figma + claude + weavy AI :从会用到用好

figma + claude + weavy AI :从会用到用好

Google ai studio + figma + claude.ai + cosmos + Design with Weavy AI 这套头脑风暴工具看完后,你一定可从其中悟出独特、见解,并为之惊讶。我们不需要自己动手去建房子,我们可以借助不同的工具,去找找灵感,为自己创造东西,自然而然的知道自己的感受,和想要的感受。

1 / GoogleAIStudio 端到端 制定原型

GoogleAIStudio非常好,因为它能端到端完成。然后我发现Gemini在界面设计上真的很厉害!(本次以开发一款音乐日记讲述全流程)。

2 / claude.ai 制定品牌指南 (生成品牌指南 guidelines )

先谈谈设计思想。

就像电影和电视剧有开头、中间、结尾一样,我们现在还不太在意中间和结尾。用户他们不应该觉得我们在抢他们的注意力,或者强迫他们。用户更不愿意看到一堆广告和各种乱七八糟的东西。

很多人,觉得品牌指南听起来很像企业用语,但我认为如claude、gemin这些头脑风暴工具一定能帮助我们找到想要的点。利用claude制定品牌指南,自己想要什么,我们可以看看这个,可能需要一次或几次这样的聊天,最终从这里挑选到我们满意的指导原则、从这里挑选到你喜欢的观点。

比如我希望人们能感受到平静,针对那些厌倦了手机的人,claude提出一点「情绪基调是,发泄情绪的私人空间,安静的在场感。不催促,不打断,不评判,就像一个好的倾听者」。我就会把这一点中心思想提炼出来放大Figma中保存,作为品牌指南。

我们不需要自己动手去建房子,我们可以借助不同的工具,claude能帮很大的忙。去找找灵感,为自己创造东西,自然而然的知道自己的感受,和想要的感受。

Figma中不单单只记录品牌指南,它包括我们所有的设计灵感、想法、元素等都记录在Figma中 如图5。

3 / claude 基于以上指导(生成品牌指南文档 guidelines )
我们把这款应用叫做 Echo Journal。基于这个名字,帮我写一份完整的品牌指南文档。

内容包括:品牌名称、标语、品牌定位、品牌支柱、品牌声音与语气、核心信息。
4 / 制作情绪板 MOODBOARD WITH COSMOS

什么意思?就像一个录音按钮,接下来我要用到一个工具Cosmos,是我最喜欢的应用程序之一,说实话,它就是我最喜欢的程序之一。

通常会在这里添加情绪板,所以我为这个语音应用准备了一个情绪板。

非常简单,完全可以直接在Cosmos里搜索「复古磁带」,然后点击+号,就能够选择到mycosmos类别空间里面。

在这里感受到这些元素,都与我们刚才讨论的元素相互匹配的氛围。感觉它都在模拟设备,我们可以借助模拟的氛围,让某些东西感觉像是我们刚才说的一样。既不太科技化,又不会让人感到不知所措,至少不会让用户反感。

5 / 制作品牌素材 Design with Weavy AI

以前是设计师查看情绪板,根据情绪板创建定制素材等等,但现在任何人都可以做到。

我会在claude和 Weavy之间切换,让claude创建我想放入Weavy的提示。

先从颜色开始,颜色就像情绪板,是最原始、最简单的入门方式。然后就像搭积木一样,比如颜色、背景、按钮和图像,可以把它想象成一幅画。

从Cosmos下载的图片可作为输入,然后使用Weavy的图像模型,我们将使用Flex 2 Pro,这是一个非常通用的模型,所以在提示中,我可以这样写「我需要一个调色板,从参考图像中提取颜色」(最好选择英文提示词),我们来看看它会产生什么效果(图1、2)。

比如我希望最终用户这个人能感受到复古、平静、炫酷的感觉,什么配色能与之匹配。如果你不能在Weavy里获取到你喜欢的配色,就告诉claude,比如对claude说:我想要一个更好的提示,以便从图像中获取更好的调色板。再如给我写一个提示,「显示磨损的老式音频设备图像的进展」,如图3就claude给我的prompt。

做产品的目的不是为了做而做,我们需要把它做的更漂亮。

6 / 制作实际的素材和按钮

产品设计的好处在于,你不需要让脸看起来完全一样」。应用程序设计、网页设计你只需要让颜色、阴影和光照看起来视觉一致,这比起视频模型中的人物一致性要简单很多。

再次,排版处理,我们还需要一个录制按钮和一个类似录音机的扬声器。

视觉上还缺少一个元素,录制完之后它看起来像什么样子,它就像一个列表。但如果我们想营造一种模拟的,使用以上这一套配色方案生成一组卡带。从书脊视角展示这些卡带,就像它们被竖着排在书架或收纳盒里一样,视觉上每次录音完成,我们就得到一盘新的磁带。

现在来说 logo。我打算改用Weavy中的Ideogram V3,因为它在字体排印方面表现更好。
品牌名是 EchoJournal。
请帮我写 4 条 logo 生成提示词:

