我养了一个设计评审专家Skill，帮你一键提升设计质量！

全文速览图

自从上次写了一篇用AI做设计走查这个苦活：

我终于用AI跑通了全自动的文章后，我就一直在想一件事，既然AI能帮我们看设计还原的问题，那能不能再往前走一步，在设计过程中就帮我们做评审？因为比起还原的效果，设计稿的质量本身更加重要，我们做完方案还要给领导汇报方案，要做设计优化，如果能在设计稿还没交出去的时候，先找一位设计专家帮你过一遍，把低级错误给识别出来，那多有底气啊。

我自己做设计的时候，也免不了会犯低级错误。有时候发出去之后才发现，图标体量不一致，间距差了几个像素，颜色饱和度感觉不大对。这些问题都是小问题，但被人指出来就有点尴尬，因为你知道自己是有能力避免的，就是做的时候漏了。我也发现很多设计问题其实是有共性的，常犯的就是那些。

之前在朋友圈看到一个大佬发的设计暴论，哪怕你只把对齐这件事做好了，就已经能达到设计及格线了。话虽然糙，但我觉得还挺对的。

然后我就想到小时候看的美猴王动画片里有一个情节，孙悟空在菩提老祖的藏经阁里通过吃书来学习，吃完就记住了。导致我到现在一直都有这个幻想，要是我也能过目不忘就好了。

我们看过那么多设计文章，站酷优设上收藏了一堆，但看完就忘，做的时候也想不起来。如果能把这些优质的设计文章和经验规范全部喂给AI，让它替你记住，然后每次做完设计稿帮你查一遍，这不就是把孙悟空吃书这件事给实现了吗？

而且这个事情有一个特别让我兴奋的点，就是它可以不断养成。当我喂给它的优质设计文章越多，自己踩过坑的案例越多，这个skill就会越来越懂我的标准，越来越好用。在用的时候，就相当于请了一位有耐心又专业的设计专家在项目里，心里多踏实啊。

文章后面会把我最终输出的skill地址发出来，开源给大家一起来用。

那还想啥，说干就干。

我打算用Claude和Codex交叉验证。综合两家的意见，通过互相补充的形式来完善这个视觉评审skill。我给这两个工具写了一段一样的提示词，让它们各自输出skill。

提示词大概是这样的，

我想做一个设计评审skill，希望它能像公司里的设计专家团一样进行评审，
查看有没有犯基础性错误，给到具体的优化建议。
然后让它去网上搜集设计规范、设计原则、站酷优设上的优质文章，
把这些能力都学会。同时也给了几篇我觉得特别好的设计文章链接，
让它重点学习，也相当于给他们引子，知道去这些平台搜文章学习。

先发给codex

再发给claude

然后它们就分别开始干活了。

先看claude写出来的skill，包括了一个主skill和4份参考文件，颜色、图标、布局和字体。

主要包括了核心立场、输入处理、程序化检查，还有一套完整的评审流程，第一步整体印象，像设计师看稿子那样先3秒直觉扫一遍，第二步分维度走查，第三步问题分级，第四步输出报告。最后还有追问与迭代的机制。

它里面还写了几个细分的评审参考文件，我也看了下，涵盖的还挺全面的，颜色对比度怎么算、图标图形怎么判断一致性、布局间距的规则、字体排版的细节，这些基础但容易忽略的维度都覆盖到了。

codex这边，经过15分钟的学习和分析，也输出了一个skill，同样包括评审参考文件。它的结构包括评审目标、执行边界，然后是具体的评审流程，识别输入与上下文、加载评审知识、做四轮检查、验证硬指标、定级与置信度，最后还有输出原则和完成标准。

codex在设计资源参考文件这块明显更全面一些。看它在参考文件列了这么多链接，就觉得应该会稳很多。

而且我们也可以手动往这个skill里喂东西。平时看到好的设计文章就发给AI，我们自己觉得不对的地方也可以让它学习吸收，这个skill就会不断进化，直到它成为一个真正属于你自己的设计专家。

直观对比起来，我感觉codex出来的结果会比claude更全面一些，效果更好。这里就不多赘述skill的具体细节了，后面我会把优化过的最终skill开源给大家。以后可以直接把设计稿发给AI，让它帮你做审核，确保不犯低级错误，同时还能学到一些设计判断的逻辑。

skill写完了，光看结构没用，得实际测试一下。

我先用一个最简单的案例来测，看这两个skill哪个更好用。选了一个大家都熟悉的视觉体量细节来做测试，结果应该大家都知道，所以方便验收。我之前在文章里写过一个关于设计细节的案例，就是下面这张图。

