メニュー
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
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
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。