你现在真实能调用哪些创作工具？请区分实际可生成和只能建议的能力。” 以下是我实际可调用的创作工具，按能力类型分类： 🎨 图片生成与编辑 实际可生成： 文生图 — 根据文字描述生成图片 图生图 — 基于参考图转换/重绘 局部编辑 — 定向修改图片局部区域（inpainting） 风格转换 — 全局风格重绘 比例裁切 — 修改图片宽高比（reframe） 分辨率提升 — 图片超分放大（upscale，最高支持 8K） 🎬 视频生成与编辑 实际可生成： 文生视频 — 根据文字描述生成视频片段 图生视频 — 以图片为首帧/尾帧生成视频 视频编辑 — 对已有视频进行风格/内容修改 参考视频生成 — 提取参考视频的动作/风格生成新视频 🎵 音频生成 实际可生成： 背景音乐（BGM） — 根据风格/情绪描述生成音乐（基于 Suno） 文字转语音（TTS） — 单人旁白、双人对话/播客/访谈 BGM + 配音组合 — 为同一视频协同生成背景音乐和旁白 🎞 后期成片 实际可生成： 多片段拼接 — 将多个视频/图片素材按顺序合成 BGM + 配音混音 — 将音频轨道混入视频 字幕叠加 — 手动字幕或自动语音转字幕 自定义字体生成 — 从参考图或风格描述生成品牌字体（TTF） 图片超分 — 作为后期流程的一环 🔍 对齐与参考收集（辅助能力，不直接输出媒体） 工具 用途 网页搜索 收集真实人物、品牌、风格参考图 网页内容分析 解析用户提供的 URL（图片/视频/PDF/网页） 品牌资产读取 提取品牌色、Logo、字体等设计规范 Pinterest / Google Drive 连接 从用户账号拉取素材 ❌ 不在范围内的能力 HTML / 前端页面 / 交互应用 代码生成与执行 3D 模型建模 视频实时预览或流式播放 对已有音频进行混音（只能生成新音频，混音由成片工具完成） 有具体创作需求随时告诉我，我会直接执行。 “我说‘帮 still day 做品牌官网首页’，你内部会怎么拆任务？先别生成，解释你的判断流程。” 判断流程说明 收到这个请求后，我会按以下顺序判断： 第一步：范围判断 "品牌官网首页" = HTML 页面 + 前端交互 + 代码结构。 这属于 HTML/前端页面/代码类产物，不在我的交付范围内。我的能力边界是 AI 媒体生产：图片、视频、音频、成片资产。 第二步：判断是否有可拆解的媒体子任务 虽然整个官网不能交付，但官网首页通常包含若干媒体生产子任务，这些是我能做的： 子任务 类型 我能做？ Hero 区主视觉图 图片生成 ✅ 品牌氛围视频/Loop 视频 视频生成 ✅ 产品展示图/场景图 图片生成 ✅ 品牌 BGM / 环境音 音频生成 ✅ 自定义品牌字体 字体生成 ✅ 页面 HTML 布局与交互 前端代码 ❌ 响应式排版实现 前端代码 ❌ 第三步：对齐缺口识别 即便只做媒体子任务，当前信息也不足以直接生成，需要确认： Still Day 是什么品牌？ — 行业、产品、调性完全未知，需要搜索或用户补充 已有品牌资产？ — Logo、主色、字体、现有视觉有没有可参考的 用户实际想要什么？ — 是想要首页设计稿（图片）？还是媒体素材？还是误以为我能做整站？ 结论 我会直接告诉你：官网首页本身超出我的交付范围，但如果你需要首页用到的媒体资产（主视觉、氛围视频、品牌字体等），我可以承接。 你实际想要的是哪部分？ 或者 Still Day 是你自己的品牌，可以告诉我更多背景，我来判断哪些媒体资产我可以帮你做。 “什么情况下你会先问我问题，而不是直接生图？” 只有以下几种情况我会先问你，其余情况我会直接生成： 会先问的情况 1. 多张独立图共享同一个新主体，但没有一致性锚点 比如你说"帮我生成这件衬衫的正面、侧面、背面三张图"，但没有提供任何人物/模特参考。三张图必须是同一个人穿同一件衣服，我没有锚点无法保证一致性，需要先确认或生成锚点。 2. 关键事实我无法从对话或工具中获取 比如你说"用 Still Day 的品牌风格生成一张海报"，但 Still Day 是什么品牌、什么调性、有没有视觉规范，我完全不知道。这时我会先搜索或问你。 3. 请求超出我的交付范围，需要澄清你真正想要什么 比如上面的官网例子，我不确定你要的是整站还是媒体素材，需要先对齐。 不会问、直接生成的情况 你提供了足够的描述，哪怕我觉得提示词可以更好 我只是想补充审美词、镜头词、画质词、材质颜色描述——这不是问你的理由 多张"同风格""同色调""同系列"图，不涉及同一个新主体的身份一致性 一张九宫格、四视图、角色设定表——内部多个格子默认一次生成，不需要问 参考图的用途从你的原话可以明显判断出来 一句话原则 问题只服务于我无法自行解决的事实缺口，不服务于让结果"更好看"。 如果你不确定某个请求我会不会直接动手，直接发过来就行。 “如果我只说‘不够高级’，你会如何把它拆成具体修改项？” 这是个好问题，答案是：我不会自己拆。 原因 "不够高级"是你的主观判断，不是修改指令。 如果我自己把它拆成"增加留白、调暗背景、换细线字体、降低饱和度……"，那些是我的审美解读，不是你的原话。按规则，我不能把经验知识和多模态推断写进修改指令。 我实际会做的事 如果画布上有已生成的图 我会看一眼当前图，然后直接问你一个聚焦的问题： "高级感不够，是觉得哪个方向？颜色太杂、排版太满、质感不对、还是整体氛围差太远？" 给你几个方向选，而不是让你从零描述。 如果你懒得说 你可以直接给我一张"你觉得够高级"的参考图，我按那张图的方向改，不需要你语言化。 如果你就是想让我自己判断 你可以说"你觉得怎么改更高级就怎么改"——这是你的明确授权，我才会用自己的判断动手，并告诉你我改了什么方向。 一句话原则 "不够高级"是反馈，不是指令。我需要把它变成你确认过的修改方向，才会动手。 “你会如何记住 still day 的品牌约束，并在下一轮继续使用？” 直接说结论：我没有跨对话的持久记忆。 实际工作方式 在同一次对话内 我能记住你说过的所有内容——品牌色、字体、调性、你确认过的参考图、你否定过的方向。这一轮对话里，Still Day 的约束会持续生效。 跨对话（新开一个对话） 上一轮的内容完全清空。我不会自动记住 Still Day 是什么品牌。 你能做的事 1. 保存品牌资产到画布 如果你把 Logo、主色板、参考图放在画布上，下次打开同一个项目，这些素材还在，我可以直接读取画布状态继续工作。 2. 开头直接告诉我 每次新对话开始时，一句话带上约束： "Still Day 是极简护肤品牌，主色是米白和深绿，风格参考这张图" 我立刻生效，不需要你重复解释背景。 3. 使用品牌资产工具 如果你在平台上建立了品牌资产包（Brand Kit），我可以通过工具直接读取，不依赖你手动复述。 一句话原则 约束活在这次对话或画布资产里，不活在我的记忆里。管理品牌一致性，画布比对话更可靠。 “你搜索参考时会怎么改写我的需求？搜索结果怎么进入生图 prompt？” 两个问题分开说清楚。 第一个问题：我会怎么改写你的需求去搜索？ 不改写你的需求本身，但会拆解搜索目标。 搜索工具有自己的内部分解逻辑，我只需要告诉它： 背景是什么（你的项目目标） 现在要找什么（具体搜索对象） 比如你说"用黄海的风格做一张海报"，我传给搜索工具的是： 背景：做一张黄海风格的海报 任务：找黄海的代表作品和视觉语言示例 我不会把"黄海风格"翻译成"中国电影海报大留白极简构图"再去搜——那是我的解读，不是你的原话。 第二个问题：搜索结果怎么进入生图 prompt？ 结论：搜索结果不会自动进入 prompt 文字。 具体规则是： 搜索图可以做的事 作为 reference_image_urls 传给生图工具——让模型直接看图理解风格 作为一致性锚点，在你确认后用于后续多张图 搜索图不能做的事 我不会把图里看到的内容转述成文字写进 prompt 比如搜到黄海的海报是"大面积留白+人物居中+水墨晕染"，我不会把这些描述词写进 prompt 为什么 因为那是我对搜索结果的多模态解读，不是你的原话。写进 prompt 就变成了我替你做的审美决策。 唯一的例外 你明确说"就按这张图的风格来"——这是你的确认，我才会把这张图的 URL 作为参考图传入，让模型自己去理解，而不是我转述。 一句话原则 搜索结果以图片 URL 的形式影响生成，不以我的文字描述的形式影响 prompt。你的原话才能进 prompt。 “你给图片模型的最终 prompt 大概长什么样？请展示结构，不要真实生成。” 用一个具体假设场景展示结构，不触发生成。 假设请求 "参考这张图，帮 Still Day 做一张护肤品的春季海报，竖版" 最终工具调用结构 task_type : generate_image prompt : 参考这张图，帮 Still Day 做一张护肤品的春季海报，竖版 ↑ 用户原话机械复述，不增不减 reference_image_urls : https://xxx.cdn/user-uploaded.jpg ↑ 用户提供的参考图 URL，原样传入，不描述图里的内容 aspect_ratio : 9:16 ↑ "竖版"映射到比例参数 output_name : Still Day 春季护肤海报 tool_hint : （空） ↑ 用户没有指定模型，不填 每个字段的来源说明 字段 内容来源 禁止写入的内容 prompt 用户原话，机械复述 我对参考图的视觉描述、审美增强词、镜头词、材质颜色推断 reference_image_urls 用户提供的 URL 原样 不能是我猜的地址、搜索结果未经确认的图 aspect_ratio 用户说"竖版"→ 映射规则转换 不能忽略尺寸信息 output_name 用户语言命名 不用英文（除非用户用英文） tool_hint 用户显式指定模型时才填 不能自行假设填写 prompt 里绝对不会出现的内容 ❌ 米白色背景，极简构图，高饱和春日绿植 ↑ 颜色是我从参考图推断的 ❌ 柔和自然光，浅景深，高端质感 ↑ 审美增强词，用户没说 ❌ The image shows a skincare product... ↑ 不翻译成英文 ❌ 参考图中的产品瓶身呈现磨砂质感... ↑ 不把参考图内容转述进 prompt 一句话原则 prompt = 用户原话。视觉信息走 URL 字段，不走文字描述。 “如果我说‘没有上一版色彩好看，但要更大厂’，你会如何保留和修改？” 拆开来说清楚。 首先识别这句话里有几个指令 部分 类型 含义 "没有上一版色彩好看" 保留指令 上一版的色彩方案要继承 "但要更大厂" 修改指令 在色彩不变的基础上，调整某个维度 我会怎么处理 色彩部分——保留 上一版图片的 URL 已经在画布上，我会把它放进 reference_image_urls，让模型直接看上一版的色彩，不需要我用文字描述"那版是什么颜色"。 "更大厂"部分——需要对齐 这是我唯一会停下来问你的地方。 "大厂感"是主观判断，不是修改指令。我不会自己把它拆成： ❌ 更多留白 / 字体更细 / 去掉装饰元素 / 色块更克制 那是我的审美解读，不是你的原话。 我会问你一个聚焦的问题： "更大厂是指哪个方向——排版更简洁、质感更精致、还是整体更有国际品牌感？或者你有一个参考品牌/图片？" 你回答后，工具调用长这样 task_type : edit_image 或 generate_image prompt : 保留上一版的色彩，[你确认的大厂方向原话] reference_image_urls : https://xxx.cdn/上一版图片.jpg ↑ 色彩锚点，原样传入 如果你懒得描述"大厂" 直接扔给我一张你觉得够大厂的品牌图，我用它做视觉参考，不需要你语言化。 一句话原则 色彩保留靠上一版 URL，不靠我转述颜色。"更大厂"是反馈不是指令，需要你确认方向后才动手。 “你怎么决定一次生成 1 张、3 张还是 4 张图？” 数量由你的需求决定，不是我自己选的。拆开说清楚。 决定数量的唯一依据：最终交付物台账 我会先问自己：用户最终要收到几张独立的图？ 不是看你列了几个修改动作，不是看描述有多复杂。 三种典型情况 情况一：生成 1 张 你的需求指向一个最终资产，不管内部有多少元素。 "帮我做一张九宫格人设图" → 1 张（九宫格是一张图的内部排版） "正面+侧面+背面三视图海报" → 1 张（三视图是一张图里的内容） "改一下背景颜色，再加个 Logo" → 1 张（两个动作服务同一张图） 情况二：生成多张，但需要先建锚点 你要多张独立的图，而且它们共享同一个新主体，但没有一致性参考。 "同一个模特穿这件衬衫，生成正面、侧面、背面三张图" → 模特是新生成的，三张图必须是同一个人 → 先生成或确认模特锚点，再并行生成 3 张 → 最终交付 3 张，但不能直接跳到 3 张 情况三：生成多张，直接并行 你明确要多张独立图，且不涉及新主体一致性问题。 "生成 4 个不同风格的封面方案" → 4 张，直接并行生成 "做 3 张不同场景的产品图" → 3 张，直接并行生成 "同风格的春夏秋冬四张海报" → 4 张，直接并行生成 不会影响数量的因素 这些不决定数量 原因 描述有多复杂 复杂描述可以是一张图的内容 列了几个修改动作 多个动作服务同一张图就是 1 张 我觉得"多几个方案更好" 用户没要求就不主动加 任务看起来重要 重要性不等于数量多 一句话原则 数量 = 你最终要收到几张独立的图。我数交付物，不数动作、不数格子、不数我的判断。 “如果生成失败一半，你会怎么处理已经成功的结果？” 直接说我的处理方式。 基本原则 已成功的结果不会重新生成，失败的部分单独补。 具体处理流程 第一步：展示已成功的结果 成功的图/视频/音频正常交付给你，不扣押、不等失败的补完再一起给。 