UI/UX设计师要懂的10个高频AI词汇，一次讲明白！

一、全文速览图

自从进入 AI 时代，各种没见过的词就层出不穷，刚搞懂 Agent、Skill，又冒出来 RAG、Repo，让人应接不暇。

对咱们设计师来说，这些偏技术的词以前根本不碰，可真要说不懂吧，又显得自己有点 out。

所以今天，我们就一次性把 10 个高频词讲清楚。

二、LLM（大语言模型）

这是所有 AI 对话工具的底层能力。你用的 ChatGPT、Claude、豆包、DeepSeek，往根上扒，都是一个 LLM（Large Language Model）。

大语言模型主要处理文案类内容的理解和输出。之所以叫 “大” 语言模型，就是因为它有非常大的训练数据集，所以练出了以往没有过的 “智能”。

它的本质是猜字，根据学习经验，一个字后面大概率出现哪个字，它就输出那个字，所以很多时候容易胡说八道，特别是涉及数据、事实等。

三、VibeCoding（自然语言编程）

VibeCoding 是 2025 年兴起的词汇，有各种各样的翻译，比较主流的是 “氛围编程”，甚至还有音译的 “围脖编程”……

我个人认为，这些翻译完全是不知所云。其实这个词主要就是说不用自己写代码了，靠说话就能写，所以更精确的翻译应该是 “自然语言编程”。

一样的，VibeDesign，就是 “自然语言设计”，靠对话就把设计做完了。

四、Agent（智能体）

如果说 LLM 是个只会陪你聊天的大脑，那 Agent 就是让这个大脑能自己动手干活。

聊天机器人是你问一句、它答一句，答完就完事。Agent 是你交代一个任务，比如 “帮我做个人网站”，它就可以自己拆成好几步：先想方案、再动手、遇到问题自己调整、最后把结果交给你。

典型的 Agent 就是 Codex、Claude Code 这种，能独立完成各种任务，甚至直接操作你的电脑。

最近 Figma 也上线了 Figma Agent，这种是属于传统应用内的 AI 助理，能帮助解决一些清晰可执行的任务。

五、Skill（技能）

Skill 是一份打包好的 “工作手册”：把 “遇到这类活该怎么做” 写清楚，甚至连模板、工具都一起备好。AI 接到活，需要哪项本事，就翻出对应那本照着做。

我个人觉得，Skill 基本可以对标 “SOP”，其实就是把一件事怎么做的方法写下来，让 AI 照着进行，不要自己发挥。

比如用户研究、竞品分析等每次流程都差不多的事项，你就可以做成 Skill，AI 就可以像一个有经验的用户研究员、一个懂行的竞品分析师，直接照着你定的那套方法来干。

说白了，就是把团队的看家本领，一件件 “存” 进 AI 里。我们经常听到把同事 “蒸馏” 了之类的，本质上就是把他的工作方法写成了 Skill。

六、Token（词元）

经常听到有人说 “太烧 Token 了”、“Token 不够了”，作为 UI/UX 设计师都会比较懵逼，还以为是设计系统里的色彩 Token 坏掉了。

其实 AI 领域的 Token，只是 AI 读字、写字的计量单位，因为 AI 模型厂商按照这个单位收费，所以也成了 “烧钱” 的单位。

AI 看文字不是一个字一个字看，而是切成一小块一小块来处理，每一小块就是一个 Token，中文大概一个字算 1 到 2 个 token，英文会少一些（这下知道英文好可以省钱了……）。

七、MCP（模型上下文协议）

MCP 是一个通用插口，让 AI 能连上你的各种软件和数据。

以前你想让 AI 用上某个软件、读到某份数据，得单独定制、费半天劲对接；有了 MCP 这个统一标准，就像有了通用插口，插上就能用，能连的东西越来越多、越来越方便。

所以，想让 AI 直接读你的 Figma 文件、接上你们的设计系统、调用组件库，靠的就是这类协议在底下打通。

八、Plugin（插件）

这个词你其实最熟：Figma 插件、PS 插件、浏览器插件，都是它。

放到 AI 身上是一个道理：给 AI 外挂一个个小功能，让它多长一项本事。装上查天气的插件，它就能报天气；装上订票的，它就能帮你订票。AI 本体不变，靠插件一点点把能力摊开。

这个好像跟 MCP 很像？其实有点不同。

我举个例子，插件有点像 U 盘，有各种品牌各种大小，都是各个厂商自己定义的，而 MCP，就是那个 USB 插口，是标准化的，MCP 的核心就是把插口统一成一种。

九、RAG（检索增强生成）

前面说过，LLM 是 “猜着往下说” 的，容易答得笼统甚至瞎编。所以 RAG 的做法是：回答前先去你指定的资料库里翻一遍相关内容，再照着这些真材实料来答。

这正好解释了一个你可能有过的困惑：为什么 AI 给的设计建议总是那么空泛、放哪个项目都能套？因为它只用了脑子里那点通用知识。

所以说，把你们公司的设计规范、历史项目、组件库喂给它（这就是在做 RAG），它的回答才会紧贴你们的实际情况，而不是一堆正确的废话。

十、CLI（命令行界面）

CLI 就是那个黑底白字、只能打字的 “黑框框”，电脑里叫做 “终端” 的地方。

你平时用软件是点图标、拖鼠标，那叫图形界面；CLI 反过来，全靠敲命令。听着极客，但现在不少最强的 AI 工具，恰恰是这种命令行形态，你在黑框框里打字，它就在里头帮你干活。

设计师容易被命令行劝退，其实不用怕，你把它当成 “一个长得朴素的聊天窗口” 就行，本质还是你说话、它干活。

真上手用一次，反而挺开眼界。你会发现 “做设计” 和 “敲两行命令让机器替你干活” 之间，那道墙没你想的那么厚。

十一、Orchestration（编排 / 调度）

你问 AI 西红柿鸡蛋怎么做，它可以直接告诉你答案，但当你让它做个用户研究，改版个人主页这种大项目时，它就得调用不同的插件、不同的 Skill 才能完成。

它们就得有先后、有配合，需要有个 “总指挥” 来安排，这就是 Orchestration，相当于项目经理，或者乐队指挥。

理解了它你也就明白：未来设计师值钱的地方，可能不在于你会用某一个 AI，而在于你会把一堆 AI 编排成一条顺畅的流水线。

十二、写在最后

把这十个词摆一块看，你会发现它们说的其实是同一件事：

AI 正在从一个 “陪你聊天的工具”，变成一个 “能替你把活干完的伙伴”。

你不用懂背后的技术，只要知道每个词站在 “AI 帮你干活” 这条链条的哪个位置：谁是大脑（LLM）、谁负责动手（Agent、Skill）、怎么算账（Token）、怎么连上你的东西（MCP、Plugin、RAG）、在哪儿敲命令（CLI）、AI 具体怎么做（Orchestration、VibeCoding）。