  • 版本 A:技术感文字标志,就像磁带机面板上的英文字样。
  • 版本 B:手写风格,好像有人在卡带标签上用笔写下来的字。
  • 版本 C:磁带标签风格,类似 TDK / Maxell 那种品牌视觉。
  • 版本 D:极简文字标志,带一个非常低调的卡带小图标。

另外,请给我一条负向提示词,用来避免生成那种很普通、很AI 味的垃圾 logo。

把这段提示词丢到claude.ai中,可以得到5组提示词版本,「其中一组为负向提示词」,Weavy Ideogram V3有一个优点就是可以支持负向提示词,就是我们不希望看到什么。当然,在Weavy中使用SD3 - Remove Background可去除背景,可深度与figma组合。

8 / 组合开发

将以上在Weavy得到的所有元素,在figma中进行组合后,上传至GoogleAIStudio ,最终再一次在 GoogleAIStudio进行最后的开发。可与第一在 GoogleAIStudio 的原型作一个对比效果(如图2为最终效果,第一次效果请返回至制定原型阶段查看,效果限制提升)。

关注我,获取更多编程/AI实战教程!
找我 -> Auwubai

Read more

C++ 中打开文件的多种方式及相关流类

C++ 中打开文件的多种方式及相关流类

C++学习: https://blog.ZEEKLOG.net/2301_80220607/category_12805124.html?spm=1001.2014.3001.5482 前言: 打开一个文件的方式都有哪些,都可以通过哪些流来获取它? 在 C++ 中,打开文件可以通过多种流类实现,每种方式都有其特定的用途和特点。以下是详细的分类和说明: 目录 1. 使用标准文件流类( ) 1.1 ofstream - 输出文件流(写入) 1.2 ifstream - 输入文件流(读取) 1.3 fstream - 双向文件流(读写) 2. 使用 C 风格文件操作(

By Ne0inhk

机器学习-KNN算法原理、实战详细讲解(C++/Python两种语言实现)

一、KNN算法讲解 1.1实现环境 C++:集成开发环境VS2022,可视化库matplot++ python:集成开发环境Pycharm,数学库numpy,可视化库matplotlib 1.2KNN算法原理 KNN(K - 近邻算法)是一种监督学习中的惰性学习算法,核心是 “相似样本在特征空间中彼此靠近”,通过计算新样本与训练样本的距离找 k 个最近邻,再用多数表决(分类)或均值(回归)做预测,无需显式训练模型。 1.3算法的优点 (1)原理简单直观,实现难度低,无需复杂参数训练。 (2)对异常值不敏感,适合类域交叉或重叠较多的数据集。 (3)适配多分类任务,且可灵活切换分类与回归场景。 1.4算法的缺点 (1)预测阶段计算量大,时间与空间复杂度高,数据量大时效率低。 (2)对高维数据敏感,易出现

By Ne0inhk
C++ 异常处理机制:异常捕获、自定义异常与实战应用

C++ 异常处理机制:异常捕获、自定义异常与实战应用

第34篇:C++ 异常处理机制:异常捕获、自定义异常与实战应用 一、学习目标与重点 * 掌握异常处理的核心概念(异常、抛出、捕获、处理)及基本语法 * 理解 try-catch-throw 语句的执行流程,能够正确捕获和处理标准异常 * 学会自定义异常类,满足实际开发中的个性化异常场景需求 * 掌握异常处理的最佳实践,规避常见错误(内存泄漏、异常安全问题) * 理解异常规格说明(C++11前)与 noexcept 关键字的使用场景 * 结合实战案例,提升代码的健壮性和容错能力 💡 核心重点:try-catch 捕获规则、自定义异常的继承设计、异常安全保障、实战场景中的异常处理策略 二、异常处理概述 2.1 什么是异常处理 异常处理是C++中处理程序运行时错误的机制,核心是“将错误检测与错误处理分离”——在程序出错的地方(如除以零、内存分配失败)“抛出”

By Ne0inhk
【C++】深入浅出“图”——最短路径算法

【C++】深入浅出“图”——最短路径算法

文章目录 * 一、Dijkstra算法 * 二、Bellman_Ford算法 * 三、Floyd_Warshall算法 一、Dijkstra算法 最短路径问题是指,从在带权的有向图中从某一顶点出发,找到通往另一顶点的最短路径,“最短”指的是沿路径各边的权值总和最小。 Dijkstra算法是单源最短路径的经典贪心算法,只能用于没有负权的图。它从起点出发,每次选当前距离最小且未确定最短路径的节点,用它去松弛(更新)所有邻接点的最短路径估计值,标记该节点为 “已确定”,重复此过程直到所有节点处理完毕,最终得到起点到图中所有节点的最短路径。 // src是选定的起点,dist记录起点到各点的最短路径,pPath记录到每个点的最短路径的前驱顶点下标voidDijkstra(const V& src, vector<W>& dist, vector<int>& pPath){ size_t srci =GetVertexIndex(

By Ne0inhk