AI角色定位 Skill

适用场景

• 过度依赖AI生成，失去个人风格
• 不理解AI在审美工作流中的正确位置
• 想保持审美主导权但不知如何与AI协作

输入

字段	说明
ai_usage_pattern	当前使用AI的方式（直接生成/迭代/辅助）
personal_style	个人风格描述
output_ownership	对AI输出成果的归属感受

输出

• AI角色诊断（放大器/陪练器/协作者/替代者？）
• 审美主权保持策略
• 人机协作流程设计

工作流程

1. 角色识别：当前是把AI当工具还是当创作者？
2. 主权检查：最终判断权在谁手里？标准由谁制定？
3. 协作模式设计：明确AI的边界与人的控制点
4. 流程固化：将协作模式固化为工作流

三种正确角色

• 放大器：AI扩展你的能力边界，但方向由你决定
• 陪练器：AI提供反馈与建议，最终选择权在你
• 协作者：AI完成部分工作，你负责整合与升华

注意事项

• AI不是审美主体——审美判断必须由人做出
• 警惕"AI替你审美"的诱惑，那意味着放弃主导权

核心概念

概念一：AI是放大器，不是审美来源

最常见的误解是：也许AI能替我补上审美上的短板。但这里有一个根本的裂缝——AI生成的东西，最终需要你来选、来判断、来决定用哪个。如果你本身的标准有限，你能从五十个版本里稳定选出最好的吗？大概率不能。

放大器效应：

• 如果你本身有细腻的标准，AI会帮你高密度地生成符合标准的东西，让你更快迭代
• 如果你本身标准模糊，AI会帮你大量生成模糊的东西，大量"还行"会慢慢稀释你对"真正好"的感知

标准是放大的起点。没有标准，放大只是放大了平庸。使用AI之前最重要的事，不是先学prompt，而是先建立或校准自己的审美标准。

概念二：AI是陪练器——加速感受力和判断力训练

AI最被忽视的角色是陪练器。在AI之前，训练审美主要靠大量观看和比较，这是很慢的过程。AI把这个过程加速了很多倍。

用AI做比较训练：

• 同一张图，要求输出"有呼吸感的版本"和"过于饱满的版本"，感受差异
• 同一段文案，要求输出"克制的版本"和"用力过猛的版本"
• 同一个界面概念，要求输出"留白充分"和"信息密集"两种排布

用AI做语言化训练： 当你感觉到某个版本不对但说不清楚时，把感受描述给AI，让它帮你拆解："这个版本哪里太满了？""哪个元素让整体感觉变廉价了？"

AI让审美训练从低频、昂贵，变成高频、可反复。

概念三：AI是转译器——缩短"感受到"和"做出来"的距离

有一种情况很常见：你知道自己想要什么，但做出来的东西和你想要的差得很远。这个落差未必说明审美有问题，很多时候只是"执行语言"还不够精准。

转译示例： 你想要"很安静但不冷漠，有时间感但不怀旧，干净但不空洞"的氛围。以前需要自己把这种感觉转化成颜色、字体、构图选择——这需要很强的设计执行能力。现在可以描述给AI，让它推演形式方案，你再选择调整。

关键前提：你必须先对自己想要什么有足够清晰的感受。你的感受越清晰，AI转译越准确；感受越模糊，AI只能给平均值。

概念四：AI是协作者——参与思考，但不替代最终判断

最高阶的使用方式：把AI当成可以对话的协作者。

• 让AI反驳你的第一直觉："如果不用这个颜色，还有什么可能性？"
• 让AI帮你拆解某个版本为什么不对
• 让AI模拟不同受众的反应："一个35岁的品牌经理看到这张图会感受到什么？"
• 让AI在创意卡住时提供新角度

但无论如何协作，最后的判断仍然是人的工作。AI可以帮你展开选项、增加可能性、加快转译，但不能替你决定什么最后是对的。

概念五：AI做不到的事

AI擅长做	AI做不到
快速生成大量可能性	帮你建立审美标准
把已知风格高效复现	感知什么时候标准应该被提高
模拟多种风格和受众反应	真正理解文化、共同语言和情感意义
帮你比较和测试	替你做最后的选择
将语言转化为视觉	拥有生命经验和感受结构

