👦🏻 作者: 鏡山
🥷 編輯: Koji
🧑🎨 排版: NCon
2025 年，「十字路口」的第一期播客是 Koji 和真格基金管理合夥人戴雨森的開年對談：《AI 關鍵之年，Agent 開啟元年》
——當時，我們很大膽地將 2025 稱作「Agent 元年」。
事實印證了這一點。Manus 打響了「Agent 元年」的第一槍，釋出後受到廣泛關注，更獲得頂級 VC Benchmark 投資，估值 5 億美元。
如果參考 OpenAI 提出的 AI 能力 L1-L5 分級，我們其實已經明確來到了 L3 階段：L1：Chatbot（對話）L2：Reasoner（推理解決問題）L3：Agent（呼叫工具完成複雜任務）
🚥
昨晚，我們發現了一款名為 Lovart.ai[1] 的產品，或許是全網第一個設計 AI Agent，完成度很不錯，外網也有不少 KOL 在分享討論。
我們和官方 x 溝通要了一個體驗碼，給大家帶來第一手的體驗與思考。
Lovart.ai 的官網很現代，簡潔得不能更簡潔了，首屏只有 10 個英文單詞，言簡意賅介紹清楚了它是什麼：
Auto-Deisgn —— The design agent who creates by your side.
Lovart：一個頗有誠意的設計師
Lovart 與最近紛紛落地的 AI Agent 的操作流程基本相似，但是體驗感拉昇了不止一個緯度。
它雖然可以使用自然語言（俗稱：用嘴）進行互動，但是目前體驗下來，最好還是使用英文，提示詞一致度最高。
例如，我想讓 Lovart 生成一組麥當勞與熊貓聯名的 logo ，它在思考之後，給出了一組具有視覺設計感的圖示。
比較驚喜的是 Lovart 對我的意圖有很好的理解，它先透過提示詞解析進行推斷，自己決定下一步該怎麼做。
之後，透過外接的一眾大模型對任務進行拆解和發散（例如強推理思考的 o3 ），最後再用生圖模型 GPT-Image-1、Flux pro 等等完成影像生成任務。
在我測試這個設計類 AI Agent 生成 logo 的時候，這些外接的大模型已經比較好地融入進了 Lovart 的工作流裡，展現的完成度已經非常高了。
比如：當它面對靈感不足的情景時，會自動去網路搜尋相關靈感，從中選幾個跟我輸入的提示詞意圖相近的樣本作為參考。
然後，基於這些靈感，它才會按部就班地發揮創意思維，用 Lovart 外接的 GPT-Image-1 生成了一組我想要的 logo。
多說一句，在我測試 Lovart 的過程中，注意到它生成影像時大頻率地使用了 GPT-Image-1。它是上個月 OpenAI 釋出的全新影像生成模型，能批次生成多種風格變體。只不過這個模型 API 的單位價格並不低，一張高質量圖片就要 1.3元 ，很貴。
不過，目前 Lovart 上使用還是免費的，推廣期裡誠意滿滿。
影像生成任務結束後，還會再額外附贈我一份完整的“Lovart 如何從專業角度解析這些 logo ”的指南，告訴我這些 logo 的設計理念是怎樣的。
這一步其實很關鍵，因為它體現了 AI Agent 最基礎的互動能力，使用者需要先知道它怎麼想的，才能在多輪對話中找到自己想要的設計稿。
僅僅是生成 logo 完全展現不了作為設計類 Agent 的 Lovart 的潛力，傳統的文生圖工具多多少少也能做得不錯。
我提出了更進一步的要求：
我需要它作為一站式設計平臺，做一整套完整的品牌 VI。
於是，我輸入了很簡單的一句提示詞：
（原 prompt 為英文）
我喜歡你做的這個 logo，根據它做一整套 VI 設計。
Lovart 調動思考模型，又開始思考了，思考的結果是：制定出來一!整!套!完整的品牌設計系統。
然後直接一站式設計了整套的 VI set。
在這麼多物料裡，其實有幾張是我覺得非常驚豔的，主要在於 Lovart 的創意沒有脫離實際，幾乎是拿起來就能用的程度。
