关于 LinkBloom
创意应该有据可依，
而不是碰运气。
这是我们做 LinkBloom 的第一句话，也几乎是全部。
市面上多数 AI 出图，本质是一场豪赌。
把几句提示词丢给模型，然后祈祷。产品从没被真正读懂，卖点靠猜，好看与否全凭手气——这不是创意，是抽奖。
我们选了另一条更笨、也更靠谱的路。
先把产品读成一张事实图谱，让每一条创意假设都能追溯到真实的产品事实。有据可依，才谈得上创意；站不住的主张，一开始就不该出现。
产品事实，不该被 AI 随意改写。
界面、卖点、数字，该是什么样就是什么样。所以我们把它们列为明确的保留约束，再按裂变强度控制版式与视觉变化；重要输出仍要经过质量评审和人工复核。
质量，不能靠感觉。
所以我们用 7 个维度去评审每一张图——品牌、视觉、文案、产品真实、渠道适配、合规风险、新颖——并明确标记自动通过、需要复核或未通过。好，应该被定义、被检验，而不是一句「看着还行」。
持续产出创意的能力，不该只属于大公司。
一个工程师、一个独立开发者、一个刚开联盟的品牌主，都该拥有一支随叫随到的创意团队。我们想把这件本属于大预算的事，变成人人可用的日常。
所以 LinkBloom 做的，是把「从产品到成套创意」这件事，做得又快、又有据、又人人可用。
质量评审
「好」被拆成 7 个能单独回答的问题
每一张成图都要过一遍下面这张表。评审给出分数和风险标记，并明确落到自动通过、需要人工复核或未通过三档——它负责把可疑的地方挑出来，不负责替你拍板。
- 01品牌一致
- 配色、字体、标识位置和语气是否还认得出是同一个品牌。多语言版本最容易在这一项上漂移：换了语言，版式跟着松动，品牌感就散了。
- 02视觉质量
- 构图有没有主次、留白够不够、主体是否被裁掉。生成模型在这一项上不稳定，同一批里出现一两张构图塌掉的很常见，所以要逐张看而不是抽样。
- 03文案表达
- 标题能不能一眼读完、有没有错字和断行错误、主张是不是一句话说清。图上的文字用确定性渲染而不是交给模型画，就是为了让这一项可控。
- 04产品真实
- 画面里的功能、界面、数字是不是产品真有的。这是我们最看重的一项——一张好看但撒谎的图，比一张普通的图代价大得多。
- 05渠道适配
- 比例、安全区、信息密度是否符合投放位。同样的内容放进竖版信息流和横版展示位，该保留的信息量并不一样。
- 06合规安全
- 有没有夸大承诺、绝对化表述、无据的第三方背书或敏感表达。这一项拦下的多是「读起来很有力但站不住」的句子。
- 07新颖度
- 是不是又一张一眼看穿的模板图。批量生产最容易掉进同质化，这一项负责在同一批里把互相重复的版本标出来。
关于我们，常被问到的问题
- LinkBloom 是谁做的？
- 一个小团队，工程和产品背景，自己也在做出海产品。我们做这个工具最初是为了解决自己的问题：产品在迭代，素材永远排在最后，等设计排期不如自己想办法。没有融资故事可讲，也不打算编一个。
- 为什么不直接用通用 AI 画图工具？
- 通用工具解决的是「画一张好看的图」，营销素材要解决的是「画一张关于这个产品、面向这群人、能放进这个版位、并且没说谎的图」。差别不在模型，在模型之前的那一步：产品事实要先被读懂，约束要先被写死。少了这一步，你得靠反复试提示词把它补回来。
- 生成的图会不会一眼就看出是 AI 做的？
- 会不会取决于两件事：产品内容有没有被模型改写，以及版式是不是模板。我们把产品主体和文字排除在模型的改写范围之外，模型只负责场景与氛围；新颖度维度则负责在同一批里标出互相重复的版本。这两条能压住大部分「AI 味」，但不能保证每一张都及格——所以评审结果是给你看的，不是替你发的。
- 既然有质量评审，还需要人看吗？
- 需要。评审能稳定发现的是可枚举的问题：编造的数字、读不出的文字、跑偏的配色、不匹配的尺寸。它判断不了的是这次投放该不该用这个语气、这个主张对这批用户是不是太重。所以我们把评审定位成初筛，发布责任仍然在你手里。
- 我上传的产品资料会被拿去训练模型吗？
- 不会。产品资料只用于生成你自己工作区里的创意，不进入任何模型训练。具体的数据处理范围写在隐私政策里。