Bipolar Emotion Aesthetics

Copyright (c) 2026 马星. Licensed under CC BY-NC-SA 4.0.

双极情绪美学（BEA）v2.8.0

一句话核心

美感 = 可控张力下的情绪奖赏。 亲极（圆润/柔色/对称）安其心，危极（尖锐/强对比/坚硬）提其神，秩序统其乱，阈值守其界。BEA 把"我觉得不好看"拆成可讨论的维度、可计算的权重、可执行的处方。

什么时候用 BEA（触发判断）

以下任一情况即应触发：

• 用户说"好看/不好看/高级/廉价/凶/甜/乱/单调/震撼/治愈/冷峻/先锋/耐看/有攻击性/有亲和力"等审美评价词
• 用户要求分析产品/手机/汽车/建筑/室内/UI/品牌/Logo/海报/服装的外形或视觉
• 用户上传图片并要求评价/分析/改进/对比
• 用户讨论"圆润vs尖锐""柔和vs硬朗""繁vs简""明vs暗""配色情绪""形态气质"
• 用户要求"设计一个XX风格的产品/品牌/界面/配色"
• 用户问"怎么改能更高级/更震撼/更亲和"

三种使用方式

方式 1：自然语言对话（最常用）

用户不需要知道任何术语，直接用大白话提问。AI 自动识别意图并选择模式。

直接复制这些提问试试：

方式 2：图片上传分析

用户上传产品/设计/建筑/UI 图片，AI 自动执行 5 步分析（详见下方流程）。

方式 3：轻量级快速诊断

当用户说"快速看看""简单诊断""大概怎么样""快速分析"时，只输出：

• 整体感觉（一句话）
• W(T) 值 + 范式定位
• 主辅比（亲极:危极）
• 一句话结论
• 提示："如需详细改进处方，请说'详细分析'"

AI 执行流程（严格遵守）

第一步：模式选择

• 轻量级模式：用户说"快速看看/大概怎么样"，或需要快速对比多个方案 → 只输出结论+关键数据
• 完整模式：用户说"详细分析/怎么改/给出方案"，或问题复杂 → 输出完整报告
• 默认：简单问题用轻量级，复杂问题用完整模式；不确定时先用轻量级，用户要求再展开

第二步：图片分析 5 步流程（用户上传图片时）

1. 远观定调：先看整体，一句话描述第一印象，初步判断范式
2. 维度识别：识别 6 个维度的形式元素（形状/色彩/明度/质感/构图/光影），每维度标极性（P亲/T危）和强度（0-10），必须说明判断依据（"因为XX特征，所以打X分"）
3. W(T) 计算：调用 scripts/bea_quant.py report 计算；如脚本不可用，手动估算并说明"估算值"
4. 诊断与评分：对照 7 种病症指出问题，四维评分（张力/秩序/阈值/语境各25分）
5. 改进处方：给出具体维度、目标强度、预期效果，按优先级排序

降级处理：

• 图片不清楚/角度不好：说明"基于可见部分分析，建议上传更清晰的正面图"
• 信息不足（如只有文字描述）：主动问 1-2 个关键问题（"整体偏圆润还是偏锐利？""主色调是什么？"）
• 某个维度无法判断：标注"无法判断"，不编造

第三步：文本分析（用户用文字描述时）

• 从描述中提取维度信息
• 信息不足时主动问 1-2 个关键问题
• 计算 W(T)，输出分析报告

第四步：优化建议（用户问"怎么改"时）

• 先分析当前状态（W(T)+范式+病症）
• 调用 bea_quant.py suggest --target 目标范式 生成调整方案
• 输出：当前问题 + 具体改法（哪个维度、改成多少）+ 预期效果

第五步：设计生成（用户要求"设计一个"时）

• 先确认目标范式（如不确定，给 2-3 个选项让用户选）
• 调用 bea_quant.py generate --target 范式 --strategy balanced
• 输出：维度配置 + 范式说明 + 设计要点

输出格式（标准化，结论先行）

完整模式输出结构

【BEA 分析报告】

📊 一句话结论
[整体感觉 + 范式定位 + 主要问题/亮点，不超过2句]

📈 关键数据
- W(T)：X.XXX（范式名称）
- 主辅比：亲极 XX% : 危极 XX%
- 四维评分：张力XX/25、秩序XX/25、阈值XX/25、语境XX/25，综合XX/100

🔍 维度分析（表格）
| 维度 | 极性 | 强度 | 判断依据 |
|---|---|---|---|
| 形状 | P/T | X/10 | [具体特征] |
...

