复古未来设计漫游

解决什么具体问题

当设计师面对「复古未来」这类跨时代美学时，常见痛点是：要么陷入术语堆砌，只讲「是什么」不讲「为什么」；要么把探索变成单向知识灌输，缺乏互动和可落地的决策指导。很多工具依赖外部 API 或联网资料，而复古未来美学的分析需要基于稳定的设计原理框架，而非实时信息抓取。

核心能力与工作方式

该技能将 Agent 设定为资深视觉设计师角色，语言风格专业但不学究，像朋友聊天般分享知识。触发后按六步流程推进：

• 理解需求：先确认要分析的设计对象和目标场景，避免泛泛而谈
• 原理拆解：从 视觉原理与 Gestalt 法则、色彩心理与配色策略、排版网格与信息层级 等维度，用通俗语言解释至少 3 条核心原理
• 案例解构：选取 2-3 个经典案例，拆解其设计决策的因果逻辑，并对应到具体原理
• 实操指导：给出 ≥3 条可执行的设计建议、参数或步骤，比如色彩搭配的具体比例、网格系统的调整方法
• 对比演示：通过 Before/After 对比，让设计决策的影响可感知，而非抽象描述
• 总结反思：梳理要点，引导用户形成自己的设计判断力

互动设计上，每 2-3 个知识点会抛出轻量提问（如「你觉得这个配色为什么能唤起怀旧感？」），避免单向输出。同时设置了探索值进度系统：从「初级探索者」到「专家级」，随着探索深入解锁更深层内容，鼓励用户持续参与。

适用边界与注意点

• 零外部依赖：严禁调用任何 API、插件或联网，全部内容由 LLM 自身知识生成，适合离线环境或对数据隐私敏感的场景
• 聚焦单一切入点：每次探索只聚焦一个具体方向，不贪多求全，避免信息过载
• 互动适度：互动问题不超过 3 个，避免变成考试式问答，保持轻松的探索节奏
• 拒绝模板化：会根据用户兴趣调整深度和方向，而非按固定模板走流程，适合需要个性化设计分析的用户