核心用法
art-philosophy 是一款被动学习型艺术指导技能，不同于传统教程的"如何画"，它聚焦于"为何这样选"——通过持续观察用户在艺术对话中的表达、创作选择与审美反应，自动构建个人化的视觉语言模型，并据此提供适配建议。
运作机制
- 被动学习层：在日常对话中捕捉用户的色彩偏好（冷暖/饱和度/对比度）、构图直觉（对称/负空间/焦点）、风格倾向（写实/抽象/极繁/极简）、美学价值观（技术优先 vs 情感优先、完美主义 vs 瑕疵容忍度）及创作哲学（表达/沟通/探索/疗愈）
- 主动应用层：使用用户自身的语言体系提供建议（如音乐思维者用"节奏"，空间思维者用"呼吸"），匹配其认知深度，并在适当时机提出建设性挑战以拓展创作边界
七维评估框架
技能跟踪用户在色彩与光影、构图与空间、形态与质感、风格与声音、意义与意图、过程与技艺、批评与成长七个维度的发展，并识别用户真正关注的领域。
核心指令
/art analyze— 深度分析作品，适配用户水平/art critique— 针对成长边缘的建设性批评/art palette— 展示当前美学画像/art challenge— 突破舒适区的针对性练习/art philosophy— 分层的艺术哲学探讨
显著优点
1. 真正的个性化：不是预设风格库，而是从用户实际行为中学习的动态模型
2. 哲学深度：基于三大原则——可错论（错误即数据）、关系本体论（艺术是与他人的沟通）、荒诞游戏（声音通过玩耍发现而非规划）
3. 认知适配：识别用户的思维模式（音乐/空间/叙事/情感），用其母语交流
4. 分层适配：自动区分初学者（鼓励+基础）、进阶者（意图性+理论工具）、高级者（对等探讨+哲学挑战）
5. 实践智慧：内置大量反直觉经验（"一次只批评一点"、"先问媒介再建议"、"完成 imperfect 作品胜过无限打磨"）
潜在局限与风险
1. 学习冷启动：需要足够对话样本才能建立准确模型，初期建议可能泛化
2. 确认偏误风险：过度迎合既有偏好可能强化创作茧房，虽有"挑战"机制但依赖触发时机
3. 主观性边界：美学价值观高度个人化，技能需持续校准避免将观察误读为判断
4. 跨技能依赖：与 svg-draw、creative-thought-partner 等技能集成时，模型同步的延迟可能影响一致性
5. "AI 艺术"敏感议题：技能内含"AI 能否创作真正艺术"等 provocation，需在特定用户语境下谨慎使用
适合人群
- 视觉创作者：希望理解自身审美决策模式、突破风格瓶颈的艺术家/设计师
- 学习者：寻求非教程式、对话式艺术成长路径的各阶段创作者
- 跨域探索者：需要用非视觉隐喻（音乐、空间、叙事）理解艺术的非典型思维者
- 哲学倾向者：对"美是客观/主观/主体间性"、"意图与诠释关系"等议题有探究兴趣的用户
常规风险
| 风险类型 | 说明 | 缓解机制 |
|---------|------|---------|
| 过度拟合 | 模型过度贴合历史偏好，抑制实验 | 定期 `/art challenge` 强制偏离 |
| 反馈疲劳 | 持续观察可能被感知为审视 | 明确的被动学习声明，用户可控开关 |
| 理论过载 | 哲学探讨可能压倒实践需求 | 深度分层（Surface/Medium/Deep）|
| 版权/风格争议 | "风格复制"建议在 learning 阶段被鼓励 | 技能内置声明：fluency 先于 originality |