SuperAPI AI 工具集

visual-reference-calibration

设计与创作

查看项目

更新于 10-15 09:46

技能介绍

用途

视觉参考校准用于这样一种场景:用户提供了一个视觉参考,希望从中借鉴某种特定的视觉品质,而不是整体照搬。该技能由 ADS 负责任务与评审循环,本辅助技能负责澄清“到底要借鉴什么”。如果截图只是用来标记一个 bug,则应走普通评审路径,而非本技能。

主要能力

  • 先恢复再提问:阅读用户请求、此前的校准回答、当前产品决策以及实际参考,复用已确定的选项。对于以参考为主导的重要工作,记录一份简短的内部参考契约,内容包括:来源与要保留的属性;不应借鉴的内容(含偶然的演示内容);保真目标(接近匹配、同一精神或松散提示);必须保留的现有界面、层级、令牌与内容;以及用什么可观察的对比来确认预期效果。
  • 区分贡献层次:将构图、材质/颜色、边框/阴影/发光、排版/密度、动效、内容隐喻和系统行为区分开来,只保留真正需要的层次。如果参考的可见品质丢失,仅机制上相似是不够的。
  • 产品上下文检查:在相同相关状态与尺度下并排对比;检查效果是否无需解释代码即可成立;移除不属于产品的假菜单、首字母、图标或演示外壳;除非在用户范围内,否则保留现有内容与层级。
  • 交互参考验证:对于交互参考,验证实际行为、键盘/焦点等价、减少动效以及目标移动端浏览器行为。静态图无法确立动效保真度。
  • 系统级效果验证:如果效果是系统级的,应验证共享行为,而不是用无关的局部悬停修饰来替代。

使用方式

当存在细微且未解决的方向时,先创建最小可用的视觉目标或交互原型,再与参考对比,之后才进行昂贵的实现。如果参考已经足够具体且任务清晰,可以直接通过授权的本地实现推进。一个微小的参考驱动修正不需要再画一次稿或走审批仪式。使用现有的任务评审与交付路径;本地实现权限不代表部署或发布权限。

适用场景

适用于需要从视觉参考中提取特定品质并融入现有产品的设计或前端任务,尤其是涉及构图、材质、边框/阴影/发光、排版密度、动效或系统级交互行为的情况。

限制

  • 不确定的可选细节不是停止的理由。只有当缺失的决策会实质改变结果、且无法恢复或合理推断时才提问,例如:想要的属性是共享的悬停区域还是每张卡片的表面?不要重复整份校准问卷。
  • 当一次尝试未通过时,应针对上一件产物和先前契约阅读确切修正,保留有效部分,找出失败的假设。在任务既有预算内继续受支持的修复,通常为一次实现加一次修复。不要在两次拒绝后自动重置项目、丢弃工作或重复同样的问题。如果仍有实质决策或资源阻碍收敛,返回具体产物和那一个阻碍点。更换技术不会重置预算。
  • 关于 Jhey 卡片的经验:文档记录的 https://codepen.io/jh3y/pen/WbwZaNa 案例涉及共享邻近场、粗彩色边框、饱和模糊材质以及影响相邻卡片的发光。它不是添加假应用外壳或溢出菜单的模板。应保留视觉系统,而非偶然的演示内容;这一历史经验并不规定在另一任务中采用该美学。