第一個令我特別驚喜的就是快餐店必有的食品套餐包裝！我一看到這個“麥當勞 X 熊貓”的聯名包裝，就覺得 Lovart 做出來的設計是符合行業標準的，擁有一個真正做過一線任務的設計師的 Know-how。
紅白黃的配色依然經典，包裝上的竹子圖案和麥當勞的漢堡小圖示點綴，整體完全不顯得凌亂。
再有就是下面的這些聯名周邊：紅色棒球帽，白色帆布袋和馬克杯。
除了主視覺設計上的“麥當勞 X 熊貓” logo 外，帆布袋上還對稱地使用了竹葉設計，馬克杯也一樣，上面甚至還有一句 Lovart 自己琢磨出來的標語 “Golden Arches, Panda Heart”。
真的是完美契合了這次聯名活動的主題！
這兩款“麥當勞 X 熊貓”聯名車的設計一開始也是驚豔到我了，Lovart 會直接生成一套多重風格的外賣配送小車的視覺圖，會在各個位置附加上熊貓、金拱門標誌和竹水印，甚至還有原創的兩句品牌 slogan：
“Taste the best of both worlds” 和 “Bite into Harmony”，精彩！
所以，Lovart 為什麼可以做得這麼好？
從這一整套測試流程中的體會來看，我發現 Agent 不是拿到提示詞之後立刻像傳統文生圖模型一樣“急著”幹活，而是像一位成熟的設計師員工：
-
調動思考模型：先理解使用者的需求是什麼？完整的品牌設計系統包括什麼？它的答案是：至少 15 張不同的物料。
-
幫助使用者梳理意圖：Lovart 會用追問的方式明確使用者意圖，這是從 ChatGPT DeepResearch 開始就有的 Agent 互動設計。比如，它會問道：你喜歡哪種 logo 理念？這套 VI 中要包括線下門店的應用場景嗎？
-
每一個環節都在發散創意：像是產品原型圖裡呈現了“Bite into Harmony”這麼有意思的 slogan，體現了 Lovart 將接入的一系列大模型 All in one，讓它們在完整的設計工作流中，將創意像溪流一般延續了下去。
最後，Lovart 才能夠超越使用者的交付預期，卻又跟使用者的意圖對齊：“大膽開胃的色彩，並基於簡單可擴充套件的系統構建，整體風格現代、活潑且易於識別，同時保持商業實用性，適合全球推廣。”這才能讓我覺得，如果我有一家聯名店，我可能真的會用 Lovart 做出來的東西，至少也可以大量參考它的設計思路。
雖然圖片質量本身並沒有非常高，但是抵不住 Lovart 全部基於目前的 SOTA 模型，保證了它做出來的東西是行業目前的一流水準，下限就很高。
我看 Lovart 的官方介紹中有提到他們一站式接入了各種多模態大模型，包括 GPT image-1、Flux Pro、OpenAI-o3、Gemini Imagen 3，也包括 Kling AI、Tripo AI、Suno AI…
我想這意味著，當用戶需要生成影片、3D 模型、音樂的時候，快速迭代中的 Lovart 也會自動完成這些設計任務。
我是如何用有審美的 Lovart 的：分享我的工作流
除了透過用嘴對話，憑空生成創意性的設計方案外，也可以基於使用者上傳的圖片，二次創作。
接下來，我分享下我的工作流：我是如何用 Lovart 為接下來的一整場活動快速設計一整套物料的。
我上傳了一張 AI Hacker House 的 logo 作為參考圖，並告訴 Lovart：
（原 prompt 為英文，為方便閱讀，我做了箇中文版）
我們的品牌名稱是“AI Hacker House”，過去我們一直在上海舉辦活動，接下來要搬到矽谷，在一場科研大賽上做一場快閃。我們準備給這個活動命名為：AI 白日夢空間，為我們做一整套物料設計，要求結合：科研、矽谷、駭客、AI、白日夢等要素。
Lovart 隨即生成了下面這個它所理解的矽谷風 logo 視覺圖，幾何形狀和線條排版都和原 logo 高度相似，確實令我感覺有些驚豔。
當我確定好矽谷快閃活動的 logo 後，在左側的無限畫布中點選這個圖片，可以直接加入右側對話方塊，用自然語言告訴 AI：嗯，我很喜歡這個 logo，繼續用它為我生成物料。
