18 张灵感卡是怎么设计出来的

灵感卡原子级拆解

第一篇讲了 ÉLAN 最核心的一个判断，用户要的不是 AI 照片，是一整个「社交媒体瞬间」，照片、文案、情绪腔调全都打包在一起。第二篇讲的是让它跑起来的架构，包括多模态 prompt、SSE 流式输出和 VANITY_DESIGN_INSTRUCTIONS 这套系统。

这篇讲内容这一层，也就是灵感卡目录本身。调研是怎么做的，每张卡长什么样，四个分类是怎么来的，重来一遍会改什么。另外这也是一次 agent 编排的实战，过程本身挺值得讲讲的。

---

一个晚上，五路并发调研

我想搞清楚的问题很具体，就是中国用户到底是怎么在社交媒体上拍出、发出那种「不经意的优越感」照片的。我要的是数据和规律，是让一条小红书帖子看起来「对」的那套具体的视觉语法。

我用 claude code 同时跑了五个调研 agent，每个管一个维度：

1. 拍照风格趋势：CBNData 小红书修图精髓、港风调色教程、日系写真 AI 提示词、FantailFlo 和 JingDaily 的 2026 时尚趋势
2. pose 库：新浪时尚小红书博主宝藏姿势、知乎全身照 8 个姿势、GirlStyle 万能显瘦构图法、南都校探新式拍照方法
3. 文案方法论：小红书文案套路研究、朋友圈高级感文案合集、凡尔赛/文艺/简约的分类体系
4. 奢侈品美学：36 氪中式老钱风分析、JingDaily Safaricore 2025 报告、quiet luxury vs logo 最大化
5. 竞品 UX：妙鸭相机产品拆解、醒图参数过载分析、无他相机 App Store 评论挖掘

每个 agent 交回一份结构化报告。几个维度有重叠的地方，就拿来交叉验证。比如 pose 那一路说「品牌露出越不经意越好」，文案那一路自己得出了「永远不要直接提品牌名」，两路各自得出的结论对上了，这种信号的可信度就很高。

五路并发调研：五个 agent 各管一个维度，交叉重叠处互相印证得到高置信度信号，最后由人做综合判断。

最后合成了一份 18 页的调研报告。里面 42 个数据点都有佐证；有 3 处互相矛盾的，标出来解决掉了；还有 5 个只有单一来源、没法交叉验证的，单独标着。整个过程就一个晚上。这种事以前要找调研团队来做，大概得 2-3 周。

agent 编排在实际工作里大概就是这个样子。好几个 agent 各盯一小块，同时跑，最后由人来综合判断，并没有一个超强的 AI 在单打独斗。我在Agentic AI 系列里写的也是这个模式，ÉLAN 的调研阶段本身就是个活例子。

---

四个分类怎么来的

从调研里提炼出了四种不太一样的发图意图。注意，这不是按人群分的，是按发图场合分的，也就是让用户冒出「我要发一条」这个念头的那个社交场景。

这么分是故意的，下面一个一个说。远方的光管的是目的地场景，像无边泳池、酒店晨光、海岛漫步。这是最硬核的「向往感」，用户想让别人看到的是「我就是这么旅行的」。目前有 8 张卡，无边泳池、酒店晨光、海岛漫步、葡萄庄园、山间禅境、海上游艇、雪山滑雪、头等舱候机。

城市漫游管的是都市里的生活方式，像天台日落、下午茶、美术馆、光影晚宴。它的意图不一样，说的是「这就是我的周二」，把奢侈品变成日常。一共 10 张卡，从都市运动到马术俱乐部。

日常诗意走的是知性和创作这条线，像咖啡角落、书店午后、花艺时光、居家创作。有这个分类，是因为不是每个用户都想晒财富，有人想晒的是品味、创造力和深度。一共 7 张卡，包括新中式风韵和茶道雅集。

时令之美做的是时间上的紧迫感，像春天的樱花季、秋天的银杏、初雪、夏日花园。这些卡带一个 seasonalRange 字段，到了日子自动上架、下架。目前有 4 张，之后打算做到每个月都有限定。

