任何感官形式都由元素构成，每一元素都在亲极与危极之间占据一个极性位置。当双极元素在可认知的秩序下被组织，且危极唤醒被约束在安全阈值内，美感便产生了。
趋近、安全、愉悦。激活奖赏回路，让人想接近、想停留、想拥有。
警觉、唤醒、畏惧。激活警觉回路，制造张力与能量，让人被抓住、被震撼。
整体危极权重 = 各维度权重 × 该维度危极强度(0-10) 的加权和。结果落在 0-1，对应连续谱上的范式位置。
四维评分卡，满分100分。≥80为成熟作品，任一维<15为明显短板。
以危极综合权重为横轴，所有风格排成一条连续谱。六大范式是被反复验证的稳定锚点，锚点间是平滑过渡的中间风格。点击节点查看详情。
亲 90 : 危 10
核心体验：放松、舒展、无攻击性，像被温柔接住。几乎全部元素走亲极，只留约10%对立极作"质感锚点"，防止过度柔和而软塌、发腻、显廉价。
适用：母婴、疗愈空间、家居、民生服务、治愈系插画、公共/医疗空间。
前一步输出是后一步输入，可循环迭代而非一次性直线。把模糊的审美偏好转化为元素级可执行修改方案。
锁定范式锚点，产出基调卡：情绪定位、目标W(T)区间、受众阈值、使用距离。
沿维度逐一拆开方案，为每个元素按0-10量表标方向与强度，得到极性审计表。
计算W(T)，与目标区间对照。偏高减锐增柔，偏低加锐减柔，检查主辅比≥6:4。
选至少一条贯穿全局的秩序主线，检验层级嵌套一致性和跨模态极性协同。
执行阈值三问：本能红线一票否决，认知阈靠补秩序右移，文化阈靠符号审计处理。
远观测试+近看长期测试+四维评分卡。任一维度低于15分回到对应步骤修正。
BEA 是一个 AI 技能（Skill），在你常用的 AI 平台安装后，上传图片或用大白话提问，就能获得专业的美学分析。无需学习复杂理论，AI 会自动按 BEA 框架分析。
在你常用的 AI 平台安装 BEA 技能，或把系统提示词复制到对应平台的设置中。一次配置，永久使用。
上传产品/设计/建筑/UI 图片，或用大白话描述你的设计。不需要知道任何专业术语，AI 会自动识别。
AI 自动输出 W(T) 危极权重、范式定位、六维分析、四维评分、病症诊断和具体改进处方。可以继续追问迭代。
选择品类，拖动各维度危极强度滑块，实时计算整体危极权重W(T)和范式落点。
当前配置已处于亲和精致范式，整体均衡。如需更高级感，可在高价值细节（如边缘倒角、按键）适度提升危极强度。
当设计"感觉不对"时，系统性定位问题并给出元素级处方。从"感觉哪里不对"到"具体怎么改"。
全圆角、全柔色、无一处锐度，发腻幼稚廉价
处方：高价值细节注入10%-20%危极，柔中藏骨
处处锐角、强对比、硬冷，令人紧张想回避
处方：扩亲极基底、降危极到范式区间，用大曲面接住
亲危各半、无主次、情绪暧昧，"说不上哪里怪"
处方：确立至少6:4主辅比，先让第一印象明确
单个元素都精彩，堆一起互相打架，失控焦虑
处方：确立一条贯穿全局的统一主线（色板/模数/栅格）
宏观柔和却微观攻击、视觉圆润却触感硌手
处方：逐层逐通道审计，选同向叠加或微差补偿
哪里都想强调，结果哪里都不突出、视觉噪音大
处方：做减法，从属极压回10%-30%，建视觉等级
BEA 适用于任何以感官形式呈现的对象，从消费电子到公共空间，从品牌视觉到影视动画。
长期贴身物，锁定亲和精致范式。宏观柔和+微观锐利的微差补偿结构。
"大面柔、特征线锐"，用静态曲面表达动态张力，崇高而不凶戾。
宏观崇高、近人治愈的嵌套结构。大尺度制造敬畏，温润材料安抚。
版面秩序作恒定亲极安全网，个性张力通过主色饱和度、字体锐度调节。
高频长期使用，偏亲和精致。危极严格预算化，一屏内高危极元素≤2个。
廓形是宏观极性，面料质感、肩线尖角是可调变量。全谱皆可。
协和温暖为亲极基底，不协和音、音色突变制造张力，张力后必须有释放。
时间轴上编排双极——舒缓段积蓄安全感，跳切硬光制造冲突，回归秩序完成释放。
治愈松弛范式。圆角、柔色、自然材质、缓流动线，仅导视警示用少量高对比。
用 BEA 分析真实产品，从手机到汽车，从品牌到界面。每个案例包含完整的维度打分、W(T) 计算、灵敏度分析和改进处方。点击卡片查看详情。
BEA 量化引擎是一个纯 Python 标准库的命令行工具，离线可用，无需安装任何依赖。支持分析、诊断、调整、生成、对比五大核心能力。
无需下载文件、无需手动配置，一键安装到支持 SkillHub 的 AI 平台，立即使用 BEA 双极情绪美学进行设计分析与诊断。
输入各维度危极强度，输出完整分析报告：W(T)、范式定位、主辅比、耐看性、病症诊断、四维评分卡。
report --category car --t "曲面=4,特征线=6,灯组=5,比例=3,材质=4"
给定目标范式或 W(T)，输出具体的维度调整方案，含调整后验证（实际W(T)、偏差、是否达到目标）。
suggest --category car --t "..." --target 崇高震撼
给定目标 W(T)/范式，自动生成最优维度配置。支持均衡/集中/分散三种策略，从分析走向生成。
generate --category phone --target 亲和精致 --strategy balanced
只输出 W(T)+范式定位+主辅比+一句话结论，省略元素级改进处方。速度快一倍，减少长上下文指令遗忘，适合快速筛选和初步判断。
触发词：快速看看、简单诊断、大概怎么样、快速分析
计算每个维度 t±1 对 W(T) 和评分的影响，找出"改动哪个维度效果最明显"，避免盲目试错。
sensitivity --category car --t "..." --target 0.55
对比两个设计方案的 W(T)、范式、维度差异、病症差异，快速判断哪个方案更符合目标定位。
compare --category car --a "方案A=4,6,5,3,4" --b "方案B=7,6,5,4,4"
多组数据跨模态一致性检查 + 层级嵌套分析，检查外形/内饰/声音等各通道极性是否协同。
multigroup --category car --groups "外形=...;内饰=..."
# 1. 生成分打模板 python3 scripts/bea_quant.py template --category phone # 2. 完整分析报告 python3 scripts/bea_quant.py report --category car --t "曲面=4,特征线=6,灯组=5,比例=3,材质=4" # 3. 调整建议：想达到崇高震撼，该改哪个维度 python3 scripts/bea_quant.py suggest --category car --t "曲面=4,特征线=6,灯组=5,比例=3,材质=4" --target 崇高震撼 # 4. 美感生成：给定目标，自动生成最优配置 python3 scripts/bea_quant.py generate --category phone --target 0.30 --strategy balanced # 5. 运行自测试 python3 scripts/bea_quant.py test