Lovart实测：设计完球星卡后，AI主动问我要不要做手机壳

经常关注AI的同学，最近可能已经注意到，又有一款新的AI产品开始内测了，那就是Lovart，它在短期内迅速获得了大量关注。

这次内测依然采用了邀请码机制，而且效果非常明显。关于邀请码营销这一点，我准备在接下来的专栏文章里，专门和大家聊聊这件事。

因为这种机制自2004年诞生以来，就像一棵常青树，20年经久不衰，屡试不爽。尤其是在AI时代到来之后，越来越多产品又重新把“邀请码”作为核心的启动方式，背后其实有不少值得拆解的逻辑。

今天要说的这款AI产品——Lovart，它的定位是“全球首个AI设计智能体”。

这句话该怎么理解呢？简单来说，它能够理解自然语言指令，一键生成从品牌设计到营销物料的全流程内容。

一定会有人问：同样是做设计图，为什么这个所谓的“智能体”敢称自己是“全球首个”？和Midjourney或即梦这类图像生成AI相比，Lovart到底有什么不同？

Lovart 想解决的，其实不是“设计图”

先简单介绍一下大多数设计项目的真实流程。这不仅适用于像得到这样的互联网产品，也包括很多线下的实际项目，比如定制一个帆布包、设计公司Logo、打造一面品牌海报墙，甚至是室内装修等。

在这些流程中，真正需要设计师坐在电脑前埋头苦干的时间，其实并不算多。最耗费时间的，往往是各个环节的沟通、确认，以及频繁的改稿。

我相信，任何一个正在改稿的设计师，心态都不会好。因为很多时候，是一个不懂设计原则或设计心理学的客户，在告诉设计师应该用什么颜色、怎么排版——典型的“外行指导内行”。

所以在这种背景下，你会发现传统设计项目往往要经历：需求沟通—创意构思—反复修改—交付成品这样的多轮流程，花上几天甚至几周都是常有的事。

而在我看来，Lovart最大的价值，并不是要取代设计师，而是要消除那些设计师并不擅长的反复沟通和确认工作。

因为在Lovart里，你可以仅凭一个非常模糊的创意，或者一句简单的描述，通过与AI对话的方式，让它自动拆解你的意图、规划任务链，最后生成一个完整的设计成品。整个过程完全自动化，一次就可以生成十几张设计图。

它集成了GPT-4等大模型，用来理解用户需求，并调度不同的图像模型协同工作。相比之下，Midjourney更像是一个独立的设计师，而Lovart更像是一个小型的虚拟设计团队——你只需要发出指令，剩下的从创意发散到定稿，它们都能帮你完成，相当于重建了一整套设计工作流。

一句指令，Lovart自动拆解成整套任务

这样说可能还有点抽象，我用自己测试的几个项目来具体拆解一下。

因为现在Lovart还在内测阶段，我通过朋友拿到了一个邀请码。注册完成后，我给它的第一个指令是：“做一套像素风格的《灌篮高手》球星卡，大约15个角色，要求能从球衣上看出是哪支球队。”

相信你也看出来了，这个需求的表达方式其实并不专业，也完全不需要懂设计，只是用我日常说话的语气下了一句简单的指令。

我把这句话发出去之后，Lovart就自动拆解出了一套初步的规划流程：

知识获取，也就是先去了解《灌篮高手》的背景，选出里面的主要球星角色，并获取一些风格和设计建议。
制作湘北队和陵南队的7个角色，如果这一步效果没问题，再继续生成其他球队的8个角色。

从这个任务拆解的过程里，其实我们已经能明显感受到Lovart在智能规划上的能力了。

了解《灌篮高手》的同学都知道，最核心的角色一定是湘北篮球队的五名首发。如果再加上两个关键对手——陵南的仙道和鱼住，他们作为樱木花道和流川枫的第一场正式比赛对手，也有着非常重要的地位。所以，Lovart选择先绘制这些最具代表性的角色，顺序是合理的。

在“知识获取”环节，Lovart自动生成了一条质量非常高的图像提示词，内容涵盖了：整体风格、卡片布局、关键要素、色彩要求、文字排版、情绪叙事、生产规则等多个模块。

比如在“情绪叙事”部分，Lovart是这样描述的：“整个图片充满活力、竞争激烈、带有怀旧气息。每个球星图都应描绘一个标志性动作（例如樱木补篮、流川枫后仰跳投、赤木持球保持威慑、三井三分半空出手、宫城运球等），以唤起观众对漫画故事的回忆。”

从这个细节就能看出，它不仅理解任务本身，还能围绕目标构建一套完整的视觉叙事逻辑。

接着它就默默开始了设计工作，大约三分钟，就生成了15张像素风格的《灌篮高手》球星卡。

整个过程中，我只说了最开始那一句指令。然后AI主动问我：“你需要一个可以编辑文字的版本吗？这样你就可以修改图片上的文字了。”被它这么一提醒，我才意识到这个功能确实很有用，于是就让它去做了。

