可編輯視覺設計：結合 VLM 與程式碼代理人，實現具備圖層層次且可直接後製的自動化設計方案

本研究提出可編輯視覺設計範式，整合 VLM 的創意規劃與圖像生成模型，產出具分層構造與真實文字的設計作品，克服傳統生成模型難以二次編輯與文字出錯的缺陷。

Problem

現有的擴散模型生成影像雖具美感，但輸出的位元圖缺乏圖層資訊且文字容易出錯，導致難以進行後期編輯；另一方面，純程式碼生成法雖具備排版精準度，卻缺乏全局美學直覺，且難以撰寫複雜視覺素材的程式碼。

提出以程式碼代理人驅動的「先構思後行動」閉環工作流。由視覺語言模型（VLM）擔任創意大腦進行任務規劃與美感判斷，並將圖像模型作為視覺模擬器生成獨立素材，最後透過產出 HTML/CSS 進行分層排版，並根據視覺回饋進行迭代優化。

該系統能生成具備獨立圖層與真實文本的可編輯檔案，使用者可直接在圖形介面上進行拖曳調整。在海報、資訊圖表等應用情境中，此範式成功兼顧了高品質的美學表現與生產等級的可編輯性。

本研究透過「代理人設計回溯」機制忠實呈現人類設計師的決策軌跡，有效解決了自動化生成中「視覺美感」與「實務操作性」之間的長期衝突，為次世代數位設計自動化流程建立了重要的新框架。