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
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 | 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。