Design Image Studio — AI skill for Claude Code

Design Image Studio

把模糊的视觉需求，变成一张能用的设计图。

不是做"AI 美图"，是做**像设计师思考过之后才落笔的图**——海报、电商主图、PPT 配图、信息图。

---

这个项目要解决什么

我用过几个国内外的文生图工具，问题都很类似：

模型不弱，弱的是**输入**。

普通 prompt 大概长这样：

帮我做一张高级感的咖啡杯电商图，温暖，有质感

模型读完会出图。但你看到的常常是这几种：

• 紫蓝渐变背景 + 看不出材质的杯子 + 模糊的咖啡液面
• 棚拍硬光 + 完美但塑料感的杯子 + 假到不真实的咖啡蒸汽
• 一堆装饰元素拥挤在一起，杯子反而成了配角

不是模型画错了，是**这条 prompt 里没有设计判断**。 没说用途、没说受众、没说画面安全区、没说要避免什么。 模型只能瞎猜，猜出来的就是「平均美学」——也就是大家说的"AI 味"。

这个项目把"设计判断"补回到生图链路里。

---

它和别人有什么不同

我看到的同类工具大多是 **prompt 模板器**——存几十个写好的 prompt 模板，按场景套。

这套是 **设计编译器**——保留完整的 [Claude 设计系统提示词](https://github.com/elder-plinius/CL4R1T4S/blob/main/ANTHROPIC/Claude-Design-Sys-Prompt.txt)（73KB，没做摘要），让它真的去做设计推理：

用户 brief
   ↓
[design_reasoning]   完整设计系统提示词驱动，给出推理
   ↓
[compiled_brief]     压缩成结构化 brief，只保留对生图有用的
   ↓
[final prompt]       翻译成图像模型听得懂的简短 prompt
   ↓
Volcengine Seedream  生图

中间几层不是装饰。如果你跑 `--prompt-only`，会看到完整的 design_reasoning 输出——那就是模型实际在思考的设计判断，不是几个风格关键词的堆砌。

---

项目演进

这个仓库基于 [@kangarooking/design-image-studio](https://github.com/kangarooking/design-image-studio) 的核心想法（设计编译器思路 + 火山引擎 Seedream 封装），加了一套五阶段工作流，借鉴自 [@obra/superpowers](https://github.com/obra/superpowers) 的工程纪律。

原仓库做的事：

• 保留完整 Claude 设计系统提示词作为"上游设计脑"
• design_image.py 把 brief 编译成 design reasoning → compiled brief → image prompt
• generate.py 封装火山方舟 Seedream 的调用、重试、成本估算

我在它基础上补的：

• brainstorming 阶段：生图前先把模糊需求问清楚（BRAINSTORM.md）
• plan 阶段：一次跑三个方向（conservative / balanced / bold）做并行探索（scripts/multi_direction.py）
• verify 阶段：用 doubao-vision 视觉模型自动给生成图打分，包括"AI 味检测"（scripts/verify_image.py）
• iterate 阶段：session 管理 + CHANGELOG，让多版迭代可追溯（scripts/session.py）
• 风格继承：从一张参考图自动提取色板/构图/光线 token（scripts/style_extract.py）
• 统一 CLI：把所有脚本整合成 design-studio 子命令（scripts/cli.py）
• 27 个 pytest 单测覆盖核心逻辑

---

五阶段工作流

brainstorming → plan → generate → verify → iterate

不是每次都必须走全流程。**简单需求 + 明确 brief**，跳到 generate 就行；**模糊需求 + 商业产出**，五步都值得走。

阶段	用什么	解决什么问题
brainstorming	BRAINSTORM.md	防止模