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
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
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。