像很多人一样,我很容易受到设计的影响。我会因为网站用户体验不佳而离开,会根据品牌形象选择产品,也为自己能够成为那些既高效又富有美感的公司的支持者而自豪。
在研究创意 AI 品牌背后的设计工作室时,我发现了 Flora,这是一个将人工智能模型集成到交互式画布中的平台,以及与该平台合作完善用户体验和界面设计的设计机构 Pentagram。
Flora 由 Weber Wong 于 2025 年初推出,他同时也是公司的 CEO。该平台被公司称为"智能画布",使人们能够生成、完善、实施和优化他们的创意成果。
该平台提供免费和付费模型 (价格从每月 16-48 美元不等),以支持其主要功能——消除在不同 AI 聊天机器人、图像生成器和视频应用程序之间切换的需求,支持更连贯的创作过程。
由于该平台旨在同时服务经验丰富和初学者的 AI 爱好者,我想要深入探索 Flora,超越其表面的精美设计,更多地了解为节省时间和精力而构建的基于节点的系统。
如何使用 Flora 支持你的创意过程
Flora 具有许多功能。以下是如何操作其大部分功能的概述。
首先访问 Flora 的网站,使用电子邮件地址注册账户,或如果已有账户则直接登录。
你会看到一个视觉冲击力强的主页,它可以作为你创意项目的画布。
双击屏幕并从文本、图像或视频中选择。
将其作为"节点"添加到数字画布中——这是特定于 AI 功能的构建块。你也可以点击图像顶部了解每个节点的更多信息。
现在,开始输入你想要 Flora 生成的提示或数据。
我使用的一些提示示例 (灵感来自 AI 原生时尚造型应用 Doji) 包括:
文本:"创建一个 10 字的介绍,突出展示一个注重交叉性的 AI 驱动虚拟时尚造型师品牌。虽然是新品牌,但风格简约、精致,同时又具有令人难以置信的创新触感。"
图像:"创建一个抽象、超现实的动态图像,描绘 AI 与时尚之间的和谐。"
视频:"为一个由 AI 设计的未来主义时装系列创建一个 15 秒的视频广告。广告应具有电影感,以慢动作镜头展示 AI 生成的服装,这些服装由服装本身的部件变形成不同形态。灯光应该是空灵的,模特周围有微妙的全息元素动画。环境和未来主义音乐——但不要太奇幻。"
你还可以将节点连接到各种功能,如图像到视频生成器、图像动画或添加提示文本作为视频字幕。我发现这些其他功能很令人兴奋:
故事分析:Flora 可以分析你的故事并生成相应的提示。
角色设计工具:描述你的角色,Flora 将生成可以输入到 AI 图像生成器的响应。
图像分析:Flora 可以分析现有图像并提供有关其风格的信息。你可以将这些结果应用到新图像或编译参考和可视化效果。
当然,使用平台的工具来调整和完善生成的内容,直到符合你的愿景。虽然我认为这个平台需要较少的 AI 生成尝试次数,但重复操作将帮助你达到最终效果。
一旦满意,以所需格式保存你的项目。(包括标准文本、图像和视频格式。此外,Flora 还提供原生文件格式,以便将来在平台上进行编辑。)
在开始之前,可以查看社区标签页获取灵感。这里有 Flora 团队创建的专门技术和工作流程库,用于概念构思、设计、营销、实验和动态图像。Wong 还在 Flora 的视频库中创建了一个录像,分享了公司的背景故事和使用其功能的技巧。
谁应该使用 Flora AI?
虽然市场上现有的许多成功的 AI 创意工具是由非创意人员为非创意人员构建的,但 Flora 是专门为创意专业人士设计的。对于作家来说,我会将其比作 Sudowrite。
它旨在成为创意伙伴,这正是我认为 AI 在各行业中的最佳定位。Flora 通过其结构化工作流程和灵活的功能提供了真正的控制 (即创意自由)。
此外,其基于节点的系统非常适合借助人工智能来处理图层和突破界限,无论是创造新的东西还是仅仅将概念和想法付诸实践。
Flora 的用户体验确实考虑到了创意人员和技术人员,所以虽然很多类型的人都可以从其功能中受益,但其布局可能并不适合所有人——它的灵感来自非线性创意,有时甚至是混乱的思维方式。
我认为 Flora 更适合专业人士而非业余爱好者——特别是平面设计、动画、时尚和多媒体叙事领域的设计师和艺术家。它非常适合那些想要一个真正的空白画布来构思和实验的人。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。