# Visual Research

> 在收集、分析或组织视觉参考、情绪板、竞品图像或灵感时使用。横切所有设计阶段。

- Skill: `ahaoai/visual-research-2` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx skillmds@latest add ahaoai/visual-research-2`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ahaoai/visual-research-2/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Research & Search
- Author: ahaoai (https://skillmd.com/u/ahaoai)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/ahaoai/visual-research-2

---


# 视觉研究（Visual Research）

## 概述
视觉研究是系统性地收集和分析图像以指导设计决策。它不是随意浏览——而是有目的地、有意图地观察。良好的视觉研究建立了共享的视觉词汇，揭示了品类中的模式，并防止设计师在真空中设计。

## 不可协商的规则
**硬性门槛：先收集再创作。在生成原创概念之前收集视觉参考。** "我脑子里已经有想法了"不是研究。外部参考防止内部偏见。

## 何时使用
- 开始任何视觉设计项目
- 构建情绪板或风格卡片
- 竞争性视觉审计
- 理解品类的惯常做法和套路
- 在概念生成前探索视觉领地
- 与客户或利益相关者建立共享视觉词汇

## 何时不使用
- "给我找张好看的图"没有设计目的 → 这是图片搜索，不是研究
- 设计已有定义的视觉方向时（引用它，不要再研究一次）
- 随意浏览找灵感（这是结构化研究，不是刷Pinterest）

## 流程

### 1. 定义搜索框架
- 我们在寻找什么？（风格、时代、情绪、技法）
- 我们回答什么问题？("在这个品类中，高端感觉是什么样的？")
- 搜索的约束是什么？（预算、受众、平台）
- 什么不在范围内？（防止漫无目的地浏览）

### 2. 广泛撒网
- 跨品类搜索（不局限于你的领域）
- 使用多个来源：设计平台、图片搜索、社交媒体、印刷品、自然、建筑
- 跨3-5个主题收集20-50张有分量的参考
- 偏好多样性而非相似性

### 3. 聚类和分析
- 按主题、情绪、风格或技法分组参考
- 识别模式：什么反复出现？
- 识别空白：品类中缺少什么？
- 识别套路：什么已经被过度使用了？

### 4. 综合为方向
- 产出2-3个视觉领地（不是一个）
- 每个领地：4-6张图 + 一句话描述方向
- 记录每个领地传达什么以及有什么风险
- 在概念生成前与利益相关者分享以对齐

## 理性化预防

| 借口 | 事实 |
|------|------|
| "我知道它应该长什么样" | 你知道你以前见过的样子。视觉研究扩展你的范围。 |
| "我边做边搜" | 边做边搜会产生散乱的结果。先做框架。 |
| "收集参考不是正经工作" | 这是提高产出质量底线的最有效方式。 |

## 危险信号
- 你在没有任何参考图像的情况下设计
- 所有参考看起来都一样
- 参考只来自你自己的作品集
- 你跳过了分析步骤，直接说"我喜欢这个"

## 验证
- [ ] 搜索框架在收集前已定义
- [ ] 至少跨3个主题收集了20个参考
- [ ] 参考已被聚类和分析以识别模式
- [ ] 至少合成了2个视觉领地
- [ ] 在研究过程中没有开始原创概念生成

→ 从 **02-discover** 调用以获取视觉上下文，或从 **04-generate** 调用以探索视觉方向。