核心用法
proto-cog 是一个纯文档型技能，专注于指导用户通过 CellCog 平台生成交互式 UI/UX 原型。用户只需用自然语言描述需求，即可获得可点击、可分享的 HTML 原型链接。该技能覆盖了从落地页、移动应用到 SaaS 仪表盘的完整场景，提供丰富的提示词模板和最佳实践指南。
使用流程极为简洁：安装依赖的 cellcog 技能后，通过 create_chat API 发送原型需求描述，选择 agent 或 agent team 模式，CellCog 服务即会生成托管在实时 URL 上的交互式原型。支持导航跳转、表单交互、模态框、动画效果等完整功能，远超传统静态 mockup 的体验。
显著优点
真正的交互体验：与 Figma 静态设计或 Midjourney 生成图不同，proto-cog 产出的是可点击、可滚动、可填写的真实 HTML/CSS/JS 原型，利益相关者能直观感受用户流程。
极低的使用门槛：无需设计软件技能，纯自然语言描述即可生成专业级原型，大幅降低产品验证成本。
场景覆盖全面：从低保真线框图到高保真设计系统，从单页落地页到多屏应用流程，模板丰富且可组合。
即时可分享：生成链接即可发送给团队或客户，收集基于真实交互的反馈，而非"想象式"评审。
潜在缺点与局限性
依赖外部服务：所有原型生成依赖 CellCog 云端服务，需要网络连接，且生成速度受服务端负载影响。
定制化受限：复杂交互逻辑或特定框架（如 React/Vue 组件库）的精确控制可能不足，更适合概念验证而非生产代码。
数据隐私考量：原型内容上传至 CellCog 服务器，敏感商业信息需谨慎处理。
版本控制缺失：生成的原型为托管链接，与代码仓库的版本管理流程整合较弱。
适合的目标群体
- 产品经理：快速验证产品概念，制作可演示的 MVP 原型
- UX/UI 设计师：探索多种布局方案，进行用户测试前的快速迭代
- 创业者：向投资人展示产品愿景，无需开发资源即可呈现完整体验
- 开发团队：在编码前对齐交互细节，减少返工
- 教育机构：教授产品设计流程，降低原型工具学习成本
使用风险
服务可用性风险：CellCog 服务的稳定性直接影响原型生成能力，建议关键演示前提前生成并备份。
依赖项风险：必须配合 cellcog skill 使用，需关注其版本更新和潜在 breaking changes。
输出一致性：AI 生成结果可能存在波动，复杂原型可能需要多次迭代调优提示词。
长期维护：托管链接的有效期、自定义域名支持等需确认 CellCog 的服务条款。