Creative Eye 是一个面向 AI 智能体的创意判断与设计品味技能，用于解决智能体生成视觉内容时缺乏审美标准的问题。
用途 该技能针对五类常见问题：混淆“存在”与“好”、缺少优质标杆、重数量轻质量、无法自我评估、不从失败中学习。它提供框架、提示词与工作流来改进这些问题。
核心工作流 每项创意任务按 STUDY → COMPARE → CREATE → EVALUATE 的顺序执行，要求不跳过步骤：
- STUDY：通过每天约 10 分钟的分析练习建立品味：选择一个品牌或创作者，分析其一件内容，从视觉、字体排印、构图、负空间、元素改动影响、情绪成因等角度做具体记录，并写入学习日志。建议按四个层级选取 8-12 个品牌进行研究。
- COMPARE：创作前先为当前格式找到 3-5 个优秀参考，记录其具体优点，并把这些优点作为创作约束。
- CREATE：每个选择都要有理由，包括字体、颜色、布局、尺寸、图像处理方式；无法说明理由时应回到参考。
- EVALUATE：发布前运行两套评估工具。
评估工具
- 5 分制创意评分卡（改编自 Runway 视频评估框架）：从简报契合度、品牌一致性、视觉质量、情感共鸣、风格匹配五个维度各评 1-10 分，并设最低分要求；任一项低于最低分则不得发布。
- 10 项发布前检查清单：采用是/否判断，需至少 8 项为“是”才能发布。
自我精炼循环 基于 Andrew Ng 的 Reflection 模式与 CMU 的 Self-Refine 研究框架，流程为：生成 → 批判（视觉模型）→ 修复 → 再批判 → 发布或放弃。批判时把生成图与 2-3 张参考图一起输入视觉模型；修复只针对已识别问题；最多迭代 3 轮，若无明显改善则放弃并更换方向。技能还提供了周边设计、社交内容、产品摄影、视频/动态内容四类视觉模型评估提示词。
参考图库与风格画像 提供 reference-library/ 目录结构，按周边、社交内容、产品摄影、品牌系统、风格画像、失败案例分类组织。对希望复刻美感的参考图，可用 LLM 提取结构化 JSON 风格画像，包含配色（十六进制）、光线、构图、字体排印、情绪、质感等字段，存于 style-profiles/ 并用于生成时的上下文。
反模式与品牌护栏 每次失败需按模板记录：内容、当时看似可行的原因、实际坏在哪里、根因、防止复发的规则。品牌护栏文件分为视觉规则与声音规则（硬性阻断）及质量规则（软性标记）；还列出颜色漂移、字体替换、声音不一致、视觉不一致、意外声明等常见违规检测项。自动质量门流程把自我精炼循环与护栏清单接入发布流程：硬性项通过且分数达标则自动发布，硬性项失败则阻断并报告，软性标记则发布并留待复盘。
7 天创意训练课程 提供结构化的一周训练：第 1 天建立基础（创建参考图库目录、收集 50+ 参考图、编写风格指南与反模式文档、深入研究社交帖子）等，资料中后续日期内容未完整给出。
适用场景 周边商品、社交媒体帖子、广告、产品摄影、品牌物料等视觉内容创作与发布前质量把关。
限制 资料未提供具体安装方式、支持的模型列表、收费与价格信息；效果取决于所用视觉模型与参考图质量。