AI色彩推荐引擎：从情感关键词到设计系统色板的自动化之旅

一、从"这个蓝不够温暖"说起：色彩推荐的古老难题

每个设计师都经历过这样的场景：产品经理说"这个颜色感觉不对"，但你问他哪里不对，他又说不出来。

色彩评审长期处于"只可意会不可言传"的状态，直到 AI 出现。

传统色彩推荐有三大痛点：

• 主观性强：没有客观标准，"好看"是个人感受
• 语境依赖：同样的蓝色，用在金融APP和儿童游戏里，感觉完全不同
• 系统思维缺失：选了一个主色，不知道如何衍生出完整的色板

AI 介入色彩推荐的核心优势在于：它可以在海量设计案例中学习色彩与情感、场景、品牌的关联关系。

同时，它还能以结构化的方式输出完整的设计系统色板。

经过半年的实践，我发现 AI 色彩推荐的最佳使用方式，不是"让AI替你决定"，而是"让AI帮你扩展"。

你给它一个方向，它帮你算出完整的色板。

这种人机协作模式，既保留了设计师的审美判断，又发挥了 AI 的计算优势。

二、情感关键词到HSL坐标：AI理解色彩的语言转换

要让 AI 做色彩推荐，首先要解决一个基础问题：如何把"温暖""专业""活力"这类情感关键词，映射到具体的色彩数值？

HSL 色彩空间：连接情感与数值的桥梁

在 RGB、HEX、HSL、LAB 等色彩空间中，HSL（色相Hue/饱和度Saturation/亮度Lightness）是最接近人类感知模式的，也最适合用 AI 来处理。

情感关键词与 HSL 参数的映射关系（经过多次校准的经验值）：

情感关键词	H（色相）范围	S（饱和度）范围	L（亮度）范围	推荐主色区间
温暖	0°-60°（红橙黄）	60%-90%	50%-70%	#FF6B35 ~ #FFB800
冷静	180°-240°（青蓝）	40%-70%	40%-60%	#0066FF ~ #00B4D8
专业	210°-240°（深蓝）	50%-80%	30%-50%	#1A1A2E ~ #003566
活力	30°-90°（橙黄绿）	80%-100%	50%-65%	#FF6B00 ~ #00C853
优雅	300°-360°（紫红）	30%-50%	40%-60%	#6A4C93 ~ #B388EB
安心	120°-180°（绿青）	30%-60%	45%-65%	#2D6A4F ~ #52B788

提示词设计：让LLM输出可计算的色彩参数

关键不是让 LLM 直接输出 HEX 色值，而是让它输出 HSL 参数范围，再用程序生成具体色值。

这样可控性更强。

提示词模板：

## 任务根据以下品牌描述，推荐一套设计系统色彩方案。## 品牌描述[在此填入：行业/目标受众/品牌调性关键词/竞品色彩风格]## 输出要求1. 对每个情感关键词，给出 HSL 参数范围（不是单一值）2. 主色：给出3个候选HSL坐标，附带推荐理由3. 辅助色：基于主色，用色彩理论（互补/三角/分裂互补）计算4. 中性色：给出灰度阶梯的L值（0%/10%/.../100%）5. 输出格式：JSON，包含 h/s/l 数值范围## 色彩理论约束- 主色与辅助色对比度 ≥ 4.5:1（WCAG AA）- 主色与白色对比度 ≥ 3:1（WCAG AA 大字号）- 色板需包含暗色模式适配方案

