怎么用 AI 做标志：提示词、SVG 和商标检索

开始之前：标志文件要做到什么

标志要用在浏览器标签页那么小的地方，也要用在店铺招牌那么大的地方，白纸上要看得清，深色网页上也要看得清。一张在聊天窗口里看着不错的图，这四种场合可能都过不了。所以提示词要写的，是标志需要的东西：扁平的形状、很少的颜色、清晰的轮廓和没有背景。

图像模型画的是像素。位图，比如 PNG，存的是一格一格的彩色点，放大之后点会变糊。矢量图，比如 SVG，存的是形状和颜色的描述，所以放到多大都清晰，路径还可以修改。OpenAI 的图像生成指南说，需要可编辑的路径、形状和颜色的图形，比如图标和插画，就用 SVG。

你需要一个能按文字提示词画图的应用。下面的提示词出自 OpenAI 的图像提示词指南，那份指南写给调用 GPT Image 模型的开发者。它是平常的英文，贴进别的图像应用也能用，只是结果会不同。尺寸、质量、背景这几项是 OpenAI API 的字段，在聊天应用里，就用话把同样的意思说出来。

写出标志的提示词

OpenAI 的指南里有一条标志提示词，给一家叫 Field & Flour 的面包店用。把名字和业务换成你的，其余照用。

指南在这条提示词之前写的一句话，说明了该要什么。

Create an original, non-infringing logo for a company called Field & Flour, a local bakery.
The logo should feel warm, simple, and timeless. Use clean, vector-like shapes, a strong silhouette, and balanced negative space.
Favor simplicity over detail so it reads clearly at small and large sizes. Flat design, minimal strokes, no gradients unless essential.
Fully transparent background. Deliver a single centered logo with generous padding, clean alpha edges, and no solid backdrop, scenery, checkerboard, or watermark.

• “original, non-infringing”，请模型不要照搬已有的标志。这只是请求，没有哪条提示词能去检索商标注册库。
• “clean, vector-like shapes, a strong silhouette, and balanced negative space”，把画面推向缩小之后仍然站得住的粗壮形状。负空间，指形状周围和内部的空白部分。
• “Favor simplicity over detail”，再加上扁平设计、极少的描边和不用渐变，去掉的是小尺寸印刷或单色盖章时最先丢掉的东西。
• “Fully transparent background”，以及不许出现棋盘格，原因是 OpenAI 的指南说，画出来的棋盘格不是透明。

1. 先写一句品牌说明：名字、做什么业务、三个感觉词。示例用的是温暖、简洁、经得起时间。
2. 把它们填进提示词，一次要四个版本。在 OpenAI 的完整示例里，API 调用设置了 n=4，脚本存下四个 PNG 文件。
3. 把四个版本分别放在白色页面和深色页面上。在其中一个上面消失的标志要改，改的办法是换颜色，不是加个背景框。
4. 在浏览器标签页的大小下看每个候选。看不出它画的是什么，就淘汰。
5. 每次追问只改一处，比如一种颜色或名字的排版，并把要保留的细节重复一遍。OpenAI 的指南要求一次改一处，并写明要保留的细节。
6. 把名字一个字母一个字母读一遍。图像模型最容易在文字上出错，下一课专门讲这件事。

提示词之后的几步是我们自己的做法。提示词和“一次只改一处”的规则是 OpenAI 的。

把图片变成矢量图

聊天应用给你的 PNG 是位图。下面的表列出了得到标志文件的三条路。透明 PNG 能放在任何背景上，但放大还是会糊。另外两条路得到的是 SVG，可以缩放和改色，各自放弃的东西不一样。

对开发者来说，OpenAI 的指南给出了下面这段调用，它会写出四个透明背景的 PNG 文件。其中的 model 和 prompt 两个变量，在它的脚本里定义在前面，prompt 就是上面的 Field & Flour 提示词。

对其他人来说，VTracer 是一个开源工具，能把 JPG、PNG 这样的位图转换成 SVG。它的 README 列出了 Windows、macOS 和 Linux 的应用以及一个命令行程序，并把当前版本标为 1.0.0-alpha.4。下面三条命令出自这份 README。--preset bw 适合黑白线稿，--palette 会把输出的颜色吸附到你列出的十六进制颜色上，适合只有两三种品牌色的标志。另外两个选项，--max-colors 限制颜色的数量，--simplify 让曲线更平滑，README 说，简化曲线常常能让文件缩小到一半。

import base64
from pathlib import Path

from openai import OpenAI

client = OpenAI()

logos = client.images.generate(
    model=model,
    prompt=prompt,
    size="1024x1536",
    quality="medium",
    background="transparent",
    output_format="png",
    n=4,
)
for index, image in enumerate(logos.data, start=1):
    Path(f"logo-generation-{index}.png").write_bytes(base64.b64decode(image.b64_json))

