# 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。