让普通用户用简单 Prompt 生成个性化设备皮肤

需求。我们发现欧美电子烟用户有明确的设备外观个性化需求，但原来的流程依赖设计师手工出图，响应慢。这个项目通过 AI 生图，让普通用户输入简单的 Prompt，就能得到自己的设备皮肤。

我负责什么。作为 AI 产品负责人，我负责从 0 到 1 的产品方案、早期 PMF 验证、v1 workflow 和 Agent 版本搭建，并持续迭代 Agent 效果和业务评测体系。

需求澄清。我把主体、风格、色调等信息做成结构化槽位。关键槽位缺失时，Agent 最多追问两轮；仍然缺失时再根据已有信息补默认值。上线后，用户输入可用率从 47% 提升至 82%。

生成决策。我为高频风格和长尾需求设计不同路由：稳定需求进入 LoRA 精调模型，长尾需求调用基础模型。Prompt Builder 会把用户 1–2 句自然语言扩写为 50–80 词的结构化指令，并针对小尺寸设备屏幕自动调整构图。

结果选择与风险控制。每次生成 4 张候选图，再按美学、风格一致性、合规置信度和设备适配度排序；选择、重新生成和举报会继续反哺排序权重。高风险内容在生成链路中被过滤，而不是等用户看到之后再补救。

结果。生成任务成功率翻倍，系统用户渗透率超过 60%，并为 AI 皮肤的付费订阅提供了能力基础。