用途：当用户为同一品牌生成多个素材，或已有 brand.json / brand.md 时启用，包装 asset_brand_bundle_parse、asset_generate_* 与验证流程，保证整套素材视觉一致。
主要能力：BrandBundle 包含 palette（名称、hex、用途）、typography（主/副字体及 fallback）、style_refs、可选的 lora、sref_code、style_id，以及 do_not[] 与 logo_mark。调用 asset_brand_bundle_parse({ source }) 可从 brand.md、brand.json、DTCG tokens.json 或 AdCP 规范构建。
调色板约束按模型强度不同：Recraft V3/V4 用 controls.colors 硬约束（ΔE2000 约 1–5），Flux.2 用 JSON color_palette（3–7），Ideogram 3 用 style_reference_images 或 style_codes（5–10），Midjourney 用颜色词加 --sref 与 --sw 250–400（5–12），gpt-image-1 用散文式 hex（5–15），SDXL/Flux.1 用 hex 加 IP-Adapter 色板（5–15），Imagen/Gemini 需后处理重着色（10–20）。通用兜底为 LAB 空间 K-means 重映射并用 ΔE2000 校验，asset_validate 标记漂移，后处理重着色到最近色板项。
风格参考：规范锚点用于超过 3 个素材的一致性；通过验证与用户接受的素材可加入 style_refs[]。CSD 相似度阈值 ≥0.72 通过，0.60–0.72 需复核，<0.60 失败。模型专属手段包括 Midjourney 的 --sref/--cref/--mref、Recraft 的 style_id、Flux+IP-Adapter 的 ip_adapter_weight 0.7–0.9、SDXL+LoRA 的触发词与 lora_scale 0.7–1.0。
使用方式与限制：≥20 个素材时可训练 LoRA（调用 trainBrandLora，约 50–200 美元、约 2 小时），将 .safetensors 路径写入 BrandBundle.lora；资产数量少时改用 IP-Adapter 或 --sref 更省。do_not[] 不可直接作为字面否定传给 Flux/Ideogram/Recraft，应转换为正向描述；SDXL 与 Midjourney 可用字面否定。字体应合成而非生成，填充 fallback 而非字体文件名。验证含调色板 ΔE2000 ≤10、CSD ≥0.72、笔画宽度 σ≤20%，可选 VLM 评分 ≥4。收敛检测：最近 4 个中 3 个一次通过则品牌包紧凑；最近 3 个中 2 个需重着色则偏松，考虑 LoRA 或加参考；任一素材接受后仍重生成 3 次以上则品牌说明含糊，需向用户澄清。具体价格、平台与效果以实际执行为准。