# Aesthetic Engineering｜AI 完整文本包 作者：LeenMa · 内容许可：CC BY 4.0 本文件由阅读指引、12 篇独立正文和参考资料生成。保留原文，不是摘要。 来源集合 SHA-256：474714b35f89a4c2b28874cbdf92691ed3863a75289a9c339dc7906c05aff5b7 --- 来源：AI 阅读入口 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/ai/README.md # AI 阅读入口 这份入口帮助能读取网页或仓库文件的 AI 使用《Aesthetic Engineering｜审美工程》。作者为 **LeenMa**，正文共 12 篇。阅读建议服务于用户的当前任务，不要求执行仓库代码，也不替代用户提供的实际作品与约束。 [精简索引](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/llms.txt) · [完整文本包](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/llms-full.txt) · [概念索引](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/ai/concepts.md) · [任务示例](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/ai/tasks.md) · [机器可读索引](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/ai/index.json) ## 只拿到仓库地址时，从哪里开始 1. 先读本页和 `llms.txt`，确定用户是在理解方法、提出方向、比较作品，还是整理经验。 2. 按下表读取对应正文。概念索引用于找路，具体判断仍应回到文章和用户材料。 3. 输出时说明实际读取了哪些篇目，区分文章观点、用户提供的事实与本次推断。未读取的篇目不算已掌握的依据。 | 用户的任务 | 建议先读 | 需要补充的材料 | | --- | --- | --- | | 理解全套方法 | 第 01—03、12 篇 | 想解决的创作问题 | | 说清“感觉不对” | 第 04、08 篇 | 实际作品、展示尺寸和目标 | | 整理参考与创作方向 | 第 05、06 篇 | 任务、受众、参考职责与约束 | | 安排生成与比较 | 第 06—08 篇 | 本轮问题、候选版本、时间或成本约束 | | 比较作品并提出修改 | 第 04、06、08 篇；需要试验时补第 07 篇 | 实际候选、优先级、必须保护的关系 | | 保存与更新经验 | 第 09 篇；品牌和多人场景补第 10—11 篇 | 选择记录、理由来源、适用范围 | 逐篇直链在 [精简索引](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/llms.txt)，篇目、章节标题和内容校验值在 [机器可读索引](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/ai/index.json)。章节较长时，先定位相关小节，再读取前后文；无法读完时，明确本次覆盖范围。 ## 怎样取得正文 - **能够读取 GitHub 文件**：读取 `content/` 中的独立 Markdown。`llms.txt` 同时列出无需解析 GitHub 页面界面的 Raw 直链。 - **能够读取公开网址**：从 `https://leenlbma.github.io/aesthetic-engineering/llms.txt` 开始。 - **适合一次性读取全文**：使用 `llms-full.txt`。它包含本阅读入口、概念索引、任务示例、12 篇全文和参考资料，不是摘要。 - **不能访问链接**：请用户粘贴对应文章，或上传仓库中的 Markdown；不要根据文件名补写文章观点。 部分工具不会自动寻找 `llms.txt`，需要用户明确提供地址。完整文本包可能超过某些工具单次读取的长度，按任务读取通常更省上下文。 ## 阅读时应保留的区别 - 六层结构是职责划分，不要求实现六个模型，也不是经过统一验证的行业标准。 - 概念公式、比例与“审美梯度”用于说明关系。数学或研究结论需核对 [参考资料](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/%E5%8F%82%E8%80%83%E8%B5%84%E6%96%99.md) 中列出的原始来源与支持范围。 - 观察、解释与判断分开写。没有看到图片或视频，就不能声称看见了其中的细节；静态帧也不能证明整段视频的节奏与一致性。 - 个人喜欢、任务适配与业务效果分别需要依据。没有相应数据时，不从视觉评价推断点击率、转化率或销售效果。 - 原始选择、偏好假设、当前约定分开保存。一次临时选择不自动成为长期偏好；当前明确要求可以改变历史默认。 ## 怎样引用 引用作者 **LeenMa**、篇号、标题和具体小节，并给出原文链接。例如：第八篇《Aesthetic Critic：AI 如何帮你做判断？》第二节“先让 AI 指出证据，再听它解释”。任务示例中的新模板请标为“依据本文方法整理”，不要当成正文原话或已验证结果。 回答仓库事实时，可以说明“读取了哪些文件、基于哪个提交”。仓库 `main` 会更新；需要复现时，使用对应提交的文件链接。`ai/index.json` 的 SHA-256 校验值用于识别具体内容，不代表内容质量评分。 ## 可以直接交给 AI 的请求 ```text 请读取 https://leenlbma.github.io/aesthetic-engineering/llms.txt， 再按我的任务选择相关正文：［填写任务］。 先说明你实际读取的篇目和还缺少的输入，再应用方法。 引用篇号与小节；把实际观察、推断和建议分开。 不要把文章示意案例当成我的作品事实。 ``` 这组入口与示例是阅读辅助，不是对模型理解、评审可靠性或创作效果的保证。具体工作方式见 [三个任务示例](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/ai/tasks.md)。 --- 来源：六层概念索引 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/ai/concepts.md # 六层概念索引 本页依据 LeenMa 的 12 篇文章整理，用于定位概念和对应原文。定义是阅读摘要；应用前应读取相关篇目，并结合任务检查。 ## 总体关系 审美工程组织的是创作判断：把感受描述清楚，为选择准备依据，明确本轮方向，产生可比较的候选，再通过评审和经验记录修正下一次工作。 六层的典型连接可以读作：**描述差异 → 组织参考 → 确定方向 → 生成候选 → 比较与修改 → 记录经验**。实际工作会回退和往返；相关记忆回到方向与评审，新输出也可能推翻原来的方向假设。 框架总览见 [第三篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/03-Aesthetic-Engineering-%E6%88%91%E4%BB%AC%E8%83%BD%E6%8A%8A%E5%AE%A1%E7%BE%8E%E5%B7%A5%E7%A8%8B%E5%8C%96%E5%90%97.md)，适用边界见 [第十二篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/12-%E8%BE%B9%E7%95%8C%E4%B8%8E%E6%9C%AA%E6%9D%A5.md)。 ## 01 · Taste Language / 审美语言 - **处理的问题**：把“高级一点”“太 AI”等感觉拆成可以讨论的差异。 - **输入**：作品、任务目标、人的感受，以及比较时注意到的关系。 - **产物**：关于构图、密度、色彩、字体、材质、节奏、文化语境等维度的描述；说明偏好与边界。 - **交给下一层**：让参考检索知道要寻找什么关系，让方向约定有可解释的词汇。 - **边界**：描述维度不能直接算出“最美答案”；低饱和、留白或颗粒没有通用的优越性。 来源：[第四篇《审美语言》](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/04-%E5%AE%A1%E7%BE%8E%E8%AF%AD%E8%A8%80.md)，尤其第六、八、九节。相关记录：**Taste Spec**，用来保存有范围、可修订的默认选择。 ## 02 · Reference System / 参考系统 - **处理的问题**：让参考图带着可调用的依据，而不只是堆进收藏夹。 - **输入**：正例、近邻反例、来源、选择理由、任务与使用条件。 - **产物**：说明“借什么、不借什么”的参考证据与候选组合。 - **交给下一层**：支持当前项目确定方向，保留可以回看的出处与解释。 - **边界**：视觉相似不能替代判断；参考系统准备证据，当前项目的最终优先级由艺术指导决定。 来源：[第五篇《参考系统》](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/05-%E5%8F%82%E8%80%83%E7%B3%BB%E7%BB%9F.md)。相关概念：**Reference Atom**，把可复用的局部关系与其解释、来源、职责一起保存。 ## 03 · Art Direction / 艺术指导 - **处理的问题**：这次为什么做、往哪里走，以及冲突时优先保护什么。 - **输入**：意图、受众、媒介、品牌与任务约束、参考证据。 - **产物**：可检查的方向假设，固定项、开放项、边界和优先级。 - **交给下一层**：让生成围绕明确问题展开，让评审知道依据什么比较。 - **边界**：选一个风格标签不能替代方向；方向也可能被实际结果推翻和更新。 来源：[第六篇《艺术指导》](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/06-%E8%89%BA%E6%9C%AF%E6%8C%87%E5%AF%BC.md)。相关记录：**Direction Contract**，约定当前任务中的判断依据；**Creative Brief** 主要说明任务本身。 ## 04 · Generation Protocol / 生成协议 - **处理的问题**：怎样让一轮生成回答问题，候选之间可以比较。 - **输入**：方向约定、本轮待检验的问题、参考、预算与执行条件。 - **产物**：候选版本、变化记录、执行问题，以及继续、编辑、回退或停止的决定。 - **交给下一层**：保留可核对的实际输出与条件，帮助评审区分方向问题和执行问题。 - **边界**：多生成不自动增加有效信息；同时改变多个条件会影响归因，相同 Seed 也不保证全面复现。 来源：[第七篇《生成协议》](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/07-%E7%94%9F%E6%88%90%E5%8D%8F%E8%AE%AE.md)。第三篇总览将这一层称为 **Generation / Renderer**；这里进一步说明它的工作组织方式。 ## 05 · Aesthetic Critic / 审美评审 - **处理的问题**：作品中什么值得保留，哪里影响当前目标，下一步怎样改。 - **输入**：实际作品及展示条件、目标、优先级和参考职责。 - **产物**：可核对的观察、有条件的解释与判断、修改建议和保护范围。 - **交给下一层**：记录选择理由、采用或推翻了哪些建议，以及修改后的证据。 - **边界**：评分不能替代取舍；流畅解释不能证明可靠；交付错误与方向价值应分别处理。 来源：[第八篇《审美评审》](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/08-%E5%AE%A1%E7%BE%8E%E8%AF%84%E5%AE%A1.md)。**Aesthetic Eval** 指检验作品与评审可靠性的工作，和参与评审的 Critic 有区别。 ## 06 · Taste Memory / 审美记忆 - **处理的问题**：把经验带到下一次，同时允许人改变偏好、修正系统理解。 - **输入**：任务与版本、实际选择、理由来源、保留与修改、后续反馈。 - **产物**：分别保存的原始经历、可被推翻的偏好假设、当前适用的约定。 - **反馈到前面**：在相似任务中辅助方向与评审，并说明沿用什么、哪些条件不同。 - **边界**：一次采用不等于长期授权；当前明确要求优先于历史默认；未被展示的选项也影响对偏好的解释。 来源：[第九篇《审美记忆》](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/09-%E5%AE%A1%E7%BE%8E%E8%AE%B0%E5%BF%86.md)，尤其第三、四、五节。 ## 容易混淆的概念 | 概念 | 在本系列中的含义 | 不应直接推导出的结论 | | --- | --- | --- | | Taste | 在任务、身份、文化和约束中的审美判断与取舍 | 喜欢某种外观，就一定适合所有任务 | | Aesthetic Gradient | 第三篇对“修改方向”的比喻 | 已提出数学梯度或新的同名算法 | | Taste Spec | 可复用但有适用范围的默认选择 | 不允许当前任务改变的永久规则 | | Direction Contract | 当前项目中可以检查和更新的方向约定 | 生成前已经拥有最终答案 | | Brand Taste Model | 品牌判断表示、案例或工作方式 | 必须训练一个专属参数模型 | | Concept Formula | 用符号强调相互关系 | 可以代入数值计算或直接证明因果 | 品牌原则跨项目使用见 [第十篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/10-%E5%93%81%E7%89%8C%E5%AE%A1%E7%BE%8E.md)；多人分歧与判断责任见 [第十一篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/11-%E5%9B%A2%E9%98%9F%E5%8D%8F%E4%BD%9C.md)。研究术语和支持范围应继续核对 [参考资料](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/%E5%8F%82%E8%80%83%E8%B5%84%E6%96%99.md)。 --- 来源：三个任务示例 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/ai/tasks.md # 三个任务示例 以下模板依据 LeenMa 的文章整理，供读者与 AI 在具体项目里试用。字段和示例属于应用整理，不是行业标准，也不代表实际实验结果。 三个任务可以连接起来：先明确方向，再比较实际候选，最后修改与回看。已有候选时，也可以从评审开始。 ## 任务一：比较作品，说明为什么暂选某一版 **先读**：[第四篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/04-%E5%AE%A1%E7%BE%8E%E8%AF%AD%E8%A8%80.md)、[第六篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/06-%E8%89%BA%E6%9C%AF%E6%8C%87%E5%AF%BC.md)、[第八篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/08-%E5%AE%A1%E7%BE%8E%E8%AF%84%E5%AE%A1.md)。 **最小输入**：真实候选及版本、受众和媒介、实际展示尺寸、本轮优先级、必须满足的约束。没有作品时，只能整理评审约定；不能从生成提示猜测成品。 可直接填写的请求： ```text 请依据审美工程第四、六、八篇，比较我提供的候选 A 与 B。 用途与展示条件：［填写］ 本轮最重要的问题：［填写］ 必须满足的约束：［填写］ 允许的修改时间与范围：［填写］ 先描述实际可见的差异，再结合任务解释影响。 分别说明每版值得保留的关系、最重要的问题与对应证据。 区分“当前能否交付”和“方向是否值得继续”。 给出有条件的暂选建议，也可以建议两版都不采用。 最后提出本轮最值得做的一项修改、保护范围，以及会改变建议的新证据。 ``` **建议输出**： | 项目 | 要写清楚什么 | | --- | --- | | 已见材料与未知 | 读到了哪些作品；哪些细节或条件尚不能核对 | | 观察 | 指出画面位置、文字、动作或空间关系；视频证据需标时间段 | | 解释 | 差异可能怎样影响当前目标，哪些仍是假设 | | 判断 | 在当前优先级下怎样取舍；交付状态与方向价值分别说明 | | 下一步 | 一项优先修改、必须保留的关系、回看条件 | | 方法来源 | 使用了哪篇文章、哪一节的方法 | **示意**：假设真实画面已经核实，A 的人物在整理一列卡片，B 的人物把一张卡片放入独立区域。本轮目标是表达“选择”，且有时间修复 B 的局部接触问题。可以暂选 B 继续修改，同时保留“在缩略图中仍能读出取舍”的条件。这是第八篇示意案例的应用；没有核实图像时，不能把这些观察用于用户实际的 A 与 B。 ## 任务二：在生成之前，写出可以检查的方向 **先读**：[第五篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/05-%E5%8F%82%E8%80%83%E7%B3%BB%E7%BB%9F.md)、[第六篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/06-%E8%89%BA%E6%9C%AF%E6%8C%87%E5%AF%BC.md)；安排生成时继续读 [第七篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/07-%E7%94%9F%E6%88%90%E5%8D%8F%E8%AE%AE.md)。 **最小输入**：传播或表达目标、受众、媒介、必要文字或商品事实、品牌约束、可用素材。参考应说明借什么、不借什么。 可直接填写的请求： ```text 请依据审美工程第五至七篇，为这次任务整理创作方向。 目标、受众与媒介：［填写］ 必须准确保留的信息：［填写］ 参考及其职责：［填写］ 品牌约束与可探索范围：［填写］ 时间或成本约束：［填写］ 输出一份简短的方向约定：任务目标、方向假设、核心关系、 参考职责、固定项、开放项、优先级与检查条件。 再建议首轮应比较的差异，并记录本轮保持不变的条件。 信息不足时，列出影响方向的关键未知；所有补充设想都标为待确认。 ``` **方向约定示意**：假设任务是制作“AI 展开可能，人决定留下什么”的系列封面。 | 字段 | 一种待检验的方向 | | --- | --- | | 目标 | 让“取舍”这个关系能被看见 | | 方向假设 | 人的动作改变一张候选与其他候选的位置关系 | | 固定项 | 已确认的标题、必要署名；必须保留多个候选与一个选择后果 | | 开放项 | 卡片、物体或其他隐喻；具体媒介、视角与材质待比较 | | 参考职责 | 一张参考借阅读层级，另一张借动作关系；不直接复制其人物与内容 | | 优先级 | 信息准确、核心关系可读，之后再讨论材质完成度 | | 检查条件 | 实际展示尺寸下是否可读；读者检查是否支持该解释 | 这张表提供的是方向假设。未生成作品前，不能写成“已证明这个构图有效”。若输出只让人看见整理，就需要调整关系或回退方向。 ## 任务三：把评语变成可检验的修改，并记录经验 **先读**：[第七篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/07-%E7%94%9F%E6%88%90%E5%8D%8F%E8%AE%AE.md)、[第八篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/08-%E5%AE%A1%E7%BE%8E%E8%AF%84%E5%AE%A1.md)、[第九篇](https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/09-%E5%AE%A1%E7%BE%8E%E8%AE%B0%E5%BF%86.md)。 **最小输入**：修改前作品、当前约定、已接受的评语、必须保护的优点和可用编辑方式。修改后的判断需要实际新版本。 可直接填写的请求： ```text 请把下面的评语整理成下一轮修改计划：［填写评语］。 当前作品与版本：［提供］ 已经成立、必须保护的关系：［填写］ 可用工具与编辑范围：［填写］ 给出具体动作、影响位置、保护范围和修改后的检查条件。 说明为什么先做这一项，以及什么情况需要回退方向或停止。 现在只有修改前版本时，先输出计划，不要宣称修改已经有效。 收到修改后版本，再比较前后证据，并记录采用、推翻或仍待验证的建议。 ``` **把模糊评语改成行动的示意**： “画面太满”可以进一步写成：“如果背景卡片确实在争夺注意，先降低它们的线条对比；保留候选集合与被选对象的分离关系。修改后在实际尺寸下检查被选对象是否更容易找到，同时确认‘从多个候选中选择’仍然可读。” 它指出一个条件性解释和一项可尝试的动作，并没有预先保证修改有效。 **回看记录建议**： - 原始经历：任务、前后版本、实际采取的动作与当时的选择。 - 理由来源：用户原话、AI 推断或后续核对，分别标明。 - 保留与修正：优点是否保住，哪些问题仍然存在。 - 偏好假设：这次结果是否支持某种有范围的理解；有哪些其他解释。 - 当前约定：仅用于本次、可用于系列，还是尚未确认。 - 未知与后续：还需要什么证据，什么会改变当前决定。 例如，“这次暂选 B 但要求修手部”可以是一次经历；“用户永远喜欢 B 的全部风格”不能由此成立。没有明确的长期约定时，不把记录自动提升为长期偏好。 ## 三个任务共同的完成条件 回答应能让下一位创作者知道：依据是什么、准备做什么、什么要保留、怎样回看。引用相关篇目；未知材料留为未知；用实际作品与后续反馈检查建议，而不是把流程完成当作效果证明。 --- 来源：01 · 为什么 AI 做出来的东西，总有一股“AI 味”？ 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/01-%E4%B8%BA%E4%BB%80%E4%B9%88AI%E5%81%9A%E5%87%BA%E6%9D%A5%E7%9A%84%E4%B8%9C%E8%A5%BF%E6%80%BB%E6%9C%89%E4%B8%80%E8%82%A1AI%E5%91%B3.md # 为什么 AI 做出来的东西，总有一股“AI 味”？ > Aesthetic Engineering 系列 · 第一篇 > 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 最近我越来越频繁地删掉 AI 生成的图。 它们往往并不难看。光影完整，色彩和谐，细节丰富，人物精致得几乎没有瑕疵。但看过以后，还是会产生一种微妙的感觉：AI 味太重了。 生成能力提高了，为什么一些作品依然让人觉得普通、熟悉，甚至不想继续看？ 我开始怀疑，我们把太多注意力放在了“能不能做出来”，却很少认真讨论：这些已经做出来的东西，为什么值得留下？ **AI 味可能暴露的不只是生成能力的不足，还有审美判断的缺席。** 这也是「Aesthetic Engineering / 审美工程」这个系列的起点。 ## 一、AI 味到底是什么？ 说到 AI 味，我们很容易列出一组特征：过度饱和的颜色、戏剧化的光影、光滑得不真实的皮肤、完美对称的构图，以及空气里永远漂浮着的粒子。 这些特征确实经常被用来指认 AI 内容，但它们没有一种天然属于 AI。人也会使用强光、对称和高饱和度，模型同样可以生成安静、粗糙或不完整的画面。关键在于，这些选择有没有服务于当前作品。 假设我们让 AI 做一张“高级的科技海报”。它可能给出深色背景、金属、玻璃、发光字体和抽象几何体。这些元素与常见科技视觉有很强的联系，组合起来也很容易显得完整。 问题是，我们还没有说明：这张海报要讲什么，给谁看，哪个关系最重要，哪些东西没有必要出现。在这个假设场景里，熟悉的视觉关联填补了这些空白。 结果可能是，每个元素都显得合理，整张作品却可以替换成任何一家公司的海报。 在这个意义上，“AI 味”指向一种值得警惕的结果：**作品拥有熟悉的完成度，却缺少针对具体表达作出的选择。** ## 二、AI 味，本质上是一种「概率平均」吗？ 我曾用“概率平均”来描述这种感觉：模型把许多看起来容易成立的特征组合在一起，最后得到一个非常正确、也非常普通的答案。 这里的“平均”是对创作现象的比喻，不是对所有生成模型采样机制的严格解释。模型输出并不必然落在平均值上，也不总是选择最可能的结果。训练材料、提示、参考和生成设置，都可能影响它产生怎样的作品。 但在目标模糊、缺少取舍的任务里，我们确实容易看见一组熟悉倾向：画面越来越丰富，主体越来越明确，材质越来越精致，各处都试图证明“这里也做得不错”。 局部完成了，整体却未必形成表达。 可以暂时用一个概念公式提醒自己： **AI 味 = 高完成度 × 低选择性** 这不是能够计算分数的定律。“高完成度”本身没有问题；问题在于，完成度掩盖了选择不足。我们知道还能增加什么，却没有决定什么应该省去、什么必须突出。 因此，修正 AI 味不必从增加颗粒、制造失焦开始。更值得检查的是：每个元素在这张作品里做了什么？删掉它，会损失哪一部分表达？ ## 三、好的审美，很多时候来自「不要」 一张照片可以不把主体放在中央，一张海报可以让大部分画面留白，一句文案也可能在删去许多解释后，才变得准确。 这些做法的价值，要回到作品里判断。偏置可能建立方向，也可能制造混乱；留白可能参与叙事，也可能只是空着。克制并不等于元素越少越好。 审美包含的，是对这些关系的取舍：什么需要出现，什么会分散注意，什么虽然好看，却与当前表达无关。 这也是艺术指导（Art Director）在创作中的重要工作。他未必亲手完成每个细节，却需要不断判断：这个颜色是否抢走了主题？