分类名故意起得很诗意。「远方的光」听起来就比「奢旅度假」更让人想点进去。用户翻目录的时候，心里想的应该是「我想过哪种生活」，而不该是「我要选什么参数」。

---

拆一张卡给你看：无边泳池

拿「无边泳池」这张卡完整拆一遍。这是测试期用得最多的一张，我给新人解释这套系统的时候也是拿它。

类型系统

每张灵感卡都实现 MuseCard 这个 TypeScript interface：

interface MuseCard {
  id: string;
  name: string;           // "无边泳池"
  nameEn: string;         // "Infinity Pool"
  category: MuseCategory; // "travel"
  tags: string[];         // ["度假", "奢华", "海景", "黄金时刻"]

  scene: SceneConfig;     // 场景定义
  outfit: OutfitConfig;   // 服饰配置
  poses: PoseConfig;      // Pose 序列
  colorGrade: ColorGradeConfig; // 调色规格
  mood: string;

  captions: CaptionTemplates;    // 3 种风格
  narrative: NarrativeSequence;  // 4-5 镜叙事

  isNew: boolean;
  isSeasonal: boolean;
  sortOrder: number;
}

每个字段喂给生成管线里不同的环节。无边泳池这张卡具体长这样：

场景配置

description: "豪华度假村无边泳池，俯瞰无际大海，金色黄昏将水面染成碎金。
              泳池边缘与天际线融为一体，天水相连。"
brandHints: ["四季酒店", "安缦", "宝格丽度假村", "悦榕庄"]
lighting: "黄金时刻侧逆光，暖橙色光晕，水面反光形成自然柔光"

brandHints 这个字段很要紧。它告诉模型视觉上参考哪些度假村，再由 VANITY_DESIGN_INSTRUCTIONS（第二篇讲过）保证这些参考只是背景，永远不放在画面中间。所以泳池可以看起来像四季酒店，但整张照片不能像四季的广告。参考归参考，不能生成出一张品牌宣传照来。

服饰配置

description: "精致泳衣搭配真丝纱笼，设计师太阳镜随意架于发顶，
              整体透出不费力的优雅"
luxuryHints: ["真丝纱笼", "设计师墨镜", "精致泳装"]
colorPalette: ["沙金色", "象牙白", "玫瑰裸粉"]

服饰不用做成戏服，给模型一个方向就行。「真丝纱笼」告诉模型是什么材质、怎么垂下来；色板用来框住生成的结果，让它跟黄金时刻的光线搭得上。

pose 序列：四镜叙事

灵感卡跟传统模板差得最多的就是这里。每张卡生成的是一个视觉故事，一共 4-5 镜：

在小红书发组图，其实暗含一个叙事结构。调研发现，互动高的帖子基本都像电影那样一步步推进，远 → 中 → 近 → 氛围。pose 序列就是把这个规律直接写了进去。

四镜叙事：一组照片按电影式递进——全景建立、人像、细节特写、氛围收尾，把小红书刷组图的阅读节奏直接编码进 pose 序列。

调色规格

style: "warmGold"
promptDescription: "golden hour warmth with amber tones, slightly lifted
                    shadows, creamy highlights, film-like grain"
temperature: "warm"
saturation: "medium"
contrast: "low"

promptDescription 最直接，原样送进 gemini 的 prompt。结构化的那几个字段（temperature、saturation、contrast）用来在 UI 上展示，也给将来手机端调色微调的滑块（第四篇会讲）留了位置。

三种文案模板

同一个无边泳池场景，三种完全不一样的腔调：

凡尔赛风：

• "随手拍的 没有调色 这个泳池的水真的是这个颜色"
• "说好游两圈就走的 结果泡到日落都没舍得起来"

文艺风：

• "水面收走了所有的光，我什么都不想要了"
• "泳池尽头连着天，人泡在里面会变小"

简约高级风：

• "泡着不想动"
• "天水一色"

凡尔赛风是默认的，也是最受欢迎的。它的思路就是故意让文案和照片对不上。文案说「随手拍的」，照片一看就是一晚上两千美元的度假村。文案说得越小，跟画面的落差就越大，看的人自己会补出那种毫不费力的感觉。

每种风格对 emoji 也有限制。凡尔赛风最多 2 个 emoji，只能从「高级感」白名单里选（🌊、✨、🌅）；💰、🥂、👑 都不许用。调研在这一点上说得很明确，有些 emoji 一出现，看的人就觉得「太用力了」，不经意的那层假象一下就破了。

---

为什么目录要一直上新

我在第一篇讲过「烟花效应」，就是妙鸭相机那条冲上去又暴跌的曲线。灵感卡目录就是冲着这个问题设计的。

一个产品出了 10 个模板就不再更新，用户把这 10 个试完就走了；如果每周上新，用户会回来看「这周有什么新的」。用户回来的理由，就从「试试 AI」变成了「看看这周上了什么好看的」。功能这种东西，用户玩几次就腻了，内容不一样，内容可以一直往上堆。

目录现在有 29 张卡，四个分类。上新的计划是这样的：

季节卡靠 seasonalRange 字段自动上下架，樱花季 3 月 1 号自动上架，4 月 30 号自动下架。这就是天然的 FOMO，「樱花卡还有 8 周就没了」。不用发推送通知，也不用人为制造稀缺，季节自己就把这件事办了。

