IconFlow
方法论 · 工作是如何完成的
不是一句提示词加一张图。而是一份产品简报、多方案竞选、1024 网格上的单个可编辑 SVG、人们真实所见尺寸下的精确渲染、机械检查、设计师的评分审查，以及将批准结果与确切源文件绑定的 receipt。每一步都通俗易懂，每项主张旁都有真实的产出文件佐证。
真实的流水线
每个阶段都会留下一个文件：简报、概念草图、SVG、警告列表、PNG 图像、打分 receipt、构建产物、案例记录。点击某个阶段即可了解其运作方式。
机械阶段设计评判
阶段 01 · 需求简报
仅包含名词的提示词（如“帮我画个聊天图标”）产出的只是装饰品。IconFlow 的简报记录的则是使用该产品的人到底想达成什么目的。
设计手册要求在动笔前明确五件事：图标类型（应用、favicon、系统托盘）、一词概括的核心精髓、品牌色、个性基调，以及图标在小尺寸下的应用场景。案例集中提炼出的规则直截了当：选择用户的任务，而非品类名词。“规划路线”、“做决策”、“对比”和“侦察”生成的标识，远比“游戏”、“会议”或“旅行”更出色，因为品类名词正是陈词滥调滋生的地方。
在这一体系中，辨识度意味着具体明确。案例集中最出色的标识，本身就是一件具体且具独占性的事物 —— 价格标签、切面宝石、折叠路线图、招财猫 —— 它们的纯黑剪影指代的是某样具体物件，而非抽象品类。文档中指出，渐变色块上放一个孤零零的首字母，是 AI 图标最常见的套路：看似像模像样，实则过目即忘。
对于涉及隐私敏感的产品，简报会精简为一个中立的任务动词，而公开案例记录则仅保留视觉证据，剔除品类名词、仓库名称和本地路径。
阶段 02 · 概念发散
这是大多数 AI 制作图标会跳过的阶段，也是它们千篇一律的原因。IconFlow 将其设为必经环节，并提供了可能通不过的严苛测试。
针对同一份简报，设计师（人类或智能体）需从不同视角草绘至少四个概念 —— 具象实物、隐喻、核心动词、融入实物的字母字形、抽象系统，或是负空间双关图像。凡剪影结构雷同的两个概念只能算作一个。
一份成文的陈词滥调对照表将每个产品品类与其被滥用的符号、以及应当探索的替代方向一一对应。规则非常简单：如果你的概念落在了“避免使用”单元格中，设计就没有达标。团队规范还明确拒绝用大脑、机器人、闪光星芒、魔杖、神经元节点或默认蓝紫渐变来代表“AI”。
锁定一种手法 —— 双关图形、独占几何形态、融合字母字形、意想不到的裁切、专属色彩搭配，或单一重点元素。随后在任何精细化打磨前先通过四项硬性测试：在 128px 与 16px 下的指物命名测试（通过的标准是能说出一个具象名词）、去除色彩后的剪影测试、可遮罩测试（核心细节必须落在中心 40% 半径的安全圆内），以及与 8 个竞品 favicon 并列对比的横排测试。最终入围方案会借助 iconflow compare 进行并排竞选对决，优胜者由轮廓形状决定，而非 128px 下的华丽色彩。
阶段 03 · SVG
唯一的真实之源是一个精简且可编辑的 SVG。它可以随时被读取、比对差异、计算哈希，并重新构建为各类目标产物。
每份主文件均在 viewBox="0 0 1024 1024" 下绘制。在 16 像素下，64 个网格单位约折合 1 个输出像素，因此预算一目了然：每个承载创意的重点元素分配约 2 个像素（≈128 个单位），每一处必要的间距至少占 1 个像素，而细于边长约 2.3% 的描边则预估会直接消失。核心内容需保持在中心约 80% 的安全区域内；任何必须在自适应裁切中幸存的内容则必须留在中心安全圆内。一个 16px 图标的空间只够表达一个核心构思，且两个不透明的前景元素绝不可相互交叉。
iconflow new <preset>从二十种结构各异的执行语法之一开始 —— 扁平几何、线条标识、双色裁切、像素网格、彩绘玻璃、木刻版画等 —— 每一套都包含一套 16px 留存规则和单色系统托盘策略。它们特意共用相同的内置基准构架；真实的图标仍需将其替换为特定产品的具象物体，然后跑通整个审查关卡。
