Ip-as-logo：给图像模型上复杂度预算

你让 AI 画个品牌吉祥物，它大概率还你一个居中的对称玩意儿，带点图标味。圆脸，正面，端端正正摆在画面中间，四周留一圈等宽留白。这不是模型笨，是 logo 这个词自带一坨强先验：要居中，要对称，要徽章化，最好再来点文字。模型读到这个词，就把默认答案搬出来了。

ip-as-logo 是 GitHub 用户 s1dashu 放出来的紧凑 Agent Skill，专治这件事。全部家当是一个 SKILL.md 加一张展示图，没脚本、没样式参考、没生成依赖。安装一行命令，主流编码 Agent 基本都认，官网还挂着一个免登录的素材库，两手都备齐了。

我翻这份 SKILL.md 之前，以为又是一个画吉祥物的 Prompt 合集，堆一堆风格词和参数。翻完发现完全不是。它真正干的是划边界，几件事钉死：

• 一个角色最多用几个大形状，什么特征只算一个
• 整张图几个颜色，各归谁管
• 角色从哪个角涌出来，占画面多大
• 什么词绝对不许出现在生成 Prompt 里

它的核心判断可以一句话说完：图像生成是抽奖，Skill 的工作不是提高中奖率，是控制奖品的结构。约束型 Skill 才是 Agent 时代真正稀缺的货，我在 nuget-manager 那篇里说过类似的话，这里再说一遍，因为它更极端：那边管的是文件写入路径，这边管的是模型的先验。

使用场景

安装走 Agent Skills CLI，一行：

npx skills@latest add s1dashu/ip-as-logo-skill

安装器识别仓库根目录的 SKILL.md，让你选一个支持的 Agent，把整个 ip-as-logo 目录连带资源装进去。想跨项目个人使用，加 –global。装完直接说人话就行，比如“创建一个极简可爱的幽灵 IP 角色，深蓝纯色背景”。默认连色彩模式都不问，除非你明确要控颜色。

工作流值得完整走一遍。你没指定主体，当前又是个产品仓库，它先只读翻上下文，从 README 到落地页文案，从包元数据到设计令牌，够用就不开口。不够，问一轮合并问题：产品做什么，服务谁，该是什么气质。只问一轮，不搞品牌工作坊。

上下文够了，给三个方向。你指定了主体，三个方向就是同一个角色的三种设计处理，换个剪影、换个副色区、或者换个性格侧重，每次都从不同角度切。没指定，三个方向是三个不同的主体或隐喻，每个绑一条产品属性或品牌承诺，不随便扔三只动物上来。开放批次里九成五以上的候选得是熟悉动物，猫狗兔子仓鼠这一档。冷门生物和幻想物件不行，抽象机器和工业器具也不行，没有明确产品理由，一律不上。

每个方向一行写清三件事：IP 主体、产品连接、定义剪影。写完直接提议一次生成六张，等你点头，或者你的请求里已经授权了六张，它才动笔。

确认之后按规则分配。三个方向全收，一次出六张，标签从 A1 排到 C2，每个方向两张变体，首张从左下涌现，次张从右下涌现，天然三左三右。只选一个方向，就是 A1 到 A6，奇数左下偶数右下。你嫌数量或分布不对，听你的，它不争论。

运行时支持子代理就并行生成，并发不够分波，每张都是独立的全分辨率方图，明确禁止让模型拼六宫格交差。生成结束要交账，每张图的信息列全：

• 标签与方向理由
• 分配的涌现角落
• 保存路径与最终尺寸
• Prompt 与色彩的对应关系

它不管的事同样清楚：不查透明度，不分类候选合不合规，不自动重试，不后处理修补，永不回落 SVG。要改可以，你明确说了再画。

技术架构与设计决策

说是架构，其实是四组硬约束。

复杂度预算打底。一个主导连续剪影，大约四到七个大型基础形状，不承载身份、表情或识别度的形状，删。至多一个物种定义特征，一对弯角或一个宽面罩都算一个。至多两个大内部色区，脸只允许两只眼，表情需要才加一张小嘴。剩下的全砍：

眉毛、高光、鼻孔、纹理、描边、装饰标记
重复的羽毛、鳞片、毛簇、甲片、纽扣、螺丝、数字、标签

砍完拿 32×32 卡一眼。认不出的特征，放大、合并或者删掉，三条路自己选。这一条是整个预算的锚，后面细说。

色彩纪律。默认整张图正好三个语义色，两个 IP 基色加一个背景色。面部标记复用 IP 色，不引入新色。用户给了背景色板，背景全从色板出，主体两色独立选。没给，就轻微降一点背景饱和度，要克制，要干净，要有意识，不要发灰发脏。Prompt 里直接点名背景色，让它填满所有开放区域和空角落。opaque、alpha、transparency 这类图像模式词明确禁用，免得把模型注意力带偏。

构图。角色 upright，从左下或右下涌现，占画面 85% 到 95%，永远不许居中或底中。底部或对应侧边可以裁切，只要能强化涌现感，但不规定具体裁多少。画布 1:1，外角直角，请求约 1536×1536，服务端只给 1254×1254 也照单全收，绝不为了凑数字重采样。