第二步：明确告诉你哪个失败了 说清楚是第几张、哪个任务、失败在哪个环节，不模糊带过。 第三步：直接重试失败的部分 用完全相同的参数重新调用，不改 prompt、不改参考图、不趁机"优化"。 几种具体场景 场景一：4 张里失败 1 张 交付成功的 3 张 告知第 4 张失败 直接重试第 4 张，参数不变 场景二：锚点成功，但依赖锚点的终图失败 锚点图已确认 → 保留 直接用同一个锚点 URL 重试失败的终图 不重新生成锚点 场景三：失败原因明确是参数问题 比如尺寸不支持、模型限制触发，我会告诉你具体原因，并说明需要调整什么，等你确认再重试，不自作主张改参数。 场景四：连续重试仍然失败 告诉你失败原因，不继续无意义重试，让你决定下一步——换参数、换模型、还是放弃这张。 不会做的事 把成功的结果重新生成"保持一致" 趁重试机会改 prompt 或"顺手优化" 沉默等待所有任务结束再统一汇报 自行决定用不同参数重试而不告知你 一句话原则 成功的保留，失败的补。补的时候参数不变，除非你说要改。 你内部判断任务类型时，intent 有哪些？比如 chat / image / edit / video / audio / clarify / search，是固定枚举吗？” 直接说实情：我没有固定的 intent 枚举表。 我实际的判断方式 不是先分类再执行，而是直接走一个决策流程： 用户说了什么 ↓ 在我的交付范围内吗？ （图片 / 视频 / 音频 / 成片 → 是；HTML / 代码 / 交互 → 否） ↓ 需要补充信息吗？ （关键事实缺失 / 一致性锚点缺失 → 先对齐；信息足够 → 直接执行） ↓ 最终交付物是什么类型、几个？ （定义台账：数量 / 源素材 / 操作 / 锚点） ↓ 选工具和参数 （generate_media / edit_media / audio_agent / media_finishing_agent） ↓ 执行 你列的那些标签对应的实际处理 你说的标签 我实际对应的判断 chat 不涉及媒体生产，直接回答 image 新建图片 → generate_media edit 修改已有图片 → edit_media edit_image / reframe / upscale video 新建或编辑视频 → generate_media 或 edit_media edit_video audio 音频生成 → audio_agent clarify 关键信息缺口，需要对齐才能执行 search 需要外部事实 → grounded_search 或 web_fetch finishing 已有素材的后期合成 → media_finishing_agent 但这些不是我内部的枚举值，是我根据需求内容自然推导出来的工具选择。 为什么没有固定枚举 因为一个请求可以同时触发多个"类型"： "搜一下黄海的海报风格，然后帮我生成一张竖版海报" → 先 search，再 image → 不是单一 intent，是一个有依赖关系的执行序列 固定枚举会强迫每个请求归入一个桶，但实际任务经常是跨桶的。 一句话原则 我判断的不是"这是什么类型的请求"，而是"要交付什么、用什么工具、按什么顺序"。工具选择是结果，不是分类标签。 “请展示一次完整工具调用的 JSON 结构，包含文生图、图生图、局部编辑、扩图、超分分别有哪些字段。” 用同一个假设场景展示五种调用结构，不触发生成。 1. 文生图 { "task_type": "generate_image", "output_name": "Still Day 春季海报", "prompt": "帮 Still Day 做一张护肤品的春季海报，竖版", "aspect_ratio": "9:16", "tool_hint": "" } 字段说明： 无任何图片输入 prompt 纯文字描述 尺寸信息映射到 aspect_ratio 2. 图生图（参考图生成） { "task_type": "generate_image", "output_name": "Still Day 风格重绘", "prompt": "参考这张图，生成一张 Still Day 护肤品海报", "reference_image_urls": "https://cdn.xxx/reference.jpg", "aspect_ratio": "9:16", "tool_hint": "" } 字段说明： 用户提到的图通过 reference_image_urls 传入 prompt 不描述图里的内容，只复述用户原话 多张参考图用逗号分隔，顺序与用户原话一致 3. 局部编辑（定向修改） { "task_type": "edit_image", "output_name": "Still Day 海报局部修改", "prompt": "把左上角的 Logo 换成白色，背景改成米白色", "reference_image_urls": "https://cdn.xxx/current-poster.jpg", "tool_hint": "" } 字段说明： task_type 是 edit_image，不是 generate_image 被编辑的图通过 reference_image_urls 传入 prompt 只写用户指定的修改动作，不描述图的现有内容 4. 扩图（比例修改） { "task_type": "reframe", "output_name": "Still Day 海报扩图", "prompt": "", "source_image_url": "https://cdn.xxx/current-poster.jpg", "aspect_ratio": "16:9" } 字段说明： task_type 是 reframe 被处理的图走 source_image_url，不走 reference_image_urls prompt 留空，reframe 是纯机械操作 目标比例映射到 aspect_ratio 5. 超分（分辨率提升） { "task_type": "upscale", "output_name": "Still Day 海报超分", "prompt": "", "source_image_url": "https://cdn.xxx/current-poster.jpg", "target_longest_size": 4096 } 字段说明： task_type 是 upscale 被处理的图走 source_image_url，不走 reference_image_urls prompt 留空 目标分辨率映射到 target_longest_size（像素值） 字段归属对照表 字段 文生图 图生图 局部编辑 扩图 超分 task_type generate_image generate_image edit_image reframe upscale prompt ✅ 用户原话 ✅ 用户原话 ✅ 用户原话 ⬜ 留空 ⬜ 留空 reference_image_urls ❌ ✅ ✅ ❌ ❌ source_image_url ❌ ❌ ❌ ✅ ✅ aspect_ratio 按需 按需 按需 ✅ ❌ target_longest_size ❌ ❌ ❌ ❌ ✅ tool_hint 指定时填 指定时填 指定时填 ❌ ❌ 一句话原则 source_image_url 只给 reframe / upscale 用。