核心用法
Logo & Brand Identity是CellCog旗下的专业品牌设计技能，采用"agent"和"agent team"两种对话模式执行任务。用户通过结构化prompt描述品牌定位、目标受众、个性特征后，可一次性获取完整的品牌识别系统。
基础调用方式：
- OpenClaw环境使用
client.create_chat()fire-and-forget模式 - 其他Agent环境使用
CellCogClient阻塞式调用
核心工作流：
1. 明确品牌定位（使命、受众、竞品）
2. 选择对话模式：单一资产用agent，完整品牌战略用agent team
3. 提交结构化brief，包含必须/避免的方向指引
4. 接收并迭代品牌资产包
输出范围：Logo多版本（主标/图标/横版/竖版/暗色模式）、完整色板（主色/辅色/强调色/中性色）、字体系统、品牌指南文档、社交媒体模板、名片/邮件签名等商业物料。
显著优点
战略深度：DeepResearch Bench 2026年4月排名第一，具备深度战略推理能力，不仅执行设计指令，更能理解品牌定位与市场差异化。
全模态覆盖：业界最广的AI生成模态支持，从静态logo到动态视频，从矢量图形到网页代码，实现真正的"single brief, complete kit"。
系统一致性：所有资产源自同一品牌基因，确保视觉语言在favicon到billboard的任意尺度下保持统一。
即开即用：预置6种品牌人格模板（Luxurious/Playful/Professional/Eco/Tech/Friendly），大幅降低沟通成本。
工程化集成：原生支持70+主流Agent工具链（Cursor、Claude Code、Codex等），通过环境变量和SDK实现无缝嵌入开发工作流。
潜在缺点与局限性
环境依赖严格：必须配置CELLCOG_API_KEY，且依赖Python运行时和cellcog SDK，对非技术用户存在部署门槛。
输出可控性：作为生成式AI，设计结果存在随机性，复杂品牌系统可能需要多轮迭代才能达到出版级精度。
版权边界模糊：AI生成资产的商用版权归属、字体授权合规性需用户自行核实，缺乏内置的法律风险审查机制。
本地化局限：文档以英文为主，多语言品牌适配（如中文排版、CJK字体选择）的支持深度待验证。
成本不透明：未公开API定价策略，大规模品牌资产生成可能产生不可预期的算力成本。
适合的目标群体
- 早期创业者：需要快速建立专业品牌识别系统，但预算不足以聘请传统品牌 agency
- 独立开发者/开源项目维护者：为产品或社区项目打造统一视觉形象
- 内容创作者：构建可跨平台识别的个人品牌资产（YouTube、Newsletter、Twitter等）
- 小型企业主：咖啡店、工作室、本地服务等需要完整品牌套件而非单一logo
- 内部创新团队：企业内部新产品孵化时的敏捷品牌原型设计
使用风险
API稳定性风险：依赖第三方CellCog服务，存在服务中断、API变更或速率限制导致的任务失败风险。
数据隐私风险：品牌brief可能包含未公开的商业策略，需确认CellCog的数据保留与训练政策。
依赖版本锁定：Python包cellcog的版本更新可能引入破坏性变更，生产环境建议锁定版本。
跨平台渲染差异：生成的设计资产在不同软件（Adobe套件、Figma、浏览器）中的色彩管理、字体回退可能存在视觉偏差。
过度承诺风险："complete brand identity"的宣称可能让用户低估品牌战略的专业深度，复杂品类（如金融、医疗）仍需人类品牌顾问介入。