标签:# Prompt

从「把北京切开」到 DK 百科风图解:小红书百万爆款 3D 剖面图背后的视觉密码与全套分镜提示词工程

在图文普遍陷入视觉疲劳、打开率与互动率双双见顶的当下,小红书上悄然掀起了一股极具吸睛力与长尾收藏价值的爆款暗流——3D 空间剖面科普与“万物皆可切”图解。

一线创作者“知识猫 AI 实验室”(@GeekCatX)在小红书仅测试了 3 篇图文,其中 2 篇迅速引爆公域流量。其代表作《把北京地铁切开》在短时间内跑出了 96.2 万曝光、31.6 万播放、4917 点赞、2690 收藏与 1528 次自发分享。更令人震撼的是其转化漏斗:封面点击率高达 15.4%(平台基准一般在 5%~8%),互动率 3.2%,赞藏比达到了罕见的 1.8 : 1——这意味着几乎每两个点赞的用户中,就有一人果断点击了收藏。

这类兼具《DK 百科全书》复古质感与现代 3D CGI 空间纵深的图文,究竟踩中了用户怎样的深层心理?普通创作者如何借助 AI 提示词工程跑通标准化出图与商业闭环?

本文将全面复盘这一高赞赛道的爆款心理学、对标流派矩阵、标准化落地 SOP,并完整公开一套极具生产力的通用智能分镜导演提示词系统。

弥合 UI 设计与 AI 智能体之间的最后一步:M3E Canvas 可视化画布架构解析(Material 3 Expressive / 设计令牌序列化 / 结构化 Prompt 直出)

在 AI 辅助编程时代,开发者借助 Claude Code、Cursor、Gemini CLI 或 Codex 可以极快地生成后端业务逻辑与算法代码。然而,一旦涉及前端用户界面(UI)与交互流程的开发,体验往往大打折扣。

用纯自然语言向 AI 描述复杂的前端需求,往往面临巨大的“表达鸿沟”:“左边留白大一点”、“用稍浅一点的紫色”、“按钮要圆角带有微投影”、“手机端折叠成抽屉导航”……这些模糊的人类语言,导致 AI 反复理解偏差,开发者在几十轮对话中消耗数百万 Token 依然得不到符合视觉规范的界面。

开源项目 M3E Canvas 带来了一个极具创意的解法:将 Google 2025 年推出的最新设计规范 Material 3 Expressive 做成轻量可视化画布,开发者在浏览器中拖拽布局、编排页面流转,画布可一键将其编译为结构化、工业级、强约束的“AI 智能体专属 Prompt”,直接喂给 Coding Agent 开始写代码。本文将深度剖析其架构设计。