这套逻辑撑起来的商业模式是订阅制。用户订的是一个一直在更新的「社交瞬间」目录，AI 只是把它送到用户手上的方式。

---

文案才是真正拉开差距的地方

文案系统得单独讲一讲，因为跟竞品差距最大的就是这一块。目前别的 AI 拍照 app 没有一个会帮你生成能直接发的文案，它们给你一张照片，然后你自己对着空白的文本框发呆。

调研发现，在「拍照→发帖」这整个流程里，最卡人的就是写文案。用户生成了一张好看的照片，然后花 10 分钟想写什么，很多人想着想着就放弃了，照片再也没发出去。

反差凡尔赛

文案这块我只定了一条原则，文案和照片故意错开。比如「说好游两圈就走的 结果泡到日落都没舍得起来」，文案说的是「我本来只想游两圈」这么件小事，照片却是黄金时刻豪华度假村的无边泳池。落差就摆在那，看的人自己会脑补出仰慕，用不着你自己说一个字。

反差凡尔赛：文案故意往小了说、照片往大了拍，中间的落差留给读者，读者自己补出那份仰慕。

人发奢侈品照片，本能其实是往一块配，大照片配大文案，比如「安缦的日落太美了！」。这么配，读起来就是在炫耀，很多奢侈品文案看着尬，就尬在这。错开以后，看的人会觉得这就是人家的日常。

平台适配

同一段文案会按要发的平台自动调整，一键就能切换，用户不用去管两个平台格式不一样这回事：

---

哪些行，哪些还不行

行的

四镜叙事序列，这个决定做对了。测试显示，拿到电影式四连拍的用户，把组图发出去的比例明显比拿到四张随机照片的用户高。全景 → 人像 → 细节 → 氛围这个顺序，正好对上了人刷组图时自然的阅读习惯。

文案生成加风格切换。用户没看到之前，不知道自己想要这个。给她看同一组照片配的三种文案，她的反应是「我点一下就能换？」。这就是「把饭喂进嘴里」的设计思路。

季节卡自动上下架。三月樱花卡自己冒出来，用户会觉得「这个 app 知道现在是什么季节」。细节很小，但情绪价值挺大。

还不行的

卡太多了，筛选跟不上。从第一篇写的 18 张涨到了 29 张，对一个靠翻着看的界面来说已经多了。分类 tab 能用，但还得再加一层推荐，比如「本周热门」或者「你所在城市适合的」。光靠翻，超过 20 张卡，用户就开始挑累了。

策展和自由度打架。有些用户就爱灵感卡这种「全包」的设计，另一些想自己微调，比如「喜欢无边泳池的场景但想换个服装」。现在是一口价，不能改。给每张卡加可选的微调，方向是对的，但一定要藏在「高级」模式后面。一旦把滑块直接露出来，你就变成醒图了。

品牌安全。brandHints 和 luxuryHints 里用了真实品牌，爱马仕、香奈儿、四季都有。AI 生成的图里如果出现认得出来的品牌元素，法律上是灰色地带。目前 hints 写的都是审美方向（「真丝纱笼」而不是「爱马仕丝巾」），VANITY_DESIGN_INSTRUCTIONS 也保证 logo 永远不突出。但产品做大了，这块得找法务正式评估一下。

文案质量时好时坏。凡尔赛风很难拿捏，太含蓄了读着像废话，太明显了又像在装。卡数据里的模板是手工磨出来的，AI 生成的变体有时候会跑偏。这是个得一直迭代的 prompt 工程问题，没有搞一次就完事的。

有些卡就是不灵。「健身自律」在测试里一直表现很差，对健身照感兴趣的用户，审美跟 ÉLAN 这套奢侈休闲的风格不太搭。「马术俱乐部」太小众。所以目录既要扩，也要剪。

---

目录本身就是产品

在别的 AI 拍照 app 里，模板库一般就是产品的一个功能。在 ÉLAN 里，灵感卡目录就是产品本身。AI 在这里只是基础设施，UX 负责把东西送到用户手上，用户在意的还是那一套策展好的「社交瞬间」。

定位一换，做产品的方式全变了。每周往外发的是内容，功能不是重点；路线图上要回答的问题，也从「要不要加换脸」「分辨率提到多少」，变成了「用户这个月想晒出什么样的瞬间」。

下一篇讲从 web 迁到移动端，灵感卡这套 UX 怎么变成原生 app 的体验，还有用 Expo SDK 55 共享业务逻辑的方案。

---

第一篇：不经意的优越感 | 第二篇：架构 | 第三篇：灵感卡设计 | 第四篇：Web 到移动端

---

This post is also available in English.