合集并不会改变方法论；它们只是将可复现的部分写成脚本。包含 20 个研究案例的 Social Signals 集合使用带种子的 random.Random(seed).shuffle 分配风格，在任何渲染前均会对照目录进行核验，并将每个研究的路径几何保存在其构建脚本中。包含 400 个单元格的 Emoji Matrix 由 scripts/build_emoji_matrix.py 构建，它对每个单元格重新运行 check，为每份校样提取指纹，只要缺少一份 receipt、摘要或审查裁决，就会严格阻断构建。规模化换来的是可重复性与可审计性 —— 绝非降低标准的通行证。
阶段 04–05 · 检查与渲染
IconFlow 使用版本锁定的 Playwright Chromium 进行渲染，随后针对渲染所见画面运行一套具体的检查清单。
渲染器将 SVG 视为不可信输入。Chromium 在运行时阻断了网络与 Service Worker、禁用了页面 JavaScript、移除或冻结了动态/动画内容，并将色彩空间（sRGB）、区域语言及所在时区完全固定。输入内容被限制在 4 MiB、50,000 个元素及 128 层嵌套深度以内，且坚决拒绝 DTD 或实体声明。本页面展示的 16px 和 128px PNG 便是这些精确渲染的实物，而非大图二次采样缩放的结果。
check 真正测试的内容href/src、CSS url() 与 @import。viewBox，或者不是正方形。配合 --tray-svg tray.svg、check 与 review，会增加一项建议性质的系统托盘模板审查：用于报告完全未保留彩色标识任何特征的 macOS 模板。它特意未纳入默认的 check 中，也绝不阻断 ship，因为其审查的是关联变体而非主文件本身。
每个经过审查的案例还会生成一份 128px 视觉剪影，因为辨识度是在剥离色彩的情况下评判的。针对 400 格矩阵，相似度报告还会附带精确的 PNG 哈希以及 64 位 Alpha 和亮度差异哈希；若两者的 Alpha 加亮度汉明距离总和在 12 以内（含义相同）或 6 以内（含义不同），将被标记为高风险，而完全重复的图案将直接阻断集成。脚本中将此距离称为“用于视觉检查的分流信号，而非准入评分”。
$ python -m iconflow check master.svg
OK — no automated warnings. Still do the visual review.警告意味着源文件内容需要修复，而不是去重新开启某项渲染器特性。ship 会直接拒绝记录了警告的 receipt。
阶段 06–09 · 审查、receipt、交付、学习
机械检查排查的是机械性风险。标识本身是否足够优秀，则取决于人眼对真实像素的审视，并记录在构建流程可随时验证的 receipt 中。
审查者打开索引图和 Review Lab：横行涵盖白底、深色底与中灰底；纵列展示从 16px 到 256px 的实际尺寸；同时包含像素放大比对条、Alpha 轮廓足迹、视觉剪影、自适应裁切预览，以及所选的各项目标转换输出。从六大评分轴进行 1–5 分打分：16px 可读性、辨识度、平衡与网格、色彩与对比度、可缩放性、工艺。任何单项低于 4 分均不得交付，且辨识度是一道硬性门槛 —— 平庸通用的剪影无论色彩多么漂亮，最高也只能打 3 分。
若有任何评分轴低于 4 分，审查者需指明最弱的一项，进行一次影响最大的单项修改，然后重新渲染。文档预期通常需经历两到三轮迭代。100 例画廊版本在 111 个候选方案中准入了 100 个，明确否决了 11 个表现较弱、辨识度不足或重复的方向案；Keepsake Knot 的 receipt 中就明确记录了其第一轮方案因容易被误认为电源符号而被否决。
