IconFlow
方法論 · 工作怎麼做
不是一句提示詞加一張圖。而是產品簡報、相互競爭的構想、一份 1024 格上可編輯的 SVG、按人們實際看見的尺寸做精確算圖、機械檢查、由設計師計分的審查，以及把核准綁定到精確原始檔的 receipt（簽收檔）。每一步都用白話說明，說法旁邊就是真實產物。
真正的管線
每個階段都會留下檔案：簡報、概念縮圖、SVG、警告清單、PNG、計分的 receipt、一次建置、一份案例紀錄。點選階段即可閱讀做法。
機械階段設計判斷
階段 01 · 簡報
只給名詞的提示詞（「幫我做一個聊天圖示」）做出來的是裝飾。IconFlow 的簡報記錄的是使用產品的人想完成什麼。
設計手冊在動筆前要求五件事：圖示是什麼（app、favicon、系統匣）、一個字的本質、品牌色、性格路線，以及圖示會以小尺寸出現的位置。案例集提煉出的規則很直白：選使用者的任務，不是類別名詞。「導航」、「決策」、「比較」與「偵察」做出來的標誌，會比「遊戲」、「會議」或「旅遊」好，因為陳腔濫調就住在類別名詞裡。
在這套系統裡，辨識度就是具體。案例集裡最強的標誌就是一件具體、可獨有的東西 — 價簽、切面寶石、摺好的路線圖、招財貓 — 其塗黑剪影叫出的是物件，不是類別。文件把漸層色塊上一個光禿字首，點名為 AI 圖示看起來稱職又立刻被忘掉的最常見做法。
對隱私敏感的產品，簡報會收束成中性的任務動詞；公開的案例紀錄保留視覺證據，但不含類別名詞、儲存庫名稱或本機路徑。
階段 02 · 發散
這是多數 AI 製作的圖示跳過的階段，所以它們長得都一樣。IconFlow 把它設為必做，並附上可以不及格的測試。
一份簡報，設計師（人或代理程式）至少用不同視角草擬四個概念 — 字面物件、隱喻、核心動詞、把字形熔進物件、抽象系統，或負空間雙讀。兩個共用同一個剪影的概念算一個。
一份寫下來的陳腔濫調表，把每個產品類別配上用濫的符號，以及該改往哪推。規則很簡單：概念落在「避開」那格，就不算完成。內部清單也拒絕用大腦、機器人、閃光、魔杖、神經節點，或預設的藍到紫漸層來代表「AI」。
一個手法 — 雙重讀法、可獨有的幾何、熔接字形、意外裁切、可獨有的配色，或單一強調。打磨前先過四道硬測試：128px 與 16px 的叫出名字測試（及格答案是具體名詞）、去掉色彩的剪影測試、maskable 測試（關鍵細節落在中央 40% 半徑安全圓內），以及對上 8 個競品 favicon 的並排測試。決選再以 iconflow compare 並排比稿，贏家看形狀，不看 128px 的色彩。
階段 03 · SVG
單一真實來源是一份小而可編輯的 SVG。隨時可讀、可 diff、可 hash，並重建成每個目標。
每份主檔都畫在 viewBox="0 0 1024 1024"。在 16 像素時，約 64 格等於一顆輸出像素，所以預算是明示的：每個承載想法的強調大約分到兩像素（≈128 單位），每道必要間隔至少一像素，細於邊長約 2.3% 的筆畫預期會消失。關鍵內容留在中央約 80% 的安全區；必須撐過自適應裁切的東西留在中央安全圓內。16px 圖示恰好只容一個想法，兩個不透明前景元素絕不可交叉。
iconflow new <preset>會從二十種結構不同的執行語法起手 — flat-geometric、line-mark、duotone-cut、pixel-grid、stained-glass、woodcut 等等 — 各有 16px 存活規則與單色系統匣策略。它們刻意共用同一套內建骨架；真正的圖示仍要換成產品專屬物件，再跑完整道關卡。
系列不改方法；它們把可重複的部分寫成腳本。20 題 Social Signals 套件用有種子的 random.Random(seed).shuffle 指定風格，算圖前先對照目錄核對，並把每題的路徑幾何留在建置腳本裡。400 格 Emoji Matrix 由 scripts/build_emoji_matrix.py 建置，對每格重跑 check、為每張校樣取指紋，缺一份 receipt、digest 或審查決定就失敗即關閉。規模買到的是可重複與可稽核 — 從來不是過關。
階段 04–05 · 檢查與算圖
IconFlow 用釘選版本的 Playwright Chromium 算圖，再對所見畫面跑一份明確的檢查清單。
算圖器把 SVG 當不可信輸入。Chromium 封鎖網路與 service worker，停用頁面 JavaScript，移除或凍結動態與動畫內容，並固定 sRGB、地區設定與時區。輸入上限為 4 MiB、50,000 個元素、128 層巢狀，DTD 或實體宣告一律拒絕。本頁的 16px 與 128px PNG 就是那些精確算圖，不是大圖重採樣。
