Lovart 2.0 发布个人设计 Agent Arti：Personal Agent 在设计赛道先落地了

过去一个月，Personal Agent 大概是 AI 圈出镜率最高的词。

Muse、Dots、Cue、Instinct 等等，几乎所有大厂和明星创业公司都在讲同一个故事：AI 正在学会理解个人上下文、记住用户偏好，并在后台主动替人把事情办完。

很热闹，但目前大众对 Personal Agent 的想象却大多还停留在第一阶段：一个活在短信或聊天框里的通用生活管家，帮人整理日程、回复邮件、预订餐厅。甚至有不少人质疑，这不就是 Codex、Claude Code 的套皮吗？

倒是垂直赛道，跑出来了一些更落地的 Personal Agent 产品，上周我们采访的 Karpo，以及今天上线的 Lovart 2.0，都可以看到一些更聚焦的场景和需求。

10 月 19 日，Lovart 上线 2.0 版本，发布了个人设计 Agent Arti。它会记住你的审美、习惯和工作方式，能接下一个完整的设计委托并按周期执行，设计前后会自己去做调研、巡检画布、整理反馈，还会把反复做的事情沉淀成 Skill。

基本上，这些能力也都是通用 Agent 今天所讨论的能力核心。

放到整个 Personal Agent 的赛道演进看，会看到一个很有意思的信号：Personal Agent 未必会先以「什么都能办」的通用生活助理形态跑通，反而更可能先在设计这种有明确交付物、有人为结果买单、个人上下文能持续攒下来的垂类工作台里长出来。

而 Arti，可能是眼下能力最完整的一个样本。

Lovart 新版本已向所有用户开放，国内可直接访问 https://www.lovart.art/。

⬆️关注 Founder Park，最及时最干货的创业分享

Founder Park 正在持续寻找值得被看见的 AI 团队与项目。

我们将通过「AI 产品市集」、内容报道、社群分发等方式，帮你触达早期用户、获得真实反馈，以及建立关键连接。

如果你正在做 AI 相关的事，欢迎和我们聊聊。

01

通用还在找场景，设计 Agent 先把场景跑通了

如果把最近发布的 Muse、Dots、Instinct 和 Manus Cue 拆开看，各家给通用 Personal Agent 搭的技术架构大同小异：给模型配一台专属云电脑和能登录网站的浏览器，再发一套独立的邮箱、手机号甚至虚拟支付卡。

权限和能力都给到了，遇到的问题是，很多人还不知道用 Personal Agent 做啥。硅谷风投机构 Lightspeed 的合伙人 Harsha Kumar 把通用个人助理眼下的通病总结为「委托鸿沟（Delegation Gap）」：突然给普通人一个号称什么都能干的助理，大多数人除了试两次订位、回邮件，反而想不出每天有什么非交不可的任务。

不过在底层架构上，行业对一个成熟的 Personal Agent 该有哪些模块，其实已经形成了共识：得有能持续积累用户偏好与工作方法的长期记忆，能把跑通的经验封装成随时调用的技能（Skill），用户可以随时唤醒、还得支持后台定时任务，并配一个在执行过程中持续核对目标有没有跑偏的检查机制。

Lovart 2.0 这次给 Arti 配齐的四项核心能力，基本就是把这套完整架构直接搬进了设计工作台：

• 记忆：负责跨项目留存你的审美标准与工作习惯；

• 设计委托：支持设定执行周期和每次运行的积分消耗上限，相当于带预算控制的后台异步任务；

• 主动式设计：里的设计调研、画布巡检与反馈改稿，负责在全流程里盯住目标和细节；

• Skill 自进化：则把你在画布上做对过的工作流自动总结存下来。

今年 8 月我们介绍 Lovart 时提到，它把专业的设计方法装进了 Skill；到了 2.0 版本，Arti 进一步把用户的审美偏好与长期工作默契也结合了进来。

