视觉伴侣指南

基于浏览器的视觉头脑风暴伴侣，用于展示原型、图表和选项。

何时使用

逐问题决定，而非按会话决定。判断标准：用户看到它是否比读到它更容易理解？

使用浏览器 当内容本身是视觉的：

UI 原型 — 线框图、布局、导航结构、组件设计
架构图 — 系统组件、数据流、关系图
并排视觉对比 — 对比两种布局、两种配色方案、两种设计方向
设计细节打磨 — 当问题涉及外观感受、间距、视觉层次
空间关系 — 状态机、流程图、实体关系图

使用终端 当内容是文字或表格的：

需求和范围问题 — "X 是什么意思？"、"哪些功能在范围内？"
概念性 A/B/C 选择 — 在用文字描述的方案之间做选择
权衡列表 — 优缺点、对比表
技术决策 — API 设计、数据建模、架构方案选择
澄清问题 — 任何回答是文字而非视觉偏好的问题

关于 UI 主题的问题不一定是视觉问题。"你想要什么样的向导？"是概念性的——使用终端。"这些向导布局中哪个感觉对？"是视觉性的——使用浏览器。

工作原理

服务器监视一个目录中的 HTML 文件，将最新的文件提供给浏览器。你写入 HTML 内容，用户在浏览器中看到它，并可以点击选择选项。选择结果被记录到一个 .events 文件中，你在下一轮会话中读取它。

内容片段 vs 完整文档： 如果你的 HTML 文件以 <!DOCTYPE 或 <html 开头，服务器会原样提供（仅注入辅助脚本）。否则，服务器会自动将你的内容包裹在框架模板中——添加头部、CSS 主题、选择指示器和所有交互基础设施。默认写内容片段即可。 只有当你需要完全控制页面时才写完整文档。

启动会话

# 启动服务器并持久化（原型保存到项目中）
scripts/start-server.sh --project-dir /path/to/project

# 返回：{"type":"server-started","port":52341,"url":"http://localhost:52341",
#           "screen_dir":"/path/to/project/.superpowers/brainstorm/12345-1706000000"}

保存响应中的 screen_dir。告诉用户打开该 URL。

查找连接信息： 服务器将其启动 JSON 写入 $SCREEN_DIR/.server-info。如果你在后台启动了服务器且没有捕获 stdout，读取该文件以获取 URL 和端口。使用 --project-dir 时，检查 <project>/.superpowers/brainstorm/ 获取会话目录。

注意： 传入项目根目录作为 --project-dir，这样原型会持久化在 .superpowers/brainstorm/ 中，不会因服务器重启而丢失。不传的话，文件会保存到 /tmp 并在清理时被删除。提醒用户将 .superpowers/ 添加到 .gitignore（如果尚未添加）。

按平台启动服务器：

Claude Code (macOS / Linux)：

# 默认模式即可——脚本会自动将服务器放到后台
scripts/start-server.sh --project-dir /path/to/project

Claude Code (Windows)：

# Windows 会自动检测并使用前台模式，这会阻塞工具调用。
# 在 Bash 工具调用上设置 run_in_background: true，
# 让服务器在会话轮次之间存活。
scripts/start-server.sh --project-dir /path/to/project

通过 Bash 工具调用时，设置 run_in_background: true。然后在下一轮读取 $SCREEN_DIR/.server-info 获取 URL 和端口。

Codex：

# Codex 会回收后台进程。脚本会自动检测 CODEX_CI 并
# 切换到前台模式。正常运行即可——不需要额外标志。
scripts/start-server.sh --project-dir /path/to/project

Gemini CLI：

# 使用 --foreground 并在 shell 工具调用上设置 is_background: true，
# 让进程在轮次之间存活
scripts/start-server.sh --project-dir /path/to/project --foreground

其他环境： 服务器必须在会话轮次之间持续在后台运行。如果你的环境会回收分离的进程，使用 --foreground 并通过平台的后台执行机制启动命令。

如果浏览器无法访问该 URL（在远程/容器化环境中常见），绑定一个非回环主机：

scripts/start-server.sh \
  --project-dir /path/to/project \
  --host 0.0.0.0 \
  --url-host localhost

使用 --url-host 控制返回的 URL JSON 中显示的主机名。

工作循环

检查服务器存活，然后将 HTML 写入 screen_dir 中的新文件：
- 每次写入前，检查 $SCREEN_DIR/.server-info 是否存在。如果不存在（或 .server-stopped 存在），服务器已关闭——在继续之前用 start-server.sh 重启。服务器在 30 分钟无活动后会自动退出。
- 使用语义化文件名：platform.html、visual-style.html、layout.html
- 绝不复用文件名 — 每个屏幕用一个新文件
- 使用 Write 工具 — 绝不使用 cat/heredoc（会在终端产生噪音）
- 服务器自动提供最新的文件
告诉用户预期内容并结束你的回合：
- 每一步都提醒他们 URL（不仅仅是第一次）
- 简要文字说明屏幕上的内容（例如"展示了 3 个首页布局选项"）
- 请他们在终端中回复："看一下，告诉我你的想法。如果你愿意，可以点击选择一个选项。"
在你的下一轮 — 用户在终端回复后：
- 如果存在 $SCREEN_DIR/.events，读取它——其中包含用户的浏览器交互（点击、选择），格式为 JSON 行
- 将终端文字和事件合并以获得完整信息
- 终端消息是主要反馈；.events 提供结构化的交互数据
迭代或推进 — 如果反馈要求修改当前屏幕，写入新文件（例如 layout-v2.html）。只有当前步骤验证通过后才进入下一个问题。