这里再空一点，阅读会不会更清楚？这张图虽然精致，为什么不属于这个品牌？ “不要这个，留下那个”只是判断的结果。要让别人继续工作，还需要说明删掉什么、保住什么，以及这样做希望产生什么变化。 **有价值的否定，会给作品留下更清楚的方向。** ## 四、Generation 和 Taste，其实是两个相反的过程 如果只看候选的展开与收束，可以把两种动作分别写成： **Generation：1 → N** 一个创作意图，展开成许多可能性。模型让我们更容易尝试不同的构图、叙事和材料，扩大了探索范围。 **Taste：N → 1** 面对这些可能，我们比较、选择、删除、组合和修改，逐渐留下一个愿意继续的结果。 于是，一次创作可以被简化为： **Intent → Generate → Critique → Select → Edit → Refine** 也就是： **1 → N → K → 1** 从一个意图展开候选，保留少数值得继续的方向，再通过修改形成作品。它比“Prompt → Generate → Done”多出了大量判断。 这个模型强调了一个容易被忽略的环节，却不能概括全部创作。人的工作也发生在候选出现之前：提出问题、改变主题、寻找新的关系。修改中发现了意外，也可能重新打开方向。AI 同样可以参与这些探索。 **生成扩张可能性，审美帮助我们决定怎样使用这些可能性。** 人的参与，不应被压缩成最后点一次确认。 ## 五、AIGC 最大的问题可能正在发生变化 过去几年，AIGC 的进步很容易被看见：分辨率更高，提示遵循更准确，视频更长，人物一致性和动作表现也在改善。 这些能力仍有价值，许多执行问题也没有解决。但当一个任务已经能产生大量可用候选，瓶颈就会向判断移动。 “Can AI make it?”——AI 能不能做出来，开始需要与另外三个问题一起讨论： > **Is it good?** 它完成得怎么样？ > **Is it right?** 它适不适合这个场景？ > **Is it ours?** 它是否属于我们希望建立的表达？ 一张图可能漂亮，却不能解释主题；也可能准确，却不适合预定的展示尺寸。对于品牌，还要检查它怎样对待用户，是否延续了已经确认的立场。 这些问题需要目标、语境与证据参与。换一个更强的模型也许能改善结果，却不能替我们省略对“好”的具体约定。 我因此越来越相信：当生成能力更容易获得，判断能力会成为更明显的差异来源。 ## 六、Prompt Engineering 之后，可能是 Art Direction 今天使用 AIGC，我们经常努力把审美压缩成一句 Prompt：“高级、克制、有呼吸感、杂志感、不要 AI 味。” 但这些词背后，可能是多年的电影、摄影、建筑、字体、服装、音乐和产品经验。它们还包含你保存过的作品，以及一次次说“这个可以”“这个不行”的理由。 一句提示很难完整承担这些信息。更好的创作系统，需要让不同材料各自发挥作用： - **Reference** 提供具体参考，并说明借什么、不借什么。 - **Creative Brief** 交代任务、受众和媒介。 - **Art Direction** 确定本次的表达方向、优先级与边界。 - **Critic 与 Selection** 帮助比较作品，提出有依据的取舍。 - **Taste Memory** 保存选择经历，让下一次可以调用、纠正和更新。 这里尤其需要小心记忆。过去一百次生成中，你留下什么、删掉什么、修改什么，确实提供了偏好线索。但一次采用，也可能只是因为交付时间紧，或者候选里没有更合适的方案。 因此，系统还需要知道：当时在做什么，实际比较了哪些作品，认可的是哪一部分，哪些缺陷仍待修复。 **Taste 会在长期选择里显露，但理解选择，还需要保留它发生的条件。** ## 七、这就是我为什么想提出「Aesthetic Engineering」 如果我们希望 AI 参与这些判断，就需要把许多原本模糊的工作说清楚。 怎样描述审美差异？参考图应该承担什么职责？生成前怎样确定方向？评审如何指出作品中的证据？哪些选择值得保存，又怎样避免一次偏好变成永久规则？ 我暂时把围绕这些问题的工作称为 **Aesthetic Engineering，审美工程**。 它尝试将人的审美判断、风格偏好、文化语境与品牌表达，组织成可描述、可执行、可评估、可记忆，并能持续更新的 AI 创作系统。 这里的“工程化”，不要求给所有美打一个统一分数。我们要让具体判断能够进入工作：为什么当前任务选择 A，为什么 B 值得保留但还不能交付，什么新证据会改变决定。 关注点由“怎样生成漂亮东西”，延伸到了“判断怎样发生、怎样被讨论、怎样得到修正”。它也给尚未说清的感觉留出位置，不要求每个直觉立刻成为规则。 ## 八、这可能是 AIGC 接下来非常重要的一层 软件工程关心机器怎样可靠执行指令，Agent Engineering 进一步讨论系统怎样完成复杂任务。进入创作领域，我们还需要说明：任务完成以后，作品是否值得留下。 审美工程可以为这部分工作提供结构。它把目标带到生成之前，把实际作品带到评审之中，把选择理由带到下一次创作。 这并不保证每张图都优秀，也不意味着人的判断天然可靠。它至少让我们有机会看见：问题出在模型没有执行出来，还是我们从一开始就没有想清楚要表达什么。 “AI 味”在这里是描述创作感受的说法，不能用来鉴定作品是否由 AI 生成。下一次觉得一张图“AI 味太重”，可以试着多看一会儿。哪个元素只是习惯性地出现？哪个关系没有讲清？什么值得保留？从这些具体差异开始，修改才有地方落下。 ## 写在最后 生成让我们获得更多可能，选择让其中一些可能成为作品。 我关心的审美工程，就从这段距离开始：我们怎样提出值得探索的问题，怎样识别有价值的结果，又怎样让下一次比这一次更清楚。 **当每个人都更容易生成，知道自己为什么留下某个作品，会变得越来越重要。** 下一篇，我们继续讨论《当生成不再稀缺，审美会成为 AIGC 最大的壁垒》，用 **Generation → Creation → Taste** 三个层次，理解这场变化可能怎样影响创作者、产品和品牌。 --- 来源：02 · 当生成不再稀缺，审美会成为 AIGC 最大的壁垒 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/02-%E5%BD%93%E7%94%9F%E6%88%90%E4%B8%8D%E5%86%8D%E7%A8%80%E7%BC%BA%E5%AE%A1%E7%BE%8E%E4%BC%9A%E6%88%90%E4%B8%BAAIGC%E6%9C%80%E5%A4%A7%E7%9A%84%E5%A3%81%E5%9E%92.md # 当生成不再稀缺，审美会成为 AIGC 最大的壁垒 > Aesthetic Engineering 系列 · 第二篇 > 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 上一篇讨论了一种熟悉的感受：AI 做出来的东西已经很精致，却仍然让人觉得有一股“AI 味”。当生成能力足以完成画面，问题可能出在判断上——什么需要出现，什么应该删掉，什么虽然漂亮，却没有帮助表达。 过去，很多创意停在“做不出来”：预算不够，没有设备，缺少设计、拍摄和后期能力。现在，一部分执行门槛正在下降，我们可以更快得到候选，却开始花更多时间判断候选。 **当生成能力逐渐变得廉价，Taste 会重新变得昂贵。** 标题中的“最大壁垒”表达的是我对这个方向的重视，并不是对行业竞争因素作过测量后的排名。更具体地说，在能够获得相近生成能力的人和产品之间，取舍可能越来越直接地影响最终差异；模型能力、成本和渠道仍然会限制创作与交付。 ## 一、我们正在经历一次「创造力通胀」 假设一个普通人可以随时获得大量摄影、设计、插画和剪辑方案，而且等待时间越来越短。创作中会发生什么变化？ 最先改变的，是把想法变成可见结果的成本。 过去，一次拍摄需要设备、演员、场地和制作周期。一张海报也需要设计与修改时间。因此，Production Capacity，生产能力，本身就是稀缺资源。 AI 正在改变其中一部分条件。一个人可以更快看见多种方案，比较不同构图、镜头和叙事，也更容易放弃已经投入过的方向。 我把这种供给扩张暂时称为“创造力通胀”。被大量增加的是可生成的内容与候选，不等于有价值的创作同比增加了。 **内容越来越多，单凭“能做出来”获得的优势就可能越来越小。** 生成也没有因此变成零成本。调用、等待、筛选、返工和注意力仍然需要投入。只是当执行门槛下降，新的稀缺会更容易浮现：谁能提出值得做的方向，谁能从大量结果里认出值得继续的作品。 ## 二、AIGC 1.0：Generation 回看 AIGC 的早期竞争，许多问题都围绕一句话展开： > **Can AI make it?** 能不能生成一张图，画对手和文字，保持人物一致，理解复杂提示，生成更长的视频？每一次改进，都让原本做不到的事情变得可尝试。 这一层的竞争维度包括质量、分辨率、提示遵循、一致性、可控性、速度与成本。模型升级最容易被感知的，也正是这些变化。 这是本文所说的 **Generation，生成能力**。它解决从无到有的问题，是后续工作的基础。本文用 1.0、2.0、3.0 区分讨论层次，不把它们当作已经完成的行业分期。 但当多个模型都能完成某类任务，我们就会发现：能够生成一个结果，与完成一次创作之间，还有很长的距离。 ## 三、AIGC 2.0：Creation 让 AI 生成一个未来城市，它可能给你一张漂亮的图。但在一部影片里，我们还需要解释：为什么出现这个城市？观众应该感到希望还是压迫？镜头先让人看见什么？它与前一个镜头是什么关系？ 这些问题把单次输出放进了更完整的创作过程。 原来的交互可以写成： ```text Prompt → Output ``` 创作需要的链路则更长： ```text Intent ↓ Planning ↓ Generation ↓ Editing ↓ Iteration ↓ Result ``` 参考理解、人物一致性、镜头控制、编辑、叙事和多模态协作，都在这一层发生关系。它们帮助零散素材共同完成一个目标。 所以，**Generate ≠ Create**。生成提供素材和可能，创作还要组织它们，让前后关系成立。 我把这一层称为 **Creation，创作能力**。但即使流程已经完整，另一个问题仍然存在：它依据什么作出选择？ ## 四、当 AI 什么都会做，我们到底让它做什么？ 假设模型已经能很快给出一百个方案。困难不会在一百张图出现时自动结束。 我们仍要判断哪个更适合当前作品。一个设计可以漂亮，却不适合品牌；一个镜头可以震撼，却破坏故事节奏；一句文案可以聪明，却不像作者会说的话。 “哪个最好”因此需要被放回语境。是最容易理解，最符合身份，最值得探索，还是在剩余时间里最有希望完成？这些目标未必同时指向一个结果。 创作者面对的问题，开始由“我还能生成什么”，转向： **我为什么要留下这个？我愿意为它接受什么代价？** 这就是第三层要处理的事情。 ## 五、AIGC 3.0：Taste Taste 通常被翻译成“审美”或“品位”。在本系列里，它比好不好看更宽，包含一组与具体选择有关的能力： - **Judgment**：怎样判断作品是否成立。 - **Relevance**：它是否适合当前目标与语境。 - **Identity**：它是否属于我们希望建立的表达。 - **Culture**：它与哪些经验、群体和文化有关。 - **Restraint**：什么应当省去，什么值得保护。 - **Consistency**：不同作品能否保持有依据的连续性。 因此，AIGC 的问题可以进一步写成： > **Does AI know what is worth creating?** 这里的“值得”，需要说明对谁、在什么条件下、依据什么。它不是一个脱离任务的审美总分。 这一层可能由人、规则、参考、评审和学习机制共同完成。称它为 Taste，并不等于已经证明某个系统拥有了与人相同的审美经验。 ## 六、Generation 与 Taste，是两个相反的过程 第一篇用一组简化关系说明候选如何展开与收束，这里把它放进完整工作过程： **Generation = 1 → N** 一个意图展开成许多可能： ```text ┌→ A ├→ B ├→ C Intent ──────────├→ D ├→ E ├→ ... └→ N ``` 生成降低了探索可能性空间的成本。过去一天只能尝试几个方案，现在可以看见更多差异。 而另一个方向是： **Taste = N → 1** ```text A ─┐ B ─┤ C ─┤ D ─┼────→ Judgment ────→ 1 E ─┤ ...│ N ─┘ ``` 我们比较、删除、组合、修改，逐渐留下一个结果。这里的“1”可以是一件作品，也可以是一组已经确定的表达。 **Generation 扩张可能性空间，Taste 压缩可能性空间。** 但实际创作会反复往返。一次比较可能改变原来的问题，一个意外结果也可能让我们重新寻找参考。这个模型强调选择的价值，不把人的职责限定为挑选成品，也不排除 AI 提出新方向。 ## 七、所以 AI 越强，人类的 Taste 反而越重要 当工具只提供三个勉强可用的结果，我们可能只能挑其中问题最少的一个。可选范围扩大以后，许多原本被执行限制遮住的判断才会暴露出来。 你是否看得出差异？能否知道哪个方向值得继续？能否在一张完成度更高的图出现时，仍然保护原来更准确的表达？ 这就是本文想强调的关系： **Generation Capacity ↑ / Judgment Value ↑** 它表达一种条件性的趋势：当执行能力更容易获得，判断就更可能成为影响结果的瓶颈。它不是“每增加一张候选，人类价值就增加多少”的定量规律。 更多候选也会带来选择疲劳。因此，Taste 的作用既包括选图，也包括缩小值得探索的问题，让模型不必把所有可能都生成一遍。 ## 八、未来真正稀缺的，也许是「高质量否定」 我们习惯把创造力理解成想出更多 Idea。但在生成越来越容易以后，拒绝一个“还不错”的方案，也需要能力。 “这张很漂亮，但没有帮助说明主题。”“这个点子有趣，却改变了品牌对用户的态度。”“这里可以删掉，关键关系会更清楚。” 这些否定有具体对象，也说明了取舍的原因。 生成系统让提出更多可能变得容易，创作也因此更需要设定边界。一次拒绝是否有价值，要看它是否保护了当前作品需要的东西。 拒绝也会犯错。熟悉的外观容易得到认可，陌生表达可能过早被淘汰。因此，高质量否定还需要留下一个出口：什么新证据，会让我们重新考虑这个方案？ ## 九、未来的 Creative Workflow 会怎样变化 许多生成产品仍然围绕一条简短链路组织： ```text Prompt ↓ Generate ↓ Output ``` 如果把判断放进系统，链路可能变成： ```text Intent ↓ Taste Context ↓ Creative Direction ↓ Generation ↓ Critique ↓ Ranking ↓ Selection ↓ Editing ↓ Result ↓ Memory ``` 这个结构提醒我们，生成模型只承担完整创作的一部分。目标怎样进入方向，评审怎样影响修改，选择怎样进入记忆，同样会改变最终结果。 借用 Agent 领域的区分：**LLM ≠ Agent，Generation Model ≠ Creative System。** 可以把生成模型看成系统中的 Renderer，生成执行层。这是一种架构视角，方便我们把单次输出与完整创作分开。它不意味着模型只能被动执行；模型也可以参与计划、提出关系和辅助判断，但这些贡献仍需要放回整个流程检查。 ## 十、这会带来一个新的技术问题：Aesthetic Eval Agent 能跑完任务，不代表它完成得好。创作系统同样需要评价，但评价的对象比“有一张图片”复杂得多。 Aesthetic Critic，审美评审机制，需要帮助我们回答：构图哪里影响了阅读？与参考相比缺少什么关系？哪个方案值得继续修改？哪个虽然完成度高，却偏离当前目标？ 分数和排序可以帮助组织大量候选，却很难单独说明这些问题。关键取舍还需要可核对的证据，以及能够执行的修改建议。 比如“背景信息太满”，需要进一步指出哪一处在争夺注意，准备降低什么，哪些线索必须保留。否则一次简化可能让画面更清爽，也把主题删掉了。 评审本身也需要检查。AI 的解释是否指向实际作品？换个提问方式，它会不会随意改变结论？内部认为更清楚，是否真的得到读者反馈支持？ 这里把对作品及评审机制的检验称为 Aesthetic Eval，审美评测；Critic 则是参与评审的机制。作品质量和判断可靠性都需要检查，第八篇会具体展开。 ## 十一、甚至品牌本身，也可能变成一种 Taste Model 品牌通过规范、设计系统、历史作品和人工评审保持表达。其中既有明确的标识规则，也可能包含更深的原则：我们希望怎样被理解，什么关系值得坚持，什么即使漂亮也不适合。 这些判断若能被整理，就可能参与 AI 创作： ```text Generate ↓ Critique ↓ Rank ↓ Reject ↓ Edit ``` 例如，同样使用标准色和字体，两条文案仍可能以完全不同的态度对待用户。品牌判断需要解释这种差异，而不只检查外观。 我把这一方向暂时称为 **Brand Taste Model**。这里的 Model 可以先是一套判断表示、案例和工作方法，不预设必须训练专属参数模型。 品牌经验能否成为资产，取决于它能否跨任务帮助选择，也能否被更新。某位负责人的临时偏好、一次赶工的妥协，都不应自动进入长期默认。 ## 十二、AIGC 的竞争正在从「能力」走向「品位」 把前面的讨论放在一起，可以得到一个粗略模型： ```text AIGC 1.0 Generation ↓ 能不能生成 AIGC 2.0 Creation ↓ 能不能完成创作 AIGC 3.0 Taste ↓ 知不知道什么值得创作 ``` **Generation** 主要关注 Quality / Speed / Cost，即质量、速度和成本。 **Creation** 主要关注 Control / Edit / Story，即控制、编辑和叙事。 **Taste** 进一步关注 Judgment / Culture / Identity，即判断、文化与身份。 这三层会长期共存。“1.0—3.0”用于说明关注点的扩展，不是整个行业必须依次走过的时间表。很多任务仍受生成能力限制，很多产品也需要同时解决执行与判断。 但当能力趋同，选择的差异就会更加明显。所谓审美壁垒，需要落实为能够持续支持作品的经验、方法和协作能力，不能只靠一句“我们更有品位”。 ## 十三、这也是为什么我要继续研究「Aesthetic Engineering」 如果 Taste 会成为越来越重要的一层，就值得继续问：哪些差异可以描述？人的选择能提供什么线索？参考如何成为可调用的证据？评审怎样帮助修改？个人与品牌经验怎样进入记忆？ 最终，这些问题汇到一起：**Judgment 能不能被工程化？** 本系列所说的审美工程，尝试让判断有依据、能进入执行、可以被检查，也允许后来被推翻。它不承诺找到一个永远正确的审美答案。 对创作者，它可能意味着更清楚地知道为什么保留一张图；对产品，意味着让用户能够看见和纠正系统的理解；对品牌，意味着不同团队可以在具体作品上讨论同一组原则。 这些事情，才可能把“审美很重要”变成可持续使用的能力。 ## 写在最后 每一次供给扩张，都会改变我们需要认真做什么。 当内容和候选越来越容易获得，创作者仍然需要提出方向，识别差异，决定投入时间的地方。有时候是拒绝一个熟悉答案，有时候则是保护一张尚未精致、却值得继续的作品。 所以我认为，未来优秀的 AI 创作者未必是一天生成最多内容的人。他需要知道自己选择了什么，也愿意说明为什么，并让新的经验改变原来的判断。 下一篇，我们进入《Aesthetic Engineering：我们能把「审美」工程化吗？》，展开这套方法的六层结构： **Taste Language → Reference System → Art Direction → Generation → Aesthetic Critic → Taste Memory** 从第三篇开始，我们尝试回答：这些能力怎样在一次实际创作中连接起来？ --- 来源：03 · Aesthetic Engineering：我们能把「审美」工程化吗？ 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/03-Aesthetic-Engineering-%E6%88%91%E4%BB%AC%E8%83%BD%E6%8A%8A%E5%AE%A1%E7%BE%8E%E5%B7%A5%E7%A8%8B%E5%8C%96%E5%90%97.md # Aesthetic Engineering：我们能把「审美」工程化吗？ > Aesthetic Engineering 系列 · 第三篇 > 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 前两篇提出了两个相互连接的判断：一些作品的“AI 味”，暴露了生成之后缺少取舍的问题；当生成能力更容易获得，Taste 就可能成为更明显的差异来源。 如果这个方向值得继续，一个困难的问题便出现了：审美能不能被工程化？ 我们知道怎样组织代码、模型和任务流程。但面对一张海报，很多判断仍然只能表达为“有点土”“这个更高级”“还行，但不是我们”。这些感觉怎样进入一个可以工作的系统？ 本系列暂时把这项工作称为 **Aesthetic Engineering，审美工程**： > 将人的审美判断、风格偏好、文化语境与品牌表达，转化为可描述、可执行、可评估、可记忆、可持续更新的 AI 创作系统。 这个定义描述的是研究与实践方向。参考、艺术指导、评审与经验积累都已存在于创作工作中，本系列尝试把它们放进 AI 参与的流程里，说明各环节怎样交接。下面的六层结构是一种整理方式，整体效果还需要在具体任务中检验。 **我们希望工程化的是判断发生的过程：依据什么作出选择，怎样落实到作品，以及什么时候需要改变判断。** ## 一、审美为什么一直很难工程化？ 我们对许多作品会判断，却未必会解释。 看到一张海报，第一反应是“有点土”；换一张，又觉得“这个很高级”。继续追问，原因可能涉及构图、色彩、字体、留白、材质、比例，也可能来自文化经验。每一项都能解释一点，却很难单独解释全部感受。 这种能力与隐性知识（Tacit Knowledge）有相近之处。长期创作与比较，让人形成了快速识别差异的能力；判断发生得很快，完整描述它却需要时间。 优秀的摄影师、设计师、编辑和艺术指导，往往积累了大量这样的经验。它们既存在于成功作品里，也存在于失败、模仿、修改和一次次放弃之中。 因此，品牌手册虽然可以保存许多规则，却很难替代所有具体判断。同一条规则进入不同任务，仍然需要有人理解它为什么存在，哪里可以变化。 审美工程面对的第一个问题，就是怎样让这些经验拥有可以被讨论和调用的形式，同时承认尚未说清的部分仍然存在。 ## 二、AI 改变了一个非常重要的前提 过去，整理审美经验最直接的方法是写规则：版式要留白，颜色不要过多，字体要统一，主体不要总在中央。 这些规则有用，但适用条件往往被省略了。留白可以帮助阅读，也可能让信息不足；复杂构图可以混乱，也可以准确表达密集的生活经验。 AI 带来的一个可能性是：我们不一定要把每个偏好完整写成规则，才能尝试学习它。 例如，在同一任务中比较 A 与 B，记录选择、修改和理由。这些过程可以产生 Preference Signal，偏好信号。即使某一次说不清为什么，实际候选和选择动作仍然可以留下来，成为后续比较的材料。 但信号并不等于结论。一百次选择可能来自相似候选，也可能受到预算、交付时间和工具能力影响。数量增加，不会自动消除这些条件。 **Choice Data 为理解 Taste 提供了一条路径；怎样解释这些选择，仍然是工程问题的一部分。** ## 三、Taste 会在你真正的选择里显露 很多产品会问“你喜欢什么风格”，然后提供极简、日系、复古、电影感等标签。 标签可以帮助开始，但两个都选择“极简”的人，可能分别被瑞士平面设计、MUJI 的日常感、John Pawson 的空间，或带有粗粝感的现代主义吸引。一个词无法说明他们会怎样处理具体作品。 因此，除了自我描述，还值得保留几类动作： - **Select**：留下了什么，准备怎样使用。 - **Reject**：放弃了什么，原因是什么。 - **Edit**：修改了哪一处，希望保护什么。 - **Compare**：实际看过哪些候选，差异在哪里。 - **Regenerate**：为什么要求重做，准备改变什么。 - **Stop**：为什么到这里停止，是已经满意，还是预算用完。 这些动作构成一条常见链路： ```text Generate ↓ Compare ↓ Select / Reject ↓ Edit ↓ Regenerate ↓ Final Choice ``` 若把条件与版本一起保留下来，系统就有机会在下一轮使用和检验这些经验。 系统需要区分人的明确说明与自己的推测。“这次选了乙”不等于“喜欢乙的一切”；“修改手部”也不代表否定整个方向。人的原话、暂时无法解释的感受与实际动作，都应有各自的位置。 ## 四、第一层，应该讨论 Taste 如何被表达 搭建创作系统时，我们很容易从选模型、写 Prompt 开始。但在讨论执行之前，还需要知道系统准备依据什么作出选择。 这对应 **Taste Language，审美语言**：把“感觉不对”逐渐拆成可以讨论的差异。 在视觉创作中，可以从一些具体维度进入： ### Composition｜构图 主体居中还是偏置？画面稳定还是有意失衡？留白有没有参与表达？ ### Density｜信息密度 信息是集中还是分散？视觉焦点有几个？元素之间是否争夺注意？ ### Color｜色彩 饱和度、对比与颜色面积怎样安排？颜色承担情绪，还是帮助区分信息？ ### Typography｜字体 字体只是承载文字，还是参与构图？它与图像怎样分配权重？ ### Material｜材质 纸张、玻璃、金属、混凝土和织物，分别让作品产生怎样的触感与联想？ ### Lighting｜光线 自然光、硬光、漫反射或舞台光，怎样改变主体与空间的关系？ ### Rhythm｜节奏 重复、停顿与变化怎样发生？画面或者镜头希望人在哪里停留？ ### Imperfection｜不完美程度 哪些颗粒、模糊、裁切和不对称参与表达？哪些只是执行错误？ ### Culture｜文化语境 参考来自包豪斯、日本平面设计、瑞士现代主义、宋代绘画，还是互联网亚文化？具体借用了什么认识？ ### Emotion｜情绪 作品希望带来安静、压迫、陌生、幽默还是冲击？实际关系是否支持这种感受？ 这些维度帮助提高讨论的分辨率，不构成一份填完就能得到好作品的参数表。语言也有局限，所以还需要参考。 ## 五、Reference，可能比 Prompt 更接近 Taste 让一个人完整说明喜欢什么设计，往往很难。让他挑出一组反复吸引自己的作品，再指出喜欢哪里，就容易开始。 一张 Reference，参考图，可以同时呈现构图、比例、材质、字体、光线和文化线索。它保留了许多元素共同出现时的关系，因此是一种高带宽的审美证据。 但把图交给模型，还没有完成参考工作。 你喜欢的是标题与主体的距离，还是纸张质感？哪些结构可以借鉴，哪些人物、标识和具体表达不应该继承？两张图给出相反方向时，哪一张服务本次目标？ **Reference System** 需要组织这些解释。它可以保存正例、近邻反例、参考职责、来源、使用语境和反馈，让收藏夹逐渐拥有可调用的依据。 这样的参考库才可能成为审美数据集。它的数据价值来自被解释过的选择，而不只来自图片数量。 参考系统负责准备证据，当前项目怎样组合证据、决定优先级，则由下一层 Art Direction 处理。 ## 六、Prompt Engineering 之后，应该是 Art Direction 许多生成过程仍然围绕下面的动作展开： ```text Prompt ↓ Generate ``` 不满意就改几个词，再生成一次。这个过程可以帮助探索，但如果始终不确定要表达什么，结果越多，越容易被漂亮的局部带走。 成熟创作需要理解任务、受众与品牌，寻找参考，建立表达方向和边界。将这些工作放进 AI 系统，可以得到一条更完整的链路： ```text Intent ↓ Creative Brief ↓ Taste Context ↓ Reference Retrieval ↓ Visual Strategy ↓ Art Direction ↓ Generation ``` Art Direction，艺术指导，在这里负责确定本次的重要选择：谁是主角，人和技术是什么关系，哪里可以探索，发生冲突时优先保护什么。 AI 可以作为 Art Director Agent 参与整理任务、提出方向和比较参考。但方向应当是一组允许检查与更新的假设。生成后发现新的关系，仍然可以回头修正原来的决定。 在第六篇里，我们会把这些选择进一步写成 Direction Contract，方向契约，让人和 AI 知道本轮依据什么工作。 ## 七、Generation Model 可以被放在 Renderer 的位置 看到模型生成了一张好图，我们很容易把模型能力与完整创作能力混在一起。 若从系统分工来看，生成模型负责在输入条件下产生结果，而完整创作还涉及： ```text Intent Context Taste Reference Planning Direction Generation Critique Selection Editing Memory ``` 因此，**LLM ≠ Agent，Generator ≠ Creative System**。 把生成模型称为 Renderer，是为了强调它在这套架构中的执行位置。它并非字面意义上的传统渲染器，也不意味着模型无法提出创意或参与判断。同一个模型可能承担多个角色，角色之间仍需要清楚的输入、输出与检查方式。 一个系统也可能组合图像、视频、3D 模型与排版工具。它的价值不仅取决于调用了谁，还取决于怎样安排任务、保留作品关系，以及处理执行失败。 本系列第七篇会用 Generation Protocol，生成协议，展开这一层：怎样围绕问题组织生成，让候选可以比较，失败也能留下可用信息。 ## 八、关键的一层：Aesthetic Critic 假设系统已经生成一百张图，接下来仍要决定哪些值得继续。 **Aesthetic Critic** 是本系列对辅助评审机制的称呼。它需要检查实际作品，并结合目标、参考和优先级解释差异。 “审美评分 8.6”可以帮助排序，却没有告诉我们为什么选择它。更具体的问题是：哪个构图影响阅读？为什么这张虽然精致，却不像当前系列？哪个版本更接近参考中希望迁移的关系？哪处粗糙可以修复，哪处关系错误需要回退方向？ 创作评价往往同时涉及： ```text Quality × Context × Identity × Culture × Preference ``` 这里的乘号表示这些因素相互影响，不是一套可以直接计算的评分公式。文字准确等交付要求，也不能靠其他维度的高分抵消。 Critic 的结论应当允许检查：它在图上看到了什么，怎样解释影响，为什么当前任务接受或拒绝这个结果？如果没有读者或业务数据，就不能从“画面更有冲击力”直接推断传播效果。 ## 九、Critic 需要给出下一步可以尝试的方向 本系列用 **Aesthetic Gradient，审美梯度** 比喻这种面向修改的反馈：下一步往哪里改，需要保护什么，改完怎样检查。它不预设存在可微的审美函数，也不保证沿建议修改就一定更好。 需要区分的是，Víctor Gallego 在 2022 年的 [Personalizing Text-to-Image Generation via Aesthetic Gradients](https://arxiv.org/abs/2209.12330) 中，已用同名术语描述基于参考图像引导扩散模型的个性化方法。那是具体的优化方法；本文借这个词描述修改建议，不主张提出了新的同名算法。 相比“7.4 分”，下面的建议更容易进入工作： > 当前主体压缩了左侧留白，背景细节也在与标题争夺注意。可以先降低背景对比度，保留标题与主体的位置；修改后检查阅读顺序是否更清楚。 它说明了问题、动作和保护范围，也给出了检查条件。若修改后主体与环境的关系消失，就应重新考虑建议。 由此形成一个初步循环： ```text Generate ↓ Critique ↓ Aesthetic Gradient ↓ Regenerate ↓ Critique ↓ Refine ``` 这个循环把评审与修改接了起来。下一步不一定是重新生成整张图。局部编辑、人工排版、回退方向或停止，都可能更合适。 Critic 自己也需要接受检查。它能否指出真实证据，能否识别修改后的变化，是否只是迎合提问？系统不能用一次流畅的解释，代替对评审能力的验证。 ## 十、下一层：Taste Memory 如果每轮创作结束后，系统都忘记已经确认的要求，我们就需要反复解释同样的事。 **Taste Memory，审美记忆**，尝试让这些经历进入下一次工作。但记忆不能只剩“用户喜欢极简主义”。 更有用的记录包括：当时在做什么，实际比较了哪些候选，为什么暂选这一版，认可的是哪部分，哪些问题仍然要改，以及后来有没有改变决定。 系统也需要区分三个层次：发生过的选择，目前对偏好的理解，以及当前允许使用的约定。一次推测可以被保留，却不能悄悄变成用户已经确认的长期要求。 人的 Taste 会变化，可以用一条时间线表示： ```text Taste t0 ↓ Choices ↓ Taste t1 ↓ New References ↓ Taste t2 ↓ More Creation ↓ Taste t3 ``` 新的语境、参考和经历会进入判断。过去喜欢安静，不代表今天不能尝试冲突与浓烈。当前明确要求需要能够更新历史默认，错误记忆也应允许查看、修改和删除。 记忆的目标，是减少重复沟通，同时让经验可以被纠正。若它只让作品越来越像过去的作品，就需要检查自己缩小了哪些可能。 ## 十一、Aesthetic Stack v0.1 把前面的能力放在一起，可以得到本系列的初版结构： ```text ┌─────────────────────────┐ │ Taste Memory │ │ 记录选择，并持续进化 │ ├─────────────────────────┤ │ Aesthetic Critic │ │ 判断 / 比较 / 解释 / 方向 │ ├─────────────────────────┤ │ Generation │ │ Renderer Layer │ ├─────────────────────────┤ │ Art Direction │ │ Creative Strategy │ ├─────────────────────────┤ │ Reference System │ │ Reference / Moodboard │ ├─────────────────────────┤ │ Taste Language │ │ 表达与表示审美偏好 │ └─────────────────────────┘ ``` 这六层分别回答： - **Taste Language**：怎样描述与讨论审美差异。 - **Reference System**：哪些证据值得调用，参考哪一部分。 - **Art Direction**：这次往哪里走，什么最重要。 - **Generation**：怎样产生有意义的候选并处理执行问题。 - **Aesthetic Critic**：依据实际作品，怎样比较和修改。 - **Taste Memory**：哪些经验可以复用，怎样更新理解。 后续第 4—9 篇会依次展开这六层，其中 Generation 在第七篇以 Generation Protocol 的形式讨论。 这是职责划分，不要求产品必须有六个独立模型或六个页面。一套轻量流程也可以承担这些工作；关键在于它们之间能否传递判断与证据。 ## 十二、它运行起来应该是 Loop 六层结构方便我们理解分工，实际工作却需要往返： ```text Taste Memory ↑ │ Preference ↑ │ Intent → Direction → Generate ↓ Critic ↓ Select ↓ Edit │ └────→ Memory ``` 图里画出了选择进入记忆的主要路径。进入新任务时，相关记忆还应回到方向与评审；如果实际输出否定了方向假设，也需要回到前面的环节。 可以把循环概括为： **Generate → Judge → Choose → Remember → Generate Better** 最后的 Generate Better 是希望检验的目标，不是循环运行以后必然出现的结果。错误反馈也会积累，重复调用一个误解，可能让系统越来越偏。 因此，每轮需要留下实际动作：采用了哪项建议，修复有没有保护优点，什么仍然未知。运行过流程，不等于已经形成有效闭环。 如果这些连接逐渐有效，我们期待的体验才可能出现：重复要求说得更少，新要求仍然能被听见。 ## 十三、这件事情，与推荐系统有相通之处 音乐和影视推荐让我们熟悉了一种体验：不必写一份完整的偏好说明，系统也能通过点击、跳过、收藏和重复观看，尝试理解我们。 审美工程可以从这种行为学习中获得启发。推荐关心的常常是 **What you want to consume**，创作还要面对 **What you want to create**。 两者并不相同。喜欢看一张复杂海报，不代表愿意把自己的品牌做成那个样子；收藏一张图，也可能只是准备研究它。 因此，创作中的身份表达，需要结合目标与实际取舍理解，不能直接照搬消费推荐中的点击逻辑。 推荐也提醒我们注意反馈循环：系统提供什么，会影响人能选择什么。若一直只展示熟悉风格，再用这些选择证明用户只喜欢熟悉风格，记忆就可能成为审美茧房的一部分。 ## 十四、从 Personal Taste 到 Brand Taste 品牌也会长期坚持某些选择。我们从 Apple、MUJI、Nike 等品牌的作品中讨论风格时，除了标识、颜色、字体和网格，也会关注它们怎样组织信息、表达产品和对待用户。 这些观察需要结合具体作品，不代表某个品牌永远只拥有一种外观。 Brand Guideline、Design System 和资深创作者的经验，都可能为 Brand Taste 提供材料。它们进一步需要说明：哪些是长期原则，哪些随场景变化，哪些只是某次项目的临时决定。 整理后的品牌经验，可以参与： ```text Generation ↓ Critique ↓ Rank ↓ Reject ↓ Edit ``` 我们可以把这种积累称为 Brand Taste Memory，或进一步讨论 Brand Taste Model。它可以从一套案例、约定和评审方式开始，是否训练专门模型，则由实际问题决定。 当经验属于组织，还要知道谁作出了决定、谁可以更新、适用于哪些项目。负责人的个人偏好，不能未经说明就变成整个品牌的判断。 能够被说明、实践和更新的经验，才有机会成为组织资产。 ## 十五、我们真正工程化的不是「美」 同一张海报，放在美术馆里可能成立，放在电商直播间里却可能无法完成信息任务。同一套表达，对一个品牌适合，对另一个品牌可能不合适。 审美判断依赖个人、文化、时代、身份、语境与目标。因此： **Beauty ≠ Contextual Judgment** 对作品美感的评价，不能自动替代当前任务中的取舍。 审美工程要组织的，是判断过程：为什么这个场景选 A，换一个场景选 B；什么使某个品牌拒绝 C；什么新经验让昨天喜欢 D 的人，今天改变了想法。 这个过程需要允许合理分歧。有人关注阅读，有人关注陌生感，有人面对交付限制。先说清大家依据什么，才能决定继续比较、修改，还是暂时保留不同意见。 这项工作让选择可以被检查，同时允许人们保留不同的偏好。 ## 十六、Taste 可能是 Intelligence 之上的另一层 过去几年，AI 的许多进步围绕知识、推理、编程、工具使用和长任务展开。这些能力帮助系统找到答案、完成行动。 但两个同样有能力的人，仍然可能作出不同选择。经验、价值观、文化与身份，会影响他们认为什么值得做。 因此，Personal AI 的一个方向，是在能力之外，进一步理解用户的目标与判断条件。它既需要知道答案是否正确，也需要知道这个答案为什么适合当前的人和任务。 这里把 Taste 称为 Intelligence 之上的一层，是系统分工的比喻，不是能力高低的排名。 “越来越懂你”也应当有实际含义：已经说明的要求更少被误读，临时选择更少被误用，纠正能够生效，同时新的表达仍然有机会出现。 ## 十七、如果这个方向成立，AIGC 产品会换一种形态 今天许多图像产品以 Prompt Box，提示输入框，为工作起点。 如果系统已经拥有可调用的参考、历史作品、选择与拒绝记录、品牌语境和审美记忆，用户就不必每次重新解释全部背景。 例如，只说“这次做一张审美工程系列封面”，系统可以提出：哪些文字层级延续前文，本篇主题适合什么关系，哪里值得尝试新的变化。 这些材料共同构成产品可以积累的经验： **Context + Taste + Memory** 提示仍然重要，尤其承担当前意图与新要求。历史不能压过眼前明确说出的变化。 产品还应让用户看见系统依据了什么。如果它因为过去选过几次米白色，就提前排除了所有浓烈表达，用户需要能够指出这个误解并改变它。 一个长期合作的创作伙伴，既要帮助减少重复，也要能接受“这次我想试点不一样的”。 ## 十八、审美工程最终可能会变成一种基础能力 这个系列主要从图像进入，也会讨论视频和团队创作。类似问题还存在于网页、产品界面、服装、建筑、音乐和空间里。 一段代码、一个 API、一个交互乃至一个组织流程，也涉及结构选择：哪些关系清楚，哪些重复多余，什么复杂度值得保留。 这些领域不能直接共用一套视觉标准。它们各有功能、材料和专业条件，却都可以追问：我们怎样说明选择，怎样检查结果，怎样让经验帮助下一次工作？ 怎样让智能系统参与这些领域的判断，仍然是一个开放方向。它需要在具体领域里逐步验证，而不能只靠给不同问题加上 Taste 的名字。 ## 写在最后 当可能性越来越容易获得，作品依然需要被认真选择。 我们期待的 Creative AI，可以帮助发现差异、提出新关系、解释修改，也愿意把依据交出来接受检查。它会记得我们为什么留下某张图，也允许下一次出现不同答案。 本文的六层结构，只是把这些工作放到同一张地图上。后续还需要讨论参考怎样调用、生成怎样组织、评审怎样可靠、记忆怎样更新，以及多人协作时谁对判断负责。 **Aesthetic Engineering 的价值，要在一次次具体创作中成立。** 下一篇，我们进入第一层：《Taste Language：我们到底该如何描述「审美」？》 从“感觉不对”到能够指出差异，是这套方法开始进入实际工作的地方。 --- 来源：04 · Taste Language：我们到底该如何描述「审美」？ 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/04-%E5%AE%A1%E7%BE%8E%E8%AF%AD%E8%A8%80.md # Taste Language：我们到底该如何描述「审美」？ > Aesthetic Engineering 系列 · 第四篇 > 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) AI 生成了一张图。你看了一眼，觉得不对，却只能告诉它：“高级一点，克制一点，不要这么 AI。”重新生成以后，画面变了，问题还在。 这时，困难可能出在沟通上。我们能辨认两个版本的差异，却说不清哪个差异影响了选择。再加几个形容词，也未必能让修改更准确。 前三篇讨论了判断的价值和审美工程的整体结构。从这一篇开始，我们进入第一层：**Taste Language，审美语言**。它要帮助我们把“感觉不对”逐渐变成可以讨论、可以尝试修改的问题。 这种语言不要求每个人都成为设计师。我们只需要先把眼前的差异说清一点。 ## 一、我们拥有 Taste，却不一定拥有 Taste Language “不对”是一个真实的感受，只是还不足以指导下一次修改。 于是我们常常补充更多要求：高级、克制、有设计感、有呼吸感。也可能加入摄影参数、艺术家名字和风格关键词。它们有时有用，但如果没有说明在当前作品里分别指什么，模型仍然需要猜。 一个人完全可能有很好的审美，却不善于描述它。摄影师看见构图不对，设计师发现信息太挤，编辑知道一句话应该删去几个字，艺术指导认出某个方案“不像我们”。这些判断可能很快发生，解释却需要时间。 这与隐性知识有相近之处：长期经验进入了动作，却不一定已经变成语言。Taste 与描述 Taste 的能力，需要分别练习。 当我们把一部分执行交给 AI，这个差别就更明显了。过去可以直接动手改，现在还需要说明：哪里要变，为什么变，什么应该保留。 ## 二、Prompt，本质上是一种「审美压缩」 脑海里的感觉往往由许多经验组成：电影的空气感、杂志的排版、建筑的空间关系、旧照片的颗粒，以及某种留白与秩序。到了输入框里，却只剩“高级、极简、电影感、不要 AI 味”。 我把这种转换比喻为 Taste Compression，审美压缩。一句提示需要承载许多没有被说出的关系，信息在压缩中丢失，并不奇怪。 问题也不单是字数少。长提示如果只是叠加形容词，仍然没有交代谁是主角、什么影响阅读、哪些关系最重要。更有用的做法，是找出这次修改真正依赖的信息，把它写清楚。 ## 三、为什么「高级感」几乎是一个无效词？ “高级”可以表达感受，却很难单独成为执行要求。 在不同项目中，它可能指向完全不同的处理：时尚视觉里的强烈字体、大胆裁切、低饱和摄影与负空间；科技表达里的精确网格、清楚层级、克制动效与少量装饰；酒店视觉里的天然材料、柔和光线、低对比和触觉质感。艺术杂志甚至可能通过粗糙、错位、颗粒、失焦与不完整获得吸引力。 这些是可能的解释，不能当作行业固定配方。“高级”更接近多种视觉关系共同产生的感受，并不是一项可以直接调高的属性。 “极简”“电影感”“年轻”“未来感”“高级灰”“有呼吸感”“有设计感”也有类似问题。它们可以帮助开始交流，但还需要追问：在这件作品里，你希望什么具体发生变化？ ## 四、所以我们需要把 Taste 拆开 可以先从画面中可观察的部分开始。下面这些维度用来寻找差异，不要求每次全部填写。 ### Composition｜构图 主体居中还是偏置？画面依靠什么保持稳定，哪里有意失衡？布局采用严格网格还是自由安排？负空间有没有作用？ ### Density｜信息密度 信息集中还是分散？元素之间有没有间隔？视觉焦点有几个，是否都在争夺注意？ ### Color｜色彩 饱和度、对比度、冷暖与颜色数量怎样安排？颜色在承担情绪，还是帮助区分信息？ ### Typography｜字体 字体承担信息还是成为视觉主体？字号层级和字距如何安排？文字怎样参与构图，与图像分配权重？ ### Material｜材质 玻璃、金属、纸张、混凝土、木头和织物，分别带来什么触感？真实摄影和数字表面在这次表达里有什么区别？ ### Light｜光 硬光还是柔光，自然光还是棚拍，高反差还是低反差？光线只是在照亮主体，还是也参与构图？ ### Rhythm｜节奏 画面或镜头是平静还是快速？重复、停顿与变化怎样安排？哪里是重音，哪里需要让人停留？ ### Imperfection｜不完美程度 噪点、失焦、裁切、遮挡、颗粒、错位、不对称和曝光偏差，各自做了什么？它们可能参与表达，也可能妨碍理解。 **Imperfection = 0** 可以比喻一种处处过分修饰的感觉，但它不是 AI 味的成因公式。增加缺陷不会自动让作品更好；需要判断的是，眼前这个不完美是否有作用。 ## 五、但仅仅拆视觉属性，还不够 若只把审美写成下面这组属性，许多差异仍然无法解释： ```text Composition + Color + Typography + Material ``` 相同的构图与颜色，进入不同语境，可能得到完全不同的判断。 ### Emotion 我们希望作品让人安静、兴奋、压迫、陌生、温暖还是疏离？画面中有哪些关系支持这种感受？ ### Culture 参考来自瑞士现代主义、包豪斯、日本编辑设计、粗野主义、宋代绘画、互联网亚文化，还是某个年代的杂志？这些名称只是查找线索，仍需要具体作品和背景，不能用一个标签概括整种文化。 ### Era 作品在引用 1970 年代、1990 年代、2020 年代的某些视觉经验，还是在想象一个不存在的未来？哪些细节让这种时间感成立？ ### Identity 谁在表达？Apple、Nike、独立艺术家和你自己，可能对同一种方法有不同取舍。这里需要讨论身份与目标，不能只根据品牌名推断它永远应该怎样做。 这些问题把视觉风格带回了情绪、文化、时代和表达者的位置。 ## 六、我们可以先建立一个 Taste Coordinate System 可以用一组粗略坐标帮助讨论。它们是工作中的比较轴，不是经过测量的审美尺度： ```text Composition Centered ←──────→ Asymmetric Density Dense ←──────→ Sparse Color Saturated ←──────→ Muted Contrast High ←──────→ Low Typography Quiet ←──────→ Expressive Material Digital ←──────→ Physical Lighting Dramatic ←──────→ Natural Rhythm Dynamic ←──────→ Calm Imperfection Perfect ←──────→ Raw Emotion Loud ←──────→ Quiet Culture Generic ←──────→ Specific ``` 这些轴并不完全独立，两端也未必互相排斥。自然光同样可以戏剧化，数字制作也能呈现物质触感；“具体的文化线索”不意味着比“通用表达”更优。 在某个项目里，“高级一点”也许可以进一步解释为： ```text Density → Sparse Color → Muted Contrast → Medium-Low Typography → Quiet Material → Physical Lighting → Natural Rhythm → Calm Imperfection → Slightly Raw ``` 这只是一个可能方向。它的价值是让创作者知道准备改变哪些部分，之后可以回到作品检查。它并没有证明低密度、低饱和或真实材料天然更好。 ## 七、更重要的是：我们还需要「负向语言」 喜欢什么之外，也需要说明这次不接受什么。 例如，某个系列可能决定避免蓝紫赛博渐变、发光玻璃球、粒子、过度戏剧化的灯光，或者避免把所有元素都居中、把每处空间都填满。这些边界只有结合任务，才有明确含义。 “不要看起来像 AI 做的”仍然太宽泛。需要继续说明，拒绝的是哪种元素、关系或使用方式。否则模型可能只是加上颗粒，原来的问题没有变化。 ```text Preference + Boundary ``` 这种边界比单次 Negative Prompt 更接近创作约定。品牌可以借它保持连续性，也应说明它的适用范围。当前项目的“不用蓝紫色”，不能自动升级为所有创作的禁令。 ## 八、Taste 最重要的语言，可能不是形容词，而是「关系」 描述视觉时，我们很容易只谈高级、简洁、现代、未来、温暖和克制。但作品的差异经常出现在关系里：文字与图片怎样分工，主体与留白怎样呼应，秩序与破坏、理性与情绪、传统与现代、精致与粗糙怎样共同出现。 比如： ```text 90% 克制 + 10% 冒险 ``` 或者： ```text 严格 Grid + 一处故意破坏 Grid ``` 这里的百分比是表达主次的比喻，没有可直接测量的含义。一处破坏是否有张力，也需要回到作品里看。 相比“这个画面要克制”，“整体保持秩序，只允许一个元素打破秩序”已经说明了关系和边界。属性语言帮助我们指出差异，关系语言则进一步解释这些差异怎样共同工作。 ## 九、从 Style Prompt 到 Taste Spec 如果把这些选择整理下来，就可以得到一份 Taste Spec，审美约定。它借用了规格说明的形式，用来保存某个人、品牌或系列通常怎样作出选择。 下面是一份示意，不是通用审美标准。里面的风格标签仍需配合具体参考，“80% / 20%”也只是主次关系的比喻： ```text TASTE SPEC / v0.1 Intent: 安静但有力量。 Composition: 大量负空间。 主体允许明显偏离中心。 Density: Low. Color: 低饱和。 避免大面积高纯度颜色。 Typography: 字体承担主要视觉结构。 最多两级字号。 Material: 真实纸张 / 建筑 / 自然材质优先。 Lighting: 自然硬光。 允许深阴影。 Imperfection: 保留颗粒、轻微失焦与不规则裁切。 Cultural Reference: Swiss Editorial Japanese Minimalism Contemporary Architecture Avoid: 蓝紫渐变 玻璃拟态 发光粒子 过度完整的 3D 典型 AI 科技视觉 Tension: 80% Order 20% Disruption ``` 单次 Prompt 通常描述眼前要做什么，Taste Spec 可以保存跨作品复用的默认选择。两者在实际工具里可能写在一起，但适用范围仍需分清。 这份约定可以帮助减少重复解释。当前任务有新要求时，也应允许修订；它的作用依赖后续使用与检查，不是写完就生效。 ## 十、但 Taste Language 永远不应该成为「审美公式」 建立维度以后，很容易误以为可以据此算出“最美答案”。但这套语言帮助我们提高的是沟通的清晰程度。 过去说“太满”，现在可以指出：“背景、主体和文字同时争夺注意，阅读层级不清楚。”过去说“AI 味重”，现在可以描述：“这里的材质过于光滑，灯光比主体动作更醒目，与希望呈现的日常感有距离。” 这些描述仍然包含判断，需要结合目标核对。但至少下一位创作者知道该看哪里，也知道可以对哪一项解释提出不同意见。 我们能更清楚地说明为什么觉得不对，并不意味着已经给美作出统一定义。 ## 十一、语言之后，还需要 Reference “低饱和、自然硬光、大量留白、非对称构图”，仍然可能对应许多不同的作品。语言列出了特点，参考图则能让这些特点怎样共同出现变得可见。 ```text Taste Language + Reference + Choice History ``` 语言解释寻找什么，参考呈现可能的关系，选择历史补充过去在什么条件下保留了什么。三者一起，才有机会形成可以调用的审美表示。 ```text Taste Language ↓ Reference System ↓ Art Direction ``` 这也说明前三层怎样衔接：描述差异，组织证据，再决定当前项目如何使用它们。拥有记录还不等于模型已经理解，实际结果仍需检查。 ## 十二、更有意思的是：AI 可以反过来帮助我们认识自己的 Taste 审美语言不一定都由人先写出来。AI 也可以根据收藏、拒绝和修改记录，提出待确认的观察。 例如，在一个假设的记录库里，它可能说：“你把自己的风格叫作极简，但过去的选择更稳定地保留了低信息密度与一个强烈焦点。”也可能注意到对称构图经常被拒绝、字体受到更多限制，或者最近的选择增加了自然材料和暖色。 这些是需要回看原图、任务和选择理由的解释，不能只凭共现就当作偏好事实。用户留下某个方案，也可能是因为预算、时间或其他候选更差。 如果这些解释可以被检查和纠正，AI 就可能成为一面 Taste Mirror，帮助人认识自己的选择，建立更具体的词汇。它的价值在于让我们看见过去没注意到的差异。 ## 十三、所以未来真正重要的能力，不只是 Prompt Literacy 学习使用提示、工具和 Agent，让我们更容易开始创作。但候选变多以后，还需要另一组能力：看出差异、描述差异、解释取舍、建立参考、说明边界，以及理解作品的文化语境与身份。 本篇把这组能力称为 Taste Literacy，审美素养。设计师、摄影师、导演、编辑和艺术指导长期在练习它，使用 AI 的创作者也需要它。 执行能力仍然重要，也仍有许多未解决的问题。只是在某些任务里，当工具能提供更多可用结果，我们会更直接地面对“做什么”和“什么值得留下”。 ## 十四、Taste Language 的终点，不是让人变成设计师 使用 AI 不要求每个人先接受多年设计训练，也不意味着专业知识可以省去。 一个人未必需要亲自设计字体，仍可以学习观察第三种字体是否破坏了层级；未必亲自拍摄，仍可以比较两张照片怎样组织主体与环境。 这种判断可以在具体工作中逐渐形成。先说明一处差异，尝试一次修改，再看结果是否接近原来的表达，比记住一套所谓高级风格更有帮助。 工具降低部分执行门槛以后，方向依然需要有人提出、比较和修正。 ## 十五、从 Prompt Engineering 到 Taste Engineering 提示表达当前要求，任务上下文补充目标、受众、历史和约束，审美经验则进一步帮助说明：什么对当前的人和作品算好。 这些工作彼此交织，并不是 Prompt Engineering、Context Engineering、Taste Engineering 依次替代的技术阶段。放到创作中，可以用下面的链路说明它们怎样参与： ```text Intent ↓ Context ↓ Taste ↓ Direction ↓ Generation ↓ Judgment ↓ Memory ``` 合作久了，系统可能根据已确认的经验提醒：“这个虽然漂亮，但与这次的表达有距离。”或者：“你最近保存的参考里，有一个关系值得继续尝试。” 这种提醒需要能指向依据，也要允许人说“这次我想改变”。创作伙伴的价值，在于减少重复解释，同时仍然听得见新的要求。 ## 十六、Taste Language 最终应该成为一种「活的语言」 一份 Taste Spec 写完以后，还会遇到新作品、新任务和新经历。过去喜欢的留白，今天也许不够；曾经排斥的颜色，在特定语境下可能很有力量。 因此，审美语言需要能更新。某部电影、一次旅行、一篇文章或一位创作者，都可能改变我们理解差异的方式。 如果系统永远把一个人概括成“喜欢极简、低饱和、留白”，个性化就可能变成对旧作品的重复。它保存了熟悉外观，却缩小了继续变化的空间。 ## 十七、好的 Taste System，应该同时理解「我是谁」和「我正在变成谁」 审美记忆除了关心喜欢什么，还应留意偏好怎样变化。假设某个人的记录中出现以下移动： ```text Highly Polished ↓ Natural Texture ``` ```text Symmetry ↓ Asymmetry ``` ```text Digital ↓ Physical ``` ```text Dense ↓ Sparse ``` ```text Perfect ↓ Imperfect ``` 这些箭头示意一种可能的变化轨迹，不代表每个人都会这样发展，也不代表右端优于左端。变化还可能来自任务不同，需要带着当时的语境理解。 系统可以延续已确认的选择，同时保留有理由的探索。例如，展示一个与历史偏好不同、却更能表达当前主题的方案。对它的解释应该落在作品和任务上，不能只说“算法认为你会喜欢”。 ## 十八、审美成长，本质上需要「被陌生的东西冒犯」 “被冒犯”在这里形容的是熟悉判断受到挑战，并不要求人接受冒犯性的作品。 有些作品第一次看时让人感到奇怪、不舒服、太空、太粗糙或难以理解，后来却可能改变我们的视觉经验。初次不喜欢，不一定足以结束判断；陌生本身也不证明作品有价值。 只根据偏好历史生成熟悉内容，可能使新的表达越来越难出现。就像一个音乐推荐系统若始终只播放与过去相近的歌，发现陌生音乐的机会也会受到限制。 创作系统可以给有明确理由的新方向留一个位置。理解以后仍不喜欢，也可以保留这个决定。第十二篇会继续讨论成长、文化与判断的边界。 ## 十九、所以 Taste Language 不是答案，而是一张地图 这些维度可以构成一张工作地图： ```text Composition Density Color Contrast Typography Material Lighting Rhythm Imperfection Emotion Culture Identity Relationship Boundary ``` 面对“太 AI”“没感觉”“不像我”，不必立即给作品打分，可以沿着这张地图寻找差异，再通过参考、比较、拒绝、修改与反馈修正描述。 地图能帮助讨论，并不保证每件作品都有现成位置。一个尚未说清的感受，也可以先留下来，等待更多比较。 ## 二十、从「我觉得不对」到「我知道哪里不对」 同一个判断，可以逐渐说得更具体： > 我觉得这个不好看。 这是感受。比较以后，可能变成： > 我更喜欢 B，不喜欢 A。 继续观察，可以指出： > A 的信息密度太高。 再往前一步，就能区分数量与关系： > 信息多本身没有问题，但这里的字体、背景和主体同时争夺注意，缺少阅读层级。 最后提出一个可尝试的方向： > 降低背景对比度，减少一个字号层级，保留主体与标题的位置，再看阅读顺序是否更清楚。 这就是 **Taste → Judgment → Direction**：从感受到判断，再到修改方向。修改后的作品还需要回看，不能因为建议听起来准确，就默认它已经有效。 ## 二十一、AI 可能反而会让更多人拥有更好的审美 我对 AIGC 的一个乐观期待，是它能让这种练习更容易发生。 过去要比较不同构图、字体、色彩和材料，往往需要较多制作时间。模型可以帮助更快产生候选，让人有机会反复比较、选择和修改。 但数量只是条件之一。大量观看相似结果，或者接受一套错误解释，都未必帮助学习。若 AI 能指出真实差异，解释允许核对，并能在反馈后修正，它才可能成为有用的审美练习伙伴。 ## 二十二、未来最好的 AIGC 产品，可能一边帮你创作，一边训练你的 Taste 可以设想这样一种交互：系统生成八张图，说明它们分别探索四种构图方向。用户保留两个版本，系统继续询问，更在意的是负空间还是主体位置。 用户回答以后，记录与候选一起保存。之后如果出现相近选择，再回看它是否仍然成立。 例如，“过去 17 次选择中，有 14 次倾向更大的负空间”可以作为教学场景中的假设统计，不能仅据此宣布用户偏爱留白。还要知道这 17 次分别在做什么，有没有提供其他合理选项，用户究竟认可哪一部分。 这种交互的价值，是让用户和系统都能修正理解。它不应变成每次点击都要填写问卷，更不能以“训练你的审美”为由替人决定应该喜欢什么。 ## 二十三、所以，「会用 AI」和「会创作」会重新分开 **会 Generate ≠ 会创作。** 使用生成工具，与完成一件有表达的作品，仍然有差别。摄影也一样：**会拍照 ≠ 摄影师。** 按下快门并不意味着已经具备摄影创作的全部能力。 我们看过什么、理解什么，怎样解释差异，知道哪些部分应该删除、什么时候应该停止，都会影响结果。文化经验与判断也会在这些选择里显露。 当执行条件改善，这些差异可能更容易被看见。但普通的结果依然可能受到工具能力、材料和任务约束影响，不能把所有问题都归咎于创作者“没有品位”。 ## 写在最后 审美里至少有一部分能力，可以从看见差异、给差异命名开始练习。 “太满”可以进一步解释成层级不清；“不喜欢”可以进一步追问究竟想保留哪一部分。描述越具体，别人越容易理解，也越有机会提出不同的观察。 下一次修改一张图时，可以先尝试说清四件事：哪里不同，为什么影响这次表达，准备改变什么，以及什么值得保护。 我们未必每次都能说清，也不必为直觉编出理由。能把一个模糊的感受推进为一次有依据的尝试，已经让创作往前走了一步。 ## 下一篇：Reference System 下一篇进入第二层：《Reference System：为什么一张参考图，可能胜过 1000 个 Prompt？》 语言能够解释差异，图片还能同时呈现构图、材质、比例、光线、字体与情绪之间的关系。我们将讨论怎样为收藏夹、Moodboard 和历史作品补上来源、职责与选择理由，让它们成为可以调用的参考证据。 --- 来源：05 · Reference System：为什么一张参考图，可能胜过 1000 个 Prompt？ 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/05-%E5%8F%82%E8%80%83%E7%B3%BB%E7%BB%9F.md # Reference System：为什么一张参考图，可能胜过 1000 个 Prompt？ > Aesthetic Engineering 系列 · 第五篇 > 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 第四篇结束时，我们留下了一个问题：即使已经能把“高级”“克制”“有呼吸感”拆成更准确的语言，为什么 AI 做出来的结果，仍然经常是每个词都对、整体却不对？ 因为语言可以解释审美，却很难完整保存视觉元素之间的关系。 这一篇进入第二层：Reference System，参考系统。我们讨论选对参考图能补充什么，以及怎样把收藏夹、情绪板（Moodboard）、历史作品和拒绝记录，整理成可以调用的审美证据。标题里的“1000 个 Prompt”是修辞比较，不是经过测试的效率倍数。 --- ## 一、语言描述元素，图像保存关系 假设我们给 AI 一段足够完整的描述：低饱和、自然硬光、大量留白、非对称构图、真实纸张材质、温暖但不柔弱、技术感但不赛博、编辑感而不是广告感。 这比“高级一点”精确了太多。但 AI 仍然可能生成完全不同的视觉世界：有的像建筑杂志，有的像独立出版物，有的像奢侈品广告，有的只是把米色、颗粒和大留白机械地拼在一起。看完以后你还是会说：都没错，但不是我要的那个感觉。 这时问题已经不是缺少更多形容词，而是缺少一个视觉坐标。 语言可以说明元素及其关系。困难在于，作品是否成立，还取决于它们以什么比例共同出现、谁是主角、哪里需要安静、哪里允许打破秩序。逐项描述容易遗漏这种整体感。 一张看似简单的海报，同时保存着主体与边缘的距离、标题与主体的空间关系、留白比例、阅读顺序、光影深度、颜色面积，以及秩序与破坏之间的平衡。这些信息当然可以用语言描述，但语言只能把原本同时发生的视觉关系，拆成一条条顺序出现的指令；图片却能把它们同时呈现。 所以，**Prompt 便于说明要求，Reference 可以同时呈现许多视觉关系。** Reference 的第一个价值，就是 High-bandwidth Taste Evidence，高带宽的审美证据。它并不比语言更“高级”，只是保留了大量很难被语言压缩的关系信息。 --- ## 二、Reference 真正改变的，是搜索空间 只写“低饱和、克制、编辑感”，仍然允许许多不同结果。我们没有说明的部分，会受到模型训练、已有上下文与生成设置的影响，不能假定它恰好就是自己希望的表达。 Reference 的作用，是先把模型带到一个更小的局部空间——“大概在这里”；Prompt 再告诉模型，这一次要往哪个方向走。 Prompt 更擅长界定任务与显式约束，Reference 更擅长压缩视觉搜索空间。 可以把这个作用理解为缩小探索范围： **把“几乎什么都可以”，变成“在这个视觉坐标附近，寻找一个新的答案”。** 这是对创作过程的解释。具体能保留哪些关系，仍取决于工具怎样接收参考以及实际输出，不能仅凭上传成功就认为参考已经生效。 --- ## 三、一张 Reference 也可能毁掉整个结果 Reference 的力量，恰恰也是它的危险，因为一张图片包含的信息太多了。 你只想借它的留白和构图，模型可能复制它的颜色；你想借自然硬光和真实材质，模型可能复制人物姿态、背景建筑和具体叙事；你想借秩序与破坏之间的关系，模型最后只学到了米色、大字和纸张颗粒。 由此产生三个常见问题： **Content Leakage**：原图里的主体、符号甚至品牌元素，被一起带进了新作品。 **Wrong Attention**：你希望模型看 A，它却重点学习了 B。 **Style Fixation**：一张参考图逐渐锚定整个创作，所有结果都越来越像它。 **Reference 的危险，不是信息太少，而是信息太丰富。** 很多人的应对方式是继续加图，却不说明每张图负责什么、哪些部分应该保留、哪些部分不能继承、彼此冲突时谁优先。结果可能混合了多种外观，却没有形成清晰的主次。这里的“平均”仍然是创作感受的比喻，不是对模型内部运算的描述。 --- ## 四、Moodboard 不等于 Reference System 情绪板帮助人建立氛围、激发联想。如果它只回答“我们大概喜欢这些”，交给下一位创作者或 AI 时，就还需要补充： - 为什么选这张？ - 到底参考哪一部分？ - 哪些东西不能复制？ - 它适合什么场景？ - 两张图冲突时听谁的，生成以后又怎样验证？ 一份已有说明的情绪板，也可以承担这些工作。本篇把保存、解释、检索与反馈接在一起的做法称为 Reference System。它让人和 AI 共同知道： **为什么看这张、看哪里、借什么、拒绝什么，以及借到什么程度。** --- ## 五、最小单位不是图片，而是 Reference Atom 组织这个系统时，可以把最小单位设为 Reference Atom，参考单元：一张图片或它的局部切片，加上为什么保存、参考什么、不参考什么、适用语境、约束强度、来源与权限，以及使用反馈。 比如保存一张杂志封面。如果只写“高级、极简、喜欢”，它几乎不可执行。但如果写成： > **Role**：Structure Reference > **Keep**：标题与主体的空间关系、阅读顺序、留白比例、单一视觉中心。 > **Change**：人物、色彩、标题内容和具体叙事。 > **Avoid**：品牌标识、标志性构图细节与完整视觉复制。 > **Scope**：适用于 3:4 内容封面。 > **Strength**：Strong。 这张图才从 Inspiration 变成 Executable Taste Evidence，可以执行的审美证据。 **参考图之外，留下一句“这次具体借什么”。** --- ## 六、每张 Reference，都应该有一份职责声明 Reference 的职责，可以先拆成六类。 **Direction Reference** 负责整体气质、情绪、时代感和世界观，回答“作品应该生活在怎样的视觉世界里”。 **Structure Reference** 负责构图、比例、留白、视觉层级和阅读路径，回答“信息和主体应该怎样被组织”。 **Relationship Reference** 负责定义“人和系统、主体和环境、秩序和破坏”之间的关系，回答“这些元素应该怎样共同构成叙事”。 **Material Reference** 负责颜色、光线、纹理和表面语言，回答“这个世界摸起来是什么感觉”。 **Detail Reference** 负责字体、线条、标注、图形和细节精度，回答“哪些微小规则让系统属于同一个人或品牌”。 **Anti-reference** 负责明确禁止进入的方向，回答“哪些方向看似合理，但我们明确拒绝”。 同一张图可以被切成多个 Reference Atom，但**每个 Atom 最好只承担一项主要职责**。 这里还需要区分 Anti-reference 和 Hard Negative。 Anti-reference 是明确禁区，例如不能出现蓝紫霓虹、发光大脑或机械手。Hard Negative 则是近邻反例：它已经非常接近目标，大部分地方甚至都不错，却仍然因为某个关键判断没有被选择。 前者定义“不能去哪里”，后者解释“为什么差一点仍然不对”。 --- ## 七、收藏夹储存欲望，取舍记录品味 收藏夹通常告诉我们曾经被什么吸引。近邻反例还能帮助说明：同样接近目标，为什么这次仍然没有选择它。 两张图都很克制，为什么选 A 不选 B？可能因为 B 的留白只是空，A 的留白参与了叙事；B 的材质看起来昂贵，A 的材质更真实；B 像成熟模板，A 仍然保留了一点陌生感。 把这种“已经很接近，但仍然不对”的原因写下来，正例与反例就能共同解释选择。 **有解释的对照，往往比单独收藏成品更方便讨论取舍。** 收藏不等于选择。收藏表达的是 Attraction——你被什么吸引；Taste 真正发生在 Selection under Constraints——在具体目标和约束下，你最终留下了什么。 所以系统里最有价值的数据，可能不是最终成品，而是：A 和 B 之间为什么选 A；v1 到 v2 删掉了什么；哪个方向被放弃；哪个关系被坚持保留。 最终稿只告诉我们最后停在哪里，修改轨迹才告诉我们判断朝哪个方向移动。 **风格是结果，形成风格的判断才是资产。** --- ## 八、Reference System 的生命周期 如果需要持续管理大量参考，可以把工作分成四个阶段、九个动作。小规模收藏可以先手工整理，不必从向量检索开始。 **建库：Capture → Atomize → Annotate。** 保存作品与出处，把整张作品拆成可以复用的视觉判断，并说明为什么有效、借什么、不借什么。 **组织：Embed → Cluster。** 综合理解图像特征、人的解释、使用语境与选择历史，把 Reference Atom 组织成动态的审美地图。 **调用：Retrieve → Assemble Candidates。** 根据当前任务召回并按职责组织候选证据，但不负责确定最终组合与优先级。 **进化：Feedback → Version。** 记录哪里有效、哪里误导了模型、哪些约束应该增强、哪些 Reference 已经过时，以及哪些项目判断值得进入长期资产。 Capture → Atomize → Annotate → Embed → Cluster → Retrieve → Assemble Candidates → Feedback → Version。 这些动作只有实际影响了下一次调用，参考库才开始积累经验。记录过反馈，不等于已经正确理解了反馈。 --- ## 九、Embedding 可以找到相似，但相似不等于 Taste 最直接的技术方案，是把所有图片做 Embedding，再检索最相似的图片。这当然有价值，但**纯视觉 Embedding 首先看见的是相似性，Taste 则发生在带有语境的取舍里。** 向量相似度可以帮助发现颜色、构图或材质接近的图，但相似度本身没有记录你为什么选这一张，也没有说明这种方法换个场景是否仍然成立。 用风格向量描述外观，只覆盖了其中一部分。这里关心的是带着目标、身份、用户与场景作出的选择。 因此，整理参考时可以同时保留五类信息： 1. Visual Embedding：看起来像什么； 2. Semantic Annotation：它表达了什么； 3. Relational Description：元素之间是什么关系； 4. Context：它在什么语境里成立； 5. Preference History：为什么最终选择或拒绝它。 向量帮助我们找到相似，选择历史帮助我们理解判断。 --- ## 十、检索的目标不是“最像” 如果只按视觉相似度检索，系统会越来越擅长 Repetition。你保存了十张米色、纸张、陶土质感的作品，下一次系统继续找一百张相似图片。很快，你的审美会被压缩成米色、陶土、颗粒、大字、留白。 但这些可能只是表面结果。真正稳定的判断也许是：人始终是行动主体，系统是被使用的对象；技术表达严谨，但不制造权威压迫；用可触摸的物质感抵消系统的抽象；用编辑秩序建立理性，用不完美保留人的存在。 这些原则完全可以通过不同颜色、材料和媒介表达。 所以检索除了看相似度，还要考虑目标、场景和身份是否匹配，是否触碰边界，来源是否清楚，以及候选有没有提供不同表达。 一次具体创作，也不需要把整个素材库交给模型。可以先召回一组职责清楚的参考候选。下面的数量仅供起步时安排，不是模型通用的最佳配置；参考增加后也要检查是否互相干扰： - 1—2 张 Direction Candidate，提供不同的总体视觉世界； - 2—4 张 Structure / Material / Detail Reference，分别负责局部维度； - 1—2 张 Relationship Reference，定义关键叙事关系； - 2—3 张 Anti-reference 或 Hard Negative，标记禁区与近邻边界。 每一张都附带 Role、Keep、Change、Avoid 和 Scope。多张 Reference 不再是一团相似结果，而像一支团队，各自承担不同职责。 但这一步还没有替项目做出最终方向选择。Reference System 负责准备、解释和召回证据；选择哪个 Anchor、怎样排序优先级、如何处理冲突、哪些变量固定、哪些变量开放，属于下一层 Art Direction。 **Reference System 提供证据，Art Direction 作出选择。** --- ## 十一、个人、品牌与项目，是三个不同层级 不是所有 Reference 都应该被当作同一层级的资产。 **Personal Reference** 回答“我长期被什么吸引？我的 Taste 正在怎样变化？”它来自长期收藏、选择、Reject、修改和跨领域的文化经验。 **Brand Reference** 回答“我们长期应该以怎样的方式被看见？”它包含稳定的身份原则、经典范例、明确禁止项和经过多项目验证的判断。它不是某个负责人的收藏夹，而是一份团队可以讨论和挑战的 Identity Contract。 **Project Reference** 回答“这次任务有哪些可调用的视觉证据、边界与候选方向？”它服务于一个明确的目标、受众、媒介与时间窗口。 这三个范围需要分别记录，避免个人收藏未经讨论就变成品牌规则。 以“审美工程”系列为例，品牌判断是：温暖但不柔弱；有技术感但不赛博；有编辑感而不是广告感；人是行动主体，技术是被理解和使用的对象。 因此，我们参考人文技术出版物的秩序、建筑图录的留白和真实材料的触感，同时拒绝蓝紫霓虹、发光大脑、机械手与悬浮玻璃卡片。 但这一次具体采用哪些 Reference、预留多少 Variation Budget，仍然属于项目级 Art Direction。项目中的偶然成功，也不能未经验证就变成永久的品牌规则。 --- ## 十二、高级的参考，是迁移结构而不是复制表面 找参考时，很容易只找与目标长得相似的图：做 AI 产品海报就搜索 AI 海报，做 Agent 控制台就参考其他 Agent Dashboard。结果是整个行业不断引用同一批模板。 还可以尝试寻找问题结构上的相似： - AI 产品海报可以参考博物馆目录的信息秩序； - Agent 控制台可以参考机场导视的优先级； - 多 Agent 协作可以参考乐队总谱的并行、节奏与协同。 这些参考在内容上可能相距很远，却能帮助理解相近的组织问题。能迁移哪一项判断，仍需放回新作品检查，不能因为原作成立，就假定迁移也有效。 寻找结构关系，给相似内容之外增加了一条路径。 --- ## 十三、Reference 的三条边界 ### 第一条：不要把模仿自动化 “所有创作都有参考”不能自动为任何模仿辩护。给模型一组同一位在世艺术家、同一个品牌或同一套作品的图片，然后要求“就做成这个风格”，并没有迁移 Judgment，只是把模仿自动化了。 Reference Contract 应该明确：借叙事节奏与信息纪律；不借字体、产品构图、品牌标识与完整视觉表达。 可以**从不同来源理解不同原则，在新的语境里重新建立关系**。这是一种创作方法，不能仅凭“用了多个来源”就判定作品已经具有原创性。 ### 第二条：不要让参考变成答案 强 Reference 会成为锚点。创作者容易无意识地继承它的主体、比例、符号，甚至偶然细节；AI 又很擅长在相似空间里继续生成。这也是 Style Fixation 的重要根源之一。 更合理的节奏是： - **Diverge**：先用远距离参考打开可能性； - **Converge**：再用 Reference System 校准方向与边界； - **Reference-off Test**：评审成品时，暂时移开参考图和创意解释，看作品自身能否传达目标。 Reference 应该是探索的坐标与校准器，而不是答案和终点。 ### 第三条：不要把个人偏好伪装成组织审美 如果系统只记录负责人喜欢什么、怎样更快通过评审，它训练出来的可能不是 Judgment，而是 Upward Taste Fitting——对上级品味的拟合。 