先把问题抛给Claude。

看看Claude的回复，该说的基本都说到了。

Claude还把图上的问题给标注出来了，这个挺直观的，甚至还分别做了几个文件。

这是Claude建议修改后的结果。

codex这边，也给出了很详细的问题分析。

不过codex没有直接给修改后的图，我让它补了一下，也能改对。

对比下来，两个在这种基础问题上都能准确判断出来，但在修改结果和问题描述的清晰度上，个人觉得codex会更好一些，简洁实用。

基础测试过了，但还不够。数据层面的对齐问题本来就是AI擅长的，我更想知道它在设计细节这种偏感性的判断上能不能行。

下面用一个复杂一些的案例来测。

我找到之前有位星友发给我看的作品集，其中有一组图标设计，当时我给了优化建议。现在正好把这组图标发给AI，看看它能不能识别出同样的问题。

我把这组图标分别发给Claude和Codex，这次它们也都识别出了问题，并且给了相应的建议。

先看Claude的。重点说了设计风格一致性的问题，确实是的，同时还给了示意图。

它给了具体的优化建议，每一个问题点都有判断依据和对应的改法。

并且还给了问题优化的优先级，这个挺实用的，知道先改什么后改什么。

再看看Codex的，它检查出来的问题是这些。

Codex也给出了逐个优化的建议。

包括更进一步的整体性建议。

但我发现Codex只给文字不给图。跟Claude比，差了点意思。不过没关系，这正好是一次更新skill的机会。

方法很简单，直接告诉它你的诉求就行。我在skill里加了一条，每次的修改意见最好能生成对应的标注图和优化建议图，直观的把优化点标记出来。

现在再把设计图发给它试试。

这次就有图了。

也看看它的具体优化建议，细节考虑的还挺完善的。有些地方甚至我自己都没注意到，比如细节过多，在缩小尺寸时可能会糊掉这类问题。

说到这里想多说几句。你看上面这个过程，其实就是一个不断养成的逻辑。发现缺什么就补什么，发现哪里判断不准就调整规则。这个skill不是写完一版就定死了的东西，它会跟着你一起成长。你用的越多，喂给它的案例越多，它对设计的判断就越来越接近你自己的标准。

接下来我打算把两个skill的优点结合一下。Claude在报告的可视化和结构化上做的更好，Codex在评审维度的全面性和设计资源的学习上更有优势，干脆合并起来。

Claude经常容易封号，太狗了，使用起来不是很方便。所以我就把Claude出的skill内容下载下来，贴到Codex里，让它来合并。

看看合并过程中Codex的思考，也蛮有启发的。它提到不要把规范变成死的，美学是一个相对主观但又有逻辑性的判断。这个认知我觉得挺重要的，设计规范是参考线而不是牢笼，一个好的评审skill应该能区分错误和风格意图。

然后就有了最终的skill第一版。

接着我又反复测了几个案例，跟上面的方式差不多，好的部分留下，不好的部分去掉，持续迭代。

比如我把自己之前做的一个界面图发给它，看看它的建议。

这是它给的建议。

还给了一版优化方案。

不管最终采不采用，至少是一个参考。从它给的优化建议来说，确实有些地方给了我启发。

我把这个skill上传到了GitHub。地址在这里

网址：https://github.com/ColourCloudSky/review-ui-design-skill

你可以基于我这个skill，把你自己公司的评审规则添加进来，然后就能实现AI自动评审了。哪怕不做更多定制，直接拿去用，至少能帮你把设计拉到一个平均线。

后续我会不断迭代这个skill，记得点star，保持更新。

老实说，这篇教程只是把我写skill的过程分享给大家，目前这个skill还远没有到特别成熟的阶段。它需要不断吃进去真实案例，越迭代才会越好用。

但我觉得这件事本身就挺有价值的。做这个skill的初衷其实就是为了方便自己用，当我有了这个需求和想法之后，很自然的就想到用AI来实现它。这在以前几乎是不可能的事情，但现在有了AI，好像一切都值得试试。以前很多小工具都必须有开发能力才能做，现在人人都可以了。

但我也想说，在用AI解决基础问题的同时，更重要的是不断精进自己的专业能力。AI可以帮你查出低级错误，但真正的审美判断、设计品味、对用户体验的敏感度，这些东西现在还是得靠你自己。这个skill能帮你兜住下限，但上限永远在你自己手里。

我现在跟AI的合作方式是把它当成一个很好的创意搭子。我会把找到的参考图发给它，让它基于参考图进行创意设计，然后我再基于它输出的结果来优化和判断，这样设计发散会很有效率。有时候AI出的结果会给我不少灵感，让我想到原来还可以这样组合，进而我再手动设计出更好的方案。

就像是找到了一个无声的创意搭子，不再头疼没思路的问题了。

毕竟AI是有问必答啊。

欢迎关注作者的微信公众号：「彩云译设计」