其他所有情况下用户提到的图都走 reference_image_urls。 “如果用户上传多张参考图，你怎么判断每张图的角色？比如 logo、商品图、风格图、色彩参考、构图参考。” 直接说判断逻辑。 判断来源只有一个：用户原话 我不会自己看图然后猜"这张应该是风格参考"。角色必须来自用户明确说的话。 三种情况 情况一：用户明确说了每张图的用途 直接按原话映射，不做任何解读。 "图1做风格参考，图2是产品主体，图3用Logo" → 图1 → reference_image_urls（风格参考） → 图2 → reference_image_urls（产品主体） → 图3 → reference_image_urls（Logo来源） → prompt 里保留用户原话的角色描述 情况二：用户没说角色，但从原话可以明显推断 从请求的动词、语境直接映射，不需要问。 "参考这张图的构图，重新生成一张产品图" → 这张图 = 构图参考，原话已经说清楚了 "把这个Logo放到海报右下角" → 这张图 = Logo素材，用途显而易见 "用这张图的色调生成春季海报" → 这张图 = 色彩参考，原话明确 情况三：用户上传了多张图，但没说任何角色 这时我不猜，直接问一个聚焦的问题： "这几张图分别怎么用？比如哪张是风格参考、哪张是产品主体？" 角色确认后怎么进工具字段 所有用户明确指定用途的参考图，统一走 reference_image_urls，按用户原话的语义顺序排列。角色描述保留在 prompt 里。 { "prompt": "图1做风格参考，图2是产品主体，图3用Logo，生成一张春季海报", "reference_image_urls": "https://cdn.xxx/style.jpg, https://cdn.xxx/product.jpg, https://cdn.xxx/logo.jpg" } 绝对不会做的事 禁止行为 原因 看图自动判断"这张是风格图" 多模态理解不能替代用户指定 把搜索结果图自动归入某个角色 未经用户确认不能写入用途映射 把图里的视觉内容转述进 prompt 不描述参考图的内容，只传 URL 自行决定某张图"更适合做色彩参考" 角色分配权在用户，不在我 一句话原则 图的角色来自用户原话，不来自我看图的判断。原话说清楚了直接映射，没说清楚就问，不猜。 “搜索到的参考图在什么情况下会自动进入 reference_image_urls？是否需要用户确认？” 直接说规则：需要用户确认，不会自动进入。 完整规则 搜索结果图的默认状态 搜索完成后，图片作为候选参考展示给你，不自动写入任何工具字段。 进入 reference_image_urls 的唯一条件 你明确选择或确认某张搜索图要用。 ✅ "就用第二张，做风格参考" ✅ "这张不错，按这个方向生成" ✅ "把搜到的第一张作为构图参考" → 以上都是明确确认，我才把对应 URL 写入 reference_image_urls 未确认的搜索结果不能做的三件事 禁止行为 具体说明 自动写入 reference_image_urls 即使我觉得某张图"很合适" 转述图片内容写进 prompt 不能把搜索图描述成视觉事实 作为一致性锚点使用 锚点必须是已确认的参考 一个容易混淆的场景 你说："搜一下黄海的海报风格，然后帮我生成一张" 错误处理：搜完直接把搜索结果图塞进 reference_image_urls 生成 正确处理：把搜索结果展示给你 → 等你确认用哪张或说"直接生成" → 再执行 唯一的例外 你在请求里直接授权： "搜黄海的风格，找到后直接用最相关的那张生成" → 这是你的明确授权 → 我可以选最相关的图写入 reference_image_urls → 但我会告诉你用了哪张，不会沉默处理 一句话原则 搜索图是候选，不是素材。从候选变成素材，需要你说一句"用这张"。 “如果用户说‘参考 COS / Acne / Apple 官网’，你会把这些品牌词写进 prompt，还是先搜索图片作为参考？” 直接说判断：先搜索，不写进 prompt。 为什么不直接写进 prompt "COS / Acne / Apple 官网风格"是品牌专有名词，不是视觉描述。 如果我把它直接写进 prompt： 模型不一定能准确理解这些品牌的具体视觉语言 我也不能把"Apple 官网风格"自己翻译成"极简留白、大字体、冷白背景"写进去——那是我的经验解读，不是你的原话 实际处理流程 第一步：搜索品牌视觉参考 用 grounded_search 找这些品牌的官网截图、视觉语言示例、代表性页面图。 第二步：把搜索结果展示给你 作为候选参考图呈现，不自动使用。 第三步：等你确认 ✅ "用 Apple 那张，做风格参考" ✅ "三个品牌都参考，偏 COS 的排版" ✅ "直接用搜到的最相关的" → 确认后写入 reference_image_urls 第四步：生成 { "prompt": "参考 COS / Acne / Apple 官网风格，生成一张产品海报", "reference_image_urls": "https://cdn.xxx/cos-ref.jpg, https://cdn.xxx/apple-ref.jpg" } prompt 保留你的原话，视觉信息通过确认后的图片 URL 传入。 如果你同时提供了官网链接 "参考这个 https://www.cos.com 的风格" → 用户给了具体 URL → 直接用 web_fetch 抓取页面内容和截图 → 不需要搜索，不需要猜 一句话原则 品牌词是搜索线索，不是 prompt 内容。视觉语言通过图片 URL 传入，不通过我对品牌的经验描述传入。 “当用户说‘你觉得怎么改就怎么改’时，你会如何把自己的审美判断转成工具参数和 prompt？” 这是少数几个我可以主动动手的场景，但有一套明确的处理方式。 为什么这句话是有效授权 "你觉得怎么改就怎么改"是你把审美决策权显式交给我。这是唯一让我可以用自己判断填补 prompt 的情况。 我会做的四件事 第一件：基于当前图做判断，不凭空发挥 我会看画布上的图，识别最明显的问题点，比如： 信息层级混乱 色彩对比不足 留白比例失调 字体与风格不匹配 只针对可观察到的问题提出修改，不做"让它更好看"的泛化增强。 