四体系色彩评审实验室

为什么需要多体系色彩评审

设计师常在 “这个颜色看起来高级” 这类主观形容词里打转，而工程师面对的是 “对比度够不够” 的硬指标。单一色彩体系解决不了这个矛盾：Munsell 擅长明度结构，NCS 关注 nuance 一致性，PCCS 提供 tone 语法，但没人把它们串成一条决策链。屏幕色与实物色的差异进一步放大问题——从截图推断的 Munsell 值、NCS 属性、PCCS tone，本质都是 C 或 D 级证据，却常被当作精确规范使用。

五层决策框架如何工作

这个技能把色彩决策拆成五个层级，每个层级回答不同问题：

• 色彩科学层：ΔE00、WCAG 对比度、相对亮度——可计算、可验证的度量
• Munsell 层：明度骨架，任何配色先在灰度里成立，UI 通常需要 3–5 级明度台阶
• NCS 层：nuance 一致性，统一黑度/白度/彩度倾向，建立“份量感”
• PCCS 层：tone 语法，12 个色调区是意象到色彩的最快桥，如 v(vivid) 对应活力，ltg(light grayish) 对应性冷淡风
• NCD 层：意象坐标，横轴 Warm↔Cool、纵轴 Soft↔Hard，把“高级感”“赛博朋克”翻译成色彩区域

评审时按层诊断：先看 Munsell 明度结构是否塌了，再看 NCS nuance 是否同族，最后用 PCCS tone 定位问题区间。生成时反向操作：从 NCD 意象定位起步，选 tone 区，用 Munsell 建明度台阶，用色彩科学校验对比度。

关键工作流与输出规范

任务分类决定读什么参考文件：评审配色读 critique-framework.md，生成色板读 generation-playbook.md，意象词转色彩读 ncd-image-scale.md，精确计算读 color-science.md。评审与生成常是一体的——好的评审以“给出修正后的具体色值”收尾，好的生成以“自我评审”收尾。

三条铁律贯穿所有任务：

1. 明度先行：任何配色先做灰度检验，层次靠明度差建立，不靠色相差
2. 控制彩度峰：默认只保留一个主要彩度峰，彩度是注意力货币，不是越多越好
3. 用属性族群建立统一：共享相近的黑度/白度/彩度倾向增强统一感，有意跨族时需说明断裂

输出规范确保可复现：评审输出先灰度/结构诊断，再逐维评分，最后给修正后的 hex + OKLCH，标注 A/B/C/D 证据等级。生成输出每个色给 hex、OKLCH、PCCS tone 归属、角色、建议面积占比，并附体系化理由。代码执行环境可用时，运行 python3 scripts/color_metrics.py 生成 B 级计算结果，不用手算代替。

可视化默认开启：凡分析图像或生成色板，只要环境支持内联可视化（SVG/HTML、Artifacts），就必须将结论可视化。评审用“三件套”：比例色板+灰度对照行、NCD 式示意坐标+明度×彩度散点、四关状态+评分仪表。

适用边界与证据等级

这个技能有明确的 证据等级系统：

• A 级：官方或受控实测
• B 级：在声明色空间与条件下计算
• C 级：近似映射，如从屏幕推断的 NCD 坐标、PCCS tone、NCS 属性、Munsell Value
• D 级：解释性判断

未经受控测量或授权数据，不从照片、截图或 HEX 声称精确的 Munsell、NCS、PCCS、NCD、Pantone、RAL、LRV 或实体配方。屏幕工作色空间优先 OKLCH，给色值时同时给 hex 与 OKLCH。涉及官方定义、标准或授权边界时，先读 references/sources-and-licensing.md。

谈品味不空谈：每个判断落到可验证的属性上——明度差多少、彩度谁最高、nuance 是否同族、tone 落在哪区。