导出的 receipt 包含确切 SVG 的 source_sha256，以及一份将项目、确切目标格式集、色彩、Electron 圆角半径、配色方案、系统托盘模式和托盘源哈希紧密绑定的 contract_sha256。iconflow ship 会同时验证两者，要求警告列表为空、status: ready 以及六项评分均至少达到 4 分，随后在写入任何文件前重新运行自动化 QA。一旦修改 SVG 的内容（摘要计算仅忽略行尾换行符），receipt 即告失效。
每个交付的图标都以 iconflow case new 结束：首轮与最终评分、避开的陈词滥调、标志性手法，以及一条可复用的经验教训。case stats 会揭示最常出现的薄弱评分轴与团队内部陈词滥调；这些经验被提炼为 docs/LEARNINGS.md 中带编号的规则（撰写本文时共有 54 条），也是下一份简报必须率先阅读的内容。未经记录的图标无法给系统带来任何经验。
"source_sha256": "f27c303a…0aaf305",
"contract_sha256": "14d5aeb4…261de76",
"user_job": "keep a small shared ritual
tangible over time",
"essence": "together",
"signature_device": "two unequal bands
share one offset opening",
"cliches": ["heart", "chat bubble",
"linked circles"],
"warnings": [],
"scores": {"legibility": 4,
"distinctiveness": 4, "balance": 4,
"color": 5, "scalability": 4, "craft": 4},
"notes": "Pass 1 rejected the power-sign
reading. …",
"status": "ready"完整文件已公开：keepsake-knot-review.json。其哈希值与 keepsake-knot.svg 严格匹配；网站测试在每次构建时都会重新验证这一点。
status: ready。关键区别
两者都可以涉及 AI。它们产出不同的对象，以不同的方式失效，并留下截然不同的证据。
| 问题 | 提示词转光栅图像生成器 | IconFlow 的 AI 创作矢量工作流 |
|---|---|---|
| 源文件是什么？ | 从模型采样的位图。提示词并非文件本身。 | 基于 1024 网格的可编辑 SVG，在系统托盘变体需要之处带有语义化分组。文件即设计。 |
| 可以只修改一处吗？ | 重新生成并祈祷；微小的修改会导致整张图像发生偏移。 | 移动节点、加宽间隙、重染色带、重新构建每个目标。 |
| 在 16px 下效果如何？ | 事后降采样；细节沦为糊团或噪点。 | 面向小尺寸设计：像素预算优先，在批准前审查精确的 16px 渲染结果。 |
| 辨识度从何而来？ | 模型的先验倾向，这会将其拉向类别平均水平。 | 强制发散步骤、陈词滥调过滤器，以及可能通不过的剪影测试。 |
| 证据是什么？ | 一张图片、一段提示词，或许还有一个随机种子。 | 简报、入围方案、警告列表、精确渲染图、绑定源文件哈希的评分 receipt、案例记录。 |
| 引擎会调用模型吗？ | 总是会；这就是该产品本身。 | 从不。渲染器与构建过程均为本地 Python 加 Chromium；只有设计智能体（如果你使用的话）才会产生模型用量。 |
边界
IconFlow 的图标集将熟悉的需求与含义转化为原创几何图形。这是一种设计方法和出处规范，而非法律保证。
关于 IconFlow 自身的标识。 Petal Haypile（花瓣干草堆）——带着三片花瓣回到干草储藏处的垂耳鼠兔——是当前选定的、特意保留修改余地的临时产品标识，以便在永久标识尚未确定期间使用。代码遵循 Apache-2.0；IconFlow 名称与标识受项目商标政策约束。相关文档：SOCIAL_SIGNALS.md、EMOJI_MATRIX.md、GALLERY.md。
透明的成本模型
