设计语义，如何进入生成模型

01先定义模型应当理解什么

工业设计中的“理解”，不只是识别一张图属于汽车或设备。设计师讨论的是使用对象、装配关系、材料工艺、维护开口与品牌语言；这些条件共同决定一种形态为什么成立。将它们全部压缩成一句风格描述，容易让模型只学习外观相似性。

围绕焕羽的领域研究，我们以“设计任务”作为数据组织单元：将需求、参考、方案与评审意见建立关联。同一产品的不同视图和迭代版本应属于一个样本族，既保留过程，也为后续划分训练与评估数据提供边界。

• 对象：产品类别、用户与场景。
• 约束：结构关系、材料、工艺与操作边界。
• 表达：视角、构图、视觉语言与设计阶段。

02让语料保留设计过程

数据加工首先处理来源、授权与版本，再处理视觉质量。近重复检测需要跨越裁剪、换底与多视图，而不只比较文件哈希。设计任务级隔离能够减少“同一方案在训练集出现，换一个角度又进入测试集”的泄漏。

标注可分为可观察属性与专家判断。颜色、部件位置等可以由工具辅助提取；“易于维修”“适合某种工艺”则需要理由与证据。对缺失信息保留未知状态，比自动补全一条看似完整、实则无依据的标签更有价值。

03生成骨干与领域条件分别解决什么

DiT 研究说明了以 Transformer 处理潜空间图像块的生成建模路径；Flow Matching 则研究通过学习向量场连接噪声与数据分布。两者分别涉及网络表达与训练目标，并不是“选一个名字”就能获得工业设计能力。

我们的研究设计将领域条件单独组织：文本表达意图，结构化字段表达明确约束，参考图表达已有形态。条件编码后进入生成过程，同时保留哪些信息来自用户、哪些信息由系统推断，便于在迭代时只改变目标条件。

领域继续训练、条件适配与参数高效微调是可比较的工程手段。研究重点是它们对约束遵循和分布迁移的影响，而不是笼统地把某一类微调方法视为低级方案。具体训练组合需要由消融实验确定。

04评估外观，也评估条件是否成立

评价应拆开记录，而不是只给一项审美总分。首先检查需求中的对象、部件与关系是否出现；再检查不同视图或不同迭代之间的身份一致性；最后由领域人员判断方案是否值得继续深化。模型评分只能作为辅助证据。

同一组任务应包含普通需求、矛盾约束与分布外产品，并固定参考资料和评估准则。比较通用模型、领域适配与领域训练方案时，应同时记录推理成本、失败类型与人工修改量，避免仅展示精选图片。

05把生成结果交给下一步设计

效果图可以表达结构意向，却不是经过验证的工程图。面向生产，需要继续完成尺度、材料、装配、公差与工艺验证。研究的目标，是让生成结果携带足够清晰的需求与约束，成为后续三维建模和工程判断的可靠起点。

因此，一次生成的交付对象可以包含图像、任务条件、参考来源与版本关系。将这些信息保留到 API 产物中，才能追踪某次修改改变了什么，并让设计师接续工作。这里描述的是研究方法与产物设计，具体接口以接入文档为准。