隨後，它就展現了它作為一個成熟的設計 Agent 的工作流：自動制定 Smart Plan。
我們錄了一段屏，你們可以感受下 Lovart Agent 認真幹活的過程。
Lovart 的計劃中，往往存在這麼幾步：
-
運用視覺推理能力分析我上傳的影像中有什麼元素；
-
當它意識到自己需要更多的設計知識以及需要整理知識點時，Lovart 會進行推理並且在計劃中列出子任務；
-
根據提示詞呼叫圖片生成模型；
-
結束，“整理一切”，總結歸納。
最終，它很好地把控了我的需求，生成了帆布包、衣服、活動入場 card 甚至 APP UI 設計。
賽事快閃活動總避免不了要發一些紀念性的證書和卡片，如果有些特定元素只需要在同一個模版上新增的話，就可以讓 Lovart 直接做個設計模板，然後透過“繼續編輯”功能再微調設計，之後一鍵複合即可匯出。
到此為止，AI Hacker House 的“AI 白日夢空間”活動的證書、獎盃、小禮盒也就基本設計完畢了。如果需要各個角度的原型圖，直接進行再對話即可。
把所有這一切測試跑完，我大概只用了半個小時，唯一的難點就是查一查有些複雜英文單詞怎麼拼寫……希望 Lovart 速速加強中文語義識別。
除了這些物料設計之外，一般活動還得有一套現成的 PPT 模版，畢竟我們在上海辦的歷屆活動裡都有“開放麥”環節。所以我也覺得是時候統一下格式，方便隨時上臺發聲的參賽者。
Lovart 是這麼理解的：
這種任務對於它來說太過簡單，完全沒有一站式 VI 設計那麼有挑戰性，完全不需要多次 roll，交付給我的就是很成熟的設計稿，整體的風格正如我上傳的 logo 參考圖一樣。
所以說 Agent 最關鍵的一點是：要有審美啊！
以上所有內容匯出時，Lovart 也提供了 JPG、PNG、SVG 等格式。
好了，接下來就是我測試 Lovart 的所有內容了：
不得不提地就是 Lovart 提供的無限畫布設計，它讓所有生成的結果都可以放在最左側，整套設計一目瞭然。
如果有些同類別產品原型圖不滿意，則可以反覆 roll，畢竟是免費的。然後聚合在一起，一鍵擴大，這顯然是個很專業的工作室級別的設計 Agent。
至此，我們自己用 Lovart 跑的 case 都是為了服務某個具體的 Marketing Campaign（像是麥當勞 X 熊貓聯名）或活動（AI Hacker House 矽谷開放麥）。
對於這樣整套的創意 + 視覺設計複雜任務， Lovart 表現很出色。 不過 Lovart 作為規劃和推理能力綜合的 AI Agent，也同樣擅長其他各種長程任務，比如我們在官網上（或者 x 上）還看到：
有人拿它做時尚海報設計：
有人拿它來寫劇本，做黑色幽默且有荒誕喜劇性的連環畫：
有人拿它來生成一系列風格和模特動作姿態一致的海報：
有人拿它來給自己的小孩設計一套生日派對視覺：
為自創現代麵包品牌製作一個網頁：
2025年，當我們在年初提出「Agent 元年」這個觀點時，內心充滿了興奮和些許不確定。然而今天，Lovart 的表現不僅證實了我們的判斷，更徹底顛覆了我們對 AI 能力上限的想象。
如果說 Devin 讓我們第一次見證了 Agent 如何清晰呈現思考過程與任務拆解的魅力，那麼 Lovart 則讓我們在設計的領域又一次感受到了這種魅力。
它真正做到從意圖理解到長線任務規劃，從設計知識、靈感的主動獲取到精準 tool use，它確實就像一個真正聰明、熟練的夥伴，幫我們解決實際問題。
現在，Lovart 展現的遠不僅僅是創意設計流程上的驚豔，而是在實際地解決使用者痛點。
可以說，資料從來不是 Agent 的護城河，使用者體驗才是。
回望當時那個大膽的預測，我們或許沒有想到，未來來得如此迅猛而美好，Agent 現在正快速佔領各個垂類專業領域。
但正是因為有了像 Lovart 這樣出色的 Agent，我們才可以更自信地說：AI Agent 的黃金時代，才剛剛開始。
參考資料
Lovart.ai: http://lovart.ai/