本文是 AI 设计词典系列的中篇，系统整理了 AI 设计中高频的视觉词汇，帮助用户更精确地控制 AI 生成的视觉效果。文章分为五大维度：字体（衬线/无衬线、字重、字距、行距）、颜色（色相、饱和度、明度、主色/强调色）、形状（几何/有机、圆角/直角、描边）、材质与效果（纹理、渐变、透明度、光影）、风格（极简主义、瑞士风格、粗野主义、编辑设计等）。作者强调不必背诵术语，而应把这些词当作「视觉旋钮」，用「风格名称+具体规则」的方式替代模糊的主观描述，让 AI 输出更符合预期的设计。
本文是「AI 设计词典」系列的上篇，旨在帮助普通用户用准确的专业视觉词汇与 AI 沟通设计需求，解决「知道哪里不对却描述不出来」的问题。文章系统梳理了五大维度：画幅与区域（宽高比、安全区域、边距）、构图（居中/非对称构图、三分法、网格系统）、位置与对齐（对齐方式、前景/中景/背景）、空间与密度（负空间、留白、视觉密度、间距）以及层级与视觉重心（视觉层级、焦点、视觉重量、平衡）。每个词条均附中英文对照和实用示例 Prompt，并给出组合应用的完整案例，让描述从模糊的「感觉」变为可量化的准确需求。
文章介绍了如何解决 AI 做图风格不统一的问题：将视觉风格沉淀为一份 visual-rules.md 规则文件，作为唯一规则源（Single Source of Truth）。作者详细讲解了如何从视觉资产中反推出包含品牌识别、颜色、字体、版式、图形元素等九大类的 Visual Rules，并演示如何将同一份规则分别应用于 ChatGPT（直接读取执行）、Skill（封装为长期能力和执行流程）和 Figma（映射为 Variables、Styles、Components 和 Templates）。当视觉体系需要更新时，只需修改源文件再同步到各工具端，避免在多个工具中分别维护规则，实现跨工具一致的视觉输出。
文章介绍如何用 AI 从 0 搭建一套个人视觉体系，帮助内容创作者形成统一、可复用的视觉资产。作者提出按「头像 → Banner → 个人配图规则 → 个人介绍卡片」四步搭建，核心在于「继承」而非独立设计：前一步的输出（如 Style DNA、头像）作为下一步的输入。文章还从读者视角分析了四种视觉资产在「看到配图 → 阅读内容 → 认识作者 → 关注作者」路径中的作用，强调搭建的最终产出不是几张图片，而是整套视觉资产与视觉规则，实现一次搭建、长期复用，沉淀个人 IP。
本文是「搭建个人视觉体系」系列第四篇，讲解如何制作个人介绍卡片。作者指出个人介绍卡片是内容结尾的固定片尾，解决“内容到人”的认知转化问题。制作步骤分三步：一是确定卡片核心信息（头像、名字、一句话定位、内容关键词和单一CTA入口）；二是上传已有的头像、Banner和配图规则等视觉资产，用提供的Prompt让AI生成极简型、信息型、IP型三个方案，并强调局部修改而非重新生成；三是确定最终版本并保存为母版，长期复用。文章强调视觉资产可复用的价值，通过重复出现建立个人视觉符号。
本文是「搭建个人视觉体系」系列教程第3篇，讲解如何用AI建立个人配图规则。作者将创作者配图归纳为封面、信息图、数据图表、插画四大系统，介绍新粗野主义、极简信息设计、瑞士杂志等常见风格，并提出融合参考图设计语言与已有头像、Banner视觉资产的方法。文中提供完整Prompt用于让AI生成「个人配图规则」，指导读者通过四类测试图验证视觉统一性，并示范如何将规则应用到show-me、archify等图片类Skill中，最终形成可长期迭代的个人视觉识别体系。
本文是「搭建个人视觉体系」系列教程第2篇，讲解如何将头像和Style DNA延展为个人社交媒体Banner。作者首先介绍了六种Banner类型：个人定位型、IP人物型、视觉风格型、作品展示型、真人照片型和极简符号型，并给出选择方法。随后说明Banner信息的三层结构（我是谁、做什么、什么风格），强调不要堆砌信息。教程核心是复用头像的Style DNA，通过AI生成设计提案再产出最终Banner，并注意各平台的尺寸比例和安全区域。最后建议做主页测试，检查视觉一致性、3秒可懂度和信息是否过满，形成统一的个人视觉IP。
本文是「搭建个人视觉体系」系列教程的第一篇，讲解如何用 AI 从0到1制作个人IP头像。作者提出四步方法：先确定头像类型；寻找3-10张同风格参考图而非让AI凭空设计；让AI反推参考头像提炼出Style DNA视觉关键词；上传真人照片提取Personal DNA并与Style DNA融合生成头像。文章提供了两个实用Prompt模板，强调头像应保持简洁、突出可重复的视觉特征，并建议保存最终头像、Style DNA和Prompt作为后续制作Banner、封面等视觉资产的基础。
作者深度测试开源数据图表 Skill「lieflat-charts」15天后，总结出3个实用场景：一是给文章制作数据配图，适合公众号长文、小红书、工具测评等，Skill 会自动判断数据结构并选择合适模板，还支持自定义品牌主题色；二是给视频制作动态数据画面，利用滚动入场、数字递增、动态排名等效果，通过浏览器录屏制作视频素材；三是生成完整的数据报告，内置12套中英文模板，可产出调研一页纸、年度海报、Dashboard 等。该 Skill 已在 GitHub 获5.7k收藏，适合内容创作者使用。
本文是一篇面向内容创作者的保姆级教程，介绍如何在不写代码的情况下，借助 Codex 将爆火的小黑配图 Skill 改造成符合自己风格的配图系统。作者详细拆解了七个步骤：从让 Codex 分析原 Skill、复制新版本、提供个人角色与视觉规则，到正式修改、生成测试图、根据反馈迭代，最后安装使用。核心思路是保留原 Skill 成熟的工作流，替换角色、配色、提示词和检查标准，并通过“生成—反馈—修改—重测”的循环不断优化，最终形成真正适合自己的个人配图系统。
Archify 是一个近期登上 GitHub Trending 榜首、Star 超 5.3 万的开源 Skill，主要功能是将文字内容输出为带动画、可交互、可导出的独立 HTML 文件。作者深度体验两天后总结出两大用法：一是把复杂文字变成有层级、有主线的视觉简图，作为文章配图，并可导入 Figma 或 Illustrator 替换字体配色以统一视觉风格；二是为文章、视频和社交媒体制作动态素材，支持导出 PNG、SVG、WebM，或通过录屏展示交互流程配合口播讲解复杂机制。作者认为这两点对内容创作者非常有用，并欢迎分享更多创意用法。
作者实测了近期火爆的 show-me Skill 五天，其核心作用是将当前讨论话题压缩成最小、最清晰的视觉结构，帮助一眼看懂复杂关系。作者作为内容创作者，主要将其用于四个场景：一是找选题，通过画出事件背景、关键角色和影响路径理顺关系；二是生成适合截图传播的 HTML 信息图或迷你幻灯片素材；三是理解 Agent、RAG、MCP 等复杂 AI 概念的运行流程和数据流；四是学习复杂 AI 工具，画出完整工作流。此外还适合解释复杂机制、梳理系统结构、看懂流程变化和整理知识，开源库已在 GitHub 公开。