实战：用GPT-4生成色彩方案的完整提示词

以下是直接可用的完整提示词，替换括号内容即可：

你是一位色彩系统专家，精通色彩理论、色彩心理学和设计系统构建。请根据以下信息，为{产品名称}设计一套完整的色彩系统：【产品信息】- 行业：{行业，如：金融科技/在线教育/医疗健康}- 目标用户：{用户画像}- 品牌调性关键词：{3-5个关键词，如：专业、信任、温暖}- 主要使用场景：{如：移动端APP/Web dashboard/小程序}- 竞品色彩参考：{描述竞品用色，或粘贴色值}【设计要求】1. 主色1个，辅助色2-3个，中性色1套（9级灰度）2. 每个颜色需要给出：HEX/HSB/HSL 三种格式3. 给出色阶梯度（50/100/200/.../900），用于设计系统4. 标注哪些颜色用于：主按钮/次按钮/链接/成功提示/警告/错误5. 给出暗色模式下的对应色值【输出格式】JSON格式，包含完整的设计系统色板定义，可直接导入 Figma Token Studio。请先思考：每个调性关键词对应的色彩情感是什么？然后选择合适的色相区间，最后计算出完整色板。

三、从单一色值到设计系统色板：AI辅助的色阶生成算法

选出主色只是第一步。

设计系统需要的是一整套色阶梯度（从最浅的 50 到最深的 900），这才是 AI 真正能发挥价值的地方。

传统色阶生成的痛点

手动制作色阶时，设计师通常这样做：

• 选一个基准色（如 #0066FF）
• 在 Figma 里手动调整 H/S/L，生成 9 个阶梯
• 凭感觉微调，直到"看起来均匀"

这种方式存在一个明显问题：人眼对亮度的感知并不是线性的。

也就是说，即使 HSL 的步进看上去是均匀的，在实际视觉感受上也往往并不平均。

这也正是 Material Design 的色板看起来更“高级”的原因之一——它们采用了感知更均匀的色彩空间（HCT，基于 CAM02 模型）。

AI辅助色阶生成：三种技术路线

路线一：基于LLM的感知均匀色阶推荐

让 LLM 直接输出每个阶梯的 HSL 值。提示词核心：

请以{base_color}为基准色，生成9级色阶（50/100/200/300/400/500/600/700/800/900）。要求：- 亮度变化符合人眼感知均匀（不是线性变化）- 最深色（900）对比白色，对比度 ≥ 7:1（WCAG AAA）- 最浅色（50）在有彩色背景下可读- 输出每个阶梯的 HEX 和 HSL

路线二：程序化生成 + AI 审核

用算法生成色阶，再让 AI 审核"看起来是否均匀"：

// 感知均匀色阶生成算法（简化版）function generateColorScale(baseHSL, steps = 10) {const scale = [];// 使用指数曲线模拟感知均匀for (let i = 0; i < steps; i++) {const ratio = i / (steps - 1);// 亮度：用 gamma 校正模拟感知均匀const lightness = Math.pow(1 - ratio, 0.5) * baseHSL.l;// 饱和度：随亮度降低而略微增加（模拟自然色彩感知）const saturation = baseHSL.s * (1 + ratio * 0.15);scale.push({step: i * 100,h: baseHSL.h,s: Math.min(100, saturation),l: Math.max(0, Math.min(100, lightness))});}return scale;}

具体参数（直接可用）：

• gamma = 0.5：感知均匀的最佳近似值（来源：CIE Lightness 公式）
• saturationBoost = 0.15：深色阶饱和度提升比例，避免颜色发灰
• steps = 10：Material Design 标准的10级色阶

路线三：调用专业色彩API（推荐用于生产环境）

实战数据：三种路线的对比测试

我用同一组情感关键词（"专业、信任、温暖"）测试了三种路线，结果如下：

路线	生成速度	感知均匀性	设计系统适配	综合评分
路线一（纯LLM）	慢（10-30s）			7/10
路线二（程序+AI审核）	快（<1s）			9/10
路线三（专业API）	中（2-5s）			10/10

