01 快速页面
○NOW—AI参与60%
AI已覆盖布局与基础交互生成，设计师主要负责方向判断与关键体验取舍。
○FUTURE—AI参与90%?
AI将承担端到端页面生成，设计师转向定义目标、约束条件与结果评估。
○AI可提效的节点？
布局生成、组件组合与代码初稿环节已高度自动化，显著缩短从想法到可用页面的路径。
当生成门槛降低，产出不再构成竞争优势，
设计价值体现在对结构、路径与结果的持续判断。
线性流程难以适配生成式工作方式，
设计从阶段推进，转向多线程并行与即时决策。
设计师正在从界面的生产者○转变为
过程的组织者○在AI参与设计的语境下○
设计不再是单一的输出○而是对工具
流程与选择的持续编排
Past○生成界面
以界面产出为核心，围绕需求逐步推进页面设计，
在既定流程中完成信息组织与视觉表达。
Now○组织过程
以问题判断为起点，组织工具、流程与协作方式，
在多轮生成与验证中持续优化设计决策。
明确需求阶段与目标边界，区分结构、精度与表达等不同问题。
基于需求特征确定设计路径，明确推进方式、资源配置与方向。
结合问题复杂度，界定AI参与范围、介入深度与设计控制边界。
根据项目节奏，选择合适协作路径、对齐交付方式与协同机制。
将过程中的判断与方法抽象整理，形成可复用的设计沉淀。
运用AI工具为设计提效，覆盖设计师4大高频工作流
以“快速上线与可用性验证”为主要目标，在有限的时间内完成从信息组织到基础交互的搭建
涉及多角色、多状态与长货架交互，优先梳理信息架构与用户路径，保证流程的完整性与可控性
基于已有产品，识别用户在实际使用中的阻力点，从理解成本、操作路径与反馈入机制手进行优化
围绕品牌与传播目标，通过视觉语言强化识别度与记忆点，在吸引用户关注的同时提升可传播性
需求背景○面向快手内部员工搭建基于openclaw框架的AI agnt平台入口
需求特点○短周期内完成核心模块搭建，实现需求上线与验证
挑战○3h上线完整页面需求？如何与前端同步推进？
对策○提供布局示意图并与前端实时验收
在了解用户需求和痛点后，快速生成可用页面
深度参与，优化页面结构和交互细节，用于后续迭代
Cursor主导 + Figma辅助
与前端协同开发，快速迭代，确保页面质量和用户体验
需求背景○用于视频评优能力的检测，辅助业务理解与决策推进
需求特点○短周期需求，面向汇报与演示能力
挑战○如何让AI生成结果符合预期？
对策○提供低保真结构图控制输出
在了解用户需求和痛点后，快速生成可用页面
用 AI 快速生成基础页面，用于汇报与方案验证
仅在关键信息与排版上做细节调整
以可演示页面作为输出，减少中间转换成本
需求背景○用户账户与资源管理核心面板，满足查看模型token消耗值，辅助决策
需求特点○有限空间内实现信息高密度呈现，保证数据清晰、层级准确与操作直观
挑战○如何 vibe 出可控的高密度信息面板？
对策○用 pencil 调整，校正时强调 padding、gap 数值
先完成整体结构，再针对间距、对齐与信息做精细优化
AI完成基础结构，设计师手动调整padding、gap等细节
Cursor 产出原型，在 Pencil 中手动校正
提供 pencil 设计稿+html 文件，保证开发还原一致性
需求背景○用于批量构建数据集与推理配置，涉及多步骤与多参数输入
需求特点○已有设计规范沉淀，流程性表单，需考虑用户的理解成本
挑战○如何在多步骤配置中降低理解成本？
对策○拆解流程结构，明确路径与反馈，确保过程可控
优先梳理完整流程与信息结构，再进入界面设计
对于有完整设计规范的b端需求，暂用传统工作流
通过Figma搭建多状态、多步骤流程框架
通过完整设计稿与前端对齐实现逻辑
需求背景○作为 LangbridgeClaw 的核心模块，面向用户提供技能浏览与选择入口
需求特点○明确技能分类规则和用户路径，降低用户理解成本
挑战○如何让用户理解skill体系并完成浏览与管理？
对策○定义分类与使用规则，构建浏览路径与模块结构
明确 Skill 分类规则与浏览路径，再组织页面结构
AI不参与结构设计，用于动画素材生成
在 Figma 中完成信息架构设计与模块划分
完整设计稿明确分类逻辑与页面关系，与开发对齐
需求背景○作为 LangbridgeClaw 核心模块，支撑数字员工创建与多员工管理流程
