原文摘要
昨晚看 Lovart 发了正式版，就赶紧试了一下
这个 ChatCanvas 强的离谱，基本上定义了创意类 Agent 的交互范式
昨天刚说完 ax 就来了这么一个完美案例，你现在有一个不知疲倦指哪打哪的 AI 创意员工了
不想等施工
🚧可以先看这里：
https://mp.weixin.qq.com/s/cTOaTF94DPqMeWiRsdhetQ过去你是用 Lovart 的时候一定也有一个感觉。
那就是看起来你一直在跟右边的 Agent 聊天交互，左边的无限画布除了展示没有什么用处，今天这个更新会解答你的疑惑。
他们设计了一整套的评论系统 ChatCanvas ，如果你是设计师用过 Figma 的话应该很熟悉。
但是这个评论不是给你的同事反馈的，而是说给 Agent 的。
就好像在虚拟世界里面有一个叫 Lovart 的设计师在随时待命，等待你说出“把这个文字调大点”这种要求。
接下来跟着我用案例带你看这玩意有多强大，首先来看一个比较基础的案例。
这次我们要做一个玻璃质感的 PPT 动态视频封面，首先输入提示词让他给出一些基础的选项。
现在局部修改，你只需要点击左边无限画布的部分页面下方的的评论图标按钮，点击在你想要修改的图片上写出要求就行。
比如上面生成图片上有这种波浪形状的光，我不太喜欢，我就可以点在这个位置跟 AI 说把这部分去掉。
这时候我又发现一个牛皮的地方，他们在这里吸收了一部分 Cursor 代码补全的交互，AI 会根据你打的字补全你的需求，你只需要按 tab 键就能回填。
完事之后点击 「Add to Queue」按钮就可以提交需求，这时候 AI 有时候还会需要你补充一些信息，你们就可以在这里对话。
在你觉得没问题的时候，就可以点击下面的「Run All」按钮执行所有的的评论了，你能够加好几个评论让 Lovart 一起执行。
现在 Lovart 还有了类似 Figam 的 Frame 也就是画板概念，整个画板中的所有改动都有独立的聊天界面去回溯。
想要看我所有执行过的评论的话怎么办，你可以点击评论旁边的「Comments」按钮查看。
还能点击「Reopen」按钮去将这个评论重复添加在图片或者视频上重复执行，考虑的非常周到。
不止可以点击添加注释，你还能画框去标注图片的具体位置让 AI 修改。
原文链接
进一步信息揣测
- Lovart的ChatCanvas功能借鉴了Figma的评论系统，但针对AI交互进行了优化，允许用户通过评论直接向AI下达修改指令，这种设计在创意类工具中属于前沿实践。
- AI需求补全功能参考了Cursor代码补全的交互逻辑，用户输入时AI会自动预测并补全需求，按Tab键即可快速确认，这一细节提升了操作效率，可能是通过技术团队对开发者工具的深度研究实现的。
- 局部修改支持框选标注，用户可以直接在图片上画框指定修改区域，这一功能可能源于对设计软件（如Photoshop）工作流的观察，但将其转化为自然语言交互，降低了非专业用户的门槛。
- 批量执行评论（Run All）功能允许用户将多个修改需求一次性提交，AI会并行处理，这背后可能涉及任务队列优化技术，类似后台渲染引擎的机制，但未公开具体实现细节。
- 画板（Frame）概念的引入与Figma高度相似，但增加了独立的聊天回溯界面，说明团队在借鉴成熟工具的同时，注重AI场景下的差异化设计（如操作历史可对话式查询）。
- “Reopen”功能允许重复执行历史评论，这一设计可能来自用户测试中发现的高频需求（如反复调整同一参数），属于工具类产品的隐性痛点解决方案。
- 动态视频封面案例中，AI对“玻璃质感”等抽象术语的理解能力，暗示其提示词库或模型微调可能整合了专业设计领域的术语库（如Material Design或Pantone色彩体系），但未透露具体数据来源。
- 用户与AI的补充对话环节显示产品可能内置了需求澄清机制（类似PMF验证中的用户访谈逻辑），通过多轮交互规避生成结果偏差，这种设计需要大量测试数据支撑。
- 图片展示中未提及的细节：界面截图显示修改队列可能有优先级控制（如拖动排序），这属于高级用户才会发现的隐藏功能，类似Trello的任务管理逻辑。