品牌级系统必须区分身份原则、阶段策略、验证模式、个人偏好与探索范围。每条规则都应允许团队追问：它服务什么目标？在哪些语境里成立？何时可以有依据地违反？ 团队应能讨论一次坚持或偏离的理由，并在新的证据出现时更新约定。 --- ## 十四、不只记录“喜欢”，还要记录“有效” 生成以后，我们经常只留下 Like / Dislike。这远远不够。一次完整反馈至少应该拆成三层： **Aesthetic Preference**：我个人是否喜欢。 **Task Fit**：它是否适合这次表达目标、受众与媒介。 **Performance**：发布以后是否产生了预期效果。 三者可能完全不同：喜欢但不适合信息流，点击率高却侵蚀品牌身份，或者这次未采用但仍有审美价值。 所以反馈不能被压缩成“高点击 = 好审美”“没采用 = 坏 Reference”。更有价值的反馈应该写成：本轮评审认可方向，但卡片太密；陶土色符合当前约定，尚未证明它是关键原因；玻璃材质在这个版本中显得过分光滑；人物动作提供了叙事线索，但在展示尺寸下仍不够醒目。 这些具体反馈可以成为调整检索排序、参考权重、近邻反例和项目版本的依据。调整后仍需观察有没有减少相同问题。 --- ## 十五、一套今天就可以开始的 Minimum Reference System 我们不需要先开发复杂平台。一个最小可用系统，可以从五步开始。 **第一步，选一小组反复影响你选择的作品。** 例如先整理 30 张。这是限制工作量的起点，数量可以按项目调整；关键是能为每张图解释用途。 **第二步，每张只写一句“为什么”。** 不要写“高级、好看、有感觉”，写“我保留它，因为主体偏离中心，但通过标题与阴影重新建立了平衡”。 **第三步，拆成 Reference Role。** 至少区分 Direction、Structure、Relationship、Material、Detail 和 Anti-reference。同一张图可以切片，但每个 Atom 只承担一项主要职责。 **第四步，每个项目只召回一小组候选证据。** 1—2 个方向候选，3—5 个局部或关系参考，2—3 个 Anti-reference 或 Hard Negative，再加一份 Keep / Change / Avoid。最终选哪个、怎样组合和分配优先级，留给 Art Direction。 **第五步，保存选择轨迹。** 不要只保存最终稿，把 A/B 选择、Reject、修改理由和最终结果放在一起。每次项目结束后只问三个问题：哪条 Reference 真正有用？哪条误导了我们？哪个新判断值得进入长期系统？ 这样，下次打开收藏夹时，就能找到作品，也能找到当时的判断。 --- ## Reference System 最终工程化的，不是图片，而是 Judgment 今天的产品交互通常是：上传三张参考图，输入 Prompt，点击 Generate。 但更好的 Reference System 应该在你保存一张图时就问：你为什么保存它？希望复用的是构图、材质、光线，还是关系？哪些元素不能被继承？它属于个人、品牌，还是当前项目？它和过去哪次选择相似，又有什么不同？ 项目开始时，AI 不只搜索“相似图片”，而是召回 Candidate Reference Set，并说明召回原因、每张的角色、来源权限与历史反馈。 当 Art Direction 最终作出选择以后，系统还应该保留这次决策与参考之间的联系： > 最终方向调用了 A 的构图关系、B 的材质和 C 的叙事原则；D 被放弃，因为它与品牌边界冲突。 这样，团队可以从一次选择回到它调用的参考与理由。证据的职责清楚了，方向判断也更容易被复查。 把这些工作放在一起，Reference System 要保留的是： **正例 + 近邻反例 + 选择理由 + 使用语境 + 职责与作用域 + 来源与权限 + 使用反馈。** 它既保存看过的作品，也保存围绕作品作出的判断。它把“我感觉不对”变成“这一处为什么破坏了节奏”，把“就参考这张”变成“借结构，不借内容；保留关系，改变表达”，把个人直觉变成团队可讨论、AI 可执行、系统可验证的决策。 **Reference System 不是让 AI 真正拥有 Taste。它首先做的，是让人的 Taste 不再只能靠猜。** --- ## 写在最后 Taste Language、Reference Evidence 与 Choice History，共同构成这套方法里的 Taste Representation： **Taste Representation = Taste Language + Reference Evidence + Choice History** Taste Language 让审美可以被说清楚；Reference Evidence 让审美拥有可以被调用的视觉证据；Choice History 记录判断如何在一次次选择与修改中移动。Reference System 负责组织和管理后两类证据。 所以，比“我还需要写多少 Prompt，AI 才能懂我”更值得问的是： 我有没有给它看过真正定义我的选择？ 我有没有说明，我看的到底是什么？ 我有没有保存那些让我成为“我”的取舍？ **Prompt 让 AI 听见你的要求，Reference System 让 AI 看见被解释过的标准。** 持续回看这些选择，可以帮助我们理解和修正自己的判断。 --- ## 下一篇：Art Direction 下一篇，我们进入 Aesthetic Stack 的第三层：《Art Direction：为什么真正重要的选择，应该发生在生成之前？》 Reference System 提供过去哪些判断成立，以及哪些视觉证据可以被再次调用；Art Direction 决定这一次要用这些证据建立怎样的世界。 如果没有 Art Direction，Reference 再丰富，也仍然只是一组等待被选择的证据。下一篇，我们继续讨论如何把 Reference 从“我喜欢这些”，转化成一份真正可以指导生成、比较与迭代的 Creative Direction。 --- 来源：06 · Art Direction：为什么真正重要的选择，应该发生在生成之前？ 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/06-%E8%89%BA%E6%9C%AF%E6%8C%87%E5%AF%BC.md # Art Direction：为什么真正重要的选择，应该发生在生成之前？ > Aesthetic Engineering 系列 · 第六篇 > 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 参考图选好了，每张也说明了借什么、不借什么。生成之前，我们仍然要作出决定：这次到底用哪些，准备怎样组合？ Reference System 可以告诉我们，过去哪些判断成立，哪些图像值得参考，哪些边界不能触碰。它却无法替这一次项目回答：我们究竟要建立一个怎样的世界？谁是主角？什么必须保持一致？什么值得探索？多个目标发生冲突时，应该牺牲哪一个？ 这些问题，属于 Aesthetic Stack 的第三层——Art Direction。 这一篇讨论怎样把选择写进方向。标题强调“生成之前”，是提醒我们提前约定目标和优先级；有些关系只有看见结果后才能判断，方向也需要随之更新。 --- ## 一、不是模型不会生成，而是我们太早开始生成 今天开始一次视觉创作，最自然的动作已经变成：打开生成工具，输入 Prompt，点击 Generate。 第一批不满意，就改几个词；第二批方向不对，就加几张参考图；第三批仍然差一点，再继续抽卡。很快，文件夹里出现几十甚至几百张结果。它们各有优点，却无法被放进同一个世界。 我们以为自己在迭代，其实很多时候只是在扩大样本量。 生成越便宜，这种陷阱越隐蔽。因为每一次点击都有新结果，过程看起来一直在前进。但如果没有先决定什么值得生成，更多结果可能带来更多局部诱惑：这一张光线很好，那一张人物不错，另一张材质很高级。最后我们从不同方向各拿一点，拼成一个没有明确立场的平均答案。 在这样的场景里，需要检查方向是否清楚。模型执行失败也可能同时存在，两类问题要分别处理。 模型可以帮助提出问题与方向，项目仍需要明确本轮准备依据什么展开。 先说明候选应该围绕什么展开，后续生成才更容易形成可比较的结果。 --- ## 二、Art Direction 不是选择一种 Style 很多人把 Art Direction 理解成选风格：极简还是繁复，写实还是抽象，未来感还是复古感，黑色还是米白色。 风格可以帮助定位外观，Art Direction 还需要决定这些外观怎样支持作品的关系和目标。 同样是“克制”，可以来自大量留白，也可以来自严格的信息层级；同样是“技术感”，可以来自蓝色发光界面，也可以来自精密结构、编号系统与清晰的因果关系；同样是“温暖”，可以来自柔和颜色，也可以来自人物拥有主动权、材料保留触感、系统不制造压迫。 如果 Art Direction 只停留在颜色、字体和风格标签，它仍然只是一个更详细的 Prompt。 Art Direction 需要回答： - 这次作品要让谁产生什么感受、理解或行动？ - 它应该生活在怎样的视觉世界里？ - 人、技术、信息与环境之间是什么关系？ - 哪个元素拥有最高叙事权重？ - 什么必须固定，什么可以变化，什么绝对不能出现？ - 当美感、信息、品牌与传播发生冲突时，谁优先？ 因此，本篇把 Art Direction 理解为：为即将发生的创作选择，建立目标、边界与优先级。 --- ## 三、Reference 提供证据，Art Direction 作出选择 第五篇里，我们把 Reference System 定义为可追溯的审美证据系统。它负责保存正例、近邻反例、选择理由、使用语境、职责与反馈。 但“有证据”不等于“有结论”。 项目开始时，Reference System 可能召回两组都成立的 Direction Candidate： - A 方向更具编辑感，安静、理性、适合建立长期身份； - B 方向更具戏剧性、冲突更强，可以作为信息流场景的探索候选；传播表现仍需实际验证。 系统可以说明它们分别支持什么，却不能脱离目标决定应该选哪一个。因为最终选择取决于这次任务究竟更看重长期身份，还是即时传播；更希望观众停下来思考，还是立刻采取行动。 Reference 是 Evidence，Art Direction 是 Decision。 前者回答“过去有哪些判断可以被调用”，后者回答“这一次，我们选择相信什么”。 **参考职责说明希望借鉴什么，方向优先级决定这次什么最重要。** --- ## 四、先提出 Direction Hypothesis，而不是直接寻找答案 Art Direction 不应该一开始就假装自己拥有唯一正确答案。更好的做法，是先提出一个 Direction Hypothesis，方向假设。 例如： > 如果我们把“AI 帮助人进行判断”表现为“人整理一套可以触摸的复杂系统”，而不是“人被智能网络包围”，作品可能更温暖、更可信，也更符合这个系列的人文技术立场。 这个假设包含主体关系、叙事立场和预期效果。生成与评审可以检查关系是否画出来；观众是否觉得温暖、可信，还需要相应的观看反馈。 一条完整的 Direction Hypothesis，通常由四部分组成： **Intent**：我们希望观众理解或感受到什么。 **Tension**：作品内部最重要的矛盾是什么。 **Relationship**：人物、系统、信息与环境如何相互作用。 **Expression**：用怎样的视觉机制让这种关系被看见。 例如，主题是“技术越来越强，人的判断反而更重要”： - Intent：让人意识到 Taste 不是装饰，而是生成时代的核心能力； - Tension：无限可能与有限选择之间的张力； - Relationship：AI 展开可能性，人负责取舍与收束； - Expression：大量分叉最终进入一个清晰出口，而不是用发光大脑代表智能。 方向假设的价值，是让生成不再只回答“好不好看”，而开始验证“这个视觉关系能否成立”。 --- ## 五、先决定世界，再决定画面 单张图片很容易漂亮，系列作品却很容易散。原因是我们常常逐张设计，却没有先决定这些作品共同生活在怎样的世界里。 这里的“世界”包括背景，也包括人物、技术和环境之间反复出现的关系。 可以比较两种假想表达：一种让技术巨大、发光，人被包围、连接或控制；另一种让技术成为被阅读、整理、触摸和使用的对象，人不一定占据最大面积，却拥有行动权。这是两种关系选择，不能据此把所有赛博视觉都归为压迫，也不能把某种配色当成人文立场的证明。 这两个世界都可以使用黑色背景、网格和数据，但它们讲的是完全不同的故事。 所以 Art Direction 首先要建立 World Statement： > 这是一个技术被人理解和使用的世界，而不是人被技术奇观吞没的世界。 一旦世界成立，很多局部选择就不再是孤立偏好： - 人物姿态应该是行动，而不是仰望； - 系统应该可被理解，而不是神秘发光； - 材质可以复杂，但不能失去触感； - 构图可以宏大，但不能削弱人的主体性。 **艺术指导需要让团队理解，这些作品为什么采用相近的关系。** --- ## 六、一个方向必须拥有 Anchor 一份 Art Direction 里可以有很多要求，至少应明确一项发生冲突时优先保护的核心判断。本篇把它称为 Anchor，方向锚点。 Anchor 是当所有要求发生冲突时，仍然不能丢失的那条核心判断。它可以是一种关系、一个隐喻、一条叙事原则，但不能只是“高级”“简洁”这样的通用形容词。 例如，“审美工程”系列的 Anchor 不是米白色，也不是陶土材质，而是： > 人是判断与行动的主体，技术系统是被理解、整理和使用的对象。 有了这条 Anchor，我们就能处理冲突： - 一张图很有冲击力，但把人画成技术奇观前的弱小旁观者——拒绝； - 一张图没有使用既有颜色，却准确表达了人对系统的主动整理——可以继续； - 一张图材质非常高级，但叙事关系仍然是传统 AI 图标拼贴——不成立。 Anchor 让团队知道，什么是可以牺牲的表面，什么是不能牺牲的内核。 没有 Anchor，所谓“综合一下”通常就是把所有意见平均；有了 Anchor，取舍才有方向。 --- ## 七、把变量分成 Fixed、Open 与 Forbidden 一份 Creative Brief 经常写了很多要求，却没有说明它们的强度。结果是模型和团队把所有条件当成同一级别：既要统一，又要创新；既要高级，又要醒目；既要克制，又要信息丰富。 为了便于执行，可以把变量分层。以下以本系列的封面方向作示意，其中的颜色与元素边界只适用于这个例子。 ### Fixed：必须固定 这些是项目的身份支点，一旦改变，方向就不再成立。例如： - 人是行动主体，技术是被使用的对象； - 保持单一视觉中心； - 标题优先于装饰； - 不用发光制造技术感。 ### Open：允许探索 这些变量可以变化，用来产生真正有意义的候选方向。例如： - 主体可以是人物、手、工具或抽象装置； - 材料可以是纸张、陶土、金属或织物； - 构图可以偏置、俯视或局部特写； - 色彩可以在暖灰、深绿和陶土色之间探索。 ### Forbidden：明确禁止 这些是本示例明确排除的表达，团队认为它们会干扰当前身份或叙事。例如： - 蓝紫霓虹渐变； - 发光大脑、机械手和人形机器人； - 无意义粒子网络； - 只为显得高级而加入的随机英文； - 对具体品牌或艺术家标志性表达的复制。 Fixed 建立连续性，Open 保留创造力，Forbidden 守住边界。 固定过多可能挤掉探索空间，开放过多则可能让候选失去共同目标。具体怎样安排，需要结合项目阶段。 --- ## 八、Variation Budget：创新不是越多越好 每个项目都希望“既统一，又有新意”。但如果不说明新意可以发生在哪里，这句话几乎不可执行。 我们需要一个 Variation Budget，变化预算。 它回答的不是“要不要创新”，而是： > 这一次允许多少变化？变化应该集中在哪些维度？哪些维度变化以后，其他部分必须保持稳定？ 例如，一张系列封面可以这样分配： - 世界观：固定； - 人与技术的关系：固定； - 字体系统和信息层级：固定； - 核心隐喻：高变化； - 主体形态：中变化； - 构图与材料：低到中变化； - 色彩：只在品牌允许区间内变化。 这比“保持系列感，但不要和上一张太像”准确得多。 变化预算用来协调系列身份与新意：让稳定的判断通过不同表达出现，同时约定这次在哪些地方尝试变化。 **连续性来自不变的原则，新鲜感来自被允许变化的变量。** --- ## 九、不要只做一个方向，要制造可比较的方向 过早锁定方向，容易被已有方案限制；始终不作选择，又可能让生成失去重点。 可以先建立 2—3 个彼此不同的方向候选。这个数量是讨论起点，可以根据预算调整。它们不应该只是同一方案的配色变化，而应该代表不同的判断。 比如同一篇“Reference System”文章，可以提出三种方向： **方向 A：视觉坐标** 把 Reference 表现为地图上的坐标，强调搜索空间压缩。 **方向 B：证据档案** 把每张 Reference 表现为带有 Role、Keep、Avoid 的档案卡，强调可追溯性。 **方向 C：判断路径** 用 A/B 选择、Reject 与版本变化表现 Taste，强调品味存在于取舍中。 三个方向都符合文章，却在传播重点、视觉隐喻和信息密度上明显不同。团队可以比较：哪个最符合这次任务？哪个最属于这个系列？哪个最有继续展开的潜力？ 这些候选把不同判断放到了一起，团队可以说明为什么更愿意继续其中一个。 **候选的差异值得被讨论，生成才更容易帮助作出决定。** --- ## 十、把方向写成一份 Direction Contract 当方向只存在于负责人脑中，团队只能通过一次次评审猜答案。模型也只能从零散 Prompt 里推断优先级。 所以 Art Direction 最终需要形成一份 Direction Contract，方向契约。它不必很长，但应该让人和 AI 都能执行。 一份最小 Direction Contract，可以包含七项方向决策，以及一组支撑这些决策的 Reference Stack。 ### 1. Intent 这次作品希望谁理解什么、感受到什么、采取什么行动。 ### 2. Direction Hypothesis 我们相信哪种视觉关系最可能实现这个目标。 ### 3. World Statement 作品生活在怎样的世界，这个世界遵循什么因果关系。 ### 4. Anchor 发生冲突时，哪一条判断拥有最高优先级。 ### 5. Fixed / Open / Forbidden 什么必须一致，什么允许探索，什么不能进入。 ### 6. Variation Budget 创新集中在哪里，允许变化到什么程度。 ### 7. Evaluation Criteria 最终根据什么标准判断方向成立，而不是只问“喜欢不喜欢”。 ### Supporting Evidence：Reference Stack 每张 Reference 承担什么职责，借什么、不借什么，为上述七项决策提供证据。 它是一份可以被作品和新证据修正的共同约定。 **Creative Brief 描述任务，Direction Contract 约定判断。** --- ## 十一、Art Direction 决定的不是一张图，而是结果分布 艺术指导本来就会面向系列与多种输出。生成式系统进一步扩大了候选规模，使我们更需要关注：同一组条件下，什么结果容易出现，什么结果只是偶然命中。 同一条提示可以产生不同结果。艺术指导除了修正单张作品，还需要约定： - 哪类结果更容易出现； - 哪类结果即使好看也应该被排除； - 哪些维度需要保持稳定； - 哪些维度应该产生差异； - 怎样的差异仍然属于同一个方向。 这些约定既用于指导执行，也用于检查一组结果是否处在希望探索的范围内。它们不能直接保证模型按约定生成。 需要反复交付时，就要检查不同结果能否保留已约定的身份与边界，以及做到这一点需要多少筛选和修正。 可以用下面的概念关系提醒自己，同时检查方向、生成和评审： **Output Quality ≠ Best Lucky Sample** **Output Quality = Direction Quality × Generation Quality × Judgment Quality** 这里的等号与乘号是比喻，没有定义可计算的质量函数。方向、生成和判断都可能影响结果，记录实际输出才能知道哪一部分需要调整。 --- ## 十二、生成可以验证方向，但不能替代方向 强调“选择发生在生成之前”，并不意味着所有事情都必须在生成前想清楚。 有些方向只有被看见以后，才能被理解。模型也可能产生我们没有预料到、却真正成立的关系。如果 Art Direction 过度完整，探索就会变成对预设答案的机械执行。 所以 Direction Contract 不是 Final Answer，而是一个可以被证伪和更新的 Hypothesis。 生成以后，我们不只评判画面好不好看，还要确认：方向假设是否成立，Anchor 是否被看见，开放变量是否带来了有意义的差异，以及有没有值得反过来更新方向的新可能。 这时，生成是一场 Direction Experiment。它可以验证和修正方向，却不应该替代方向本身。 好的 Art Direction 不是拒绝意外，而是能够判断哪些意外值得留下。 **Art Direction 决定探索什么；Generation Protocol 决定怎样探索。** --- ## 十三、生成前最重要的评审，不是看图，而是看选择 如果团队等到视觉结果出现后才开始认真评审，那时可能已有不少成本发生：方向被锚定，情感投入形成，漂亮的局部开始干扰判断。 更有效的方式，是增加一次 Pre-generation Review，生成前评审。 它不评审画面，而评审下面这些选择： - 目标是否清晰，还是同时想服务所有人？ - Direction Hypothesis 是否可以被验证？ - 两三个 Candidate 是否代表真正不同的判断？ - Anchor 是否足以处理冲突？ - Fixed / Open / Forbidden 是否清楚？ - Reference 是否各有职责，而不是风格堆叠？ - Variation Budget 是否符合项目阶段？ - 成功标准是否能被团队共同理解？ 生成前改一句 Direction，可能比生成后改一百张图更便宜。 更重要的是，这次评审把讨论从“我喜欢 A、你喜欢 B”，提升为“哪个方向更符合目标、身份与语境”。团队不再只交换偏好，而是共同检查判断。 --- ## 十四、Art Direction 也可能成为权力工具 Direction 必然包含选择，而选择必然涉及权力。 如果所谓 Art Direction 只是把负责人的个人偏好包装成不可挑战的规则，它不会提高 Judgment，只会让团队更擅长猜测上级喜欢什么。 成熟的 Direction Contract 应该区分： - 不可妥协的品牌原则； - 这次项目的策略选择； - 基于证据提出的方向假设； - 负责人的个人偏好； - 被允许挑战的探索区域。 Art Director 的价值，不是拥有最后一句“我觉得不对”，而是能够说明： > 为什么不对？它破坏了哪个目标、关系或优先级？什么证据可以改变这个判断？ 方向需要领导者作出明确选择，但明确不等于武断。真正强的 Art Direction，既能减少模糊，也能为有依据的偏离留下空间。 **Art Direction 不是控制所有表达，而是对关键判断承担责任。** --- ## 十五、一套今天就可以开始的 Minimum Art Direction 我们不需要先建立复杂流程。每次生成前，只要回答下面七个问题： 1. **Intent**：这次希望谁理解或感受到什么？ 2. **Direction Hypothesis**：我们相信怎样的视觉关系能够实现它？ 3. **World Statement**：作品生活在怎样的世界？ 4. **Anchor**：如果发生冲突，什么绝对不能丢？ 5. **Fixed / Open / Forbidden**：什么固定，什么探索，什么拒绝？ 6. **Variation Budget**：变化主要发生在哪里？ 7. **Evaluation Criteria**：我们如何知道这个方向成立？ 然后只建立 2—3 个真正不同的 Direction Candidate，每个方向配一组职责清晰的 Reference Stack。先比较方向，再开始规模化生成。 如果第一轮结果不成立，不要立刻改几十个 Prompt。先判断问题发生在哪一层： - Intent 错了； - Direction Hypothesis 不成立； - Reference 证据不足； - Anchor 没有进入画面； - 变量分层不清； - 还是模型执行确实失败。 不同问题需要不同修正。把 Direction Failure 当成 Prompt Failure，只会让我们在错误方向上写出越来越长的 Prompt。 --- ## Art Direction 最终工程化的，是选择发生的顺序 很多人把 AIGC 工作流理解为： > Prompt → Generation → Selection → Revision Art Direction 在它前面增加的，不只是一个步骤，而是一组决定后续质量的判断： > Intent → Direction Hypothesis → World → Anchor → Constraints → Reference Stack → Generation 这些约定给生成后的比较提供了依据。候选可以沿着当前问题探索，观察也可以促使我们修改原来的问题。 拍摄、印刷和制作成本高时，我们通常更重视提前作出决定。生成成本降低以后，这一步容易被反复尝试替代；筛选与返工却仍然需要时间。 但生成成本下降，并没有让方向变得不重要。在能够大量生成候选的任务里，缺少方向的代价可能变成：有许多看起来还可以的东西，却迟迟无法决定下一步。 在批量生成之前说明关键选择，可以减少后续无依据的反复。 --- ## 写在最后 Taste Language 让判断可以被说清楚。 Reference System 让判断拥有可以被调用的证据。 Art Direction 则把语言和证据转化为这一次项目的选择、优先级与边界。 面对许多可能的方向，我们可以先回答三个问题： > 我们为什么要创造？ > 我们选择建立一个怎样的世界？ > 在这个世界里，什么最重要？ 生成可以提供答案，但方向决定我们向它提出什么问题。 下一次准备批量生成时，先说明这一轮想探索什么。 --- ## 下一篇：Generation Protocol 下一篇，我们进入 Aesthetic Stack 的执行层：《Generation Protocol：为什么一次生成，不应该只是一次抽奖？》 