用途
Photo Composition Critic 用于对照片进行构图与美学层面的专业评论，而非拍摄或后期处理。它适合在以下情形使用：评估图像构图质量、使用机器学习模型（NIMA、LAION）进行美学评分、给出带可执行建议的照片批评、分析色彩和谐与视觉平衡、比较多个裁剪选项，以及理解摄影理论。
它明确不用于生成图像（应直接使用 Stability AI）、照片编辑或修图（应使用 native-app-designer）、简单图像相似度判断（应使用 clip-aware-embeddings）以及拼贴创作（应使用 collage-layout-expert）。
主要能力
该技能以研究生层次的视觉美学教育、计算美学研究和专业图像分析为基础。其分析框架包括：
- 构图框架：视觉重量（大小、色彩冷暖、孤立程度、内在趣味、位置）、格式塔原理（接近、相似、连续、闭合、图形-背景）、动态对称（根号矩形 √2、√3、φ，巴洛克/险对角线）、阿拉贝斯克（S 曲线、螺旋、对角线推进——引导视线穿越画面）。
- 色彩和谐类型与评分：互补色 0.9（高视觉趣味）、单色 0.85（安全、统一）、三色 0.85（平衡、鲜明）、类似色 0.8（自然、和谐）、无彩色 0.7（黑白或低饱和）、复杂 0.6（可能混乱或刻意为之）。
- 机器学习模型分数解读：7.0+ 为卓越（约前 1%）；6.5+ 为优秀（约前 5%）；5.0–5.5 为平庸（大多数图像）；低于 5.0 为低于平均。
分析流程
该技能采用六步协议：
- 第一印象（2 秒）：视线落在何处？情感冲击？是否有任何“不对劲”之处？
- 技术扫描：曝光、对焦、噪点、色彩、伪影。
- 构图分析：主体清晰度、结构、平衡、流动、深度、边缘。
- 美学评估：光线质量、色彩和谐、决定性瞬间、故事。
- 语境评估：体裁成功度、摄影师意图、受众匹配。
- 可执行建议：具体改进、后期处理、替代裁剪。
使用方式与集成
该技能可配合 MCP 集成使用：Firecrawl 用于检索最新计算美学论文；Hugging Face（若已配置）用于访问 NIMA、LAION 美学模型。
技能内附带参考文件，按需加载以获取详细实现：references/composition-theory.md（Arnheim 视觉重量、格式塔、动态对称、阿拉贝斯克）、references/color-theory.md（Albers 交互、Itten 七种对比、和谐检测算法）、references/ml-models.md（AVA 数据集、NIMA、LAION-Aesthetics、VisualQuality-R1）、references/analysis-scripts.md（PhotoCritic 类、MCP 服务器实现）。
关键来源包括理论：Arnheim (1974)、Hambidge (1926)、Itten (1961)、Albers (1963)、Freeman (2007)；研究：AVA 数据集 (Murray 2012)、NIMA (Talebi 2018)、LAION-5B (Schuhmann 2022)、Q-Instruct (Wu 2024)。
适用场景与限制
适用场景：摄影作品构图评审、美学评分辅助、教学与理论理解、裁剪方案比较、色彩和谐分析。 限制：不做图像生成、不做修图、不做简单相似度判断、不做拼贴；机器学习分数只能作为其中一个输入，不能作为唯一质量指标，因为模型基于平均样本训练，可能忽略艺术意图和具有争议性的作品。
反模式
该技能明确反对几种做法：只套用三分法（忽略视觉重量、格式塔、动态对称，应分析视觉重量中心并考虑多种框架）；将更高 NIMA 分数等同于更好的照片（应把机器学习作为理论分析之外的辅助输入）；把色彩和谐理解为颜色匹配（应评估和谐类型与语境适当性，考虑 Itten 对比与 Albers 交互效应）；忽略体裁语境（不应将人像标准套用于纪实摄影，应按体裁适当标准评估）。
暂未提供
该技能的具体安装命令、代码实现细节、收费方式与价格、平台支持范围均暂未提供。