check 真正在測什麼href/src、CSS url() 與 @import。viewBox，或不是正方形。加上 --tray-svg tray.svg、check 與 review 會多一道建議性的系統匣範本稽核：它會回報一份沒留下彩色標誌任何特徵的 macOS template。它刻意不納入預設的 check，也從不管控 ship，因為稽核的是連結變體，不是主檔。
每個已審查案例也會得到 128px 視覺剪影，因為辨識度是去掉色彩來評的。400 格矩陣的相似度報告會加上精確 PNG hash，以及 64-bit alpha 與亮度差異 hash；alpha 加亮度的合計 Hamming 距離在 12 以內（同義）或 6 以內（異義）的配對會標成高風險，完全重複則阻擋整合。腳本稱這段距離為「視覺檢查的分流訊號，不是錄取分數」。
$ python -m iconflow check master.svg
OK — no automated warnings. Still do the visual review.警告是要修的原始內容，不是要重新啟用的算圖器功能。ship 拒絕帶警告記錄的 receipt。
階段 06–09 · 審查、receipt、交付、學習
機械檢查抓住機械風險。標誌好不好，由眼睛看真實像素決定，並記在建置可核對的 receipt 裡。
審查者打開樣張表與 Review Lab：白、暗、中灰為列；16px 到 256px 實際尺寸為欄；像素放大帶；alpha 足跡；視覺剪影；自適應裁切預覽；每個選定目標的變換。六軸以 1–5 計分：16px 可讀性、辨識度、平衡與格線、色彩與對比、可縮放性、工藝。任一軸低於 4 不得交付，辨識度是明示關卡 — 泛用剪影再好看的色彩最多也只得 3。
任一軸低於 4，審查者點出最弱軸，做一個影響最大的改動，再重新算圖。文件預期兩到三輪。100 案例藝廊版從 111 個候選收錄 100 個，並明示退回 11 個較弱、較難讀或重複的方向案；Keepsake Knot 的 receipt 記錄第一輪因讀成電源符號而被退回。
匯出的 receipt 帶有精確 SVG 的 source_sha256，以及綁定專案、目標集合、色彩、Electron 半徑、配色、系統匣模式與系統匣來源 hash 的 contract_sha256。iconflow ship 核對兩者，要求警告清單為空、status: ready，以及六軸分數至少 4，然後在寫入任何檔案前重跑自動化 QA。改了 SVG 內容 — digest 只忽略換行 — receipt 就過期。
每個已交付圖示以 iconflow case new 作結：第一輪與最終分數、避開的陳腔濫調、標誌性手法、一則可再利用的教訓。case stats 會點出反覆最弱的軸與內部陳腔濫調；這些教訓提煉成 docs/LEARNINGS.md 裡的編號規則（撰寫時為 54 條），下一份簡報必須先讀。沒記錄的圖示，系統什麼也學不到。
"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"完整檔案是公開的：keepsake-knot-review.json。其 hash 與 keepsake-knot.svg 相符；網站測試在每次建置時重新核對。
status: ready。要緊的區別
兩者都可以有 AI 參與。產出的物件不同、失敗方式不同，留下的證據也不同。
| 問題 | 提示詞轉點陣產生器 | IconFlow 的 AI 撰寫向量工作流程 |
|---|---|---|
| 原始檔是什麼？ | 從模型取樣的點陣圖。提示詞不是檔案。 | 可編輯的 SVG，畫在 1024 格網上，並在系統匣變體需要處帶語意分組。檔案就是設計。 |
| 能只改一件事嗎？ | 重新產生，然後祈禱；小改動會帶偏整張圖。 | 移動節點、拉開空隙、重塗色帶，重建每個目標。 |
| 16px 看起來如何？ | 事後再降採樣；細節變成糊或雜訊。 | 由小往上設計：像素預算優先，核准前先檢查精確的 16px 渲染。 |
| 辨識度從哪裡來？ | 模型的先驗，會把結果拉向類別平均值。 | 強制發散步驟、陳腔濫調過濾，以及可能失敗的剪影測試。 |