为什么是垂直赛道，或者说设计赛道先走到了这一步？

设计恰恰同时具备了通用 Personal Agent 短期内很难凑齐的两个条件：一方面，设计的交付物高度可视化，一张海报、一套主图能不能直接拿去用，设计师和业务方扫一眼就能做出判断；另一方面，设计领域的用户早就有成熟的付费习惯，而且习惯了为最终交付结果买单。Coding Agent 能率先跑通商业闭环，靠的也是类似的逻辑。

近期我们和专注生活体验的 Personal AI 创业团队 Karpo 交流时，对方也提到过一个相通的判断：创业公司做个人「代理人」，选择垂直切入最核心的优势就是能先把端到端的体验做完整；只有体验完整了，用户才愿意更早把真实意图交出来，让系统的自进化飞轮转起来。而在设计工作台里，Arti 替创作者打理的正是审美对齐与繁琐的项目推进。

02

主动性，要落在「推进」上

一个有主动性的设计 Agent，主动的边界是什么？

肯定不是一口气能多生成几张备选图，核心还是整个设计的流程，有没有因为 Agent 的主动性变得更高效。

AI 虽然让单次出图变得越来越容易，但创作者真正不可替代的是核心创意与审美判断力，而现实中大量精力却耗在了「伺候 AI」与推进项目的拉扯上。在一个完整的商业设计任务里，按下生成按钮只占中间很小一段：动手前要到处找参考、吃透需求背景；出图后要反复核对细节、改稿、延展不同平台尺寸，直到最终交付。

一个很典型的场景：双 11 主视觉刚刚定稿，运营给过来一张包含 42 个 SKU 的表格，要求第二天一早每个 SKU 都要配齐淘宝主图（800×800）、详情页头图、小红书封面（3:4）和朋友圈海报（9:16）四种尺寸，合计 168 张图。在这类长链条任务里，最容易出事故的往往是后半程：改了几十轮之后漏掉了最初需求的某个卖点，或者几十个尺寸延展下来配色和字号悄悄跑偏，又或者群里好几个协作者提的修改意见互相打架。

Arti 这次上线的几项主动能力，很好地解决了这些问题：

1. 动手之前的「设计调研」：接到需求后不用先切出工作台去图站翻参考，Arti 会在后台自动搜集相关资料、分析行业趋势与视觉案例，直接整理成一份可追溯信息来源的调研报告递到你手边；

2. 修改中期的「画布巡检」：进入多轮对话和长画布操作后，Arti 会在后台持续核对当前画面与项目需求，自动检查风格一致性与规范，一旦发现遗漏或细节跑偏就主动跳出来提醒；

3. 审阅阶段的「反馈改稿」：方案做完直接发出审阅链接，同事或客户点开链接就能在画面具体位置上打点评论。Arti 会主动读取单条或多条评论并汇总成清晰的优化提案，经你确认后一键完成改稿，原链接实时更新，所有历史版本也支持随时往回翻。

这样一来，面对复杂的项目，创作者不必再把一件事拆成几十条零碎的反馈，只需把目标交代清楚，中间的拉扯与推进都可以交给 Arti。

这种主动推进，也在改变衡量一个工具的方式。

Karpo 的创始人 Leah 在和我们聊的时候，把这个指标叫作「委托率（Delegation Rate）」。也就是用户究竟愿意把多少完整的任务放心地交出去。

Lovart 2.0 把左侧新增的核心入口很直接地命名为「设计委托」：通过内置模板或自行填写，设好任务目标、执行周期（单次或按天、按周定时运行）以及每次运行的积分消耗上限，哪怕你合上电脑去休息，设计依然在后台自动推进。

我们把 FP 每天最头疼的封面素材的任务委托给了 Arti，让它每天去搜集一些可能对封面有用的素材。

边界也很清晰：它的所有主动动作都严格围绕项目与画布展开，支持批量任务委托，算力消耗有单次积分上限兜底，最终的方向选择和改稿拍板也始终由人掌控。

03

垂类 Agent 的竞争，是拿到你的偏好和意图

为什么上下文在设计领域格外重要？因为这里有用户的偏好和意图。

设计高度依赖个人的审美语感与品牌的微妙调性。很多时候创作者说不清需求，并不代表没有偏好；只要把具体方案摆到面前，人马上就能敏锐地挑出喜欢哪个、不喜欢哪里。在视觉设计里，这种没法用几句文字 Prompt 写清楚的隐性品味，过去只能靠创作者在每次新建项目时重新上传一堆参考图、一轮轮改稿去磨。

