Prompt Matrix
把不同图像任务拆成不同维度：页面角色、镜头关系、卖点重心、保真要求、情绪强度。
00 / 系统定义
00 / SYSTEM DEFINITION
A System, Not a Tool
不是一个“出图工具”
而是一套把视觉项目稳定推进下去的系统
amazon-go 解决的不是“有没有图”，而是项目是否能被定义清楚、是否能保持产品真实性、是否能进入客户流程。
Support 记忆卡
- 先讲：这不是生图工具，而是项目系统。
- 重点：系统让复杂项目变成秩序。
- 避免：一开始就讲技术或功能清单。
01 / 需求对齐
01 / REQUIREMENT ALIGNMENT
Align the Real Problem
需求对齐：系统先和客户对齐真正的问题，再决定怎么执行
需求挖掘机 / HTML 模拟信息图
表层要求
想高级一点 / 多出几张 / 更适合 Amazon
→
连续追问
真正想打赢什么？最怕什么？什么不能错？
→
真实问题
明确优先级、边界与项目目标
需求挖掘机
通过连续提问，把“想要什么”继续往下挖，直到系统知道这次项目真正要解决的问题，而不只是表层要求。
对齐的内容
- 数量、用途、图片类型
- 渠道目标与交付范围
- 真正优先级与不可接受边界
Support 记忆卡
- 先讲：我们先问准问题，不急着做。
- 重点：系统不是只接收答案，也帮助把问题定义对。
- 避免：把这里讲成普通问卷流程。
02 / 信息采集
02 / INFORMATION INTAKE
Build the Input Base
信息采集：系统建立输入基底，并通过真实入口把项目组织进系统
输入基底
- 产品图片与参考图
- 品牌相关信息
- 文案、网址与渠道约束
- 多角度实拍与基础标准
真实系统入口
`intake-form` 不是装饰页，而是项目如何被正式组织进系统的界面。它把需求、商业方向、素材完整度、输出任务与执行节奏放进同一个起点。
Support 记忆卡
- 先讲：系统先把事实抓稳，再把项目正式组织进系统。
- 重点：`intake-form` 是真实入口，不是示意图。
- 避免：把这一页只讲成材料清单，或者把真实系统入口藏起来。
03 / 风格决策
03 / STYLE DECISION
Translate Intent into Visual Language
风格决策：把模糊诉求转成可执行的视觉语言
视觉认知翻译 / HTML 模拟信息图
模糊表达
更高级 / 更有氛围 / 更像品牌
→
视觉语言
镜头关系 / 页面角色 / 卖点主次 / 情绪强度
→
执行结构
主图、子图、A+、KV、功能图
视觉认知翻译
系统不会把一句模糊话直接变成一张图，而是先把它转译成镜头关系、页面角色、卖点主次与执行结构。
风格决策的结果
- 产品主导 or 氛围主导
- 情绪强度与转化权重
- 页面角色与视觉层级
Support 记忆卡
- 先讲：模糊需求不会直接变成图。
- 重点：系统先把需求翻译成视觉语言。
- 避免：讲成 prompt 小技巧。
04 / 执行架构启动
04 / EXECUTION ARCHITECTURE
Activate the Execution Architecture
执行架构启动：当定义完成，系统开始以可控方式进入执行
执行架构 / HTML 模拟信息图
Prompt Matrix
任务拆维
Model Router
并发路由
Truth Lock
保真边界
Review Gate
复审过滤
Delivery Mapping
结果按用途进入主图 / 子图 / A+ / KV / Closing
Model Router
通过并发路由与结果比较，让执行层更稳，不押注单一模型。
Truth Lock
先锁定产品关键结构、关键细节与品牌边界，再决定怎么生成。
Review Gate
不把“生成成功”直接当“交付成功”，而是通过复审门过滤伪成功。
Support 记忆卡
- 先讲：系统把执行拆成多个稳定层。
- 重点：不是靠一招鲜，而是多个判断协同。
- 避免：讲成技术说明书。
05 / 小样验证
05 / PILOT VALIDATION
Validate Before Scaling
小样验证：先用少量结果验证产品准确性与风格方向
小样验证 / HTML 模拟信息图
产品准确性
结构、细节、比例、品牌边界是否成立
风格方向
视觉气质、镜头关系、页面角色是否跑偏
可放量性