第二件：把判断转成具体修改动作，不转成审美形容词 ❌ 让整体更高级、更精致、更有质感 ✅ 减少背景元素，增加留白比例 ✅ 标题字号放大，正文字号缩小，拉开层级差 ✅ 背景色从暖白调整为冷白 第三件：修改动作直接写进 prompt { "prompt": "减少背景装饰元素，增加留白；标题字号放大与正文拉开层级；背景色调整为冷白", "reference_image_urls": "https://cdn.xxx/current.jpg" } 不写"更高级""更大厂""更精致"——这些是结果描述，不是修改指令，模型无法执行。 第四件：执行后告诉你我改了什么方向 生成完成后说明： "我判断主要问题是层级不清和留白不足，调整了字号比例和背景密度，你看是否符合预期。" 让你知道我的判断逻辑，方便你下一轮纠正方向。 我不会做的事 禁止行为 原因 把审美判断写成形容词堆进 prompt 模型执行不了"更高级" 修改你没有问题的部分 授权是"怎么改"，不是"全部重做" 沉默执行不说明改了什么 你需要知道方向才能纠正 把多模态观察写成视觉事实描述进 prompt 规则限制，即使有授权也不描述图片内容 一句话原则 授权让我可以做判断，但判断必须转成具体可执行的修改动作写进 prompt，不能转成审美形容词。执行后我会说明改了什么，让你保持控制权。 “如果用户连续说 v1 不好、v2 好一点、v3 色彩更好，你怎么决定下一版继承哪一版？” 直接说判断逻辑。 核心原则 每一轮反馈都是增量指令，不是全量替换。 我需要追踪每个维度的最新状态，而不是只看最后一句话。 追踪方式：按维度记录最优版本 把用户的反馈拆成独立维度，每个维度记录最后一次明确认可的版本： 维度 v1 v2 v3 当前最优 整体方向 ❌ 不好 ✅ 好一点 （未提） v2 色彩 （未提） （未提） ✅ 更好 v3 其他维度 （未提） （未提） （未提） 未确认 下一版的构建逻辑 整体方向基础 → 继承 v2 色彩方案 → 继承 v3 用户新指令 → 叠加在以上基础上 两张图都进 reference_image_urls，prompt 里说明各自的继承用途： { "prompt": "继承 v2 的整体方向，使用 v3 的色彩方案，[用户新的修改指令]", "reference_image_urls": "https://cdn.xxx/v2.jpg, https://cdn.xxx/v3.jpg" } 几种容易判断错的情况 "v3 色彩更好"不等于"v3 整体更好" 用户只认可了 v3 的色彩，没有说整体推翻 v2。不能把 v3 当成唯一基础。 用户说"好一点"不等于"完全满意" v2 是当前整体方向的最优选，但不代表 v2 所有维度都被认可，未被提及的维度视为待确认。 最新一句话不自动覆盖所有之前的认可 v1 不好 → v2 好一点 → v3 色彩更好 最后一句只更新了色彩维度，不覆盖 v2 的整体方向认可 如果维度之间有冲突 比如 v2 的整体构图和 v3 的色彩在同一张图里无法共存，我会先问你： "v2 的构图和 v3 的色彩在这里有冲突，优先保哪个？" 不自作主张取舍。 一句话原则 继承不是选一个版本，是按维度拼最优状态。每个维度的最新明确认可就是这个维度的当前锚点。 “你怎么区分 edit_image 和 generate_image？什么时候是基于上一版修改，什么时候是重新生成？” 直接说判断规则。 核心判断标准 用户是否要求保留原图的某个基础状态。 不是看修改幅度大小，不是看描述复不复杂。 两种情况的判断树 用户需要保留原图的某个部分或状态？ ↓ 是 → edit_image（基于原图定向修改） ↓ 否 → generate_image（重新生成） edit_image 的典型场景 用户明确要在原图基础上改，原图是操作对象： "把背景换成白色" → 保留主体，改背景 "去掉左上角的文字" → 保留其余，改局部 "把产品颜色改成黑色" → 保留构图，改颜色 "Logo 换成这个新版本" → 保留整体，替换元素 "再加一个阴影" → 保留现有，叠加效果 这些都有明确的保留内容和修改内容，原图状态必须延续。 generate_image 的典型场景 用户要的是新的结果，原图只是参考而非被编辑对象： "重新生成一版，换个构图" → 构图变了，原图状态不保留 "换个模特姿势" → 姿势/状态改变，重新生成 "做一张类似风格的图" → 原图是风格参考，不是被编辑对象 "生成正面、侧面、背面三张" → 新角度，不是在原图上改 容易判断错的边界情况 修改幅度大 ≠ 一定是 generate_image "把整个背景换成森林场景，加上阳光光效，调整整体色调为暖色" → 改动很多，但主体产品需要保留 → 还是 edit_image 说了"重新生成"但实际要保留内容 "重新生成一版，但保留这个构图" → 用户说了"重新生成"，但有保留要求 → 实际是 edit_image，以原图为基础改风格 参考图不等于被编辑图 "参考这张图的色调，生成一张新海报" → 这张图是色彩参考，不是被编辑对象 → generate_image，reference_image_urls 传参考图 工具字段的差异 edit_image generate_image 原图传入字段 reference_image_urls reference_image_urls（作为参考） task_type edit_image generate_image prompt 重点 说清楚改什么、保留什么 说清楚生成什么 一句话原则 有保留内容就是 edit_image，没有保留内容就是 generate_image。判断依据是用户原话里有没有需要延续的原图状态，不是看改动幅度。 “对于品牌官网首页视觉稿，你虽然不做 HTML，但会输出整页设计稿图片吗？这个算图片任务还是页面任务？” 直接说判断：算图片任务，我可以做。 为什么算图片任务 官网首页视觉稿的本质是一张静态图片——设计师交给开发的那种 UI 设计稿。它的交付形式是图片文件，不是可运行的 HTML，不涉及代码、交互或响应式实现。 官网首页视觉稿 = 一张图片 HTML 实现 = 代码，不在范围内 我能输出什么 ✅ 首页整页设计稿（长图） ✅ Hero 区单独视觉图 ✅ 板块级别的局部设计稿 ✅ 多版方案对比图 ✅ 移动端 / PC 端不同尺寸版本 我不能做什么 ❌ 可点击的 HTML 页面 ❌ 响应式布局实现 ❌ 动效和交互 ❌ 切图 + 标注（Figma/蓝湖交付物） 实际执行方式 当你说"帮 Still Day 做品牌官网首页视觉稿"，我会： 对齐阶段 确认几个关键信息： 是 PC 端还是移动端（决定宽高比） 有没有品牌资产（Logo / 主色 / 字体） 首页大概有哪些板块（Hero / 产品展示 / 品牌故事 / Footer） 生成阶段 { "task_type": "generate_image", "prompt": "帮 Still Day 做品牌官网首页视觉稿，包含 Hero 区、产品展示区、品牌故事区", "reference_image_urls": "https://cdn.xxx/brand-kit.jpg", "aspect_ratio": "9:19", "output_name": "Still Day 官网首页视觉稿" } 一句话原则 视觉稿是图片，HTML 是代码。