brand-search

品牌搜索

1. 选择合适的搜索工具

这两个工具返回的内容相同：网站参考，每个参考都包含品牌元数据摘要和截图。它们的输入内容不同。

search_brands：输入自然语言查询。用户或 Agent 的需求就是查询内容。例如：search_brands("dark brutalist developer tools")、search_brands("warm pastel skincare landing pages")。 search_similar_brands：输入已完成提取的 submission_id，返回该网站最相似的视觉邻居。例如，你提取了 linear.app，获得其 submission_id，然后传入该 ID。

search_brands

构建每个查询时，都要明确要寻找的内容——风格、布局、配色、动效、调性——并遵循以下指南。

• 始终遵循用户或 Agent 提示词的原始意图。不要添加用户未要求的内容，也不要改写其表达。如果提示词说的是“单色”，查询就应是单色，而不是“黑白”。
• 在选择参考之前，按照第 3 步所述检查每个返回结果。

如果提示词只有一种氛围，查询也只写这种氛围：search_brands("dreamy editorial skincare, calm and warm", top_k=6)。

当用户提到一种风格或流派时，原样保留其用词。搜索会负责解读风格术语，包括那些没有正式标签的术语——换成你自己的同义词，就等于替搜索做了它本应做的判断。search_brands("vintage feeling clothing brand site") 保留了“vintage”，尽管语料库中这一风格的官方标签是“Retro”：用户说的是 vintage，搜索的也应是 vintage。同样的原则也适用于 search_brands("y2k web aesthetic for a music label") 和 search_brands("swiss international style studio portfolio")。

当提示词以颜色或色调为线索时，应按颜色所扮演的角色来筛选，而不是按色相：有用的聚类依据是色调在网站中承担相同的结构性作用——底色、文字色或强调色，而不是作用不同但色相相近的网站。search_brands("cream ground with a terracotta accent") 就是按这种方式构建的。

带有参照对象的查询，应将参照对象直接写入查询，让它引导搜索，而不是将其作为参考：search_brands("like Notion but for restaurants")。还要单独运行网站到网站的搜索路径，具体见下文。

当提示词已经跨越行业类别时——例如“活泼多彩的消费金融科技品牌”或“具有游戏灵感的 B2B SaaS 品牌”——直接将这种组合写入查询，无须另作发挥：search_brands("playful colorful consumer fintech")、search_brands("B2B SaaS brand that feels gaming inspired")。

search_similar_brands

当你已有一个品牌，并想寻找风格相似的其他品牌时，使用此工具——无论是想追随该品牌的灵感，还是以它为参照探索不同方向。它读取的是已完成的提取结果，而不是 URL，因此先获取锚点：

• 你已经有提取结果——来自本次运行或更早的运行——直接将其 submission_id 传给 search_similar_brands。
• 你只有一个 URL——来自 search_brands 卡片或用户提供的网站——先提取：extract_brand(url) → 轮询 → search_similar_brands(submission_id)。第 4 步详细说明了这个循环。

对于未明确限定的网站——“像我们的网站”“acme.com 的竞争对手”“像 patagonia.com 的网站”——需要同时采用两种视角：对提取结果使用 search_similar_brands(submission_id)，追随其外观（整体视觉上相近的网站）；围绕锚点深入使用 search_brands，追随其含义（文化上的关联领域）——例如针对 patagonia.com，使用 search_brands("outdoor apparel brand with rugged environmental storytelling")。分别检查两组结果，并保留各组内部的排名。

如果用户已经指定了参照——“采用 linear.app 的布局和 ramp.com 的配色”——直接提取这些网站，因为它们就是参照：extract_brand("https://linear.app")、extract_brand("https://ramp.com")。只有在设计板需要更多此类风格时，才对其中任一提取结果使用 search_similar_brands(submission_id)；这些网站未涵盖的特征则交给 search_brands。

如果网站需求包含转向方向，则在搜索的同时执行第二条路径：提取锚点并获取其相近网站——对于“像 Notion，但面向餐厅”这一提示词，对 Notion 的提取结果使用 search_similar_brands(submission_id)。将两组结果分开：搜索体现转向方向，相近网站只用于呈现锚点的视觉关联领域。

还有一种值得挖掘的优选结果，并非提示词模式，而是该工具的另一种用途——对已有结果集进行第二次审视。对排名第一的结果使用 search_similar_brands(submission_id)，详见第 3 步。

2. 编写查询时不要预先决定风格

根据提示词的实际内容构建每条查询：行业、页面类型、受众、内容、指定的参照，以及用户提到的任何风格、布局或配色词。你自己的假设绝不能变成审美搜索筛选条件。如果提示词没有指定风格，就不要加入风格描述，让返回的参照展示可能的方向。

不要给查询添加提示词中从未出现过的形容词——“大胆复古”“令人垂涎”“街区活力”。每个臆造的描述词都会预先决定本该由语料库决定的内容，结果也会回来附和你的判断。表现力强的描述词应留到之后的查询中：等它们对应到你在结果里看到的内容后，再用来寻找更多佐证。

提示词也可能包含并非事实的形容词。“一个完全定制、独一无二的个人网站”没有指定行业、风格或参照。“定制”和“独一无二”可以形容任何提示词，却无法用于筛选任何内容——search_brands("completely custom and unique personal website") 只会返回语料库标记为与众不同的内容，但这并不等于用户真正想要的内容。去掉这些空洞的形容词，搜索唯一剩下的真实信息（search_brands("personal portfolio website")），让结果给出可能的方向。

top_k 默认值为 6，服务端最多接受 30。若提示词需要广泛的情绪板，可将其提高到 12。

3. 查看结果，不要重新排序

结果会按相关性排序：排名靠前的结果是搜索判断与你的查询最接近的内容；标记为 discovery 的结果也是搜索认为符合该风格的网站，纳入其中是为了让结果集更多样。

discovery 结果展示了与该风格相关的灵感，体现了它的不同侧面，例如你可能从未想过要写进查询的配色、布局结构、插画或字体处理。

每个查询的所有结果，包括每个 discovery 结果，都是必须参考的依据。对于每个结果，请阅读其元数据和描述，并查看其截图。请按照返回顺序检查结果，再选择参考对象。如果你要描述动态效果或交互，请在实际网站上验证。当某个结果的设计与你的提示不符时，可以将其搁置；请说明具体不符之处。

如果某个结果值得进一步查看，请对其运行 extract_brand。提取完成后，对其运行 search_similar_brands，即可通过该品牌的视觉关联拓展结果集。

4. 获取源信息

只有在确实需要卡片以外的信息时才进行提取。元数据、描述和截图通常足以判断参考对象，而且往往也足以用于设计。只有在你要直接基于该来源进行构建并需要其实际参数——字体、间距、配色、布局结构——或需要 submission_id 传给 search_similar_brands 时，才使用 extract_brand。不要默认对整个结果集进行提取。

确实需要时，将来源传给 extract_brand 并轮询，直到提取完成：

extract_brand(url)                       → submission_id
poll_brand_extraction(submission_id)     # accepted → extracting → ... → completed or failed
get_brand_extraction_result(submission_id)

批次运行期间，先研究已有来源，再回来查看队列。通过 get_brand_extraction_result 阅读每个已完成的结果。记录失败项，并用同一查询中排名靠后的结果替换。