• 从应用能给出的最大 PNG 开始。描摹会照着拿到的像素来，来源又小又糊，描出来的路径就毛毛糙糙。
• 在浏览器里打开 SVG，放大很多倍看。边缘毛糙或者有杂点，就换一组选项重描一次。
• 透明背景的 PNG 也留着。有些网站和应用仍然要位图文件。

使用名字和图形之前，先查商标

维基百科的商标词条把商标定义为词语、短语、符号、图形或它们的组合，用来表明某个产品或服务来自某个特定的来源。查商标，就是去找有没有可能和你的混淆的已有商标。构成侵权的，是在相同或类似的产品上使用相同或容易混淆的近似商标，所以别的行业里相似的标志，不如和你挨着的那一个要紧。

没有哪个图像模型会替你做这次检索，提示词里写“non-infringing”也改变不了这一点。维基百科列出了该查的注册库：美国专利商标局有公开的数据库，WIPO 的全球品牌数据库覆盖国际商标，欧盟知识产权局有 eSearch plus 工具查欧盟商标。在你自己的行业里，查名称、标志里出现的词，以及图形。

商标权可以来自注册，在一些国家也可以来自在经营中的使用，所以别人在你之前使用过的名字，可能握有在先的权利。

版权是另一个问题。维基百科的 AI 与版权概述说，美国法院拒绝给没有人为介入而生成的作品版权。它还写到，美国版权局 2025 年 1 月的澄清，把表达性内容由机器决定的作品视为不受版权保护。

英国、中国等其他国家有各自的规定。自己挑选、组合、修改过的作品，里面就留下了人的劳动。打算长期经营的品牌，可以请所在国家的商标律师说明适用什么规定。这一课不是法律意见。

常见错误

• 要场景、照片效果或渐变。带背景画面的标志，一印到图章或绣到帽子上，背景就没了。
• 只在聊天窗口的大小下评判候选。浏览器标签页的大小，才看得出哪个经得住缩小。
• 标志图形不错，就容忍名字里错了一个字母。
• 把提示词里的“non-infringing”当成已经查过。它什么也没查。
• 去描摹标志的截图。改用应用能给出的最大文件。
• 还没去注册库里查过，就把这个名字用到产品上。

自己试一试

挑一家你熟悉的店，你自己的或朋友的都行。目标是得到一个标志文件，再加一条记录你查了什么的笔记。

• 写好品牌说明，用 Field & Flour 的提示词生成四个版本。
• 把它们放在白色页面、深色页面和浏览器标签页大小下检查，留下一个。
• 追问两次，每次只改一处，留下效果最好的结果。
• 用 VTracer 转换选中的那个，放大看 SVG 的边缘。
• 在所在国家的商标注册库里查这个名字，把查到的写下来，什么也没查到也要记。

完成的标准：SVG 在每种尺寸下都好看，名字拼写正确，检索笔记和文件存在一起。

下一课：让图里的文字拼对

标志是一张图加几个字。海报、封面和广告里的字多得多，模型也就是在那里写错。下一课比较 GPT Image、Gemini、Qwen-Image 和 Ideogram 在文字上的表现。

这一课背后的提示词习惯，在 AI 图像提示词里讲过，AI 图像生成工具对比列出了更多可以试的应用。

常见问题

资料来源

1. OpenAI API docs: Image prompting (2026年11月6日 查阅)https://developers.openai.com/api/docs/guides/image-prompting
2. OpenAI API docs: Image generation (2026年11月6日 查阅)https://developers.openai.com/api/docs/guides/image-generation
3. GitHub: visioncortex/vtracer (README) (2026年11月6日 查阅)https://github.com/visioncortex/vtracer
4. Wikipedia: Trademark (2026年11月6日 查阅)https://en.wikipedia.org/wiki/Trademark
5. Wikipedia: Artificial intelligence and copyright (2026年11月6日 查阅)https://en.wikipedia.org/wiki/Artificial_intelligence_and_copyright