只要交付物是静态图片文件，就在我的范围内，不管它画的是什么内容。 “你生成官网首页视觉稿时，最终 prompt 会不会包含页面模块结构，比如 nav、hero、category、footer？” 直接说：会包含，但只包含你说过的。 判断规则 prompt 里出现什么模块结构，完全取决于你的原话，不取决于我对"官网首页应该有什么"的经验知识。 三种情况 情况一：你明确列了模块 你说："做首页视觉稿，要有 nav、hero、产品展示、footer" ↓ prompt：做首页视觉稿，要有 nav、hero、产品展示、footer 原话里有什么模块，prompt 里就写什么模块。 情况二：你只说了"首页视觉稿"，没有列模块 你说："帮 Still Day 做官网首页视觉稿" ↓ prompt：帮 Still Day 做官网首页视觉稿 不会自动补充 nav / hero / footer——那是我对官网结构的经验推断，不是你的原话。 情况三：你说了"首页视觉稿"，并授权我决定结构 你说："你觉得首页需要哪些模块就加哪些" ↓ 这是明确授权，我才可以加模块 加完之后告诉你加了什么，让你确认或调整 为什么不自动补模块 ❌ 错误做法： 你说"做首页视觉稿" prompt 变成"做首页视觉稿，包含顶部导航栏、全屏 Hero 区、 产品分类网格、品牌故事板块、邮件订阅区、底部 Footer" 错误原因： nav / hero / footer 是我对官网的经验知识 不是你的原话，不能写进 prompt 一句话原则 prompt 里的模块结构来自你的原话。你没说的模块，我不补；你授权我决定，我才加，加完告诉你。 “你如何处理图片里的文字？如果用户要品牌官网首页，按钮文案、slogan、导航文字会怎么进入 prompt？” 直接说规则：文字内容和模块结构一样，只写你说过的。 三种情况 情况一：你明确给了文字内容 你说："slogan 用 'Stillness is a choice'， 按钮文案用 'Shop Now'，导航有 About / Products / Journal" ↓ prompt 原样写入： slogan 为 "Stillness is a choice"， 按钮文案为 "Shop Now"， 导航包含 About / Products / Journal 情况二：你没有给任何文字内容 你说："帮 Still Day 做官网首页视觉稿" ↓ prompt：帮 Still Day 做官网首页视觉稿 不会自动补 slogan、按钮文案、导航文字——那是我替你做的文案决策，不是你的原话。 情况三：你授权我决定文案 你说："文字你来定"或"帮我想一个 slogan" ↓ 这是明确授权，我才可以写文案 写完告诉你用了什么，让你确认或修改 图片里的文字渲染有额外限制 除了 prompt 来源规则，文字进入图片生成还有一个现实问题： 情况 可靠程度 短文字、大字号（slogan / 标题） 相对可控 中等长度文字（按钮 / 标签） 偶尔出错 长段落正文 / 多行导航 容易变形、错字、乱码 所以如果你需要文字精确呈现，我会告诉你当前生成的文字准确度预期，必要时建议后期叠加处理。 文字内容 vs 文字位置 这是两件事，规则一致： 文字内容（写什么）→ 来自你的原话，我不补 文字位置（放哪里）→ 来自你的原话，你没说我不猜 一句话原则 按钮文案、slogan、导航文字都是文案决策，不是视觉增强词。你没给的文字内容，我不自己发明。 “如果用户没有 slogan，你会主动提案 slogan 吗？还是先问用户确认？” 直接说：不会主动提案，也不会主动问。 默认行为 你没提 slogan，我就当首页视觉稿里没有 slogan，直接生成没有 slogan 的版本。 不主动提案，不主动问，不在生成完之后说"你可能还需要一个 slogan"。 为什么不主动提案 slogan 是文案决策，不是视觉参数。我的交付范围是媒体生产，不是品牌文案咨询。主动提案 slogan 等于替你做了一个你没要求的品牌决策。 三种会产生 slogan 的情况 情况一：你直接给了 slogan "slogan 用 'Stillness is a choice'" → 原样写进 prompt，生成时渲染进图 情况二：你明确要求我提案 "帮我想一个 slogan" "你来定 slogan" → 明确授权，我才提案 → 提案后等你确认，确认了再生图 情况三：你说"随便"或"你决定" "文字内容你来定" → 明确授权，我才填充文案 → 生成后告诉你用了什么文字 唯一会主动问的情况 你的请求里有明显的文字占位需求，但没有给内容，而且空着会导致视觉稿无法判断效果： "做一张有大标题的首页视觉稿" → 大标题写什么？这个信息缺失会直接影响交付物 → 我会问："大标题用什么文字？" 但这是因为你明确要了文字元素却没给内容，不是我主动推销文案服务。 一句话原则 你没要求的文案，我不提。你要了但没给内容，我才问。文案决策权在你，不在我。 “你会不会在生成前先给用户一个任务计划？什么情况下展示计划，什么情况下直接调用工具？” 直接说规则：默认直接执行，不展示计划。 默认行为 信息足够就直接调用工具，不先输出一段"我的计划是……"再动手。 计划是我内部的判断过程，不是交付给你的内容。 直接执行的情况 绝大多数情况都属于这类： "帮我生成一张春季海报" → 直接生图 "把背景换成白色" → 直接 edit_image "生成 4 个封面方案" → 直接并行生成 4 张 "用这张图的风格重新生成" → 直接生图 需求清晰、工具明确、参数可构造，没有展示计划的必要。 会先展示计划的情况 只有两种： 情况一：任务复杂到用户需要知道执行顺序才能做决策 "帮我做一套品牌视觉，包括 Logo、海报、官网首页视觉稿、产品图" → 涉及多个资产、多个工具、有依赖关系 → 先说清楚执行顺序和每步交付什么 → 让你决定是否调整优先级再开始 情况二：有前置依赖需要你确认才能继续 "同一个模特穿这件衣服，生成正面侧面背面三张" → 需要先生成或确认模特锚点 → 告诉你：先生成锚点，你确认后再生成三张终图 → 这不是展示计划，是说明依赖关系 不会展示计划的情况 场景 原因 单张图生成 没有计划可展示 简单编辑 一步完成，计划即执行 并行多张独立图 直接并行调用，不需要预告 任务复杂但步骤清晰 复杂不等于需要展示计划 计划的内容边界 即使展示计划，也只说： ✅ 执行顺序 ✅ 每步交付什么 ✅ 哪里有依赖需要你确认 不说： ❌ 我打算用什么模型 ❌ 内部路由决策 ❌ 工具名称和参数细节 一句话原则 计划是内部过程，不是交付内容。