向、禁忌）、关于目的（成功是什么样子）。只有对自己的感受有清晰认知的人，才能提供真正有效的Context。
应用：在Context构建练习中，让用户先写"我不要什么"（排除比描述更准），再用类比和参照物（比形容词更有效），最后描述情绪而非外观。提供Context的能力本身就是美感能力——如果用户写不出有效Context，说明感受力和判断力还需要先训练。
帮助用户把模糊的需求变成AI可以理解的Context：
输出：结构化的Context文档。
用构建好的Context进行批量生成：
输出：5-10个带标注的生成变体。
在批量变体中训练选择力：
输出：选择结果 + 选择理由。
把每次选择的经验沉淀下来：
输出：个人选择Checklist v1。
用实际结果来校准选择标准：
输出：校准报告和更新后的Checklist。
场景：一个产品经理用AI生成了50张产品宣传图，不知如何选择。
执行过程：
步骤1 - Context构建：
原始需求："帮我们做一张产品宣传图"
问题：太模糊，AI只能给平均值
重构后的Context：
- 产品：一款效率工具，面向25-35岁城市白领
- 品牌气质：简洁、专业、不炫技、有一种"安静的力量"
- 受众感受路径：看到后会想"这个工具看起来不会打扰我，很懂我需要专注"
- 不要：科技感很强的蓝光风格、过度精致的3D渲染
- 参考：Notion的视觉气质，但更温暖一点
- 场景：社交媒体信息流，用户停留时间约2秒
- 情绪方向：可靠但不冰冷，专业但不压迫
- 为什么这样判断：我们的用户对"过度营销"有警觉，更信任"少说话多做事"的品牌
步骤2 - 批量生成：
用以上Context生成10个变体。
观察：大部分偏"冷"，因为"专业"这个词影响了方向。
调整：在Context中增加"有温度"的权重，再生成5个。
步骤3 - 选择训练：
快速淘汰（2分钟）：
- 排除#1（太冷）、#4（太花哨）、#7（太像模板）、#9（信息太多）
剩余6个
精细比较（5分钟）：
- #3：安静感最好，但偏空
- #5：有温度，但稍显用力
- #8：平衡感最好——安静、有温度、信息清晰
- #11：最接近Notion，但太像了
- #12：构图很好，但色调偏冷
- #14：最有辨识度，但可能太小众
最终选择：#8
理由：安静感+温度+信息清晰度最平衡，最符合"安静的力量"这个品牌气质。
第二选择：#3（如果需要更极简的版本）
步骤4 - 标准沉淀：
本次选择Checklist更新：
✓ 安静感：信息不压迫，留白充足
✓ 温度：色调偏暖，不冷冰冰
✓ 清晰度：核心信息一眼可见
✓ 品牌匹配：不像模板，有辨识度
✗ 新增排除项：过于像已知品牌（如Notion）的风格
输出：选择结果 + 选择理由 + 更新后的Checklist。
场景：一个品牌设计师想提升Context构建能力，让AI输出更接近自己想要的。
执行过程：
步骤1 - Context构建（对比实验）：
实验：同一个需求，用两种Context分别生成
版本A（Prompt式）：
"生成一张高级感咖啡品牌海报，冷色调，留白充足"
版本B（Context式）：
"这是一个独立咖啡品牌，想传达的感觉是：城市里的安静角落。
目标受众是25-35岁的城市白领，他们对'过度精心的包装'有警觉，
更信任'有点生活气的美感'。
参考风格：日系极简，但要有一点生活气，不要太完美。
情绪方向：安静但不冷漠，有温度但不热情。
场景：Instagram信息流，用户会快速滑过，需要在1秒内产生停留感。
不要：深色调的传统高级感、过于精致的摆拍、明显的商业感。
为什么：我们的受众觉得'太精致=不真诚'，他们更信任'有点不完美但真实'的东西。"
步骤2 - 批量生成与比较：
版本A结果：5张图，都是"标准高级感"——深色调、低饱和度、精致构图。
问题：和市场上大量咖啡品牌海报没有区别。
版本B结果：5张图，风格明显不同——有自然光、有生活感、有呼吸感。
优势：更接近品牌气质，更有辨识度。
步骤3 - 选择训练：
从版本B的5张图中选择：
- #B2：光线最好，但构图稍散
- #B3：最有"安静角落"的感觉，色调准确
- #B5：最有辨识度，但可能太小众
最终选择：#B3
理由：最准确地传达了"安静但不冷漠"的情绪，光线是下午的自然光，
构图有呼吸感，整体有"不完美的真实感"。
步骤4 - Context能力提升总结：
关键发现：
1. "不要什么"比"要什么"更有效——排除深色调后，AI的方向立刻不同
2. 类比（日系极简）+ 修正（但要更生活气）比纯形容词更精准
3. 把"为什么"说清楚后，AI在细节上更能和你站到同一边
4. 受众描述（"对过度精心有警觉"）直接影响了AI的风格选择
Context构建Checklist：
□ 我的"不要什么"清单是否足够具体？
□ 我有没有用类比来传递隐性信息？
□ 我有没有描述情绪方向而非只是外观？
□ 我有没有解释"为什么"？
□ 我有没有描述受众的感受路径？
输出：Context对比实验报告 + Context构建Checklist + 选择结果。