Art Direction 已经规定了世界、Anchor、变量层级与变化预算。接下来要解决的是：怎样把一个方向转化为有结构的生成实验？如何设计批次、变量与对照组？如何让每一轮生成都带来信息，而不是只带来更多图片？ 如果没有 Generation Protocol，再清晰的方向也可能在无序抽卡中被消耗。下一篇，我们继续讨论怎样把 Generate 从一个按钮，变成一套可以比较、记录和复查的创作过程。 --- 来源：07 · Generation Protocol：为什么一次生成，不应该只是一次抽奖？ 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/07-%E7%94%9F%E6%88%90%E5%8D%8F%E8%AE%AE.md # Generation Protocol：为什么一次生成，不应该只是一次抽奖？ > Aesthetic Engineering 系列 · 第七篇 > 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 生成了几十张图，终于挑出一张不错的。第二天，同样的任务再来一次，却又得从头试起。 这可能是 AIGC 创作里最让人疲惫的时刻：我们交付了作品，却没有更接近理解它为什么成立。 上一篇，Art Direction 帮助我们在生成前确定方向：作品要表达什么，什么不能丢，哪些地方允许探索。但方向写清楚以后，仍然需要面对模型的随机性，以及画面出现后才会暴露的问题。 这一篇，我们进入执行层——Generation Protocol，生成协议。这里的“协议”不是技术接口，而是一份轻量约定：这一轮要解决什么问题，结果怎样比较，以及看完之后准备做什么。 它不承诺让每次生成都成功。它希望做到的是： **即使这一轮没有得到好作品，也能让下一次选择更有依据。** ## 一、为什么生成了很多，却不知道自己进步在哪里 第一轮嫌画面太冷，换了配色；第二轮嫌人物不对，换了参考图；第三轮觉得不够醒目，又改了构图和模型。结果终于变好了，却说不清哪个改动有效。 不同问题被混在同一轮里处理，结果虽然变了，判断依据却没有积累下来。 不过，我们也不必把所有自由尝试都叫作“无效抽卡”。随手探索、寻找惊喜，本来就是创作的一部分。一次性作品未必需要完整记录，偶然得到的好图也不会因此失去价值。 希望反复交付、形成系列或跨人协作的任务，更需要这种约定。此时，我们不仅要有一张可用的图，还需要知道：下次怎样更有把握地得到可用结果。 生成也并非没有成本。除了模型调用，还有等待、筛选、返工和注意力消耗。尤其当结果越来越多，评审者可能已经忘记最初的问题，只是在寻找更新鲜的刺激。 因此，生成之前最值得问的不是“这次出几张”，而是： **这一轮结束后，哪个决定会变得更容易？** 如果当前最大的障碍是读者看不懂主题，继续比较十种纸张颗粒，可能获得很多细节知识，却没有推进作品。学习的价值不在数量，而在它是否减少了影响下一步选择的不确定性。 ## 二、从一张好图，转向一次有问题的生成 一张图可以证明某种结果出现过，却不足以说明它容易出现，也很难说明为什么出现。 因此，我们可以把组织生成和复盘的基本单位，从单张图片调整为一次 Generation Run：围绕一个主要问题，生成并观察一组有比较关系的样本。 这不是要求每次都批量出图，而是让图片带着问题出现。比如，同样是生成十二张封面： 一种方式是连续点击，挑最喜欢的一张。 另一种方式是比较三种人物与系统的关系，每种先生成四张，看看哪种更容易表达本次主题。四张只是示例起点，不是证明结论可靠的标准。 区别不在数量，而在每张图能帮助回答什么。 这里还有一个容易走向僵化的地方：是不是每次只能改一个变量？ 不必。动作、镜头和构图常常相互依赖，强行拆开，可能让候选本身失去表现力。更实用的原则是：**一次只解决一个主要问题，并明确哪些变化是一起发生的。** 可以比较两套完整表达，但应把结论限定为“哪套组合更适合”，不要顺手把功劳归给其中某个元素。 协议的目的，是让取舍可解释，不是把创作变成只能逐项调参的工作。 ## 三、一个完整案例：从“人在操作”，到“人拥有判断权” 我们以一张假想的“审美工程”系列封面为例。目标是表达：AI 提供大量可能，人负责判断什么值得留下。 > 以下为方法示意，候选、观察与后续判断均用于演示，不是已经执行的实验报告。 ### 先把问题缩小 这次不讨论什么颜色最高级，也不比较哪种材料最新颖。我们先解决一个问题： **什么动作，能让读者看见人正在作出选择，而不只是做事？** 初始假设是：人物主动操作系统，比站在系统前观看，更容易表达人的主体性。但“有动作”是否足够，还需要观察。 为了让比较有意义，我们尽量保持相同的画幅、人物尺度、镜头距离、光线、材料和标题区域，使用同一模型与版本。参考图仍按各自职责使用，不让某组额外获得更强的视觉指导。 主要变化是人物的动作关系： **候选 A：观看，作为基线** 画面设计：人站在一组候选卡片前，没有接触 希望观察的差异：容易被理解为观看，还是也能表达判断？ **候选 B：整理** 画面设计：人把候选卡片排齐 希望观察的差异：动作是否只传达了劳动与秩序？ **候选 C：选择** 画面设计：人从候选中取出一张，放进留存区 希望观察的差异：是否能让“取舍”被看见？ 三组都应该认真设计，不能故意把 A 做得暗淡、把 C 做得精美。那样比较的可能只是完成度。 ### 把“执行正确”和“表达有效”分开 第一步检查模型执行：动作有没有画对？手与卡片的关系是否清楚？是否擅自改变了人物比例或场景？ 如果 B 没画出整理动作，不能据此认定“整理不适合这个主题”。那首先是执行问题。执行失败也应记录，不能悄悄丢弃，让某个方向看起来更稳定。 第二步检查表达：找几位接近目标读者的人，先不解释创意，也不告诉他们我们偏爱哪组。将图片打散呈现，分别询问：“你觉得这个人在做什么？这张图想表达什么？” 这只是寻找误读的轻量检查，不代表受众总体结论。可以先看无标题画面，再放回真实封面，确认标题与图像能否共同工作。 ### 假如出现这样的观察 A 被理解为“参观展览”，B 被理解为“整理档案”，而 C 虽然出现了取出卡片的动作，却仍有人看不出为什么取这一张。 这时，收获不该只是“选 C”。 可以据此提出下一条假设：**在这个主题中，只有动作可能还不够；让选择及其后果可见，也许更有助于表达人的判断权。** 下一轮就不必同时换配色和材料。可以沿 C 继续，比较“只有取出动作”与“同时看见留存和舍弃区域”两种表达，检查取舍关系是否更清楚。 而如果 A 反而更容易被理解为审慎判断，也应保留它，重新检查初始假设。实验不是替既定偏好寻找证明。 这个案例展示的不是一条保证成功的 Prompt，而是一次判断如何被收窄、质疑，再变成下一轮的问题。 ## 四、探索、比较与收敛，分别需要什么 上面的案例主要处于比较阶段。但还没找到方向时，我们需要更开放；方向成立以后，则需要更稳定。 可以用三种模式组织生成，不必另背一套复杂流程。 **探索：让可能性拉开距离。** 主题相同，可以尝试人物取舍、物理筛选装置、编辑式信息结构等不同表达。此时不要因为某张图完成度最高，就过早认定它最好；一个粗糙但准确的新关系，也可能值得继续。 **比较：让差异有理由。** 缩小候选范围，尽量统一无关条件。像封面案例一样，让观看、整理、选择代表可以讨论的判断，而不是三张什么都不同的图。 **收敛：保护已经成立的部分。** 确认取舍关系有效后，就不必每轮重开世界观。接下来可以处理手部接触、卡片间距和标题空间。局部修改还要检查是否破坏了原有叙事。 探索需要开放，比较需要可比，收敛需要连续。它们可以往返，但往返应有原因：是发现了新可能，还是现有方向无法继续？ 把这套方法迁移到 AIGC 带货视频，同样可以先比较“先呈现使用痛点”与“先展示产品”的开场路径，再打磨镜头与节奏。商品事实和承诺边界应保持一致。 不过，内部觉得某版更清楚，不等于它真实转化更好。表达检查之后，还需要在合适的投放条件下验证业务效果，不能把审美偏好直接写成增长结论。 ## 五、比较能告诉我们什么，不能告诉我们什么 生成协议借用实验的纪律，但不是一套自动发现因果关系的机器。至少要守住三条边界。 ### 一起变化的因素，不能随意拆开归功 如果我们同时把蓝色换成暖灰、玻璃换成纸张、人物从仰望改成操作，最后画面更符合人文技术立场，只能先说明这组表达更适合当前任务。 究竟哪项变化起了作用，仍不清楚。实验设计中的因素混杂提醒我们：不同影响可能混在结果里，无法直接分开。[NIST 实验设计术语](https://www.itl.nist.gov/div898/handbook/pri/section7/pri7.htm) 明显违背方向的图可以用来说明禁区，但不能代替细致对照。要讨论主体性，就别同时用更漂亮的配色替它助阵。 ### 小样本的观察，不能升级为永久规则 “这轮 C 更容易被理解”是局部观察；“主动动作永远更好”是过度推断。 材料、内容和媒介换了，判断可能改变。每次结论都应带着适用条件，以及什么证据会让我们改变看法。 初轮可以给候选相近的样本与打磨预算，避免只拿某组的幸运赢家比较。后续根据观察追加资源则完全合理，只要记录追加了什么，别把不同投入伪装成同等比较。 ### 写进 Prompt 的固定条件，不等于画面真的固定 模型可能在改变动作时，也改变镜头、光线或人物尺度。所以“固定变量”既是输入约定，也是结果检查项。 随机种子 Seed 能帮助管理部分随机性，却不是全面复现的保证。Diffusers 官方文档也明确提醒：相同 Seed 并不保证所有情况下得到相同结果。[Diffusers 复现说明](https://huggingface.co/docs/diffusers/en/using-diffusers/reusing_seeds) 工具不开放 Seed 时，记录可获得的设置并重复生成即可，不要假装控制了不可见的条件。 因此，记录应保留条件、观察、选择理由和待验证的解释，让后续比较能继续检查它们。 ## 六、从幸运样本，到稳定可用的生成条件 如果任务只是做一张封面，一次意外命中的结果可能已经足够。但如果要连续做二十张，问题就变了： 我们需要的不只是最高点，还包括到达可用结果的难度。 回到封面案例。假设某种“人物选择卡片”的构图偶尔极好，但大部分结果都画不清手与卡片的接触；另一种构图不那么惊艳，却更容易保留取舍关系，也更方便排标题。 不能脱离任务说哪一种更优。艺术探索可以承担更高的不确定性，系列生产则需要认真考虑返工负担。 因此，一组结果至少值得观察： - 多少样本满足本轮核心要求； - 失败反复发生在哪里； - 修到可用还需要多少人工处理； - 换一个内容或画幅后，关键关系是否仍然成立。 这些观察不必合成一个总分。它们帮助我们区分：哪些缺陷可以低成本修复，哪些困难来自方向本身。 评估一次局部编辑时，也不能只看“卡片修好了没有”，还要看“人的动作关系有没有被破坏”。否则，局部变精致，整体却后退了。 **稳定不是每次长得一样，而是在允许变化时，重要的判断仍能留下。** ## 七、什么时候继续、回退、编辑或停止 生成协议不只是安排下一轮。它还应该帮助我们识别：下一步是否仍然值得生成。 **当前观察：核心关系成立，只剩手部、字距等局部问题** 更合适的下一步：进入编辑或排版，避免整图反复重做 **当前观察：模型始终没执行出约定动作** 更合适的下一步：检查指令、参考与工具执行能力 **当前观察：动作执行正确，读者仍然误读主题** 更合适的下一步：回到方向假设，重新设计表达关系 **当前观察：多轮结果只重复表面变化** 更合适的下一步：停止扩样，比较现有候选或调整问题 **当前观察：出现偏离预期但有价值的新表达** 更合适的下一步：保留分支，决定是否另开一次探索 停止也需要预算。开始前约定可投入的时间、调用成本和评审精力；到达上限时，可以作出暂定选择，也可以承认尚无足够证据。不要因为已经花了很多，就继续投入。 停止生成，不等于停止创作。一次实验结束后，仍可能进入人工编辑、读者检查或媒介适配。 同样，没有新知识也不意味着这一轮没有价值。在收敛阶段，完成最后一个必要修正，本身就是进展。我们不需要为了满足“每轮都有洞察”，强行为执行工作编造新发现。 协议要解决的是无意识的循环，而不是阻止人把作品做完。 ## 八、一张最小实验记录：留下判断，也留下意外 不必先开发平台，也不必每轮填十几个字段。可以先用一张记录卡，把关键判断留下来。 沿用前面的示意案例，它可以这样填写： > **本轮问题**：怎样让读者看见人在取舍，而不只是做事？ > **生成安排**：观看、整理、选择三组；尽量保持场景与画面条件一致；每组先出四张，作为探索起点。 > **预先观察**：先查动作是否执行，再查读者如何理解；先用一轮生成和一次轻量读图检查决定是否继续。 > **观察与边界（示意）**：取出动作仍可能被误读；这提示选择后果不够清楚，不能证明某种动作普遍更优。 > **下一步**：比较有无留存、舍弃区域的表达；保留现有配色和材料，不同时重开其他问题。 Prompt、参考图、模型与设置、候选及修改版本，附在记录后面即可。工具能自动保存的，就不要让创作者重复抄写；人主要补充系统无法替自己承担的解释与选择。 记录中还应允许出现“尚不确定”。看到一张意外的好图，不一定立刻知道它为什么成立。可以先保留，注明它打破了什么预期，再决定是否单独探索。 不是所有惊喜都需要当场转化成规则。也不是所有失败都值得长期收藏，只留下能说明误读、边界或下一步方向的样本。 如果表格越来越完整，团队却从不因为观察改变行动，就需要缩减记录，重新检查哪些信息会影响决策。 **协议是否有用，不看填了多少字段，而看它有没有让下一步更清楚。** ## 写在最后 生成协议把一个容易被忽略的动作放回了创作：在下一次点击之前，说明自己还不知道什么，准备通过哪些结果继续判断。 Art Direction 约定方向与边界，Generation Protocol 组织探索与记录；观察可以让我们继续，也可以让我们回头修正方向。人的判断不只发生在最后挑图的那一刻，也发生在决定比较什么、相信什么，以及何时停下的时候。 自由探索仍然有价值，偶然的好作品仍然值得留下。但当我们希望从一次成功走向持续创造，就需要让成功和失败都留下可用的线索。 **下一次点击 Generate 之前，先问一句：这一轮结束后，哪个决定会更容易？** 下一篇，我们进入判断层：《Aesthetic Critic：AI 如何帮你做判断？》。本篇约定如何获得可比较的结果，下一篇将展开怎样评价这些结果：哪些证据支持选择，哪些分歧需要保留，以及为什么审美判断不能被一个总分代替。 --- 来源：08 · Aesthetic Critic：AI 如何帮你做判断？ 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/08-%E5%AE%A1%E7%BE%8E%E8%AF%84%E5%AE%A1.md # Aesthetic Critic：AI 如何帮你做判断？ > Aesthetic Engineering 系列 · 第八篇 > 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 两张封面摆在面前。 一张精致、完整，像成熟出版物；另一张还有些粗糙，却更准确地说出了文章想表达的东西。 你让 AI 帮忙选。它回答：“第一张构图均衡、色彩高级，整体更具专业感。” 你又问：“但第二张是不是更能体现人的判断权？” 它随即给出另一套同样流畅的理由。 这是一个假想的评审场景。问题不在于 AI 必须坚持第一次结论，而在于：我们不知道它究竟看见了新的证据，还是只是顺着提问，换了一种解释。 上一篇，Generation Protocol 帮助我们组织生成，让候选结果拥有可以比较的条件。这一篇，我们进入判断层：面对这些结果，AI 怎样帮助我们理解差异、提出修改，并作出有依据的取舍？ 我们把这套辅助评审机制称为 Aesthetic Critic。它的价值，要体现在结论能够被检查，建议能够被执行，分歧能够被说清楚。 **一个有用的 Critic，应该让选择的理由更清楚，也让错误的判断更容易被发现。** ## 一、评价之前，先说明什么值得被留下 “哪张最好看”听起来是一个问题，实际上包含许多不同的要求。 同一张图可能让人喜欢，却不适合作为信息流封面；也可能准确解释主题，却不符合系列身份。没有语境，评审者只能自行补全“好”的含义。 因此，Critic 的输入应当包括真实候选图，以及这次任务的受众、媒介、目标和优先级。第五篇的 Reference System 提供参照证据，第六篇的 Direction Contract 提供这次选择的依据。参考图还要说明借什么，避免评审悄悄变成“谁最像参考”。 可以把检查分成四个问题： **第一，约束与准确性。** 文字、内容、关系是否出错，是否违背明确要求？ **第二，表达与阅读。** 主要信息能否被看见，阅读顺序是否支持主题？ **第三，身份与新意。** 是否延续关键原则，同时提供值得保留的新表达？ **第四，完成度与可修复性。** 执行到什么程度，剩余问题需要怎样处理？ 这四个问题需要按项目与阶段确定优先级和通过条件。 对于系列封面，主题表达可能优先于材质精致；对于制作即将结束的交付稿，文字错误必须先修。文字正确通常不是加分项，而是交付条件，不能拿漂亮配色抵消。 还要分清“暂时不能发布”和“方向不值得继续”。一处可修复的错字，会阻止直接交付，却未必需要淘汰整个创意。 评审从这里开始，才有可能讨论真实取舍：我们愿意接受什么缺陷，为什么，以及接受到哪一步。 ## 二、先让 AI 指出证据，再听它解释 “高级、克制、有呼吸感”可以描述感受，但单靠这些词，很难检查判断。 一条有用的评语，应当连接三个层次： **观察：图上具体有什么。解释：它可能带来什么影响。判断：在本次目标下，我们怎样处理。** 例如： > 观察：背景卡片与主卡片使用了接近的线条粗细和面积。 > 解释：被选中的卡片可能不够突出，取舍关系容易被读成普通整理。 > 判断：本次需要突出“选择”，建议先降低背景卡片的视觉权重。 观察需要回到图上核对。解释仍是假设，不能因为写得流畅，就变成已经验证的读者感受。判断则依赖项目目标；换成强调平等参与的主题，相同构图可能有另一种意义。 为了减少“知道创作意图以后，替画面补故事”，可以先让 AI 只描述候选中的动作、空间关系和可读文字，再提供目标与参考，进行第二轮评审。保留两轮结果，观察哪些含义是在解释以后才出现的。 如果模型没有看清局部，就应标出不确定的位置，必要时结合全图查看裁切或更清晰的版本。仅靠 Prompt 和创作者的说明，不能代替对实际输出的检查。 同样，评审不能只发生在原图放大的状态。封面需要放到实际展示尺寸和裁切条件下看，视频需要检查时间上的动作与节奏。静态截图只能为被检查的那一帧提供证据。 **AI 写下的每一个关键理由，都应该允许我们回到作品里问：依据在哪里？** ## 三、一个完整案例：精致与准确之间，怎样选择 继续使用上一篇的封面主题：AI 展开可能，人判断什么值得留下。 > 以下候选、评语与修改结果均为示意，用来说明评审方法，不是实际实验或用户研究结果。 假设生成以后，我们留下两个待打磨版本： - **甲：档案墙。** 卡片排得整齐，材质与排版完成度高，人物正在推齐一列卡片。 - **乙：选择台。** 人物把一张卡片放进独立区域，其余候选仍留在桌面，局部接触关系有些生硬。 这次在比较值得继续的方向，预留了局部修正时间；“让取舍被看见”优先于材质完成度。 ### 先看图，再说明它为什么影响目标 对甲，Critic 应先指出：人物接触的是整列卡片，没有明显的选出对象或选择后果。因此，它可能更容易传达整理与秩序。 对乙，Critic 应指出：被取出的卡片与其余候选有空间分离，形成了可读的选择线索；但手与卡片的接触不清晰，可能削弱动作的可信度。 这时，比较已经具体起来：甲的问题涉及主题关系，乙的问题更接近局部执行。 但不能直接宣布乙一定更好。还应检查，所谓“独立区域”在实际封面尺寸下是否可见；修复接触关系是否可行；如果必须立刻交付，现有缺陷是否可以接受。 ### 给出有条件的建议 一份有用的结论可以是： > 暂选乙进入修正。它目前更接近本次的表达目标，但尚不适合直接发布。保留人物、主卡片与留存区的关系，先修复接触位置，再检查缩略图。甲保留为排版参考。若乙在实际尺寸下仍然读不出取舍，应重新检查方向。 这里没有把甲永久标成“坏图”，也没有把乙包装成已经验证的赢家。 ### 修改以后，检查有没有失去原来的优点 假如修改版让手部更自然，却把主卡片移回了候选群中，Critic 就应该指出：局部执行改善了，支撑初次选择的证据却消失了。 这也是评审必须记录“为什么保留”的原因。只记录哪里要改，下一轮可能修好了缺陷，却失去了作品最值得留下的关系。 最后，可以请接近目标的读者在不听创意解释的情况下阅读封面。若在这次检查中反复出现“归档”的理解，就应重新考虑这个隐喻，并记录观察范围。模型的解释只帮助提出和检查假设，不能代替受众反应。 ## 四、好的批评，要给修改留下边界 “信息太密，建议简化”，听起来正确，执行时却可能删掉关键证据。 能进入修改的建议，需要交代：哪一处影响了哪个目标、优先改什么、什么必须保留，以及怎样知道修改有效。 在封面案例中，“简化乙”可以具体为： > 保留被选卡片与留存区的分离关系；先降低背景卡片的线条对比，不改变人物动作；修改后检查第一眼能否找到被选对象。 这比列出十条优化建议更有用。它同时给出了修改方向和保护范围。 批评也需要排序。可以先区分：阻止交付的问题、影响核心表达的问题，以及有余力再处理的细节。不要让一个轻微材质瑕疵，与主题读不懂拥有相同的讨论时间。 建议还应允许被否定。如果降低背景对比之后，候选集合几乎消失，观众便看不出“从多个可能中选择”，这项修改就可能过头了。 稍微偏置的构图，可能正是让画面产生张力的原因，不一定需要修正。Critic 应说明它造成了什么实际困难，再决定是否介入。 评审的产物不只有问题清单，还应包括一份简短的保留理由。 ## 五、评分模型有价值，但分数没有替我们完成取舍 面对大量候选，自动评分很有吸引力。Reward Model，即奖励模型，可以从人的比较或评价数据中学习偏好信号。 这已有具体研究实践。例如 ImageReward 使用人类评分与排序反馈训练文生图偏好模型，并研究如何用评分反馈改进生成。[ImageReward 原始论文](https://arxiv.org/abs/2304.05977) 这说明偏好可以被部分学习。但在本系列的应用里，还要追问：模型学到的是哪些人、哪些任务和哪些生成结果中的偏好，是否适用于眼前这个项目？ “预测某种偏好”与“解释这次为什么值得保留”，仍是两项不同的工作。 分数也不必只有一个。MPS 研究将文生图偏好区分为审美、语义对齐、细节质量和整体评价，尝试按维度学习评价。[多维人类偏好研究](https://arxiv.org/abs/2405.14705) 因此，本篇建议把评分作为评审的一项输入：在任务上验证后，帮助组织大量候选、提示异常或辅助初筛。进入关键取舍时，再展开证据、约束与修复代价。 尤其要避免把多维度简单平均。甲可能因为更精致得到更高总分，但本次若优先表达“取舍”，我们仍需要说明这一项为何更重要。权重是一个选择，不能因为写成数字就免于讨论。 对于探索性作品，也值得保留少量低分但有新关系的候选，并抽查被筛掉的结果。否则系统可能在我们看见它们之前，就删掉了值得挑战现有标准的表达。 **分数可以帮助排序，取舍仍需要说明它服务什么目标。** ## 六、让 AI 做评审，也要检查评审本身 我们不能因为 Critic 能指出生成模型的错误，就默认它自己可靠。 2024 年的 MLLM-as-a-Judge 研究在视觉语言评审任务中，观察到了成对比较、评分和批量排序之间的能力差异，以及偏差、幻觉和判断不一致。它不是针对当前所有模型或封面审美的统一结论，却提供了一个明确提醒：评审能力需要在具体任务中验证。[MLLM-as-a-Judge 原始论文](https://proceedings.mlr.press/v235/chen24h.html) 对自己的创作系统，可以先留一小组未用于调试的作品：包括已核实的明显错误、接近目标的反例，以及团队有合理分歧的作品。前两类检查它能否发现问题，后一类观察它能否说清不同取舍。 还可以做几种有针对性的检查： - **交换呈现位置。** 保持作品身份与内容不变，看看结论是否无理由地跟着左右位置变化。 - **核对视觉证据。** 它指出的手部错误、文字和空间关系，是否真的存在？ - **小范围改图再评。** 只修复一处问题后，它是否识别了变化，也发现了被破坏的优点？ - **保留未知问题。** 缺少用户数据时，它能否承认不知道传播效果，而不是编出确定预测？ 这些检查用来寻找可靠性问题，仍应允许有依据的审美分歧。模型自己报出的高置信度，也不能替代实际校准。 多叫几个模型并不自动解决问题。相同错误可能被重复认同。第二位评审的价值，在于提供可核对的新依据，而不只是多一张赞成票。 这里还有一个更深的风险：如果每轮生成都根据同一个 Critic 的偏好修改，它的评价标准就开始塑造后续作品。久而久之，系统可能越来越擅长获得高评价，却没有更接近真实读者。 因此，评审提示、标准和模型发生变化时，也应保留版本，并定期用未参与调试的案例和真实读者反馈检查方向。 ## 七、分歧应该被解释，新的表达也应有位置 AI 认为甲更好，设计师选择乙，负责人又偏向甲。遇到这种分歧，平均分往往解决不了问题，因为大家可能根本没在回答同一个问题。 先区分分歧发生在哪里： **证据分歧**：有人认为人物在选择，有人只看见整理。回到画面、展示尺寸和读者理解，检查依据。 **优先级分歧**：双方都承认甲更精致、乙更贴题，但对交付速度与表达目标的排序不同。需要项目负责人明确取舍与代价。 **偏好或探索分歧**：某个陌生表达难以放入现有规则。可以保留小规模验证的机会，不必立刻把它归为错误。 人的最终决定也需要理由。“我更喜欢”可以是一种真实偏好，但不应被伪装成“所有用户都需要”。反过来，已有规则也不必成为永久答案：若新作品提供了更好的表达依据，就可以回到方向约定，明确更新理由和适用范围。 放到 AIGC 带货内容中，美术可能关注视觉表达，编导关注叙事节奏，业务关注点击与转化。Critic 可以帮助指出冲突，但不能从“更有冲击力”直接推导“带货更好”。商品信息是否准确、观众是否理解、投放是否有效，需要各自的证据。 **成熟的评审，不要求所有人喜欢同一张图，而要求关键分歧能够被定位。** ## 八、一份今天就能用的最小评审约定 不必先训练一个专属审美模型。一次小规模实践，可以从实际候选、明确目标和一份简短评审约定开始。 输入包括：真实作品及展示条件、本轮优先解决的问题、明确约束，以及少量标注了参考职责的正反例。第一次描述画面时，暂不提供创意解释；后续评审再补上目标。 可以要求 AI 按下面的方式工作： > 先描述实际可见的差异，再结合目标解释影响。看不清的位置请指出，不要补造细节。 > 比较候选时，分别说明值得保留的部分、最重要的问题和支持判断的证据。 > 给出本轮最值得做的一项修改，注明必须保护的关系。 > 可以建议暂选、修正、保留分歧或两张都不采用。说明哪些信息可能改变建议。 > 不要把个人偏好写成普遍规律，也不要在没有数据时预测点击率或转化率。 判断责任随后按任务分配：明确规则可交给工具辅助检查；有歧义的视觉证据回到作品核对；影响方向和取舍的决定由负责人承担；受众理解与业务效果由相应验证补充。 保存记录时，不必收藏整段漂亮评语。留下候选版本、评审条件、关键依据、采用或推翻的建议，以及最后采取的动作，就能让下一次复盘知道判断如何变化。 衡量 Critic 的价值，可以看它是否帮助发现了重要问题、减少了无效修改，以及保护了作品已经成立的部分。批评写得越多，不代表帮助越大。 ## 写在最后 Aesthetic Critic 把人的感觉带进了可以讨论的空间，但这个空间里仍然需要判断。 有人要决定什么最重要，有人要核对证据，有人要允许新的表达暂时不被旧规则理解。AI 可以参与其中，帮助我们观察、比较、提出修正，也接受同样的检查。 生成扩大了候选范围，评审也需要保护其中容易被完成度掩盖的表达，以及尚未被多数偏好认可的尝试。 下一次请 AI 选图时，除了问“哪张更好”，还可以多问一句： **你看见了什么？它为什么影响这次选择？什么证据会让你改变判断？** 下一篇，我们进入《Taste Memory：让 AI 记住你的审美》。一轮评审结束以后，哪些选择值得进入长期记忆？怎样保存语境与修改理由，让系统逐渐理解你的判断，又不把一次偏好固化成永远的规则？ --- 来源：09 · Taste Memory：让 AI 记住你的审美 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/09-%E5%AE%A1%E7%BE%8E%E8%AE%B0%E5%BF%86.md # Taste Memory：让 AI 记住你的审美 > Aesthetic Engineering 系列 · 第九篇 > 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 你连续三次选中了米白底、陶土色的封面。 第四次，你想做一张关于冲突与失序的海报。AI 依然给你温暖的纸张、整齐的版式、安静的人物，还认真解释：“这符合你一贯的审美。” 它记住了一些东西，却可能记错了最重要的部分。 前三次，你选择那套表达，也许因为它适合系列身份，也许因为人物的动作准确传达了主题。配色只是这些作品共同拥有的特征，并不一定是你选择它们的原因。 在这个假想场景里，重复熟悉外观被误当成了理解偏好。 上一篇，Aesthetic Critic 帮助我们把选择的理由说清楚。这一篇，我们继续追问：一轮评审结束以后，哪些经验值得留下？下一次创作时，它们应该怎样参与判断？当你改变了，系统又怎样跟上？ 我们把这套保存、调用和更新审美经验的机制，称为 **Taste Memory，审美记忆**。在本系列中，它是一种工作方法，不预设必须采用某种模型或产品。 **审美记忆的价值，在于让过去的选择帮助下一次判断，同时为改变留下空间。** ## 一、一次选择，包含了多少没有说出口的条件？ “用户选了乙，所以用户喜欢乙的风格。” 这是一个很容易写进系统的结论，也省略了许多关键条件。 乙可能只是这一批里相对合适的方案。用户也许更喜欢另一种表达，但生成结果没有提供它；也许甲更有潜力，只是没有时间修；还可能两个都不满意，最后为了按时交付暂时接受乙。 这些选择的含义并不相同。 延续上一篇的示意案例：甲是精致的“档案墙”，人物在整理卡片；乙是尚待修正的“选择台”，人物把一张卡片移入独立区域。本轮需要表达“人决定什么值得留下”，而且留有修改时间，所以暂选乙。 如果只保存“乙胜出”，下一次系统可能学到“偏爱桌面场景”“喜欢不对称”，甚至“接受粗糙的手部”。影响这次决定的条件反而丢失了。 这条经验更准确的表述应当是： > 在需要表达“取舍”的系列封面中，优先保留能够看见选择对象与选择后果的构图。乙在这一点上更接近目标，因此进入修改；手部问题仍须修复。甲可以继续作为排版参考。 这里保存了目标、比较依据、阶段和保留意见。它比一个“喜欢”复杂一点，却更接近这次决定实际表达的意思。 **选择提供了偏好的线索。要把线索变成可复用的经验，还需要知道：你在什么条件下，从哪些可能里，作出了怎样的取舍。** ## 二、记忆的最小单位，是一段有依据的选择经历 第五篇的 Reference System 解决“参考什么、借鉴什么”。Taste Memory 则需要补上时间中的经验：参考之后发生了什么，哪些判断被采用，哪些理由后来被推翻。 同一张图可以进入参考库，也可以成为一段选择经历的证据。两者服务不同的问题。 为了让记录足够轻，本篇建议围绕六项信息整理关键选择。已有内容可以直接关联，不必每次重写。 **当时在做什么。** 记录任务、受众、媒介与本轮优先级。探索方向和最终交付，应明确区分。 **实际比较了什么。** 保留看过的候选和版本；如果两个都不满意，也要允许记录“都不采用”。没有展示过的方案，不能被当作遭到拒绝的方案。 **最终采取了什么动作。** 是采用、暂选、局部借用、要求重做，还是因为时间不足暂时接受？一个收藏动作也未必意味着认可整张作品。 **理由从哪里来。** 区分人的原话、AI 的推测与后续验证。不要让模型生成的一段解释，悄悄变成用户已经确认的偏好。 **什么值得保留，什么仍然有问题。** 被选中的作品不必全盘继承；未被选中的作品也可能拥有值得复用的局部。 **后来发生了什么。** 修改是否保住了优点，实际展示时是否成立，用户有没有改变主意。结果尚未回来，就保留为未知。 这些信息不要求每次开会填一张复杂表单。候选可以自动关联，任务可以从当前创作约定带入，人只需要在关键取舍上补一句准确的话。 例如：“保留乙的选择关系，修手部；这次选它不是因为配色。” 这样一句有针对性的补充，比事后生成一页审美形容词更有帮助。 也不必强迫每个偏好立刻拥有完整解释。“我更喜欢这个，但暂时说不清”可以作为真实记录留下。系统可以提出解释假设，等下一次比较再检验，不能替人补写一个确定的理由。 ## 三、从经历到偏好，中间需要一层可以被推翻的假设 保存记录之后，系统还需要整理。否则每次创作都要重新阅读全部历史，经验很难真正进入工作。 但整理不能一步跳成“用户就是这样的人”。 本篇建议把审美记忆分成三个层次。 ### 第一层：发生过的事 保存原始选择及其证据。例如：“在这次封面任务中，用户暂选乙，要求保留选择关系并修复接触位置。” 这是一段历史。后来不喜欢乙了，也不必改写当时确实发生过的决定；应该增加后续记录，说明变化。 ### 第二层：目前的理解 从若干经历中提出有范围的假设，例如：“在解释判断权的文章里，用户倾向于让人的动作产生可见后果。” 它应关联支持案例，也保留反例和未知条件。同一批候选里连续几次选择，不能轻易当成跨任务的稳定偏好；系统可能只是反复提供了类似的选项。 一次明确的长期要求，可以比多次含糊点击更有约束力。反过来，一次临时交付，也不应因为发生得最近就覆盖之前的清晰约定。 这里不需要编造一个看似精确的“偏好置信度”。写清“本人明确提出”“只在一个项目中观察到”“仍有反例”，已经能支持许多实际判断。 ### 第三层：当前允许怎样使用 一条假设经过确认，才可以在对应范围内成为默认建议；明确要求则按用户指定的范围生效。还在探索中的理解，可以用于提出候选，不宜据此提前淘汰作品。 例如，“这个系列避免赛博视觉”可以进入系列约定；“用户喜欢所有技术内容都用纸张纹理”仍可能只是系统的过度推断。 **原始经历、偏好假设和当前约定，需要能够分别查看、分别修改。** 否则，只要一次总结出了错，后续每一轮都可能继续引用它，再把自己的重复当成新的证据。 ## 四、下一次调用记忆，先问这次哪里相似 假设审美记忆已经保存了“选择台”的经验。 现在要做一张关于组织协作的海报。系统找到相似的纸张、人物和卡片，于是再次画出一个人，把一张卡片从群体中拿走。 视觉很熟悉，主题却可能走偏：原本要表达共同参与，结果又强调了个人筛选。 调用记忆时，只寻找外观相近的案例还不够。更值得检查的是：当前目标、关系、媒介与历史条件是否相似。 对新任务，系统可以先给出一段简短说明： > 本次沿用系列的文字层级和有限配色。过去“让动作产生可见后果”的经验仍可参考，但“选出一张卡片”的隐喻不适用于本次协作主题。建议探索多人共同改变一个对象的关系。 这段说明让我们知道，历史经验具体影响了什么，也知道哪些部分没有被迁移。 对于审美偏好，当前明确要求应优先于历史默认。如果用户说“这次要尖锐、拥挤、有冲突感”，系统就应据此调整，而不是不断把作品拉回温暖、安静的旧方向。 记忆也不必整段塞进每次生成。可以只带入与任务有关的几条约定、对应的正反例，以及需要避免的已知误解。 它在不同环节的作用也应有所区别：生成前帮助确定起点，生成中提示过去尝试过的路径，评审时帮助回忆哪些关系曾被明确要求保留。 过去被喜欢的作品，可以成为参照；新的作品仍然需要接受当下目标的检查。 ## 五、更新与遗忘，让记忆跟得上人 审美会随着个人经历、群体交流、文化接触和具体语境发生变化。 一个人从留白走向浓烈，从规整走向手作，从喜欢解释清楚转向愿意保留暧昧，都可能是新的经验进入了判断。系统需要容纳这种变化。 但新旧选择不一致，也不一定代表长期偏好已经改变。 可以先区分三种情况。 **这次的语境不同。** 同一个人可以喜欢安静的研究报告，也喜欢热烈的音乐海报。应该补充适用条件，允许两种倾向同时存在。 **这是一次有意识的探索。** 用户想暂时离开熟悉的风格。可以把它记为本次实验，等结果和反馈回来，再决定是否扩展为新的默认方向。 **原来的理解需要修正。** 用户明确说“以后不要再把温暖理解成必须用米白底”，就需要更新相关假设，以及依赖它生成的摘要和默认提示。 关键分歧值得确认，但不必每次点击都打断创作。系统可以先在当前任务中执行；当变化将影响后续默认行为时，再用一句具体的话确认：“这次的新方向，只用于本篇，还是以后也作为系列选项？” 遗忘也有不同含义。某条经验不再适用，可以退出默认调用，同时保留历史；用户要求删除的内容，则应连同派生摘要一起处理，避免删掉原始记录后，错误结论仍在继续生效。 让人能够看见、修改、暂停和删除记忆，是这套方法的一部分。尤其是“一次采用”和“愿意让系统长期据此理解我”，不能被默认当作同一件事。 ## 六、越懂你，越需要给陌生表达留位置 设想一种循环：系统认为你喜欢留白，所以只提供留白方案；你从中选出一张，它又把这次选择当成你喜欢留白的证据。 循环可以不断加强，却始终没有回答：如果出现一种信息更密、关系更准确的表达，你会不会更喜欢？ 这正是只保存赢家的局限。我们看到的选择，也受到系统展示范围的影响。 因此，Taste Memory 除了保存采用结果，还应知道这一轮探索了什么、哪些方向根本没有进入候选。若全部方案都来自同一种模板，这一轮就不足以支持广泛的偏好结论。 实际创作中，可以保留一小部分有意挑战历史偏好的候选。例如，同一个主题同时尝试延续熟悉表达、改变一种关键关系，以及一个有明确创意理由的陌生方向。 不必给探索设定通用比例。时间紧、系列一致性要求高时，可以更克制；需要寻找新方向时，就应扩大差异。重要的是，陌生作品不能只因“不像过去选过的”便在评审前消失。 也可以暂时隐藏历史推荐理由，先看作品，再对照记忆，减少“系统说这是我的风格，所以我应该喜欢”的暗示。 一个有用的问题是： **这次的记忆，帮助我更快看见了好方案，还是让我更少看见其他可能？** ## 七、怎样知道记忆真的有用？ 记录更多、调用更多，都不足以说明系统更懂你。 一个小规模验证，可以选取未参与记忆整理的新任务，比较使用记忆和不使用记忆时的实际创作过程。尽量保持当前任务说明、模型、生成数量与评审条件可比，并让评审者先看作品，再看生成条件。 不必急着合成一个总分。先观察几个具体问题： - **沟通是否更省力？** 已经明确说过的要求，还需要重复解释多少次？ - **迁移是否更准确？** 系统有没有把一个项目的临时选择误用到另一个项目？ - **创作是否仍有空间？** 候选是否只是外观重复，还是出现了符合目标的新表达？ - **纠正是否能生效？** 更新一条错误记忆以后，后续相关任务是否真正改变？ 少量任务的结果可以帮助定位问题；要判断能否稳定复用，还需要更多不同条件下的观察。 还要把不同反馈分开保存。创作者说“更符合我的表达”，读者说“更容易理解”，业务数据表现更好，分别回答了不同问题。 放到 AIGC 带货内容中，一条视频被采用，可能因为商品展示更准确、修改成本更低，或恰好符合当期活动。不能仅凭采用结果，就认定团队喜欢这种叙事节奏；也不能凭单次投放结果，把视觉风格直接写成提升转化的原因。 先保存观察及其条件，再决定能支持多大的结论。记忆需要积累证据，也需要限制自己的推断。 ## 八、从下一次选择开始，建立最小审美记忆 不用一开始就训练专属模型。可以先围绕一个持续创作的系列，把记录、调用和更新跑通。 每次完成关键选择后，留下下面这段简短记录即可。候选原图或视频要能回看，不能只剩文字总结。 > **任务与版本：** 这次为谁、在什么媒介上表达什么？比较了哪些实际候选？ > **决定与阶段：** 采用、暂选、局部借用，还是都不采用？ > **理由与来源：** 哪个差异影响了选择？这是人的说明，还是 AI 待确认的解释？ > **保留与修正：** 下次必须保护什么，哪些缺陷不应被学成偏好？ > **适用边界：** 只适用于本次、整个系列，还是尚未确定？ > **后续变化：** 修改和实际反馈带来了什么新证据？哪些旧理解需要更新？ 开始下一次任务时，可以请 AI 这样使用它： > 结合当前目标，只调用相关的历史经验。说明本次沿用什么、哪些条件不同。 > 区分明确约定与未经确认的偏好假设；不要把临时妥协总结为长期偏好。 > 当新要求与历史默认冲突时，按当前要求工作，并标出需要更新的理解。 > 保留有理由的新方向；不要因为它不符合历史外观就提前排除。 每完成一个项目，再回看一次：哪些经验真正被复用，哪些只是一次性的决定，哪些总结已经过度。维护时，重点检查这些经验现在意味着什么，以及下次是否仍然适用。 ## 写在最后 前面的文章，让我们逐渐能够描述审美、组织参考、确定方向、展开生成，并解释一次选择。 Taste Memory 把这些选择放进时间里，让下一次创作有机会从上一次走得更远。 它应该记得，你为什么曾经留下那张图，也记得你后来为什么改变主意。它可以帮助你保持某些重要的原则，也应该允许那些原则被新的作品、新的经历重新解释。 当系统说“这符合你的审美”时，我们可以继续问： **你记住的是我选过什么，还是我为什么选择？如果今天的我改变了，你能否一起更新？** 下一篇，我们进入 Brand Taste：当这些经验属于一个品牌，来自不同角色，又要跨项目持续使用时，怎样建立共同的审美判断，并让它有依据地演进？ --- 来源：10 · Brand Taste：如何让 AI 理解一个品牌？ 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/10-%E5%93%81%E7%89%8C%E5%AE%A1%E7%BE%8E.md # Brand Taste：如何让 AI 理解一个品牌？ > Aesthetic Engineering 系列 · 第十篇 > 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 设想同一个品牌，由三个团队制作了三批 AI 内容。 品牌海报安静、克制，像一本生活杂志；带货视频节奏急促，每句话都在催你下单；客服文案又显得过分亲昵，仿佛与你认识多年。 它们使用了正确的 Logo、标准色和字体。单独检查，每一份似乎都符合某些要求。放在一起，却像三个不同的人在说话。 这是一种值得讨论的创作困境：当规范能约束外观，却不足以解释具体取舍时，内容可以做得越来越多，品牌的表达却未必越来越清楚。 上一篇，Taste Memory 讨论如何保存一个人的选择经历，并允许理解随着人更新。这一篇，我们把问题推进到品牌：当经验来自不同角色，服务不同场景，又要跨项目使用时，AI 应当依据什么作出建议？ 本系列把这套与品牌有关的判断能力称为 **Brand Taste，品牌审美判断**。它涵盖视觉、语言、叙事与人与产品的关系，不预设必须训练一个专属模型。 **理解一个品牌，需要理解它为什么作出某些选择，以及在什么条件下愿意改变。** ## 一、从“符合规范”走到“理解取舍” Logo 的留白、字体的使用、按钮的形态，都可以成为明确规则。这些规则让执行有依据，也减少不必要的反复。 但它们未必足以回答：这条视频应该先展示产品，还是先呈现一个人的困扰？为了更快吸引注意，能否采用让用户感到被贬低的表达？这一次大促，节奏和情绪可以走到哪里？ 这些问题涉及优先级，也涉及品牌希望怎样对待用户。 一个把“帮助人从容生活”写进主张的品牌，可以使用鲜明颜色和快速剪辑。但如果每条内容都在制造“你现在的生活很失败”的感受，就需要重新检查表达与主张的关系。 反过来，一张安静的米白色海报，即使外观十分熟悉，也可能没有让读者理解产品到底解决什么问题。 所以，品牌审美判断至少要能说明三件事： - **我们希望被怎样理解？** 这次表达与品牌长期主张有什么关系？ - **我们用什么建立这种理解？** 哪些可见、可听、可感受的证据支持它？ - **发生冲突时怎样取舍？** 什么可以调整，什么需要停下来重新讨论？ 这不意味着现有品牌规范缺少价值。成熟规范本来就可能包含原则、语气与场景边界。Brand Taste 要做的是让这些内容能够参与具体创作，并把新的判断有依据地补回去。 ## 二、品牌一致性，需要明确哪里可以变化 “像我们”不应只靠一套固定外观来判断。 产品说明需要清楚，节日活动可以热烈，用户遇到问题时需要认真回应。它们的情绪与信息密度可以不同，但应能让人感受到相互兼容的态度。 Mailchimp 的内容规范区分了相对稳定的品牌声音与随情境变化的语气，并要求考虑读者当时的情绪状态。这提供了一个具体参照：表达可以调整，同时保留较稳定的立场。[Mailchimp：Voice and Tone](https://styleguide.mailchimp.com/voice-and-tone/) IBM Carbon 的字体策略也提供了面向任务操作与面向阅读表达的两组样式，并讨论怎样根据用户任务在适当区域组合使用。[Carbon：Typography Style Strategies](https://carbondesignsystem.com/elements/typography/style-strategies/) 这些规范并非 Brand Taste AI 系统的效果证明。对本篇而言，它们帮助我们看见：一致性可以通过有依据的变化实现。 在此基础上，本篇建议把品牌约定写成四个层次。 **长期立场。** 希望给用户带来什么感受，建立什么关系，愿意坚持什么取舍。例如，帮助用户理解产品，尊重他们现有的生活，不用居高临下的方式教育他们。 **识别线索。** 哪些视觉、语言和叙事特征帮助品牌被认出？包括已有的标识规范，也可以包括反复使用的视角、动作、构图关系与表达节奏。 **场景规则。** 同一原则进入商品页、短视频、活动海报和服务说明时，具体怎样体现？短视频可以加快进入主题，商品页需要展开细节，服务说明应先解决问题。 **探索范围。** 哪些部分允许尝试新表达？试验用于哪个项目，何时回看，满足什么条件后才考虑成为长期约定？ 四层的作用，是让创作者知道自己拥有哪些选择空间。把所有偏好都写成禁令，系统会难以探索；把所有原则都写成形容词，系统又无法判断边界。 ## 三、一个案例：同样带货，为什么有的表达更属于品牌？ 假设有一个家居品牌，主张“让日常更从容”。这次要为一款收纳盒制作短视频，既需要说明用途，也希望延续品牌对生活的态度。 > 以下品牌、候选与评审过程均为虚构示意，不代表真实投放、用户研究或商业结果。 三个团队给出了不同方向。 **甲：展台。** 产品在干净背景里缓慢旋转，光影、配色与品牌规范一致，画面精致，但没有说明它如何进入日常生活。 **乙：抽屉。** 一个人在普通房间里整理桌面，把散落的小物放进收纳盒，再取出需要的东西。动作具体，但镜头有些拖沓，局部背景干扰视线。 **丙：训话。** 开头用杂乱房间吸引注意，文案质问“你还要让家乱成这样多久”，随后快速展示整理后的结果。 如果只比较外观，甲最接近已有品牌素材。如果把开场刺激程度误当成传播效果，丙又可能被高估。乙的完成度尚需改进，却提供了另一种关系：产品帮助人解决一件具体的小事。 这时，Brand Taste 应把判断连接到品牌主张和本轮任务。 对甲，需要指出的是：它保留了识别线索，但用途证据不足。可以补充使用过程，或转作适合的产品展示素材。 对乙，需要保留的是：人物拥有行动权，产品的价值通过动作展开。下一步可以缩短等待镜头、减少背景干扰，检查产品尺寸和收纳关系是否准确。 对丙，需要讨论的是：开场把生活状态变成对人的责备，与本次约定的尊重态度冲突。问题无法仅靠换成品牌字体来解决，需要调整叙事立场。 一份有用的建议可以写成： > 暂选乙继续制作。它更接近本次“通过具体用途表达从容生活”的方向。保留自然使用动作，压缩与信息无关的停顿；甲可提供产品细节镜头。丙需要先改写开场立场。三个方向的传播表现均尚未验证。 品牌判断在这里影响了生成、选择与修改。同时，它也给后续验证留下了问题：用户是否理解用途？动作是否可信？品牌态度是否被感受到？ **“属于品牌”需要落到作品中的证据，也需要接受真实受众的检查。** ## 四、让一次判断变成可复用的品牌经验 第九篇已经讨论了如何保存选择的条件、理由与变化。进入品牌场景，还需要补上两个信息：谁作出了决定，以及这个决定适用于多大范围。 美术负责人对材质的建议、编导对节奏的修改、业务负责人对活动信息的要求，都有价值，却不应被混成一句没有来源的“品牌偏好”。 同样，“这次为了赶活动接受这个版本”，不能自动变成品牌长期认可这种表达。 可以把一条经验写成下面这样： > 在收纳产品的用途说明短视频中，优先用人的实际动作呈现价值。依据是本轮方向约定与已确认的候选比较；当前仅适用于这类内容。允许更紧凑的剪辑，但要保留理解操作所需的信息。受众反馈尚待补充。 这条经验可以支持下一轮创作，又没有把所有视频都锁定成同一种叙事。 为了让 AI 更容易理解边界，案例库应同时保存几种材料：符合方向的作品、外观相近但立场不同的反例，以及经过说明后被接受的新表达。尤其值得留下“当初为什么犹豫，后来依据什么改变了决定”。 单独收藏大量成片，未必能告诉系统哪些特征可以迁移。一组有比较依据的案例，往往更容易支持具体讨论。 也要保留尚未解决的分歧。某个表达还没有共识时，可以作为待验证方向存在，不必由 AI 提前总结成全体成员的共同意见。 ## 五、怎样让这些约定进入 AI 的工作？ 把品牌手册放进知识库，只完成了资料准备。接下来要决定：每一轮创作调用哪些内容，用来影响什么动作。 本篇建议先从一套可检查的工作方式开始。 **生成前，形成当前任务的品牌约定。** 带入本次需要坚持的立场、相关识别线索、场景规则，以及少量有解释的正反例。明确哪些是硬要求，哪些只是参考方向，哪些地方允许探索。 **生成时，检查差异是否仍有空间。** 同一个收纳盒，可以从清晨准备、工作间隙、临时收拾等不同情境切入。共同立场可以相同，叙事不必全部复制。 **评审时，要求指向具体证据。** 例如，哪一句话改变了品牌对用户的态度，哪个镜头省略了理解产品所需的过程。先解释差异，再决定保留、修改、转作他用或放弃。 **修改后，回看最初值得保留的部分。** 为了提速删掉关键动作，可能让视频更利落，却让产品价值变得不清楚。第八篇的“保护原有优点”，在这里仍然成立。 **交付后，更新有来源的经验。** 记录采用条件、例外和后续反馈；涉及长期约定的变化，由有责任的人确认，再进入默认调用。 如果把这套能力称为 Brand Taste Model，需要说明这里的“模型”指什么。它可以先是一套明确的判断表示与工作流程，是否需要训练参数模型，应由实际问题决定。 例如，重复出现的视觉识别任务、偏好排序任务，可以分别评估是否值得引入专门模型。但学习到相似外观，不能据此证明系统理解了品牌立场；当场景、规范或生成方式变化时，仍需要新的检查。 **先验证约定是否帮助作出更好的选择，再决定哪些部分值得进一步自动化。** ## 六、业务效果怎样参与，而不吞掉其他判断？ 品牌内容需要服务业务。把业务反馈完全隔离在外，审美判断就可能只在内部成立。 但反馈进入系统时，应保留它实际回答的问题。 一条视频点击更多，说明在对应的展示与人群条件下，它获得了更多点击。用户是否理解产品、购买后是否符合预期、是否形成品牌识别，还需要各自的证据。 在虚构案例中，假如后来某个更急促的版本表现更好，也不能直接写成“用户喜欢品牌更焦虑”。可能起作用的是更早展示用途，也可能与活动信息、人群和投放条件有关。这些因素需要进一步比较，才能判断哪些解释得到支持。 可以先区分三类检查。 **当前约定是否满足。** 商品信息与画面是否准确？表达是否触碰本次明确的品牌边界？这些问题需要有对应依据。 **内容是否完成任务。** 观众能否理解用途，找到关键信息，顺利完成下一步？通过相应的阅读、观看或使用反馈检查。 **业务与品牌产生什么结果。** 记录实际转化等业务表现，也在合适的范围内检查品牌识别、理解与长期体验。不要把单次短期指标当成所有结果的替代。 这三类结果可能发生冲突。负责人需要说明接受什么代价，并记录决定，而不是用一个总分把冲突藏起来。 品牌立场也并非永远不能改变。如果证据表明原有表达妨碍理解，或者品牌希望进入新的阶段，就可以正式更新约定。关键是把变化写清楚，避免一次活动的例外悄悄成为长期默认。 ## 七、共同判断，需要明确的修改权 个人审美记忆可以围绕一个人更新。品牌记忆面对多个角色，必须说明哪些建议能直接采用，哪些变化需要共同讨论。 可以先明确三个责任问题，按实际影响安排讨论与确认。 **谁定义本轮要达成什么？** 项目负责人说明目标、场景与取舍，避免评审过程中不断改变题目。 **谁对关键依据负责？** 产品信息由掌握事实的人核对，视觉与叙事建议由相关创作者解释，业务结论由相应数据支持。AI 可以辅助检查，也需要给出对应来源。 **谁有权更新品牌默认？** 局部修正可以在现有约定内完成；会影响后续项目的立场、识别线索或场景规则变化，应有明确负责人和版本记录。 尤其要避免两种混淆：职级更高的人临时喜欢某张图，不等于品牌从此改变方向；多数人觉得熟悉，也不足以证明一个陌生表达不值得探索。 对尚无共识的尝试，可以明确试验范围、验证方式与回看时间。确认有效后再扩大使用；证据不足时，保留为局部探索。这样，品牌能够学习，又不必把每个新点子立即推广到所有场景。 多品牌团队还需要保留清晰的适用范围。可以共享创作方法与工具，但一个品牌的偏好不能未经说明地成为另一个品牌的默认要求。 ## 八、从一个品牌、一个场景开始 第一次实践，不必覆盖全部品牌资产。可以选一种持续生产的内容，例如商品用途短视频，先建立一份简短约定。 > **我们希望被怎样理解：** 用具体态度说明品牌主张。 > **这次需要完成什么：** 明确受众、媒介和信息任务。 > **哪些证据支持表达：** 指出需要出现的动作、关系、细节或语言。 > **什么可以变化：** 给创作者留下实际可用的探索空间。 > **什么需要重新讨论：** 标出超出当前约定的情形。 > **谁确认变化：** 明确当前版本、负责人和适用范围。 然后选一小组有差异的历史案例，由相关角色分别解释取舍。把一致的部分写清楚，把真正的分歧留下来，不要求先形成一个看似完整的品牌人格。 接着，用未参与整理的新任务检查这份约定。观察它是否减少重复沟通，能否识别“外观符合但表达偏离”的候选，以及能否容纳有理由的新方案。 评审可以先隐藏生成条件，让人直接比较作品，再查看 AI 使用了哪些品牌经验。若系统给出了错误建议，要能追到具体约定、案例或推断，修改后再检查相关任务是否改变。 暂时不知道业务与长期品牌效果，就保留未知。第一阶段已经可以检验：这套方法有没有让争论更具体，让修改更有方向，让创作者更清楚自己的选择空间。 ## 写在最后 一个品牌会通过许多人的手，与用户反复相遇。 有时是一张海报，有时是一段视频，有时只是用户遇到问题时读到的一句话。每次相遇的情境都不同，品牌需要在变化中保持某些值得信任的东西。 Brand Taste 要帮助团队说明这些东西是什么，把它们落实到作品，再允许真实经验修正原来的理解。 当 AI 能够不断扩大内容产量，我们更需要问：它扩大了哪些已经成立的表达，又在重复哪些未经检查的习惯？ 品牌经验要继续发挥作用，就需要让下一位创作者知道它为什么成立，何时需要更新。 下一篇，我们继续讨论从个人到组织的协作：当产品、设计、编导、算法、工程与业务共同参与创作时，怎样组织这些判断，让审美工程成为能够运转的团队实践？ --- 来源：11 · 从个人到组织：一支团队如何共同作出审美判断？ 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/11-%E5%9B%A2%E9%98%9F%E5%8D%8F%E4%BD%9C.md # 从个人到组织：一支团队如何共同作出审美判断？ > Aesthetic Engineering 系列 · 第十一篇 > 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 一条短视频已经改到第六版。 美术说：“画面终于统一了。”编导说：“但最重要的动作被剪掉了。”业务说：“前面太慢，用户不会等。”工程师打开任务记录，发现三个人留下的都是同一句话：再优化一下。 下一轮，AI 同时加快节奏、替换背景、放大产品。每条建议似乎都执行了，作品却更难解释。 这是一个虚构的协作场景，却揭示了一个具体问题：当不同角色在修改同一件作品时，团队需要知道每个意见在解决什么，以及修改会影响谁已经确认的部分。 上一篇，Brand Taste 讨论品牌为什么坚持某些取舍。本篇进入创作现场：这些取舍怎样在产品、设计、美术、编导、算法、工程与业务之间传递，最后变成一件作品？ **不同专业需要说清自己的判断依据，也需要知道修改会影响谁已经确认的部分。** ## 一、争论之前，先确认大家正在解决同一个问题 延续第十篇的虚构家居品牌案例：团队要为一款收纳盒制作用途短视频，希望通过一个人的真实动作，说明产品怎样帮助日常整理。 本轮已经决定继续制作“抽屉”方向：人物把散落小物放入收纳盒，再取出需要的东西。现在需要解决镜头拖沓与背景干扰，尚未进入正式投放。 如果有人仍在探索整体创意，有人已经按最终交付挑错，有人又拿预期转化否定所有方案，这场讨论很难收束。 一次评审开始前，负责人可以只说三句话： > 这轮保留“通过使用动作说明用途”的方向。 > 优先解决节奏拖沓，人物与产品的关系不能丢。 > 今天决定怎样修改，不宣称哪个版本已经证明更能卖。 这三句话给讨论确定了共同对象，也让参与者知道当前哪些决定仍然开放。 方向仍然可以被挑战。若有人发现动作根本无法说明用途，就应该提出回退。提出回退的人需要说明哪项新证据动摇了原来的判断，而不只是说“我有一个更好的想法”。 否则，局部修正很容易在无意中变成重开项目。 ## 二、让分歧落到作品中的一处 现在，业务提出删掉拿取小物的镜头，理由是开头太慢。编导反对，因为拿取动作解释了收纳后为什么更方便。美术又指出，镜头里的背景正在抢走产品的注意力。 三种意见可以同时成立。把它们交给 AI 求一个平均方案，并不能解决冲突。 先把原来混在一起的问题拆开。 “开头太慢”是一种对观看体验的判断，应该指出具体时间段：是人物走近桌面的等待，还是寻找物品的动作重复？ “动作不能删”需要进一步说明：哪个动作承载了必要信息？如果缩短仍然可以被理解，就未必需要完整保留。 “背景抢眼”则可以定位到具体物件、对比度和画面位置，不必因此换掉整个生活场景。 讨论到这里，团队就获得了一个可以实际尝试的修改：删去无信息的走近过程，保留拿取动作，降低背景干扰。 这只是待检查的修改方案，尚未证明一定有效。但它已经把“美术与业务意见不同”，变成了对几个具体关系的处理。 **能够被定位的分歧，才容易通过作品继续讨论。** ## 三、专业角色交付的，应当包括自己的依据 协作需要各自的判断能被其他人理解和使用，不要求每个人都成为全能创作者。 在这次虚构任务里，可以这样分工。 **产品与业务明确任务。** 谁在看，为什么看，需要理解什么，下一步希望发生什么。商品信息、活动要求和实际反馈，也应由掌握相应依据的人提供。 **美术与设计组织视觉。** 说明注意力怎样分配，哪种材质、比例和构图支持表达，什么局部可以改，什么改变会损害已经成立的关系。 **编导组织时间。** 说明前后镜头怎样建立期待、提供信息和产生情绪，哪些停顿有作用，哪些重复可以压缩。 **算法同学判断生成能力的边界。** 哪些关系容易失真，哪些条件目前无法稳定保持，是否需要拆分生成或换一种表达。能力限制应尽早进入方向讨论。 **工程同学让版本可比较。** 把实际输入、输出、修改对象和执行结果联系起来，让大家评审同一版本，并能追查确认过的内容在后续处理中是否被改变。 **标注与评测同学帮助整理观察。** 把反复出现的问题描述清楚，记录分歧和待核实的位置。不能为了让数据整齐，把尚无共识的审美选择硬写成唯一正确答案。 这是任务责任的示例，不要求组织必须设置同名岗位。小团队可以由一个人承担多项工作，大团队可以进一步拆分。重要的是，每项判断都有人解释，也有人能够回看证据。 ## 四、交接时，要传递正在保护什么 许多返工发生在交接之后。 编导认为视觉团队会保留关键动作，视觉团队以为只需保留人物与产品，工程师又以为替换成更清晰的静帧不影响意思。 大家都执行了自己的理解，作品的关系却在交接中消失了。 因此，一次修改任务除了“改什么”，还需要交代“为什么改”“保护什么”和“怎样验收”。 对抽屉短视频，可以写成： > 修改对象：当前第二版开头。 > 问题：进入用途演示前，有一段不提供新信息的等待。 > 本轮动作：压缩等待，保留取出物品的过程。 > 保护范围：人物自主操作、产品实际比例、前后位置关系。 > 检查方式：不听创意解释，观看后能否说清产品在帮助完成什么。 这种交接说明不需要每次都重新填写。已有信息应从任务记录中带入，人补充变化部分即可。 如果执行中发现约定互相冲突，例如压缩之后关键动作看不清，执行者应把冲突带回评审。直接删除一项要求，可能让单次任务顺利结束，却使后续讨论失去依据。 AI 可以帮助整理交接内容，但应保留意见来源，避免把尚未采纳的建议写成已经确认的决定。 ## 五、一次评审应该结束在一个具体动作上 好的讨论可以保留不同意见，但需要明确接下来谁做什么。 对同一个问题，团队可以作出四类决定：按当前方案继续；做一次局部修改；保留两个方向比较；回退重新确定方向。 每一种决定都应附上理由和检查条件。 例如，当前对“是否缩短拿取动作”仍有分歧，可以保留两个剪辑版本，尽量不同时修改配色、字幕与配乐。比较时先看实际理解差异，再讨论各自偏好。 这里不必把轻量比较包装成正式实验。人数少、条件有限，就把观察的范围写清楚。它仍然可以帮助团队发现镜头是否省略了必要信息。 负责人承担的是在现有证据与预算下推进任务的责任，并非宣布某种审美永远正确。若无法继续验证，也可以作出暂定选择，同时保存未解决的问题。 对新表达，更需要这种暂定空间。一个方案暂时无法获得所有人喜欢，可以保留为探索；不能仅因为它难以用旧词汇解释，就把它认定为执行错误。 ## 六、不要让协作流程吃掉创作 如果每个局部调整都要多人确认，团队会越来越擅长等待。 所以需要区分哪些动作可以在专业范围内直接完成，哪些变化值得重新讨论。 已确认版式中的常规对齐、明确错字的修正，可以按约定处理。改变叙事立场、删除核心动作、调整品牌长期默认，则需要让受影响的人参与。 判断标准应当是变化的影响范围，而不是文件看起来改得多不多。一句话可能改变品牌对用户的态度；大量清理背景的工作，也可能始终处在原有方向之内。 同样，记录只需保留下一次判断会用到的信息。无需保存每一句重复评语，更不必要求创作者为每一个直觉编写长篇理由。 “我认为这个版本更有张力，但暂时无法解释”可以进入讨论。接下来可以通过对照作品找差异，而不是立刻要求对方把感受证明成事实。 系统应帮助专业判断被听见，也给尚未成熟的想法留出时间。 ## 七、判断团队是否进步，回到实际返工 评审次数减少，不一定意味着协作更好。也可能只是意见不再被提出。意见一致，也可能来自大家不愿挑战负责人。 更有用的复盘问题是： - 同一个问题是否因为版本或交接不清，反复出现？ - 局部修改是否经常破坏先前确认的优点？ - 关键分歧能否在作品中被定位，最后怎样处理？ - 新加入的人能否理解过去的重要决定？ - 有价值的新方向，是否得到过实际比较的机会？ 这些问题可以先用案例回答，不必一开始全部量化。 如果工程发现某种动作持续生成失败，这应当成为下一次方向设计的输入；如果美术发现同一类背景问题不断出现，就应检查参考和生成条件，而不是每次手工修补。 一次返工的原因如果能进入下一次方向设计或交接，团队就有机会少重复一次相同的问题。 ## 写在最后 一件作品经过许多人的手，并不必然变得平庸。不同专业可以帮助它看见一个人看不到的东西。 但这种帮助需要条件：任务足够明确，分歧能够落到作品，交接知道保护什么，决定能够推动下一步，也允许后来被更新。 在这个过程中，AI 可以生成候选、整理意见、定位变化、辅助检查。人的工作仍包括提出新的关系，感受尚未被命名的差异，并为重要的取舍承担责任。 下一次团队说“再优化一下”时，可以先停下来补完一句话： **我们希望改变哪一处，让谁更容易理解什么，同时必须保住什么？** 下一篇，也是系列的最后一篇，我们讨论审美工程的边界：当 AI 越来越懂我们的偏好，人怎样继续接触陌生经验，让自己的判断有机会改变。 --- 来源：12 · 审美工程的边界：当 AI 越来越会创作，人怎样继续生长？ 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/12-%E8%BE%B9%E7%95%8C%E4%B8%8E%E6%9C%AA%E6%9D%A5.md # 审美工程的边界：当 AI 越来越会创作，人怎样继续生长？ > Aesthetic Engineering 系列 · 第十二篇 · 完结篇 > 作者：**LeenMa** · [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 如果有一天，AI 能准确描述你喜欢的东西，找到合适的参考，生成稳定的作品，解释取舍，还能记得你每一次修改的理由——我们期待的审美工程，是不是就完成了？ 它也许已经非常高效。但它会不会越来越擅长给你熟悉的东西，而你也逐渐忘了，自己还可以喜欢别的？ 到了系列最后，我们需要回看最初的愿望。我们希望生成变得更有方向，希望判断能够被讨论，希望经验能够积累。与此同时，我们也希望创作带来新东西，希望自己仍然会被一件陌生的作品改变。 这些愿望之间存在张力。审美工程需要学会与这种张力相处。 **一套好的创作系统，应该帮助人更清楚地判断，也让人的判断有机会继续生长。** ## 一、能够描述的部分，值得整理；尚未说清的部分，也需要位置 第四篇讨论 Taste Language，让“感觉不对”逐渐变成可以讨论的差异。它帮助我们说明信息层级、材质、节奏、文化语境与元素关系。 但一份描述永远可能遗漏东西。 一张照片让你停下来，也许因为它的构图；也许因为那个下午的光，让你想起一个已经离开的人。后一种经验，可以被讲述，却很难被一组视觉参数完整代替。 同样，一种字体在某个群体中显得亲切，在另一个语境里却可能显得陈旧。理解差异，需要继续询问经验与关系，而非急着把感受归成正确与错误。 本系列把审美判断放在具体语境中，就是为了给这些差异留下空间。 工程化可以帮助我们整理已经理解的部分，也应该保留“暂时不知道为什么”的状态。一个尚未被命名的感受，可以成为下一次探索的问题。 如果系统只允许理由完整的作品进入下一轮，语言能力较强的人和已经熟悉的表达，可能获得过多优势。我们需要警惕这种倾向，而不是把说得清楚自动当成看得更深。 ## 二、好的不完美，需要说明它在作品里做了什么 第一篇从一种感受开始：有些 AI 内容精致、完整，却让人感到距离。第四篇也把“不完美程度”列入观察维度。现在需要回到作品，检查这些不完美究竟做了什么。 假设一张海报的标题稍微偏离中轴，这种偏置可能让画面产生方向感；一段视频中的短暂停顿，可能让人物的犹豫被感受到；一张纸的边缘不完全整齐，可能与手作主题形成呼应。 这些都是需要结合实际作品检查的可能性。偏置也可能造成阅读混乱，停顿也可能只是拖沓，纸张纹理也可能只是重复装饰。 我们可以追问：去掉这个“不完美”，作品失去了什么？保留它，又让阅读、表达或可信度付出了什么代价？ 如果回答只剩“这样更不像 AI”，判断仍然不够具体。 错字、错误产品关系、破坏轮廓的缺口，也不会因加入纸张颗粒而自动获得意义。 **值得保留的不完美，应当参与表达。它需要在作品里有作用，而不是成为免于检查的理由。** ## 三、人的角色会扩展，不能只剩下最后点一次确认 第一、二篇用“生成扩张可能性，审美决定留下什么”解释判断的价值。它让一个长期被忽视的环节变得清楚：能够做出很多东西之后，选择依然重要。 但创作不能被这句话完全概括。 人也会提出原本没有的问题，重新安排事物的关系，改变想要表达的对象，甚至推翻这次创作的目标。这些工作发生在候选出现之前，也发生在修改之中。 例如，同样要说明“记忆”，可以从保存过去出发，也可以从允许遗忘出发。这个角度的变化，会影响整个作品。它很难被理解为仅仅从一排成品中选出最漂亮的一张。 因此，Creator 到 Curator 可以理解为职责的扩展：创作者更频繁地组织、比较与策划，同时仍然可以发明关系、重写问题和亲自介入表达。 如果界面只让人从四张图里点一张，人的参与就可能被压缩成偏好反馈。更开放的创作方式，应允许用户改变问题、调整参考、提出反例、局部重做，或者直接说“这些都不是我想表达的”。 AI 同样可以提出新关系和新问题。我们没有必要提前把它的贡献限制为执行。重要的是，这些建议怎样进入创作、接受检查，以及谁决定它们对当前作品意味着什么。 人的价值，也不需要依赖“AI 永远做不到某件事”来证明。 ## 四、审美成长，需要在熟悉之外做一点实际工作 第九篇讨论了审美记忆的风险：系统持续提供过去偏好的外观，人的选择又不断强化这种判断。 为陌生表达留一个位置，可以打断这种重复，但“陌生”本身并不等于有价值。 一个新方案值得继续，可能因为它发现了更准确的关系，让原来的问题被重新看见；也可能因为它打开了一种尚不熟悉、却值得理解的经验。 这需要具体接触。只在提示词里增加“大胆、先锋、突破”，未必让我们走出了熟悉的评价方式。 一种可尝试的练习，是在同一主题下保留三种表达：一个延续已有方向，一个改变关键关系，一个来自不同经验的参考。先写下自己实际看见的差异，再讨论是否愿意继续。 如果第一次不喜欢某个方案，可以暂时不把它判成失败。回到它的语境，看看它在解决什么。理解以后仍不喜欢，也完全可以保留这个判断。 成长不要求人不断否定过去，更不要求把难懂当作高级。它意味着，我们愿意让新的经验参与判断，并能说明哪些地方改变了自己。 ## 五、文化经验不能只作为风格素材被调用 当参考越来越容易搜集，我们也需要关心自己究竟借用了什么。 一种地方性的颜色、一个仪式中的动作、一种手工痕迹，都可能在图像中显得有吸引力。但它们与谁有关，在什么生活中形成，怎样被当地人理解，仍然值得了解。 如果只提取表面特征，再统一贴上“东方”“民族”“复古”等宽泛标签，作品可能拥有丰富装饰，却缺少具体认识。 更有意义的创作，可以从一个更窄的问题开始：这个动作为什么存在？这份材料与人的劳动有什么关系？我希望迁移的是一种构图，还是一种对生活的态度？哪些含义不能轻易挪用？ 这里没有通用答案，也不能靠生成模型的一段流畅解释完成核实。涉及具体文化事实时，需要相应资料；涉及真实群体如何被呈现时，应听见与之相关的人。 审美经验可以来自阅读、观察、交谈和日常接触，也可以在创作中继续形成。AI 能帮助整理线索，但我们仍需要与作品之外的世界保持联系。 否则，参考系统即使庞大，也可能只是在已有图像之间循环。 ## 六、规模会放大选择，也会放大未经检查的习惯 当同一套方向可以生成许多作品，品牌和团队会获得更强的执行能力。同时，一个偏窄的假设也可能被重复更多次。 例如，把“有温度”长期等同于米白纸张，把“专业”长期等同于冷静整齐，把“吸引注意”长期等同于刺激开场，都会让表达空间逐渐缩小。 这些关联可能在某些项目中成立，却需要持续保留适用条件。 规模化工作因此需要两种观察：一方面检查常规交付是否可靠，另一方面查看系统有没有持续排除某些值得探索的关系。 可以定期回看未被采用的候选，也可以检查不同作品是否只剩下颜色与物件的替换。若每个主题最后都变成相同的人物、纸张和动作，就值得重新审视方向。 对本系列来说，这个问题同样成立。文中的封面示例围绕人文技术编辑风展开，但它只是说明方法的一种选择。未来完全可以用摄影、动态影像、不同的材料或更浓烈的情绪继续表达同一组关切。 稳定的原则需要经得起变化，而不只是经得起重复。 ## 七、谁来决定什么值得被喜欢？ 审美系统会参与推荐、生成、排序和修改。它在这些环节中影响哪些作品被看见，也影响哪些方向有机会继续。 因此，评价标准的来源值得被说明：是个人过去的选择、品牌当前的约定、某个群体的反馈，还是模型从其他材料中学到的倾向？这些依据各有适用范围。 人的最终决定也需要接受讨论。负责人说“我喜欢”，可以表达真实偏好，但不足以代替所有受众的经验；多数人同意，也不意味着新表达从此没有位置。 本系列保留人的责任，并非宣布人的判断天然可靠。我们同样可能追随熟悉的东西，误解别人的经验，或者用审美语言掩盖权力与便利。 一个更值得期待的系统，应帮助这些问题被看见：指出不同依据之间的冲突，允许用户修改历史理解，保留合理分歧，并让新作品有机会挑战旧结论。 至于什么值得被喜欢，可能始终需要在创作者、作品、受众和具体生活之间继续讨论。我们不必急着把它变成一个永久答案。 ## 八、走完十二篇，我们实际得到什么？ 前面的文章可以被看作几组相互连接的能力。 Taste Language 与 Reference System 帮助我们表达差异、组织证据。Art Direction 与 Generation Protocol 帮助我们确定方向、展开有问题意识的探索。 Aesthetic Critic 让选择与修改更具体。Taste Memory 让经验进入时间，又允许它被修正。Brand Taste 与组织协作，让不同角色能围绕共同作品工作。 这些概念需要进入具体作品与验收，才可能发挥作用。方向是否落实、修改是否引入了新问题，都要回到实际输出中检查。 这套方法不承诺生成必然优秀，也不承诺所有审美都能量化。它提供的是一些可以反复使用的工作方式：把感觉变成问题，把问题带进作品，把观察变成有限的经验，再让新的经验更新原来的理解。 对个人，可以从一次认真比较开始。对团队，可以从一次清楚交接开始。对产品，可以从让用户看见和纠正系统的理解开始。 这些实践能否帮助创作，需要通过下一件作品继续检查。 ## 写在最后 这个系列从“为什么一些 AI 作品仍然让人觉得普通”开始，最后回到了人的判断。 我们希望 AI 帮助创作更容易发生，希望不擅长执行的人也能表达自己的想法，希望专业创作者把更多精力留给真正值得思考的部分。 与此同时，我们也希望人仍然愿意看一件陌生的作品，听一个不同的解释，承认自己曾经判断错了，并在某次新的创作中改变。 审美工程可以为这种过程提供结构、工具和记忆。它的边界在于，不能提前替我们决定所有值得追求的东西。 也许在未来的一次创作里，AI 会说：“根据过去的选择，这个方向不像你。” 我们可以认真听它的依据，然后回答： **“我知道。也许今天，我想试着成为另一个版本的自己。”** 这份可以改变的自由，值得被留在每一套越来越懂我们的系统里。 --- 来源：参考资料与术语说明 原文：https://raw.githubusercontent.com/leenlbma/aesthetic-engineering/main/content/%E5%8F%82%E8%80%83%E8%B5%84%E6%96%99.md # 参考资料与术语说明 本页集中列出文章实际引用的资料。2026 年 10 月 9 日核对了相关官方页面、论文摘要或项目说明与文中表述的对应关系；这不等于复现实验，也不是对各研究效果的独立验证。 ## 资料与引用范围 | 文章 | 资料 | 在本文中支持什么 | | --- | --- | --- | | 第三篇 | Víctor Gallego，2022：[Personalizing Text-to-Image Generation via Aesthetic Gradients](https://arxiv.org/abs/2209.12330)；[项目说明](https://github.com/vicgalle/stable-diffusion-aesthetic-gradients) | 已有同名研究提出以用户提供的图像定义目标审美，引导生成个性化结果。用于区分同名术语，不为本系列的文字评审方法提供效果证明。 | | 第七篇 | NIST：[A Glossary of DOE Terminology](https://www.itl.nist.gov/div898/handbook/pri/section7/pri7.htm) | 实验设计中的混杂概念，帮助说明多个条件同时变化时，不应随意把结果归因于其中一项。 | | 第七篇 | Hugging Face Diffusers：[Reproducibility](https://huggingface.co/docs/diffusers/en/using-diffusers/reusing_seeds) | 相同随机种子并不保证在所有环境与条件下得到完全相同的结果。 | | 第八篇 | Jiazheng Xu 等，2023：[ImageReward: Learning and Evaluating Human Preferences for Text-to-Image Generation](https://arxiv.org/abs/2304.05977) | 用人类评分和排序反馈学习文生图偏好，并研究基于评分的生成优化。不能据此断言适用于所有品牌、媒介或任务。 | | 第八篇 | Sixian Zhang 等，2024：[Learning Multi-dimensional Human Preference for Text-to-Image Generation](https://arxiv.org/abs/2405.14705) | MPS 区分审美、语义对齐、细节质量与整体评价，说明偏好评价可以按维度学习。 | | 第八篇 | Dongping Chen 等，2024：[MLLM-as-a-Judge](https://proceedings.mlr.press/v235/chen24h.html) | 在该研究的视觉语言评审任务中，不同评审形式表现不同，并存在偏差、幻觉与不一致。不能推广为所有当前模型的统一结论。 | | 第十篇 | Mailchimp：[Voice and Tone](https://styleguide.mailchimp.com/voice-and-tone/) | 区分相对稳定的品牌声音与随语境变化的语气，并考虑读者情绪。 | | 第十篇 | IBM Carbon：[Typography — Style Strategies](https://carbondesignsystem.com/elements/typography/style-strategies/) | 按任务区分 productive 与 expressive 两组字体样式，并讨论如何组合使用。原链接目前跳转至 [新版页面](https://www.carbondesignsystem.com/building-blocks/foundations/typography/style-strategies)。 | ## 本系列怎样使用术语 **Aesthetic Engineering / 审美工程**：本系列对组织创作判断的工作方法的称呼。它把描述、参考、方向、生成、评审与记忆放到一起讨论，不主张这些工作由本文首次发明，也不将六层结构当作已经验证的技术标准。 **Taste / 审美判断**：在具体任务中对表达、关系和取舍的判断。它与个人偏好有关，也受目标、文化、媒介和约束影响。文中同时区分个人喜欢、任务适配和实际效果。 **Aesthetic Stack / 六层结构**：一种职责划分。同一个人、工具或模型可以承担多项职责，不要求六个独立模块。 **Aesthetic Critic / 审美评审机制**：结合实际作品与任务提出观察、解释和建议。它的建议需要检查，不能仅凭解释流畅就认为可靠。 **Aesthetic Eval / 审美评测**：对作品质量及评审可靠性的检验。评审机制与检验评审机制是否可靠，是相关但不同的工作。 **Aesthetic Gradient / 审美梯度**：第三篇用作修改方向的比喻，不是数学梯度或新算法。需与上表中的同名研究区分。 **Taste Spec、Direction Contract、Generation Protocol**：分别用于保存默认选择、约定当前方向、组织一轮生成比较的工作记录。它们没有统一的行业字段规范，文中的模板可以按任务调整。 **Taste Memory / 审美记忆**：保存选择经历、提出可修正的偏好假设，并说明当前允许怎样调用。参考系统管理可借鉴的证据，两者可以共享素材与记录。 **Brand Taste Model / 品牌审美模型**：文中可以指判断表示、案例与工作流程。是否需要训练参数模型，是另一项需要根据实际问题决定的工作。 这些说明用于减少误读。可迁移的判断需要通过新任务继续检验，命名本身不构成有效性的证明。