我構建了一個API，阻止AI對顏色產生幻覺

Colour Memory API 是一款專為智慧體和設計系統設計的顏色智慧工具，旨在解決AI在顏色識別中的幻覺問題。該API基於超過19,000種從歷史和文化檔案中提取的顏色記錄，透過確定性計算而非大語言模型（LLM）來匹配顏色，確保結果的可靠性和可重複性。API的架構分為四層：檔案層儲存結構化的顏色記錄，包括名稱、主要來源、註釋和從歷史與文化檔案中提取的十六進位制值；度量層提供Lab/LCh、LRV、CIEDE2000距離、WCAG對比度和調色盤評分等確定性計算；代理層提供65個REST端點和MCP工具，用於LLM、設計系統和自動化工作流；敘事層則可選地使用LLM生成報告、鉤子和簡報，但所有LLM使用都在文件中清晰標註。

API的核心功能包括三個主要工具。query.hex工具可將任何十六進位制顏色值與檔案匹配，返回最接近的命名顏色及其主要來源、置信度分數、宣告角色（claim_role）和“不要說”（do_not_say）保護措施。例如，輸入十六進位制值#D4A829，返回結果為“宋金元寶”，來源為北宋貨幣記錄（960-1127），置信度0.92，宣告強度為A級直接機構記錄。宣告角色指示該條目的證據強度：anchor表示承重證據，reject表示存根，不可用於客戶交付物。archive.search工具提供全文關鍵詞搜尋，搜尋“動脈血”返回“濟慈的肺”這樣的歷史名稱，而非按色相匹配。建議儲存搜尋結果的slug（如keats:keats-s-lung）用於可靠檢索，因為slug不會因撇號而中斷。brand.audit工具接受一組十六進位制顏色值，返回WCAG無障礙矩陣、按市場劃分的文化風險註釋、檔案匹配與來源、調色盤角色分配以及商業性評估，完全確定性，不涉及LLM。

API還提供MCP整合，可無縫連線到Claude、ChatGPT等平臺，無需額外SDK。所有工具透過單一URL即時載入，斷開後重新連線即可重新整理工具列表。API文件中列出了所有工具，包括query.hex、archive.search、brand.audit、brand.collision（驗證品牌是否能擁有該顏色）、archive.evidence_gap（核實宣告是否得到支援）、archive.coverage_gap（識別薄弱主題）、cultural.anachronism（檢測時代錯配）、index.resonance（材料後果評分）、ecommerce.namer（為40個SKU提供檔案名稱）、colour.card（透過slug獲取完整來源）、query.conceptual（按情緒進行語義搜尋）以及archive.report_brief（編輯研究包）。

API強調透明性，明確列出哪些功能無需LLM執行：最近顏色匹配（CIEDE2000）、Lab/LCh度量和LRV、WCAG對比度和無障礙矩陣、調色盤角色分配、文化風險評分、檔案審計和覆蓋缺口、影像調色盤提取以及設計令牌匯出。可選LLM功能包括品牌報告和編輯簡報、session.brief取證敘事、colour.hooks和colour.story以及agent.brief影像生成，這些均在文件中標註。

API還提供了誠實的使用限制：十六進位制值是從材料描述和歷史參考中計算得出的近似值，而非分光光度測量結果；最接近的檔案匹配表示CIEDE2000感知相似性，而非歷史身份；文化風險依賴於上下文，不應視為普遍真理；影像提取使用主導畫素聚類，尚未可靠分離徽標、文本、產品材料和背景顏色；某些端點使用LLM生成編輯文案，但底層檔案資料相同。開發人員應注意常見錯誤：不要使用archive.search按色相搜尋顏色；忽略宣告角色可能導致使用無主要來源的存根；應使用slug而非名稱，因為名稱可能因撇號而中斷；在將賽馬註冊記錄呈現為喬治亞時期證據前，應先執行cultural.anachronism；切勿忽略do_not_say欄位，它們防止代理做出檔案不支援的主張。