回到终端时卸载 — 当下一步不需要浏览器时（例如澄清问题、权衡讨论），推送一个等待屏幕以清除过时内容：

<!-- 文件名：waiting.html（或 waiting-2.html 等）-->
<div style="display:flex;align-items:center;justify-content:center;min-height:60vh">
 <p class="subtitle">在终端中继续...</p>
</div>

这样可以防止用户盯着一个已经解决的选择，而对话已经继续了。当下一个视觉问题出现时，照常推送新的内容文件。

重复直到完成。

编写内容片段

只写放在页面内部的内容。服务器会自动用框架模板包裹它（头部、主题 CSS、选择指示器和所有交互基础设施）。

最简示例：

<h2>哪种布局更好？</h2>
<p class="subtitle">考虑可读性和视觉层次</p>

<div class="options">
  <div class="option" data-choice="a" onclick="toggleSelect(this)">
    <div class="letter">A</div>
    <div class="content">
      <h3>单栏</h3>
      <p>简洁、专注的阅读体验</p>
    </div>
  </div>
  <div class="option" data-choice="b" onclick="toggleSelect(this)">
    <div class="letter">B</div>
    <div class="content">
      <h3>双栏</h3>
      <p>侧边栏导航加主内容区</p>
    </div>
  </div>
</div>

就这些。不需要 <html>，不需要 CSS，不需要 <script> 标签。服务器会提供这一切。

可用的 CSS 类

框架模板为你的内容提供以下 CSS 类：

选项（A/B/C 选择）

<div class="options">
  <div class="option" data-choice="a" onclick="toggleSelect(this)">
    <div class="letter">A</div>
    <div class="content">
      <h3>标题</h3>
      <p>描述</p>
    </div>
  </div>
</div>

多选： 在容器上添加 data-multiselect 让用户选择多个选项。每次点击切换选中状态。指示栏显示数量。

<div class="options" data-multiselect>
  <!-- 相同的选项标记——用户可以选择/取消选择多个 -->
</div>

卡片（视觉设计）

<div class="cards">
  <div class="card" data-choice="design1" onclick="toggleSelect(this)">
    <div class="card-image"><!-- 原型内容 --></div>
    <div class="card-body">
      <h3>名称</h3>
      <p>描述</p>
    </div>
  </div>
</div>

原型容器

<div class="mockup">
  <div class="mockup-header">预览：仪表盘布局</div>
  <div class="mockup-body"><!-- 你的原型 HTML --></div>
</div>

分屏视图（并排）

<div class="split">
  <div class="mockup"><!-- 左侧 --></div>
  <div class="mockup"><!-- 右侧 --></div>
</div>

优缺点

<div class="pros-cons">
  <div class="pros"><h4>优点</h4><ul><li>好处</li></ul></div>
  <div class="cons"><h4>缺点</h4><ul><li>不足</li></ul></div>
</div>

模拟元素（线框图构建块）

<div class="mock-nav">Logo | 首页 | 关于 | 联系我们</div>
<div style="display: flex;">
  <div class="mock-sidebar">导航</div>
  <div class="mock-content">主内容区域</div>
</div>
<button class="mock-button">操作按钮</button>
<input class="mock-input" placeholder="输入框">
<div class="placeholder">占位区域</div>

排版和区块

h2 — 页面标题
h3 — 章节标题
.subtitle — 标题下方的辅助文字
.section — 带底部边距的内容块
.label — 小号大写标签文字

浏览器事件格式

当用户在浏览器中点击选项时，交互记录会保存到 $SCREEN_DIR/.events（每行一个 JSON 对象）。推送新屏幕时文件会自动清空。

{"type":"click","choice":"a","text":"选项 A - 简单布局","timestamp":1706000101}
{"type":"click","choice":"c","text":"选项 C - 复杂网格","timestamp":1706000108}
{"type":"click","choice":"b","text":"选项 B - 混合方案","timestamp":1706000115}

完整的事件流展示了用户的探索路径——他们可能在确定之前点击了多个选项。最后一个 choice 事件通常是最终选择，但点击模式可以揭示犹豫或值得询问的偏好。

如果 .events 不存在，说明用户没有与浏览器交互——仅使用他们的终端文字。

设计技巧

保真度匹配问题 — 布局问题用线框图，细节打磨问题用精细设计
在每个页面上解释问题 — "哪种布局看起来更专业？"而不仅仅是"选一个"
推进前先迭代 — 如果反馈修改了当前屏幕，写入新版本
每个屏幕最多 2-4 个选项
必要时使用真实内容 — 对于摄影作品集，使用实际图片（Unsplash）。占位内容会掩盖设计问题。
保持原型简洁 — 专注于布局和结构，而非像素级精确的设计

文件命名

使用语义化名称：platform.html、visual-style.html、layout.html
绝不复用文件名——每个屏幕必须是新文件
迭代版本：添加版本后缀如 layout-v2.html、layout-v3.html
服务器按修改时间提供最新文件

清理

scripts/stop-server.sh $SCREEN_DIR

如果会话使用了 --project-dir，原型文件会持久化在 .superpowers/brainstorm/ 中以供日后参考。只有 /tmp 会话会在停止时被删除。

参考

框架模板（CSS 参考）：scripts/frame-template.html
辅助脚本（客户端）：scripts/helper.js

visual-companion.md 11 KB 文件历史 原始文件