要把这个问题解决掉，产品从底层架构上就得围绕「个人上下文」重做。

陈冕在《晚点 LatePost》的采访中回忆过 Lovart 的立项起源：2025 年初 GPT Image 1 发布后，团队原本摸索了一年的节点式、强控制工作流方案一下子被新模型内化了，失去了增长空间；他在从上海飞回北京的航班上想通了破局点，决定「把所有工具 combine（整合）在一起，给它 context，再加上 agent 工作流的方式做一个新产品」。

在他看来，大模型就像一台单反相机，普通人拿来按一下快门也能拍照，但想拍出专业作品，得请一位听得懂需求、会操作相机的摄影师，应用层就是那个负责对齐的摄影师。如果说早期的 AI 工具更像按次雇佣的临时摄影师，项目一关默契就清零；那么 Lovart 2.0 推出的 Arti，则是让这位摄影师真正固定下来，把对齐的对象升级到了「你这个人」。

在具体实现上，Arti 把个人上下文拆成了两份来存：

• 一份是「记忆」，专门存「人」：你可以通过日常对话或直接上传个人作品集，让 Arti 记住你的审美偏好、常用色调、版式习惯与职业角色，后续新建项目时自动延续，不用每次从头交代背景；

• 另一份是「Skill」，专门存「方法」：将具体设计任务的流程、判断标准与交付要求封装成可随时调用的专业能力，并在 2.0 版本支持了「Skill 自进化」，能从你反复执行的操作和最终产出里自动总结方法，沉淀进「技能 - 个人」与「Arti - 我学会的 - 自进化技能」里。

在 Lovart 2.0 里，记忆和自进化 Skill 会持续进化：你喂给它的作品集越多、它从你操作里学会的个人方法越顺手，Arti 就越懂你的路数。

还有一个很有意思的细节：随着 Arti 对你的了解加深，它会根据你的创作习惯慢慢长成 10 种不同的专属像素形象，你的设计 agent 长什么样，是从你真实的使用习惯里长出来的。

04

从给你做图，到成为你的设计助理

沿着「记忆 + 自进化 Skill + 设计委托」这条线继续往下走，设计 Agent 的使用人群会自然往专业设计师之外扩展，触及到更多的泛人群用户。

在 Lovart 2.0 里，我们先用前面沉淀好的「FP 封面审美」Skill 立好标准，紧接着发了一个周期性的「设计委托」，让 Arti 按照这个 Skill 的审美要求，每周固定时间自己去搜集可能用得上的视觉素材，整理好直接放进项目里。

原本一件必须有人反复记挂着去干的活，就这样变成了在后台按时发生的常规动作，编辑只需要隔一阵点进去挑能用的就行。

在这些场景里，Skill 给出的是你个人的审美与交付标准，设计委托给出的是长期在线与定时执行能力，两样合在一起，Agent 真正具备了「在你不在场的时候，依然按你的眼光把活干完」的能力。

在之前的采访里，陈冕曾把 AI 创造价值的方式分成两条路：一条是「替代人的生产」，另一条是「赋能人的创造」，他押注后者。

这句话落到今天的 Lovart 2.0 和 Arti 身上，有了非常具体的产品形态：委托由你来发起，核心方向与改稿由你来拍板，Arti 真正在做的，是接住你两次确认之间那段需要持续往前推进的重量。它在每一次交互里记住你的审美，攒下你的工作方法。

甚至再进一步，Arti 也可以成为其他通用 agent 默认调用的个人设计工具。因为这里有最懂你的审美偏好和工作习惯，而且能交付设计结果的 Agent。

谁是一开始的入口，可能并不重要。

转载原创文章请添加微信：founderparker