生成指令与用途隔离，这是我最欣赏的一条。发给图像模型的 Prompt 里永远不出现 logo，brand mark、app icon、icon asset 这几个词也一并拉黑，更不预铺任何暴露用途的元数据。这条只约束生成 Prompt，你和 Agent 的对话，还有 Skill 的名字，照常说 logo 没问题。

为什么这一条这么关键？回头看模型的先验：要居中，要对称，要徽章感，最好再来点文字，跟这个 Skill 的构图规则几乎条条冲突。你要的是满幅画面，偏居一隅，角色压倒一切，嘴里冒出 logo 这个词，模型就把你往它的默认答案上拽。把用途信息全关在对话层，生成指令只描述一张纯图像，两边的干扰就隔开了。这不是文字游戏，是 Prompt 分层，用途归用途，绘制归绘制。

约束怎么送也分了路。现代指令遵循模型，GPT Image 2 算一个，Nano Banana 的 Pro 和 2 两个版本算一组，Seedance 5.0 Pro 算一个。这一代模型，完整正面 Prompt 里带一行自然语言 Constraints 就行，不另建负向 Prompt。老模型或运行时如果有 negative_prompt 专用参数，正面 Prompt 一行不动，最小排除项走专用参数，主 Prompt 里反而要删掉 Constraints 行，避免同一个排除说两遍。只有单串接口的老模型，保留那行 Constraints。用哪种模式、排除项原文是什么，记进生成报告。

老参数那套最小排除项长这样：

text, watermark, borders, frames, cards, presentation masks,
extra subjects, scenery, thin fragile lines, sharp tips,
photorealistic materials, strong three-dimensional rendering,
external cast shadows

模型前置也有门禁。首选 GPT Image 2，一个都没有就问用户开工具或给 API key，永不回落 SVG，换别的图像模型必须用户明确同意，且提前告知质量可能不匹配。也不许编造生成结果。

洞察与反思

这条 Skill 最反直觉的地方在交付行为：生成即抽奖，不过检。每张候选只生成一次，原样返回。透明度不查，背景不挑，颜色不挑，构图不挑，渐变阴影立体感一概不论。不分类推荐或不推荐，不自动重试，不后处理修补。

我一开始以为这是懒。翻到 Model behavior 那段才想明白，合规在这里本质是审美判断，审美判断写不成退出码。你写背景必须纯净，模型怎么理解纯净？你写构图必须饱满，85% 和 95% 哪个对？规则钉得死结构，钉不死品味。更现实的考量是成本和多样性，自动重试一次就是多烧一份积分，筛掉一半候选，六张变三张，每张都很安全，也很无聊。

三左三右的默认分配也是风险管理，不是审美偏好。下角涌现是整个 Prompt 里最激进的约束，模型翻车概率最高。六个候选分两侧各测一次，一侧画砸不至于全军覆没，拿批量换鲁棒性。

32×32 可读这条，是复杂度预算的锚，也是我最想偷走的设计。它把简单从一个形容词变成一个可判定测试：这个特征缩到 32 像素还在不在？不在就是噪音，放大、合并、删掉，三条路自己选。很多 Skill 也喊保持简洁，喊完就没了，因为没有判定标准，模型根本不知道该删什么。有个具体数字卡着，减法才落得下来。

暗坑也有五处，按扎心程度排：

• 重度依赖顶级图像模型，没有就开工具或掏 API key，成本实打实
• 纯指令文件零脚本兜底，约束生效全看模型指令遵循能力，换弱模型可能大面积失守
• 随机性无保证，一批里出一两张离谱的是设计内损耗，稳定产出得接受反复抽
• 产出是方图位图不出 SVG，品牌落地要矢量得另外转
• 用途隔离只保护 Skill 内部 Prompt，绕过 Skill 直接喊画个 logo，先验照旧

几条路线放在一起，差异比想象中大：

直接让 AI 画和 ip-as-logo 之间差的那几列，就是约束两个字的含金量。后两列提醒另一件事，它不是设计工具的替代品，是设计流程里从零到一一棒的加速器，方向定了之后的事它不管。

顺带一提它的分发。作者还挂了个网站 ipaslogo.com，Cloudflare R2 加 Supabase 撑的可搜索素材库，没有 Codex、Doubao、Coze 或 WorkBuddy 的人直接下载现成 logo，全部免费商用。Skill 给有 Agent 的人，网站给没有的人，一个仓库两头堵，这个分发思路比 Skill 本身还值得学。

资源地址

总结

如果你手上有不错的 Agent 加顶级图像模型，平时又需要给产品、活动或独立项目整点像样 IP 形象，装上它，成本一行命令。回报不是画得有多神，是一致性，形状数量，颜色数量，构图位置，全在框里，一批六张摆在一起像一家人。

反过来的情况也明确：指望它出矢量、出成套品牌规范、每次都给稳定神图，别用。它只管从零到一那张满幅方图，管完就撒手。

说到底装不装是次要的，真正该学的是写法。用途和绘制要分开，别让模型的先验污染生成指令。简单要改写成可判定测试，32×32 认不出就删。审美判断留给人的时候，别建闸门，建流程。这三条放在任何图像类 Skill 上都成立。