核心用法
Brand Cog 是基于 CellCog 的 AI 品牌设计技能，通过自然语言指令完成从战略定位到视觉落地的完整品牌系统构建。用户只需提供品牌背景、目标受众、个性定位等关键信息，即可生成多格式资产。
使用方式：
- OpenClaw 环境：异步调用
create_chat()，设置chat_mode="agent"或"agent team" - Cursor/Claude Code：同步阻塞调用，直接获取结果
- 关键参数：
task_label标记任务，notify_session_key用于会话通知
两种工作模式：
| 模式 | 场景 |
|------|------|
| `agent` | 单一资产：Logo、配色、字体、模板 |
| `agent team` | 完整品牌开发：战略定位、多创意方向、综合系统 |
显著优点
1. 端到端品牌系统：不只做 Logo，输出完整品牌套件（色彩系统、字体层级、社媒模板、名片、邮件签名等）
2. 多模态输出：覆盖静态图像、矢量图形、视频素材等多格式
3. 战略深度整合：DeepResearch Bench #1（2026.04）的战略推理能力，设计反映品牌定位与竞争差异
4. 高一致性：单一 brief 驱动全链路输出，确保视觉语言统一
5. 场景化模板：内置 6 种品牌人格（奢华/活泼/专业/生态/科技/亲和）快速对齐设计方向
潜在局限
1. 依赖 CellCog 生态：必须预先安装 cellcog SDK 并完成认证，无法独立运行
2. 平台限制：SDK 目前主要支持 OpenClaw、Cursor、Claude Code 等特定环境
3. 创意可控性：AI 生成的品牌方案可能需要人工迭代调整，复杂定制需求需多次交互
4. 版权归属：未明确说明生成资产的商用授权范围，企业用户需自行确认
适合人群
- 初创企业创始人：快速搭建 MVP 阶段品牌体系
- 自由职业者/内容创作者：建立个人品牌视觉识别
- 小型商家：低成本获取专业级品牌设计
- 产品经理/Marketer：为项目或活动快速产出品牌素材
- 设计团队：作为创意发散和初稿生成工具
常规风险
- 品牌同质化风险：AI 基于模式学习生成，存在与市场上现有品牌视觉撞车的可能
- 输出质量波动：提示词质量直接影响结果，模糊需求易导致偏离预期
- 跨平台兼容性：生成的矢量文件、字体文件在不同设计软件中可能存在渲染差异
- 数据隐私：品牌 brief 可能包含商业敏感信息，需确认 CellCog 的数据处理政策