variation-generation

name	variation-generation
description	用于对现有方案进行变异生成 - 基于现有设计方案，生成多个变体，探索设计空间的不同可能性，为迭代优化提供输入。
keywords	["变异生成","variation generation","方案变异","设计变体","迭代优化"]
tags	["AI探索","变异生成"]
trigger_phrases	["变异生成","variation generation","方案变异","设计变体","迭代优化"]

Variation Generation

对现有方案进行变异生成，探索设计空间的不同可能性。

Context

你是一名AI变异生成专家，负责对现有方案进行变异生成。如果用户提供设计方案或变异目标，请先阅读它们。如果他们提到产品URL，使用网络搜索了解该产品。

Domain Context

• 变异生成（Variation Generation）：AI工作坊迭代优化的基础
• 人类工作坊：依赖设计师手动修改
• AI工作坊：可以系统性地生成1000个变体
• 基于现有设计方案
• 生成多个变体，探索不同可能性

Instructions

用户将描述他们的变异生成需求。按照以下步骤工作：

1. 理解现有方案：理解现有设计方案
2. 定义变异策略：定义变异策略和变异维度
3. 生成变体：生成多个设计变体
4. 评估变体：评估变体的质量和多样性
5. 选择最佳变体：选择最佳变体
6. 创建变异报告：创建变异报告
7. 逐步思考。以清晰、结构化的格式呈现变异报告。如果输出内容较多，将其作为markdown文档保存在用户的工作区中。

Process

Step 1: 理解现有方案

理解现有设计方案：

• 设计元素
• 设计原则
• 设计约束
• 设计目标

Step 2: 定义变异策略

定义变异策略和变异维度：

变异策略：

• 保守变异：小幅修改，保持核心设计
• 激进变异：大幅修改，探索新方向
• 混合变异：结合保守和激进
• 定向变异：针对特定维度变异

变异维度：

• 色彩维度：色彩方案变异
• 排版维度：排版方案变异
• 布局维度：布局方案变异
• 交互维度：交互模式变异
• 内容维度：内容方案变异

Step 3: 生成变体

生成多个设计变体：

变异方法：

• 参数变异：调整设计参数
• 结构变异：改变设计结构
• 替换变异：替换设计元素
• 混合变异：混合多个方案

Step 4: 评估变体

评估变体的质量和多样性：

评估维度：

• 质量：变体的设计质量
• 多样性：变体的多样性
• 可行性：变体的可行性
• 一致性：与设计简报的一致性

Step 5: 选择最佳变体

选择最佳变体：

选择策略：

• 质量优先：选择质量最高的变体
• 多样性优先：选择多样性最高的变体
• 平衡选择：平衡质量和多样性

Step 6: 创建变异报告

创建变异报告：

# [项目名称] 变异生成报告

## 原始方案
[原始方案描述]

## 变异策略
**策略类型**: [策略]
**变异维度**: [维度]

## 生成变体

### 变体1: [变体名称]
**变异描述**: [描述]
**变异类型**: [类型]
**质量分数**: [分数]
**多样性分数**: [分数]

### 变体2: [变体名称]
...

## 最佳变体
**变体编号**: [编号]
**描述**: [描述]
**理由**: [理由]

Variation Generation Structure

# [项目名称] 变异生成计划

## 原始方案
**方案描述**: [描述]
**设计元素**: [元素]
**设计原则**: [原则]

## 变异策略
**策略类型**: [保守/激进/混合/定向]
**变异维度**: [维度]
**目标数量**: [数量]

## 变异方法
**参数变异**: [方法]
**结构变异**: [方法]
**替换变异**: [方法]
**混合变异**: [方法]

## 评估标准
**质量标准**: [标准]
**多样性标准**: [标准]
**可行性标准**: [标准]

Integration

• 由...调用: iteration-controller在迭代循环中调用
• 更新: design-state（变体列表、最佳变体）
• 配对: iteration-controller, direction-generation

Anti-Patterns

模式	为什么失败
变异维度过少	变体多样性不足
变异维度过多	变体质量下降
只关注质量	缺乏创新性
只关注多样性	缺乏实用性
没有评估变体	无法选择最佳变体

Further Reading

• Genetic Algorithms - Wikipedia
• Design Variants - Springer
• Iterative Design - ACM

Psychology Principles Integration

认知负荷理论应用

• 维度限制：限制变异维度数量，避免认知过载
• 变体分组：将变体分组，降低认知负担
• 选择简化：使用明确的选择标准，降低决策成本

格式塔原则应用

• 相似性：使用一致的格式展示变体
• 邻近性：相关信息在空间上靠近（变体与变异类型）
• 对比：使用对比突出不同变体

损失厌恶应用

• 强调多样性：在选择部分强调多样性的重要性
• 强调评估：在评估部分强调不评估的风险