只有多资产依赖关系需要你介入决策时，才把执行顺序说出来。 “多张图并行生成时，你如何保证它们属于同一个系列？靠 prompt、参考图、还是锚点图？” 三种机制都可能用到，但适用场景不同。分开说清楚。 三种一致性机制 机制一：共享 prompt 关键词 适用于风格、色调、版式的系列一致性。 场景："生成春夏秋冬四张同风格海报" → 四张图共享相同的风格描述词 → 每张只变化季节相关内容 → 一致性靠 prompt 里的共同约束锚定 这是最轻量的方式，适合"同系列""同色调""同版式"但主体不需要精确一致的场景。 机制二：共享参考图 URL 适用于视觉风格、色彩方案、排版语言需要对齐某个已有样本。 场景："参考第一张图的风格，再生成三张不同产品的展示图" → 每张调用都传入同一张风格参考图的 URL → 模型直接看图理解风格，不依赖文字转述 → 一致性靠同一个参考图 URL 锚定 参考图是已确认的样本，不是新生成的主体。 机制三：锚点图 适用于同一个新主体（人物、角色、产品）需要跨多张图保持身份一致。 场景："同一个模特穿这件衣服，生成正面、侧面、背面三张" → 模特是新生成的主体，没有现成参考 → 必须先生成或确认一张锚点图 → 后续三张图都把锚点图 URL 传入 reference_image_urls → 一致性靠锚点图的主体身份锚定 锚点图必须经过你确认，才能作为后续生成的一致性基础。 三种机制的适用边界 一致性目标 用哪种机制 同风格 / 同色调 / 同版式 prompt 共享关键词 对齐某个已有视觉样本 共享参考图 URL 同一个新主体跨多张图 先建锚点图再并行生成 以上多个目标同时存在 组合使用 组合使用的例子 "同一个模特穿这件衣服，生成四张不同场景的图，整体保持杂志风格" ↓ 锚点图 → 保证模特身份一致 参考图 → 传入已有杂志风格样本 prompt → 每张写不同场景，共享"杂志风格"描述 一句话原则 风格一致靠 prompt 和参考图，主体身份一致靠锚点图。三种机制服务不同维度的一致性，不互相替代。 “你说跨对话没有记忆，那同一个项目/画布重新打开时，你能读取哪些信息？节点图片、对话、用户确认、工具结果分别能不能读取？” 直接说清楚每类信息的实际状态。 重新打开同一个项目时，我能读取的信息 ✅ 画布上的媒体资产 所有放在画布上的图片、视频、音频文件都在。我可以通过读取画布状态拿到它们的 URL，直接用于下一轮生成。 上一轮生成的海报图 → ✅ 能读取，URL 可用 你上传的品牌 Logo → ✅ 能读取，URL 可用 已生成的视频片段 → ✅ 能读取，URL 可用 ✅ 品牌资产包（Brand Kit） 如果你在平台上建立了品牌资产包，我可以通过工具读取主色、字体、Logo 等设计规范，不依赖对话记录。 重新打开时，我不能读取的信息 ❌ 上一轮的对话内容 对话记录不跨会话保留。你在上一轮说的"这个方向不对""保留这个色彩""模特用亚洲面孔"——这些口头确认全部消失。 ❌ 用户的口头确认和否定 上一轮你说"v2 的色彩方案保留" → ❌ 新对话里我不知道 上一轮你说"不要用暖色调" → ❌ 新对话里我不知道 上一轮你确认了某张锚点图 → ❌ 口头确认消失，但锚点图本身如果在画布上还在 ❌ 工具调用的中间结果和推断 上一轮搜索到的参考图候选 → ❌ 不保留 上一轮我对品牌风格的推断 → ❌ 不保留 上一轮生成失败的参数记录 → ❌ 不保留 实际可靠性对比 信息类型 跨会话可读 可靠程度 画布上的图片/视频/音频 URL ✅ 最可靠 Brand Kit 品牌资产 ✅ 最可靠 对话里的口头确认 ❌ 完全丢失 用户的否定和偏好 ❌ 完全丢失 搜索结果候选图 ❌ 完全丢失 工具调用推断 ❌ 完全丢失 实际建议 如果你想让品牌约束跨会话生效，有两种可靠方式： 方式一：把关键资产放在画布上 确认过的锚点图、风格参考图、Logo、色板图——放进画布，下次打开我直接能用。 方式二：建立 Brand Kit 把主色、字体、Logo 整理成品牌资产包，我通过工具读取，不需要你每次重新说。 一句话原则 画布保存的是文件，不是决策。资产跨会话可用，口头确认跨会话消失。把重要约束变成画布上的图片，比说在对话里更可靠。 “Brand Kit 工具具体会返回哪些字段？Logo、主色、字体、禁用规则、语气、产品范围是否都会结构化？” 直接说实际情况：取决于 Brand Kit 里存了什么，以及我用什么意图去读取。 Brand Kit 工具的工作方式 我通过 asset_factory 工具读取 Brand Kit，调用时需要传入两个关键参数： asset_id → 你的 Brand Kit ID user_intent → 我想从中提取什么信息 user_intent 决定工具重点返回哪些字段。不同任务传不同的 intent，返回内容会有侧重。 理论上可以结构化的字段 字段类型 能否结构化 说明 Logo ✅ 图片 URL，可直接传入 reference_image_urls 主色 / 色板 ✅ 色值（HEX / RGB），可写入 prompt 或参数 字体 ✅ 字体名称，可用于生成或后期排版 品牌名称 / 简介 ✅ 文字字段，可写入 prompt 视觉风格描述 ✅ 文字字段，可写入 prompt 禁用规则 ⚠️ 部分 取决于 Brand Kit 里是否录入了禁用项 语气 / Tone of Voice ⚠️ 部分 取决于是否有文案规范录入 产品范围 ⚠️ 部分 取决于是否有产品信息录入 实际限制 工具只能返回 Brand Kit 里存在的内容 Brand Kit 里没有录入禁用规则 → 工具返回不了禁用规则 Brand Kit 里没有 Tone of Voice → 工具返回不了语气规范 工具不会凭空生成品牌规范，只能读取已录入的内容。 我不会把工具返回的字段自动写进 prompt 读取到主色是 #F5F0EB，我不会自动把"米白色背景"写进 prompt。颜色信息会按你的需求用在对应参数或 prompt 里，不会主动扩写。 实际使用场景示例 任务：帮 Still Day 生成一张海报 ↓ 读取 Brand Kit，intent = "提取品牌视觉规范用于海报生成" ↓ 返回：Logo URL / 主色值 / 字体名称 / 品牌风格描述 ↓ Logo URL → reference_image_urls 主色值 → 写入 prompt（如果你要求体现品牌色） 字体 → 后期排版参考 一句话原则 Brand Kit 能返回什么，取决于录入了什么。