我构建了一个API，阻止AI对颜色产生幻觉

Colour Memory API 是一款专为智能体和设计系统设计的颜色智能工具，旨在解决AI在颜色识别中的幻觉问题。该API基于超过19,000种从历史和文化档案中提取的颜色记录，通过确定性计算而非大语言模型（LLM）来匹配颜色，确保结果的可靠性和可重复性。API的架构分为四层：档案层存储结构化的颜色记录，包括名称、主要来源、注释和从历史与文化档案中提取的十六进制值；度量层提供Lab/LCh、LRV、CIEDE2000距离、WCAG对比度和调色板评分等确定性计算；代理层提供65个REST端点和MCP工具，用于LLM、设计系统和自动化工作流；叙事层则可选地使用LLM生成报告、钩子和简报，但所有LLM使用都在文档中清晰标注。

API的核心功能包括三个主要工具。query.hex工具可将任何十六进制颜色值与档案匹配，返回最接近的命名颜色及其主要来源、置信度分数、声明角色（claim_role）和“不要说”（do_not_say）保护措施。例如，输入十六进制值#D4A829，返回结果为“宋金元宝”，来源为北宋货币记录（960-1127），置信度0.92，声明强度为A级直接机构记录。声明角色指示该条目的证据强度：anchor表示承重证据，reject表示存根，不可用于客户交付物。archive.search工具提供全文关键词搜索，搜索“动脉血”返回“济慈的肺”这样的历史名称，而非按色相匹配。建议保存搜索结果的slug（如keats:keats-s-lung）用于可靠检索，因为slug不会因撇号而中断。brand.audit工具接受一组十六进制颜色值，返回WCAG无障碍矩阵、按市场划分的文化风险注释、档案匹配与来源、调色板角色分配以及商业性评估，完全确定性，不涉及LLM。

API还提供MCP集成，可无缝连接到Claude、ChatGPT等平台，无需额外SDK。所有工具通过单一URL即时加载，断开后重新连接即可刷新工具列表。API文档中列出了所有工具，包括query.hex、archive.search、brand.audit、brand.collision（验证品牌是否能拥有该颜色）、archive.evidence_gap（核实声明是否得到支持）、archive.coverage_gap（识别薄弱主题）、cultural.anachronism（检测时代错配）、index.resonance（材料后果评分）、ecommerce.namer（为40个SKU提供档案名称）、colour.card（通过slug获取完整来源）、query.conceptual（按情绪进行语义搜索）以及archive.report_brief（编辑研究包）。

API强调透明性，明确列出哪些功能无需LLM运行：最近颜色匹配（CIEDE2000）、Lab/LCh度量和LRV、WCAG对比度和无障碍矩阵、调色板角色分配、文化风险评分、档案审计和覆盖缺口、图像调色板提取以及设计令牌导出。可选LLM功能包括品牌报告和编辑简报、session.brief取证叙事、colour.hooks和colour.story以及agent.brief图像生成，这些均在文档中标注。

API还提供了诚实的使用限制：十六进制值是从材料描述和历史参考中计算得出的近似值，而非分光光度测量结果；最接近的档案匹配表示CIEDE2000感知相似性，而非历史身份；文化风险依赖于上下文，不应视为普遍真理；图像提取使用主导像素聚类，尚未可靠分离徽标、文本、产品材料和背景颜色；某些端点使用LLM生成编辑文案，但底层档案数据相同。开发人员应注意常见错误：不要使用archive.search按色相搜索颜色；忽略声明角色可能导致使用无主要来源的存根；应使用slug而非名称，因为名称可能因撇号而中断；在将赛马注册记录呈现为乔治亚时期证据前，应先运行cultural.anachronism；切勿忽略do_not_say字段，它们防止代理做出档案不支持的主张。