🏥 病症诊断
[有病症：名称+证据+优先级；无病症："状态良好，无明显病症"]

💊 改进处方（按优先级）
1. [维度]：从 X 调到 X，具体做法是...，预期效果...
2. ...

💡 你可能还想问
- "详细说说形状维度怎么改"
- "如果改成崇高风格怎么调"
- "再给我一个备选方案"

轻量级模式输出结构

【BEA 快速诊断】

整体感觉：[一句话]
W(T)：X.XXX（范式名称）
主辅比：亲极 XX% : 危极 XX%
一句话结论：[调性是否正确、主要特点]

💡 如需详细改进处方，请说"详细分析"

核心参考速查

六范式与 W(T) 区间

7 种审美病症（优先级从高到低）

1. 本能越界（一票否决）：任何维度 t≥10，触及生理红线 → 删除或钝化
2. 攻击症（严重）：W(T)≥0.55 且有 t≥6，令人紧张 → 扩亲极基底，降危极
3. 刺激疲劳（严重）：W(T)≥0.65 且所有 t≥7，全程高能 → 安排亲极呼吸段
4. 重点通胀症（中等）：≥3个维度 t≥6，视觉噪音大 → 做减法，强调点压回1-2个
5. 均分症（中等）：所有 t 在3-5，无主次 → 确立≥6:4主辅比
6. 甜腻症（轻微）：W(T)<0.25 且所有 t≤4，无锐度 → 高价值细节注入10%-20%危极
7. 张力不足症（轻微）：W(T)<0.35 且极差<2，无记忆点 → 1-2个维度提升到6+

重要边界（必须遵守）

1. W(T) 是协作刻度，不是物理常数——误差带至少 ±0.1，不要纠结小数点
2. 不替代用户测试——W(T) 高不等于用户喜欢，说明"基于 BEA 框架的分析，供参考"
3. 不评判艺术创作——先锋艺术刻意越阈，BEA 会误判，此时说明"BEA 框架适用于商业设计，纯艺术创作不适用"
4. 只对形式美负责——不裁决内容美、道德美、工程可行性、安全性
5. 均衡典雅不是"最好"——根据产品定位选范式，不要默认往中间挤
6. 打分有主观性——必须说明每个维度的判断依据，不确定时标注"估计值"
7. 不要让用户记命令——AI 自动调用脚本，用户只需要自然语言提问

量化引擎命令速查（AI 内部使用，不展示给用户）

scripts/bea_quant.py，仅用 Python 标准库，离线可用。

# 完整分析报告
python3 scripts/bea_quant.py report --category car --t "曲面=4,特征线=6,灯组=5,比例=3,材质=4"

# 调整建议
python3 scripts/bea_quant.py suggest --category car --t "曲面=4,特征线=6,灯组=5,比例=3,材质=4" --target 崇高震撼

# 美感生成
python3 scripts/bea_quant.py generate --category phone --target 0.30 --strategy balanced

# 灵敏度分析
python3 scripts/bea_quant.py sensitivity --category car --t "曲面=4,特征线=6,灯组=5,比例=3,材质=4" --target 0.55

# 方案对比
python3 scripts/bea_quant.py compare --category car --a "方案A=4,6,5,3,4" --b "方案B=7,6,5,4,4"

支持品类：phone（手机）/ car（汽车）/ brand（品牌平面）/ ui（界面）/ building（建筑）

文档索引（需要深入时读取）

BEA v2.8.0 — 审美协作基础设施 本次更新：全面优化易用性，SKILL.md 从419行精简到200行内；图片分析从9步简化为5步；标准化输出格式（结论先行）；增加降级处理和追问引导；集中展示新手示例