Além de @clawchatglobal, quais outros projetos valem a pena participar profundamente? Recentemente, muitos amigos me perguntaram isso. Quando o mercado está em baixa, a maioria escolhe esperar até que a行情 retome. Mas o Dr. Long sempre acredita que o mercado baixista é, na verdade, o momento mais adequado para construir. Porque, no mercado altista, todos se concentram nos preços; já no mercado baixista, há tempo para realmente estudar um projeto e encontrar seu próprio lugar para contribuir. Há algum tempo, um amigo me convidou para juntar-me à equipe de construção do @clawchatglobal. Após estudar por algum tempo, descobri que o que me atraiu no ClawChat não é apenas a direção de redes sociais na blockchain, mas principalmente sua identidade de marca muito clara — o ClawCat. Um laranja camarão vestindo um suéter branco. Anteriormente, já escrevi alguns artigos sobre o ClawChat, mas depois pensei: escrever artigos é apenas expressar opiniões; os verdadeiros construtores não são medidos pela quantidade de conteúdo que você publica, mas sim pelo que você deixa no projeto que continue gerando valor ao longo do tempo. Alguém escreve código, alguém cuida da comunidade, alguém constrói o ecossistema — e meu ponto de entrada foi exatamente a criação de conteúdo com IA. Recentemente, o Dr. Long tem se dedicado intensamente a imagens e vídeos gerados por IA, estudando como tornar os modelos mais estáveis e alinhados às expectativas. Então me perguntei: Se o ClawCat precisar aparecer continuamente em artigos, cartazes, emojis e vídeos no futuro, qual será o maior desafio? Não é gerar uma imagem bonita. É garantir que, em cada geração, seja sempre o mesmo ClawCat. No início, pedi ao LLM para me ajudar a criar um conjunto de regras para o ClawCat. O objetivo era simples: fazer com que o modelo entendesse todas as regras visuais desse IP. A primeira versão parecia muito profissional. Estrutura completa, módulos claros, todas as referências organizadas. Mas ao testar com imagens de referência, percebi que havia um problema grave. O modelo dizia entender, mas as imagens geradas já estavam gradualmente se desviando da aparência original. O suéter branco virou laranja. As orelhas em forma de gancho flamejante viraram orelhas comuns. Os olhos em forma de cápsula branca viraram olhos brilhantes. E ainda adicionou automaticamente nariz, boca e bigodes. Fiz várias iterações pedindo correções. Cada vez corrigia parte do problema, mas sempre surgiam novos desvios. Mais tarde, percebi que a questão não era o Prompt. O LLM não estava entendendo mal as imagens de referência — era que ele tinha um modelo padrão embutido na mente. Quando via “IP fofo”, automaticamente associava a olhos grandes, expressões ricas e diversos elementos decorativos. Então, mesmo dizendo “siga rigorosamente a imagem de referência”, ele ainda assim tendia inconscientemente a se alinhar ao seu próprio padrão. O problema real era não ter estabelecido um Ground Truth visual suficientemente forte. Então mudei minha abordagem. Em vez de pedir constantemente para modificar descrições textuais, pedi diretamente ao LLM para gerar o ClawCat com base nas imagens de referência. A razão é simples: Descrições textuais são abstratas; imagens têm feedback visual. Se parece ou não, basta olhar. Na primeira tentativa, pedi para gerar 5 imagens — 3 delas foram altamente fiéis. As características centrais — orelhas em forma de chama, suéter branco, olhos em cápsula e rosto vazio — foram todas mantidas. Isso foi muito mais eficaz do que ajustar continuamente os Prompts. Em seguida, escolhi a imagem mais próxima da original como novo Ground Truth. E reconstruí todo o Skill. Desta vez, exigi que todas as referências não dependessem mais de descrições abstratas, mas fossem construídas exclusivamente em torno dessa imagem definida. Não mais descrever “um camarão laranja fofo”. Mas descrever: Qual é a forma das orelhas deste camarão? Qual é a proporção dos olhos? Qual é a estrutura do suéter? Quais características nunca podem ser alteradas? Transformei o Skill de “gerar um camarão fofo” para “reproduzir o ClawCat”. Após concluir, realizei inúmeros testes: Avatares, emojis, cartazes, cenas e versões especiais — totalizando 200 imagens geradas. Resultado: As orelhas em chama permaneceram consistentes. Os olhos em cápsula permaneceram consistentes. A borda laranja do suéter branco manteve-se basicamente estável. E mais importante: a identidade central — aquele rosto plano e vazio — não foi perdida. O ClawCat finalmente tornou-se um IP reutilizável a longo prazo. Claro, ainda cometi um erro no caminho. Ao criar emojis, incluí uma palavra no Prompt: sticker style O resultado foi que parecia um adesivo — mas não parecia ClawCat. A razão era que essa palavra ativou um modelo padrão interno do modelo. Ele priorizou a lógica típica de adesivos cartoon e substituiu parte das características do IP. Depois disso, mudei para: sticker framing Descrevi apenas a composição visual — sem ativar modelos de estilo — e o problema foi resolvido imediatamente. A maior lição que tirei ao criar o Skill do ClawCat não foi ter feito uma ferramenta — mas sim ter reavaliado o que significa construir em um mercado baixista. Construir verdadeiramente não precisa necessariamente envolver escrever código. Você pode contribuir com conteúdo, manter comunidades ou ajudar um projeto a construir ativos duradouros. Artigos são cobertos por novos temas. Tweets são enterrados por novas tendências de mercado. Mas uma ferramenta reutilizável, um conjunto maduro de métodos e um ativo verdadeiramente pertencente ao projeto — esses permanecem para sempre. Por isso cada vez mais acredito: o mercado baixista não é um tempo de espera. É o momento de encontrar uma direção que você reconheça e deixar sua marca de construção. É por isso que dediquei tempo para transformar gradualmente o Skill do ClawCat — desde uma ideia — em um sistema verdadeiramente funcional. @OPCATLayerCN @D7_LuckySeven #BTC