拥有十年品牌设计经验的作者AmirMušić分享了结合AI（Lovart Agent）从单一参考图构建完整品牌系统的工作流。他以虚构的无咖啡因能量饮料Juicee为例，演示了从参考图解构、生成Brand Kit锚点、建立品牌指南，到扩展出4个口味SKU关键视觉、包装设计和营销场景的全过程。文章强调AI负责加速生成，而设计师的角色是判断、定向和把控品牌一致性，并提出Brand Lock方法论来管理参考层级、防止视觉漂移，最后开源了Lovart Brand System Skill供复制使用。
文章提出 Agentic Brand Systems（智能体品牌系统）是品牌管理的未来。随着团队扩张和 AI 智能体参与生产，品牌决策速度暴增，而传统品牌指南分散在 Figma、Canva、代码等不同工具中，导致信息漂移和不一致。作者以 Sonata 品牌套件为例，介绍将品牌定位、语言规范、视觉规则（visual-system.json、tokens.css）和可用的 React 组件整合为一个人类可浏览、智能体可读取的统一系统，让每次触点都成为品牌真理源的延伸，终结品牌漂移问题。
作者基于 10 年 UI/UX 设计经验，结合 AI 工具实践，总结出一套设计审美方法论。文章实测了 5 个 GitHub 上星数最多的 AI 设计 Skill：UI UX Pro Max（自动匹配行业风格）、Taste Skill（原创设计方向）、Impeccable（逐块打磨去 AI 味）、Emil Kowalski Skills（动效细节）、Hallmark（上线前检查），并配以场景演示。作者还分享了 8 条可复用的设计原则，包括先定义再动手、拆解好设计不照搬、先出全貌再逐块改、统一视觉规则等，强调工具在变但好的设计判断力依然无法被 AI 替代。
作者推荐了两个开源 AI 设计 Skill：一是 AI Design Skills 中的 landing-page-design，为 Claude Code、Cursor、Codex 等编程工具提供从内容规划到视觉系统的落地页制作规则，包括卖点组织、统一字体配色、按钮悬停、空页面、移动端和无障碍支持等交付细节；二是 Fantastic Posters，内置 33 种设计风格提示词（如瑞士极简、包豪斯、Riso 印刷等），支持自动选风格、上传参考图和 Logo、批量生成海报。作者强调把设计风格沉淀为可反复调用的 AI 工作流，比一次性提示词更有价值，并能解决风格不稳定的问题。
Relate Studio 联合创始人 Alex 分享了一套完整的 AI 品牌吉祥物设计流程：先在 Figma 收集参考并定义角色个性与比例；再用 Krea 快速生成粗略概念，挑选轮廓、性格和比例最好的方案；随后在 Nano Banana 2 中逐步清理细节、修正纹理与背景；接着保持角色一致性生成新姿态和角度；最后制作海报等设计构图，形成可向客户展示的完整视觉系统。作者强调无需插画或 3D 技能，AI 生成结果足以作为 3D 和动效设计师的制作参考，并可通过持续扩展姿态、表情与场景实现品牌层面的规模化应用。
作者受前苹果设计师 Anshu Chimala 启发，指出 AI 设计产出平庸的根源在于 LLM 作为下一个词元预测器、经 RLHF 对齐后天然倾向安全解。文章借鉴设计双钻模型，提出三阶段工作流：探索、确立、交付。核心技法包括：注入随机种子字符串打破思维定势、用大胆具象的提示词激发创意、三步发散法生成设计概念、引入'设计挑刺官'子智能体构建独立评审反馈闭环，以及调用图像生成工具提升视觉质感。通过多智能体协同与成本控制，可在极短轮次内产出超越常规 AI 模板的高水准设计。
文章介绍 Vercel 如何用 design.md 文件、CSS 样式表和评测闭环，解决 AI Agent 生成页面总「差一点」、需要反复人工修整的问题。核心方法是把工作拆成三层：design.md 写设计判断（读者、信息层级、拒绝的套路），CSS 承接字号、间距、表格等机械性版式约束且不占模型上下文，评测闭环把每次返工转化为可复查的规则。作者强调规则要从模糊感觉翻译成可观察动作，如「别丑」改为「表格全宽」。测试显示公开场景下机械故障从 91 次降到 39 次，约少 57%。建议从一类高频产物入手，把高频修改沉淀为规则，逐步减少返工。
OpenPencil 是号称全球首款 AI 原生的开源矢量设计工具，GitHub 已获 6400+ Stars，90.6% 代码由 Rust 编写。它实现了 Design-as-Code：通过提示词在实时画布上生成和修改 UI。核心亮点包括：并发智能体团队将页面拆解为多个子任务并行流式渲染；多模型智能适配（Claude、GPT-4o、Gemini、MiniMax 等）；可通过 MCP Server 集成到 Claude Code、Cursor 等终端工具；.op 设计文件为纯 JSON 格式、Git 友好，可一键导出 React + Tailwind 或 HTML + CSS 代码；支持 P2P 实时协作与冲突回放。适合前端开发者和独立创作者提升生产力。
花叔开源的AI设计技能huashu-design发布3.0版本，该技能可让agent自动生成网页、PPT、App原型、信息图等设计。3.0主要改进：先出六个候选再挑三个成稿；现实参照改为同媒介并先截图；风格库从60种扩到84种（新增中文与东亚风格）；App原型采用有构图的展示板；新增本机记录系统（经验、外观账本、设计体检）实现越用越懂用户；坚持事实核实。作者分享了三轮迭代的过程，核心教训是：对agent应加选项而非禁令，禁令会让设计变得保守无聊，提供更多可见样例反而能激发更好的设计。
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。
作者实测国产开源生图模型 MOSS-Image，重点验证其 JSON Layout 对文字、物体位置和画面构图的可控性。文章对比了普通提示词与 JSON Layout 在同一封面需求下的生成效果，详细讲解了中心坐标系和 yxyx 格式的 bbox 写法、在线体验参数设置、官方示例分析，以及 ZeroGPU 额度问题和本地部署方法。作者强调可复用的不是某张图，而是一套固定种子、对照测试的评估方法，认为 JSON Layout 让提示词变成可保存、可修改的布局资产，使 AI 生图真正进入设计工作流。
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。
