Algorithmic Art - 算法艺术生成器
核心用法
本技能是一套完整的生成式艺术创作工作流，将用户的美学意图转化为可执行的 p5.js 算法艺术。核心流程分为两步：
1. 算法哲学构建：撰写 4-6 段的计算美学宣言，定义运动的数学本质（如"有机湍流""量子谐波"），强调涌现行为、噪声场、粒子动力学等核心概念
2. 代码实现：基于 Anthropic 官方模板生成自包含 HTML 文件，内置交互式参数面板与种子导航系统
技术架构采用种子确定性随机（Art Blocks 模式），确保同一种子始终复现相同输出，支持用户通过 Prev/Next/Random/Jump 按钮探索无限变体。
显著优点
- 工艺导向设计：反复强调"大师级精湛工艺"，要求算法呈现历经无数迭代打磨的质感，避免随机噪声
- 完整工作流闭环：从哲学概念 → 数学表达 → 交互实现 → 画廊级输出，无需外部工具
- 教育价值突出：p5.js 模板结构清晰，是教授生成式艺术、噪声函数、粒子系统的优质案例
- 版权安全机制：明确要求原创算法，禁止复制现有艺术家作品
- 即时可运行：单 HTML 文件内嵌所有资源，CDN 加载 p5.js，零配置开箱即用
潜在局限
- 模板依赖性强：要求严格遵循
templates/viewer.html的 Anthropic 品牌样式，创意自由度受限 - 性能天花板：1200×1200 画布 + 实时参数滑块，复杂粒子系统可能在高密度场景下掉帧
- 学习曲线：需理解 Perlin/Simplex 噪声、向量场、L-system 等概念才能深度定制
- 无持久存储：生成作品需手动下载 PNG，无自动云端保存或项目管理功能
适合人群
- 生成式艺术创作者探索代码驱动的美学
- 创意技术教学场景（p5.js/计算美学课程）
- NFT 艺术预备项目（Art Blocks 风格工作流程）
- 设计师快速原型算法视觉系统
常规风险
- 概念过度抽象："算法哲学"阶段若描述过于模糊，可能导致后续实现与预期偏离
- 参数爆炸：过多可调参数会使用户陷入选择困难，建议控制在 3-6 个核心参数
- 浏览器兼容性：依赖 WebGL 的复杂效果需测试多平台表现
- 版权误用风险：虽强调原创，但用户输入可能隐含对特定艺术家风格的模仿意图