说一个直接而精准的判断：MasterGo AI 自动生成原型图标组，本质上并不是“手动绘制图标”，而是将“图标需求”转化为机器能够执行的视觉指令。整个过程省去了人工绘图的环节，借助 Agent 模式下的图层生成与规范适配能力，实现批量输出——全程由提示词驱动、组件库参考和上下文理解协同完成，核心目标是让每一次图标输出都严格贴合团队既有的设计规范。

要生成一组高质量的图标，第一步必须清晰传达设计意图与结构关系。AI 不具备读心能力，因此提示词中需要包含以下关键信息：

• 图标用途（例如“后台管理导航栏图标”“App底部Tab栏图标”）
• 数量与风格一致性要求（例如“6个线性风格图标，统一24×24尺寸，描边2px，圆角4px”）
• 功能语义（如“首页、订单、数据看板、消息、个人中心、设置”）
• 视觉约束（比如“主色 #2B6CB0，禁用填充，全部使用单色线条”）

把这几个信息交代清楚，AI 的生成方向才不会跑偏。当然，如果习惯使用过于笼统的描述，结果往往会是“看起来像但细节不对”。

善用预置或自定义团队库，能大幅提升图标一致性
MasterGo AI 支持调用团队库中的图标组件进行智能匹配与生成。如果你的团队已经搭建过 AI 友好型图标库（例如按照 Figma 组件命名规范、为每个图标打上语义标签），AI 会自动识别并复用已有图标结构。在商用场景下，像 Ant Design 图标集这样的预置库也可以直接调用，AI 会优先生成符合该系统笔画节奏、比例和负空间处理的变体。

反之，如果没有团队库，AI 也能依据文字描述生成矢量图标，但风格上容易“走偏”。一个实用的技巧是：在提示词中加入关键词，例如“iOS SF Symbols 风格”或“Material Icons 线性版”，这样能有效收敛风格偏差。

生成后的批量操作才是效率的真正爆发点
图标组生成后通常是一堆独立图层，这时 MasterGo AI 的针对性优化能力就派上了大用场。举例来说：选中全部图标图层，输入“将图层名改为 icon-home、icon-order、icon-dashboard…”，AI 就会自动完成重命名。再选中图标容器，输入“统一设置描边颜色为 #2B6CB0，描边宽度为 2，所有图标圆角设为 4px”，属性就能批量应用。如果需要导出给开发使用，直接右键图层选择“导出为 SVG”，或通过“生成代码”功能输出 React/Vue 中可复用的 Icon 组件片段——这套流程下来，从设计到开发交付的效率提升一目了然。

草图或竞品截图也能快速还原成图标组
另一种常见场景是：你手头有手绘稿或竞品截图。这时可以直接上传一张清晰的图标布局草图（最好标注功能区域或文字说明），然后在指令栏输入“按草图还原6个导航图标，保持间距均等，图标尺寸一致，文字标签垂直居中下方”。AI 会识别布局结构，重建为带分组、命名和对齐关系的可编辑图层，而不是一张扁平图片。这一步非常关键——它把非结构化的视觉参考转化成了可以继续迭代的工程文件。

总结一下，要让 MasterGo AI 稳定产出可用的原型图标组，提示词必须覆盖六个关键维度：功能、数量、尺寸、风格、颜色、关联关系。掌握好这套输入框架，图标生成就不再是“碰运气”，而是可以复用的标准流程。