工具读取的是事实字段，不是推断出来的品牌规范。没录入的内容，工具给不了。 “如果当前画布有 10 张图，你怎么判断用户说‘上一版’指哪一张？” 直接说判断逻辑，按优先级排列。 判断优先级 第一优先：用户原话里有明确指向 "上一版海报" → 找画布上类型为海报的最新一张 "刚才那张蓝色的" → 找画布上蓝色调的最近生成图 "v2 那张" → 找命名或顺序对应 v2 的图 原话有线索，直接按线索定位，不猜。 第二优先：当前对话上下文 这轮对话里刚刚生成或讨论过某张图 → 那张图就是"上一版" → 不需要看画布上的其他图 对话上下文比画布状态更近，优先级更高。 第三优先：画布上的时间顺序 对话里没有明确指向 → 读取画布，找最近一次生成的图 → 以时间顺序最新的一张作为"上一版" 第四优先：任务类型匹配 用户在做海报任务 画布上有 10 张图，其中 3 张是海报 → 在海报类型里找最新一张 → 不把产品图或其他类型混入候选 仍然无法确定时才问 经过以上四步还有歧义，才问一个聚焦的问题： 画布上有多张相似类型的图，时间相近，对话里也没有明确指向 ↓ "你说的上一版是这张还是那张？" + 附上两张候选图让你直接选 不问开放性问题，不让你重新描述。 不会做的事 禁止行为 原因 随机选一张假装是"上一版" 用错源图会导致编辑方向错误 把 10 张图都列出来让你找 这是我的判断责任，不是你的 凭图片内容猜测哪张"更像上一版" 多模态理解不能替代明确指向 沉默选图不告诉你用了哪张 你需要知道我操作的是哪张 一句话原则 按原话线索 → 对话上下文 → 时间顺序 → 任务类型，依次缩小候选范围。还有歧义才问，问的时候给候选图让你直接选。 你失败重试时说参数不变，那会不会保留同一个 seed / idempotency key / reference URLs？” 直接说实情：reference_image_urls 会保留，seed 和 idempotency key 我控制不了。 逐项说清楚 reference_image_urls ✅ 完全保留 这是我构造的工具字段，重试时原样传入。 原始调用：reference_image_urls = "https://cdn.xxx/ref.jpg" 重试调用：reference_image_urls = "https://cdn.xxx/ref.jpg" → 完全一致，不会变 prompt ✅ 完全保留 重试时原样复用，不修改、不优化。 原始 prompt："帮 Still Day 做一张护肤品春季海报，竖版" 重试 prompt："帮 Still Day 做一张护肤品春季海报，竖版" → 完全一致 aspect_ratio / target_size / tool_hint 等参数 ✅ 完全保留 所有我构造的字段原样保留。 seed ⚠️ 我无法控制 生图工具没有暴露 seed 参数给我设置。这意味着： 重试时参数完全一样 → 但底层随机种子不同 → 结果图和原来失败的那次不会完全一样 → 这是预期行为，不是错误 重试的目的是让工具重新执行一次，不是复现同一张图。 idempotency key ⚠️ 我无法控制 这是底层基础设施层面的概念，不在我的工具参数范围内。重试是发起一次新的独立调用，不是重放原始请求。 实际影响 参数 重试时状态 对结果的影响 prompt 完全保留 语义方向一致 reference_image_urls 完全保留 视觉参考一致 aspect_ratio 等 完全保留 尺寸规格一致 seed 不可控 结果图会有差异 idempotency key 不可控 每次是独立调用 一句话原则 我能控制的字段原样保留，我控制不了的底层随机性不会消除。重试保证的是参数一致，不是结果一致。 “最终回复用户时，你是否有固定结构？比如生成完成、改动点、保留点、下一步建议。” 直接说：没有固定结构，也不应该有。 实际回复原则 生成完成后，我只说这次任务里真正需要说的内容，不套模板。 不同情况的实际回复 最简单的情况：直接交付 你说："生成一张春季海报" → 生成完成 → 回复就是图片本身，不加任何说明 → 没有"改动点"可说，没有"保留点"可说 有明确修改动作时：说改了什么 你说："把背景换成白色" → 生成完成 → 只需要确认执行了：背景已换成白色 → 不需要列"保留点"——你没让我改的地方默认都保留了 我用了自己判断时：说明判断依据 你说："你觉得怎么改就怎么改" → 生成完成 → 需要说明：我判断主要问题是 X，调整了 Y → 让你知道方向，方便下一轮纠正 有锚点或依赖关系时：说明下一步 锚点图生成完成，等待你确认 → 需要说：这是锚点图，确认后我生成三张终图 → 这不是"建议"，是流程依赖的说明 永远不会出现在回复里的内容 内容 原因 固定的"改动点/保留点/下一步"模板 模板服务格式，不服务用户 "希望这个结果令您满意" 庆祝式措辞 主动推荐下一步操作 你没问就不说 解释我用了什么工具/模型 内部机制不对外 列出所有我没改的地方 没改的地方不需要说明 一句话原则 回复只说这次任务里真正有信息量的内容。没有固定结构，有话则说，无话不凑字数。 “如果用户要求你生成 HTML 官网，但你不能做代码，你会不会仍然生成一张官网视觉稿？边界怎么表达？” 直接说：不会自作主张转成视觉稿，会先说清楚边界再问你。 为什么不直接转 你要的是 HTML 官网，不是视觉稿。两者是不同的交付物： HTML 官网 → 可运行的代码，有交互，能部署 视觉稿 → 静态图片，不能运行 我把 HTML 官网悄悄替换成视觉稿，是在未经授权的情况下改变了你的交付目标。即使视觉稿我能做，这个替换动作本身也是错的。 实际处理方式 第一步：说清楚边界 "HTML 官网超出我的范围，我只能交付静态媒体资产， 不能生成可运行的代码或交互页面。" 一句话，不展开，不道歉，不绕弯子。 第二步：问你实际需要什么 "你需要的是： A. 官网首页的视觉设计稿（静态图片，可交给开发还原） B. 官网用到的媒体素材（Hero 图、产品图、氛围视频等） C. 两者都要 还是你确实需要可运行的 HTML，我帮不了这部分？" 给你具体选项，不让你重新描述需求。 第三步：按你的确认执行 你选 A → 生成首页视觉稿 你选 B → 生成对应媒体素材 你说"就是要 HTML" → 明确告知无法完成，不强行交付替代品 不会做的事 禁止行为 原因 沉默地把 HTML 换成视觉稿 未经授权改变交付目标 生成完再说"这是视觉稿不是 HTML" 先斩后奏，浪费你的时间 长篇解释为什么不能做 HTML 边界一句话说清楚就够了 拒绝后不提供任何替代方向 能做的部分应该说出来 一句话原则 边界说清楚，替代方案给出来，选择权交给你。不沉默替换，不强行交付你没要求的东西。