| 證據是什麼？ | 一張圖、一句提示詞，也許一個 seed。 | 設計綱要、決選案、警告清單、精確渲染、綁定原始檔雜湊且帶分數的 receipt（審查憑證）、案例紀錄。 |
| 引擎會呼叫模型嗎？ | 一定會；那就是產品。 | 不會。渲染與建置是本機 Python 加上 Chromium；只有設計用的代理程式（若有使用）才會消耗模型用量。 |
界線
IconFlow 的圖示集把熟悉的工作與含義轉成原創幾何。那是設計方法與溯源紀律，不是法律保證。
關於 IconFlow 自己的標誌。 Petal Haypile（花瓣乾草堆）——低耳鼠兔叼著三片花瓣返回乾草倉——是目前選用的暫時產品標誌，刻意保留日後更換的空間，永久識別尚未定案。程式碼為 Apache-2.0；IconFlow 名稱與標誌受專案商標政策約束。文件：SOCIAL_SIGNALS.md、EMOJI_MATRIX.md、GALLERY.md。
透明的成本模型
這裡刻意不放金額。確切數字取決於你的代理程式用哪個模型或 API、託管在哪，以及當天專業服務的行情。以下說明什麼會隨規模變動，以及為什麼。
一次性下載 Python 相依套件與 Playwright Chromium 之後，compare、check、review 與 ship 都在你的機器上執行，無需 API 金鑰、不呼叫圖像模型，渲染期間也不連網。重建只需數秒本機運算。
若由 AI 代理程式撰寫設計綱要、發散概念並撰寫 SVG，該對話由你選的用戶端與模型計費——IconFlow 本身不呼叫模型。迭代輪次、評比與閱讀審查表會增加 token；含糊的設計綱要也一樣。
託管產出通常是最小的一筆：靜態網站或應用程式套件，放在你本來就在付費的主機上。商業標誌的商標檢索與法律審閱是另一筆專業費用，沒有任何工具包能取代。
定價的是範圍，不是引擎時間。這把尺是各層級間的相對尺度；單靠運算成本永遠代表不了完成識別的成本。
從技法預設開始，把內建骨架換成一個產品物件，跑 check。證明工具鏈與第一個構想。
一份 SVG、一份乾淨的警告清單、原生 16px 與 128px 渲染。
在索引樣張上自檢；不匯出 receipt。
筆畫下限與對比警告；一個在 16px 失敗的名詞。
本機運算；若由代理程式驅動，模型用量可忽略。
設計綱要、四個概念、評比、一份主檔 SVG、檢查、帶分數的審查、receipt、交付、案例紀錄——一個產品及其網頁目標。
iconflow.toml、決選案與評比表、master.svg（主檔）、審查表與 receipt、favicon/PWA 套組、案例集條目。
6 條評分軸皆由設計者打分，看實際尺寸與剪影；通常兩到三輪。
辨識度低於 4、與系統圖示碰撞、意外讀出第二義。
設計判斷與審查時間為主，代理程式用量其次，運算可忽略。
正式迴圈再加上一份連結的純標誌系統匣原始檔、平台裁切、桌面套件，以及把全部綁在一起的一份契約雜湊。
master.svg 與 tray.svg、系統匣範本稽核、ICO/ICNS/PNG 家族、manifest 片段、整組目標共用一份 receipt。
檢查每個目標轉換：自適應裁切、桌面圓角、淺色與深色列上的選單列範本。
系統匣範本留不住彩色標誌的任何特徵；細節落在 maskable 安全圓之外。
多的是審查版面，不是運算；每個目標都多一次人眼檢查。
產品研究、與利害關係人進行數輪概念、一份品牌系統文件，並在單一綁定原始檔的交易中把一個標誌推上網站與建置。
以上全部，外加品牌系統文件、色盤與淨空規則、歷史理據、商標審閱結果。
多名審查者與多輪；明確否決先前標誌；標誌承載商業重量時做專業的權利確認。
定位變更、利害關係人意見不合、權利確認的發現、可撤回要求。
專業時間與法律服務占大宗；模型與運算只是附註。
以腳本、種子產生大量原始檔；每一格仍須通過檢查、渲染、剪影、相似度篩選與目視審查，才會以失敗即擋下的方式整合。
每格一份 SVG、渲染、剪影與 receipt；一份相似度報告；帶集合層摘要的目錄；一張合成總覽海報。
每一格的索引樣張、一輪對抗式策展、替換弱格、一份集合層決策檔。
知覺近重複、重複構圖、風格語法漂移、脆弱的 16px 格子。
到數百格時模型用量會變明顯；策展時數仍超過它。
把這把尺當成比例，不是價格。 模型用量、託管與專業費用各自由別人按會變動的費率計費；IconFlow 不加收自己的費用，引擎在本機執行。無論哪個層級，完成識別的主要成本都是人用來決定與審查的時間——而這正是此方法拒絕省略的部分。
先看，再跑
瀏覽已收錄案例及其原生校樣與 receipt，或在自己的機器上跑 5 分鐘引擎驗證，親自檢查像素。