这时候你会发现，AI不只是执行命令，它更像是一个会主动揽活儿的强大助手。

任务完成后，我顺势又问了一句：能不能再生成一些像T恤那样的周边产品？

接下来它就自己继续工作了。

除了我最开始提到的像素风格的《灌篮高手》手办和T恤，它还顺手帮我做了手机壳、钥匙链、笔记本和室内摆画。当时我真的有点被它的“主动性”惊到了。

我甚至仿佛能听到AI在背后一边嘀咕一边干活：“这个人说要做手办和T恤，估计他知道的还太少。没关系，我顺手把手机壳、钥匙链这些周边也一块儿做出来吧。”

我把这个流程中的核心图片和成果截图附在下面。至少这几张周边图，我是真的有冲动想直接拿去淘宝找店家做出来了。

Lovart不完美，但是一次流程的重构尝试

除了刚才那个项目，我还尝试了另一种用法。我先用Midjourney生成了一张拟人化的小猫在检阅军队的图片，因为 MJ 在生成单张图的精细度上确实是顶级的。然后，我把这张图扔给 Lovart，说：按照这张图的风格，给我做五张类似的。

AI 马上启动了一个叫“图像分析器”的模块，对图片进行理解和拆解，处理完之后，准确复刻出了那种拟人小猫的风格（如下图）。

像Lovart这样的产品，其实重塑的不仅仅是设计师的工作方式，对很多行业的工作习惯都有可能带来彻底的改变。

比如，很多广告公司在向甲方提案时，过去的流程是：先沟通一轮需求，回去花一周时间准备几个方案，再带着成品回来听反馈。

但现在，有没有可能在第一次沟通现场，就直接调用AI生成草图？当场打到会议室的大屏幕上，直接问甲方老板一句：“你要的是这个感觉吗？”

这样的流程不仅更敏捷和高效，还有一个非常现实的好处：在这种实时追问下，很容易逼出老板真正的想法。更重要的是，当场、当着所有下属的面，他一旦点头认可了某个方向，后续执行的阻力也会小很多。

因为这个项目目前还处于内测阶段，可能很多人暂时还用不了。哪怕未来开放使用了，在你真正用它完成某个特定任务时，也有可能会发现它的能力存在一些波动。

我想说的是，不光是 Lovart，接下来几年，这类早期的AI产品还会大量涌现出来。

我在介绍很多AI产品的时候，经常会收到这样的反馈：有些产品不好用，你为什么要介绍？或者问我：为什么推荐的某些工具要收费？

在这里，我想举一个经典产品的例子：第一代 iPhone 是在 2007 年 1 月发布的。

虽然是乔布斯亲自发布的“乔帮主之作”，但刚一问世，就受到了很多质疑。比如太贵、功能少、网速慢、没有实体键盘等等。

当时连微软 CEO 史蒂夫·鲍尔默都公开嘲笑：“500 美元？世界上最贵的手机？还没有键盘。”那时候，商业市场上最被看好的手机品牌还是黑莓，被认为是商务人士的标配。诺基亚当年的 N97 被称为“机皇”，几乎没人会把 iPhone 放在眼里。

一个小细节是：第一代 iPhone 连“复制粘贴”这种最基本的功能都没有。

但到了 2010 年，iPhone 4 在全球 88 个国家同步发售，这款产品才真正从极少数科技爱好者的尝鲜设备，变成了家喻户晓的智能手机。

而也正是在 iPhone 还非常粗糙的早期阶段，很多人发现了它的“痛点”，开始围绕这些痛点投入开发，解决一个个具体问题，最终成就了我们今天耳熟能详的众多科技公司，比如：

Dropbox 的创始人是因为上学时经常忘带 U 盘，文件无法同步，于是做出了早期版本，并很快上线了 iOS；
Spotify 让“随时随地听歌”变成现实，抓住了 iPhone 的使用场景；
Uber、Evernote、Airbnb、Instagram 等几乎都是在那个时间段脱颖而出的。

这些公司并不是等到手机完美之后才开始做产品，而是在一个基础平台刚刚成型的时候，选择了“上车”，并借着这个平台的成长一起成长了。

在我看来，今年的AI有点像 iPhone 2 的阶段——你能看出它前途无量，但实际用起来，依然槽点满满。

所以，我更希望的是，大家能够乐于尝试新的AI产品，同时不要太快就给某个“还不够好用”的工具下死亡判决。

这样一来，在面对各种新产品时，我们既能保持平和而开放的心态，接纳AI的各种“不靠谱”，又能从产品中的很多思路里，尝试看看有没有可能迁移到自己的行业中。

比如Lovart是一个完整的“设计师智能体”，那我们能不能设想一下有没有“小学语文教师智能体”、“炸油条监控智能体”……

可能在当下，这些想法听起来还有点“不靠谱”，但随着AI基础能力的持续提升，它们很可能就会被一个个实现出来。

而你，也许就会成为你身边人眼中那个“最懂AI的人”——就像 2008 年，手里拿着一部 iPhone 2 的你。

{{userData.name}}已认证

Lovart实测：设计完球星卡后，AI主动问我要不要做手机壳

AI 不是助理，而是你的 Wingman

《大模型微调的十种方法》