需求特点○梳理多状态结构与核心路径，在紧急需求下保证流程清晰与操作高效
挑战○如何在紧急需求下梳理多状态流程并保证易用性？
对策○用Figma Make快速出稿，再做人工校正
优先了解数字员工应用需求和创建流程
基于急需快速生成初稿，再回到结构与流程层进行优化
利用 Figma Make 提升出稿速度，再统一结构与视觉
在紧急需求下优先形成可初稿，与产品和开发并行推进
需求背景○补齐大模型平台Playground会话分享、开发者面板能力并优化页面视觉
需求特点○成熟b端产品，已有设计规范沉淀，需参考竞品补齐能力
挑战○如何在已有产品中识别体验瓶颈？
对策○基于高频场景，梳理核心任务链路，定位关键卡点
基于用户反馈的问题，迭代产品功能与体验
AI用于生成优化方案与部分交互细节
Figma搭建多状态、多步骤流程框架，Gemini生成动效
通过完整设计稿与前端对齐实现逻辑
需求背景○优化 LangbridgeClaw 的移动端界面，适配小屏使用习惯
需求特点○重构核心使用路径与信息层级，提升操作效率与可读性
挑战○如何在移动端承载复杂能力并避免操作负担？
对策○保留轻量操作，弱化复杂功能，引导转移至PC端
围绕pc端用户需求重构页面结构
已有前端实现的自适应初版，仅局部辅助调整
用Figma产出设计稿
在现有产品上逐步优化与替换
需求背景○制作 LangbridgeClaw 品牌周边与运营物料，用于强化品牌识别与传播
需求特点○提升记忆点与内容传播效率
挑战○如何降低AI产品理解门槛并增强品牌传播？
对策○通过IP与运营活动建立情绪连接，辅助产品引流
先明确视觉语言，再用AI扩展多个方向
AI负责生成，设计师负责筛选与统一风格
用nano banana 2.0 生成图片素材，figma 包装成设计稿
服务于品牌表达与传播场景
AI正在重构设计生产方式。What could the future be like?
○NOW—AI参与60%
AI已覆盖布局与基础交互生成，设计师主要负责方向判断与关键体验取舍。
○FUTURE—AI参与90%?
AI将承担端到端页面生成，设计师转向定义目标、约束条件与结果评估。
○AI可提效的节点？
布局生成、组件组合与代码初稿环节已高度自动化，显著缩短从想法到可用页面的路径。
○NOW—AI参与50%
对于成熟产品，AI主要辅助细节补全与局部生成，设计师仍主导结构建模与流程定义。
○FUTURE—AI参与65%?
AI将参与信息结构推演与多方案生成，设计师聚焦复杂关系与系统决策
○AI可提效的节点？
AI熟悉设计规范与原有流程，设计进行目标输入和方案决策。
○NOW—AI参与40%
AI用于发现问题线索与生成优化方案，设计师负责识别关键体验瓶颈与优先级。
○FUTURE—AI参与80%?
AI将参与行为分析与优化建议生成，设计师转向定义体验目标与策略方向。
○AI可提效的节点？
可主导用户画像、用户调研、用户反馈、竞品分析、数据分析，设计负责策略梳理。
○NOW—AI参与70%
AI已广泛用于风格探索与素材生成，设计师负责筛选方向与统一视觉语言。
○FUTURE—AI参与90%?
AI将主导多风格生成与快速迭代，设计师聚焦品牌调性与表达一致性控制。
○AI可提效的节点？
风格探索、素材生成与多版本输出效率大幅提升，显著降低视觉试错成本。
设计师都是工程师？从产出界面走向组织生成，我有哪些思考
○工具众多如何选择？
基于需求类型匹配工具能力边界，避免工具驱动设计
○AI结果不稳定如何控制？
通过结构约束与多轮迭代，将生成结果收敛到可用方案
○良好的产品审美力
在多样化生成结果中快速判断优劣，确保结构清晰、表达克制且具备产品感
○快速学习的能力 & 持续迭代的愿力
持续跟进AI工具与工作流演进，在实践中快速验证并不断优化设计方法
○让AI参与“判断”而不只是生成
从只生成界面，走向参与方案比较、路径选择与结果评估的协同设计
○和我的ai分身一起协作
训练具备个人审美与判断的设计分身，协助完成探索、生成与初步筛选
○构建个人设计工作流（AI-native）
将工具、Prompt与流程组合为可复用工作流，放大影响力
○作为“设计调度者”参与多Agent协作
在多AI协同生成中负责拆解问题、分配任务与统一结果