当前框架是否值得进入批量执行
验证结论
通过 → 进入批量执行 ｜ 未通过 → 回到上层调整
验证目标
- 产品有没有被画准
- 风格方向有没有跑偏
- 当前框架是否适合放量
系统价值
系统先在小范围里暴露问题，再决定是否进入批量执行。这样返工成本更低，方向也更稳。
Support 记忆卡
- 先讲：不是一上来就 full run。
- 重点：先做验证，再决定放量。
- 避免：讲成保守，实际上这是控制质量。
06 / 批量执行
06 / BATCH EXECUTION
Scale with Controlled Output
批量执行：当方向被验证后，系统开始放大稳定产出
批量执行 / HTML 模拟信息图
输入任务
按主图 / 子图 / A+ / KV / 细节图拆分
并发执行
系统按任务结构批量运行，不依赖单次手工尝试
结果比较
不同结果进入比对、保留与下一层筛选
任务分流按角色进入不同输出路径
批量运行系统放大已定义好的判断
结果进入下一层可用结果继续进入复审与交付
放大的是什么
系统放大的不是随机生成，而是已经被定义好的任务结构、判断标准和输出逻辑。
系统价值
它让执行从单次尝试升级成可复制的批量过程，也让后续筛选与纠偏有了稳定的候选池。
Support 记忆卡
- 先讲：系统开始放大已经定义好的判断。
- 重点：批量执行放大的是规则，不是随机性。
- 避免：讲成自动化炫技。
07 / 结果筛选
07 / RESULT SELECTION
Select What Truly Moves Forward
结果筛选：系统给出候选，最终由人工终选决定什么进入下一层
结果筛选 / HTML 模拟信息图
候选池
系统先组织多个结果，而不是直接给出唯一答案
辅助评分
系统帮助比较、排序与收拢，但不替代最终判断
人工终选
真正决定哪些结果进入下一层的，仍然是人工取舍
筛选逻辑
系统可以帮助比较、打分与组织候选结果，但最终决定哪些结果值得继续推进的，仍然是人工判断。
系统价值
它把“多选少”的动作保留在人工手里，让系统不至于把看起来成功、实际不够好的结果直接推进成最终交付。
Support 记忆卡
- 先讲：系统给出候选，人决定取舍。
- 重点：人的价值第一次非常直观地出现。
- 避免：讲成 AI 帮你自动选完了。
08 / 漂移校正
08 / DRIFT CORRECTION
Correct Drift Before It Spreads
漂移校正：基于已有结果继续调整，避免内容在批量执行中越跑越偏
什么是漂移
当批量产出开始偏离产品真相、风格方向或交付标准时，系统会把这些问题显性化，而不是让它们混进最终结果。
这一步怎么做
基于已产出的图像重新调整框架、补充约束、修正方向，再进入下一轮执行与验证。
Support 记忆卡
- 先讲：成熟系统会修正自己。
- 重点：不是一次全对，而是能发现偏差并校正。
- 避免：把修正讲成系统不稳定。
09 / 交付
09 / DELIVERY
Deliver an Asset System
交付：最终交付的不是图，而是一套可进入客户流程的资产系统
当前分类解读
这一组更强调产品基础状态的清晰呈现，用来建立第一层产品认知与整体可信度。
当前图像作用
用于建立产品的基础形象，让系统输出先在“是什么”上站稳，再往功能、氛围与转化层扩展。
Support 记忆卡
- 先讲：客户看到的不是图库，而是结果系统。
- 重点：不同分类对应不同任务与表达重点。
- 避免：逐张解释，把这一屏讲成作品集。
10 / 总结与延展
10 / SUMMARY & EXPANSION
Extend the System Beyond This Project
总结与延展：这套系统的价值，不止在当前项目，也在它的可拓展性
今天已经证明的
它能够把复杂视觉项目组织起来，让定义、执行、复审与交付进入同一套逻辑。
未来可拓展的
它可以继续扩展到更多品类、更多交付类型、更多协作角色，也可以进一步强化在品牌一致性、批量优化与项目管理上的能力。
延展方向 / HTML 模拟信息图
更多品类
从单一产品扩展到更多商业视觉任务
更多交付类型
覆盖更完整的页面角色与资产类型
更多协作角色
让设计、运营与汇报层都能接入同一套逻辑
更稳定的系统
在品牌一致性、批量优化与项目管理上继续增强
Support 记忆卡
- 先讲：系统已经证明它能组织复杂项目。
- 重点：未来可扩品类、协作角色、交付稳定性。
- 避免：把结尾讲成抽象愿景。