此处特意不列出具体金额。确切数字取决于你的智能体所使用的模型或 API、托管位置以及当时的专业服务费用。以下将阐述成本如何随规模变化及其原因。
在一次性下载 Python 依赖项和 Playwright Chromium 后，compare、check、review 和 ship 均可在你的机器上本地运行，无需 API 密钥，无需调用图像模型，且渲染期间无需联网。重新构建仅需数秒本地算力。
如果由 AI 智能体来撰写简报、发散概念并编写 SVG，该对话将由你所选的客户端与模型计费——IconFlow 本身不进行任何模型调用。迭代轮次、方案比选以及读取审查表都会增加 Token 消耗；含糊不清的简报同样如此。
托管产出成果通常是最小的开销：在你已付费的任意托管平台上部署静态网站或应用包。而商业标识的商标检索与法律审查是一笔独立的专业费用，没有任何工具包能够替代。
决定成本的是项目范围，而非引擎运行时间。成本计量表是跨越这几个层级的相对刻度；单凭算力成本绝不能代表一套成型品牌标识的真实成本。
从技法预设开始，将现成元素替换为一个产品对象，运行 check。验证工具链和初步构想。
一个 SVG、一份无警告列表，以及原生 16px 和 128px 渲染图。
在样张上自检；不导出 receipt。
描边下限与对比度警告；在 16px 尺寸下失效的元素。
本地算力；若由智能体驱动，模型用量微乎其微。
简报、四个概念方案、方案比选、单个主 SVG、检查、评分审查、receipt、交付、案例记录——针对单一产品及其网页端目标产物。
iconflow.toml、入围方案与比选表、master.svg、审查表与 receipt、favicon/PWA 套件、案例集条目。
由设计师在实际尺寸与剪影模式下对全部六个评分轴进行审查；通常需进行两到三轮。
辨识度低于 4、与系统图标撞车、产生意外的二重误读。
设计判断与审查时间占主导，智能体用量次之，算力开销可忽略不计。
生产循环流程，外加关联的纯标识系统托盘源文件、平台特定裁切、桌面端资源包，以及绑定所有产物的一致性合约哈希。
master.svg 与 tray.svg、系统托盘模板审查、ICO/ICNS/PNG 家族、manifest 代码片段，以及覆盖全套目标产物的一份 receipt。
审查每个目标变换：自适应裁切、桌面端圆角、在浅色与深色菜单栏下的菜单栏模板表现。
系统托盘模板未保留彩色标识的任何特征；细节超出可遮罩安全圆形区域。
增加了审查版面，而非增加算力；每个目标产物都会增加人工审查工作量。
产品调研、与利益相关者进行数轮概念推演、品牌系统规范文档，以及在单次绑定源文件的事务中将单一标识推广至整个网站与构建流程。
包含上述所有产物，外加品牌系统文档、调色板与留白规范、设计历史阐述以及商标审查结果。
多位审查者与多轮审查；对早期标识方案的明确否决；在标识承载商业价值时进行专业合规审查。
定位变更、利益相关者意见分歧、合规审查发现的问题、可回滚性要求。
专业人员时间与法律服务费用占主导；模型和算力开销微不足道。
以脚本和固定随机种子批量生成源文件；在失败即阻断的集成之前，每个单元格仍须通过检查、渲染、剪影、相似度分流与视觉审查。
每个单元格的 SVG、渲染图、剪影和 receipt；相似度报告；包含集合级别摘要的目录；一张合成的总览海报。
每个单元格的样张表、对抗式精选流程、替换薄弱单元格、一份集合层面的决策文件。
感知上的高度相似重复、重复的结构构造、风格语法漂移、在 16px 下表现薄弱的单元格。
在拥有数百个单元格时，模型用量开始变得显著；但人工精选所耗费的时间仍然超过它。
请将该计量表理解为比例而非固定价格。模型用量、托管与专业服务费用均由第三方按浮动费率收取；IconFlow 本身不加收任何费用，且其引擎在本地运行。在所有层级中，成型品牌标识的主要成本都是人工用于决策和审查的时间——而这恰恰是本套方法坚决不会跳过的部分。
先睹为快，随心运行
浏览已收录的案例及其原生校样和 receipt，或者在自己的机器上运行 5 分钟引擎校样，亲自检查每个像素。