结论：路线二性价比最高，路线三效果最好。

在实际项目中，我通常采用"路线二生成 + 路线三验证"的混合策略。

四、落地实践：用AI色彩引擎搭建完整设计系统色板

理论说完，来点实际的。

以下是我用一个真实项目（一个面向设计师的AI工具产品）完整走一遍 AI 辅助色彩设计的过程。

第一步：定义品牌调性关键词

与产品经理、创始人深度访谈后，确定了三个核心调性：

• 专业：用户信任我们的技术能力
• 温暖：AI工具不应该冷冰冰，要有温度
• 创意：面向设计师，本身要有美感

第二步：LLM生成初版色板

将关键词输入 GPT-4，使用上面提供的提示词模板，得到初版推荐：

{"primary": {"50": "#EEF2FF", "100": "#D6E4FF", "200": "#ACD6FF","300": "#7FBFFF", "400": "#4D9FFF", "500": "#0066FF","600": "#0052CC", "700": "#003D99", "800": "#002966","900": "#001333"},"accent": {"warm": "#FF6B35","creative": "#8B5CF6"},"neutral": {"0": "#FFFFFF", "100": "#F5F5F7", "200": "#E8E8ED","300": "#D1D1D6", "400": "#AAAAAF", "500": "#80808A","600": "#48484D", "700": "#2C2C31", "800": "#15151A","900": "#000000"}}

第三步：AI审核与迭代

把初版色板拿到 LLM 里做"二次评审"，让它从以下维度检查：

请审核以下设计系统色板：1. 对比度检查：主色#0066FF 在白色背景上的对比度是多少？ （计算方式：(L1 + 0.05) / (L2 + 0.05)，其中L为相对亮度）2. 色阶均匀性：从50到900，每级之间的感知差异是否均匀？3. 跨色相协调性：primary蓝 + warm橙 + creative紫，是否协调？ （建议用60-30-10法则评估）4. 暗色模式适配：在暗色背景下，primary.400是否可读？5. 可访问性：模拟色盲用户（红绿色盲）视角，primary与accent.warm是否难以区分？

LLM 给出的审核意见（摘要）：

• 主色对比度 8.2:1，超过 WCAG AAA 标准
• 色阶500（基准色）与400之间的差异偏小，建议调整
• 蓝橙紫配色为分裂互补方案，协调性良好
• 暗色模式下 primary.400 与深色背景对比度仅 2.8:1，建议用 primary.300
• 红绿色盲视角下，accent.warm 与 accent.creative 区分度可接受，但建议增加亮度差异

第四步：输出生产级色板

根据审核意见调整后，最终输出用于生产的色板定义：

// design-tokens/_colors.scss:root {// 主色系 - 专业蓝--color-primary-50: #EEF2FF;--color-primary-100: #D6E4FF;--color-primary-200: #ACD6FF;--color-primary-300: #7FBFFF;// 暗色模式使用--color-primary-400: #4D9FFF;--color-primary-500: #0066FF;// 基准色--color-primary-600: #0052CC;--color-primary-700: #003D99;--color-primary-800: #002966;--color-primary-900: #001333;// 强调色 - 温暖橙--color-warm-500: #FF6B35;// 创意色 - 灵动紫--color-creative-500: #8B5CF6;// 语义色--color-success: #00C853;--color-warning: #FFB800;--color-error: #E53935;--color-info: var(--color-primary-500);}

五、总结

AI 色彩推荐引擎不是要取代设计师的审美，而是把设计师从重复的、可计算的工作里解放出来。

选主色之后的色阶生成、对比度检查、可访问性验证，这些才是 AI 真正擅长的。

从“这个蓝不够温暖”到输出一套完整的、符合 WCAG 标准的设计系统色板，AI 可以把原本需要几小时的工作压缩到几分钟。

但前提是：你要学会用 AI 能理解的方式描述你的色彩需求。

这不是在学 prompting，而是在学一种新的设计表达语言。

关键要点：

• HSL 是连接情感与数值的最佳桥梁，优先用 HSL 参数与 LLM 交流
• 路线二（程序化生成 + AI 审核）性价比最高，推荐日常使用
• 对比度验证是必要环节，LLM 可以帮你计算 WCAG 对比度
• 输出标准化（Design Token 格式），让色板可直接导入设计工具