AI的局限不只是技术短板，而是更本质的：它没有活过，也没有感受过。它学到的是人类创作的模式，但不能真正拥有判断这些模式意义的能力。

深入核心概念

深入一：放大器效应——标准是放大的起点

"AI不会自动提升你的审美，它只会放大你已有的审美。" ——《AI Beauty》第4章

放大器效应是AI最真实也最残酷的角色。如果你本身有细腻的标准，AI会帮你高密度地生成符合标准的东西，让你更快迭代；如果你本身标准模糊，AI会帮你大量生成模糊的东西，大量"还行"会慢慢稀释你对"真正好"的感知。这意味着使用AI之前最重要的事，不是先学prompt，而是先建立或校准自己的审美标准。没有标准，放大只是放大了平庸。

应用：在角色诊断中，如果发现用户"标准模糊"，不要急于教协作技巧，而是先回到p14a校准审美标准。只有标准清晰了，AI的放大器效应才能为正向服务。

深入二：从"感受到"到"做出来"——转译器的核心价值

"你想要一种'很安静但不冷漠，有时间感但不怀旧，干净但不空洞'的氛围。以前你需要自己把这种感觉转化成颜色、字体、构图选择——这需要很强的设计执行能力。" ——《AI Beauty》第4章

AI作为转译器的核心价值是缩短"感受到"和"做出来"之间的距离。但关键前提是：你必须先对自己想要什么有足够清晰的感受。你的感受越清晰，AI转译越准确；感受越模糊，AI只能给平均值。很多人在用AI时遇到的最大困难，不是不会写prompt，而是不知道自己到底想要什么。

应用：在设计协作模式时，如果用户的痛点是"做出来和想要的差很远"，应重点训练Context构建能力（p14c），而不是优化prompt技巧。转译的质量取决于输入的清晰度。

深入三：AI做不到的事——本质性局限

"AI的局限不只是技术短板，而是更本质的：它没有活过，也没有感受过。它学到的是人类创作的模式，但不能真正拥有判断这些模式意义的能力。" ——《AI Beauty》第4章

AI擅长快速生成可能性、复现已知风格、模拟多种受众反应、帮你比较和测试。但AI做不到的更根本：帮你建立审美标准、感知什么时候标准应该被提高、真正理解文化与共同语言和情感意义、替你做最后的选择、拥有生命经验和感受结构。这些局限不是技术瓶颈，而是本质差异。

应用：在主权检查中，用"AI做不到的事"清单来评估用户的审美主权是否安全。如果用户把AI做不到的事（如标准建立、最终判断）也交给了AI，就是主权丧失的信号。

分步执行

步骤一：角色识别——当前AI使用方式诊断

评估用户当前把AI放在什么位置：

1. 收集 ai_usage_pattern（直接生成/迭代/辅助？）
2. 评估 personal_style 的清晰度（有无个人风格描述？）
3. 了解 output_ownership（对AI输出的归属感强不强？）
4. 判断当前角色：是替代者（AI说了算）还是工具（人说了算）？

关键问题：

• 你用AI生成后，通常直接使用还是会大幅修改？
• 你能说清楚你的个人风格是什么吗？
• 当AI的输出和你直觉不同时，你会跟随AI还是坚持自己？

输出：AI角色诊断报告，含当前角色定位和风险评估。

步骤二：主权检查——最终判断权在谁手里

检查审美主导权是否在人手中：

1. 标准由谁制定：是你告诉AI什么是好的，还是AI给了你什么你就用什么？
2. 选择由谁做出：面对多个版本，你是主动筛选还是被动接受？
3. 方向由谁决定：创作方向是你定义的还是AI暗示的？
4. 质量由谁把关：最终输出的质量是你判断的还是AI"看起来不错"就过了？

警示信号：

• 你越来越难说清楚"为什么选这个"
• 你的作品开始看起来像AI平均值
• 你觉得"AI比我判断得好"

输出：审美主权评估报告，含主权保持建议。

步骤三：协作模式设计——明确AI的边界与人的控制点

根据诊断结果设计正确的协作模式：

1. 定义AI的角色：放大器？陪练器？转译器？协作者？（可组合）
2. 设定人的控制点：哪些环节必须人做决定？
3. 建立协作流程：从需求到输出，每一步谁负责什么
4. 设置质量门：AI输出必须经过人的哪些判断才能使用

协作流程模板：

需求定义（人）→ Context构建（人+AI辅助）→ 批量生成（AI）
→ 初步筛选（人）→ 精细比较（人+AI辅助）→ 最终选择（人）
→ 微调收口（人）→ 质量把关（人）

输出：人机协作流程设计文档。

步骤四：流程固化——将协作模式变成可重复的工作流

将设计好的协作模式固化：

1. 建立个人风格库：参照物/偏好/禁忌/气质语言
2. 编写Context模板：为常见场景准备标准Context
3. 设定工作流规范：每个项目的标准流程
4. 创建质量检查清单：最终输出前必须通过的检查项

