核心用法
Brand Cog 是 CellCog 生态下的品牌设计专项工具，采用"agent"或"agent team"模式执行品牌任务。用户通过结构化 prompt 描述品牌定位、目标受众、竞争格局及所需资产，单次请求即可输出完整的品牌识别系统。
基础调用方式（OpenClaw）：
result = client.create_chat(
prompt="[详细品牌 brief]",
notify_session_key="agent:main:main",
task_label="my-task",
chat_mode="agent", # 或 "agent team" 用于复杂品牌策略
)核心交付物涵盖：
- 主视觉 Logo 及多场景变体（图标版、文字版、横版、暗色模式）
- 系统化色板（主色、辅色、强调色、中性色 + 色值）
- 字体层级系统（标题/正文字体搭配、字号规范）
- 品牌指南文档（使用规范、语音语调、视觉禁忌）
- 社交资产（头像、帖子模板、Stories 模板）
- 商务物料（名片、信头、邮件签名）
- Web 及视频素材
推荐模式选择：
| 场景 | 模式 |
|------|------|
| 单一 Logo、色板、模板 | `agent` |
| 完整品牌战略、多方向探索 | `agent team` |
显著优点
1. 端到端品牌系统：区别于普通 Logo 生成器，输出的是可落地的完整品牌基建，资产间保持视觉一致性
2. 战略深度整合：结合定位分析、竞品差异化和受众洞察，设计有策略支撑而非纯美学堆砌
3. 全模态覆盖：文本描述直接生成矢量图形、排版规范、视频脚本及动态素材，无需多工具切换
4. 上下文连贯性：基于 CellCog 的会话记忆，可迭代优化品牌系统，保持演进一致性
5. 商业级输出规格：提供可直接交付印刷、开发、运营的规范文档和源文件级建议
潜在缺点与局限性
1. 依赖上游基础设施：必须预先安装并认证 CellCog 核心 SDK，存在配置门槛
2. 黑盒创意过程：相比人类设计师的可解释提案过程，AI 的创意决策路径不透明，难以针对性干预中间环节
3. 版权模糊地带：训练数据中的风格挪用风险未明确披露，商用需额外法律审查
4. 复杂品牌叙事局限：高度抽象或文化隐喻密集的品牌概念（如奢侈品牌的 Heritage 叙事）可能输出表面化
5. 本地化适应性：对特定地区审美惯例、色彩禁忌、字体版权的认知可能不全面
适合人群
- 早期创业者：需快速验证 MVP 品牌假设，预算有限但需专业级起步形象
- 内容创作者/个人品牌：系统化管理多平台视觉身份，建立可识别个人 IP
- 中小企业主：现有品牌老化或业务转型，需成本可控的品牌升级方案
- 产品团队：App/网站发布前的临时品牌基建，支撑上线后再迭代
- 品牌策略顾问：作为创意发散和快速可视化的辅助工具，加速提案阶段
常规风险
| 风险类别 | 具体表现 | 缓解建议 |
|---------|---------|---------|
| **输出一致性风险** | 多次生成或迭代后，早期资产与后期资产风格漂移 | 建立明确的"品牌锚点"（如固定色值、字体名）在每次 prompt 中复现 |
| **版权合规风险** | 生成字体、图形元素可能与现有商标冲突 | 最终商用前进行商标检索，关键字体替换为可商用授权字体 |
| **过度承诺风险** | "完整品牌系统"可能被误解为包含市场调研、商标注册等法律/商业服务 | 明确边界：工具输出限于视觉与 verbal identity，不含法律注册、市场验证 |
| **供应商锁定风险** | 深度依赖 CellCog 生态，迁移成本高 | 定期导出关键规范（色值、字体、栅格系统）至本地文档备份 |
| **文化敏感性风险** | 跨区域品牌可能忽视特定符号的负面含义 | 针对目标市场增加"文化禁忌排除"指令，关键市场建议本地设计师复核 |