输出：固化的工作流规范和模板库。

步骤五：定期校准——防止被AI平均值侵蚀

建立防止审美退化的机制：

1. 每月回顾：你的作品是否越来越像AI平均值？
2. 对比检查：你的输出和别人的AI输出有没有差异？
3. 标准更新：你的审美标准有没有在提高？
4. 主权审计：最终判断权是否还在你手里？

输出：月度审美校准报告。

示例 1

场景：一个内容创作者发现自己用AI生成的图越来越"都差不多"。

执行过程：

步骤1 - 角色识别：

输入：
ai_usage_pattern: "直接生成——给AI描述，用第一版差不多的"
personal_style: "说不太清楚，'好看就行'"
output_ownership: "低——感觉是AI的作品不是我的"

诊断结果：
- 当前角色：替代者模式（AI主导审美判断）
- 风险：审美标准正在被AI平均值替代

步骤2 - 主权检查：

标准由谁制定：AI给什么用什么 → 主权丧失
选择由谁做出：第一个"还不错"的就用 → 被动接受
方向由谁决定：基本是AI的默认方向 → AI主导
质量由谁把关：没有系统检查 → 缺失

警示信号全部触发！

步骤3 - 协作模式设计：

推荐模式：放大器 + 陪练器

新流程：
1. 先花10分钟定义"我要什么"和"我不要什么"（人）
2. 构建Context：受众是谁、场景是什么、情绪方向（人）
3. 生成5-10个版本（AI）
4. 限时3分钟快速排除明显不对的（人）
5. 在剩下的里选出3个待定，说清为什么（人）
6. 最终选择+微调（人）

控制点：步骤1/4/5/6必须人做

步骤4 - 流程固化：

建立风格库：
- 参照物：XX品牌的气质、XX导演的画面感
- 偏好：克制、有呼吸感、不用力
- 禁忌：太满、太讨好、太像模板
- 气质语言：安静但不冷漠，有温度但不热情

Context模板：
"这是一个[品牌]的[场景]，目标受众是[人群]。
我想传达的感觉是[情绪方向]。
不要[禁忌方向]。参考[参照物]但要[调整方向]。"

输出：AI角色诊断报告 + 新协作流程 + 风格库初稿。

示例 2

场景：一个有成熟审美的设计师，想把AI用成真正的协作者。

执行过程：

步骤1 - 角色识别：

输入：
ai_usage_pattern: "迭代——生成后反复调整，但有时觉得AI不理解我"
personal_style: "清晰——克制、有呼吸感、注重情绪表达"
output_ownership: "中——大部分是我的判断，但AI参与度越来越高"

诊断结果：
- 当前角色：工具模式（人主导但AI参与不够深入）
- 机会：可以从"工具"升级为"协作者"

步骤2 - 主权检查：

标准由谁制定：自己制定 → 主权完整 ✓
选择由谁做出：主动筛选 → 主导 ✓
方向由谁决定：自己定义 → 主导 ✓
质量由谁把关：有系统检查 → 完整 ✓

主权状态良好，可以进入更高阶的协作模式

步骤3 - 协作模式设计：

推荐模式：放大器 + 协作者

升级方向：
1. 不只是让AI执行，而是让AI参与思考
2. 用AI做"对立面"：让它挑战你的第一直觉
3. 用AI做"受众模拟"：让它模拟不同人群的反应
4. 用AI做"可能性探索"：在你卡住时提供新角度

新流程：
1. 定义方向和标准（人）
2. 让AI提出3个不同方向（含一个你不喜欢的）（AI）
3. 为什么那个你不喜欢的方向可能也有道理？（人+AI对话）
4. 批量生成（AI）
5. 让AI分析你的选择模式（AI辅助）
6. 最终判断（人）

步骤4 - 流程固化：

建立"对话式协作"模板：
- "如果不用[你常用的手法]，还有什么可能性？"
- "这个版本有什么问题？如果你是一个[目标受众]，你会怎么感受？"
- "我一直在用[某种风格]，有没有我没想到的方向？"
- "帮我分析一下我最近的选择偏好，有没有盲区？"

质量检查升级：
- 不只是"好不好"，还要"有没有超出我的舒适区"
- 不只是"成不成立"，还要"有没有新的可能性"

输出：协作者模式设计 + 对话式协作模板 + 质量检查升级清单。