用GPT Image 2做完一个真实UI项目后，我发现AI最难的不是出图

一、全文速览图

用 GPT Image2 做完一个真实 UI 项目后，我发现 AI 最难的不是出图，而是如何成为可控、稳定、能被设计师调度的工具。

大家好，我是风筝 KK。

24 年初，我曾经和大家分享过AI 如何融入敏捷开发，为设计提效。

那时候，我关注更多的是“效率”。

因为在真实工作里，团队采用敏捷开发，两周一个迭代，留给设计师做需求分析和方案设计的时间，往往只有三四天。

时间一紧，设计师最先牺牲掉的，往往不是交付，而是思考。

所以那时候，我开始把 AI 放进设计工作流里，用它帮我做需求拆解、资料整理、文案补充、方案初稿。

目的很简单：

先把重复的、结构化的工作提效，再把时间留给真正需要判断的地方。

但最近这半个月，我在项目里密集使用 GPT Image2 做 UI 方案发散后，又有了一个新的感受。

AI 对设计的影响，已经不只是“帮我们快一点”了。

它开始进入更前面的设计环节，比如前期的需求分析、针对性的竞品分析、需求评审、方案探索、方案验证、设计执行等。

过去这些内容，设计师通常需要自己找参考、反复做方案尝试。

现在 GPT Image2 几句话就能先生成一批方向。

一开始，我也觉得挺惊艳，我仅说了一段话，Image2 就给我生成了这样的效果。

提示词：给我生成体重监测 APP 的全套界面，APP 界面里面有粉色的卡通猫作为装饰，【设计风格 ios26 的玻璃风格】【手绘风格】，按钮宠物特点元素，比例 9:16.

不仅如此，给它一个草图，它能生成页面，给它一张参考图，它能迁移风格，给它一个模糊描述，它能给出几种视觉方向。

但真正放到项目里用了一段时间后，我发现一个问题：

GPT Image2 会出图，不代表它真的会做 UI。

很多图第一眼完整、好看，但放回真实项目里，会发现它更像概念图，不像真实 App；光效很丰富，但信息层级不清楚；页面看起来完整，却可能自动加了业务里没有的模块。

所以这篇文章，我不想单纯分享“GPT Image2 怎么出图”。

我更想聊聊：

当 AI 已经很会生成画面之后，UI 设计真正难的，变成了什么？

二、真正难的是什么？

真正难的不是让 AI 生成一张图。

而是拿到产品需求后，如何快速并准确地梳理页面目标。

需求梳理清楚后，如何探索正确的设计方向。

方向大概确定后，如何快速校准视觉风格。

视觉风格确定后，图标、卡片、运营位、插画又怎么统一。

简单来说，就是如何把 AI 放进整个 UI/UX 工作流中，而不是只把它当成一个生图工具。

我希望它最终能帮设计师达到这几个目标：

提升方案发散效率，降低视觉试错成本，降低沟通成本，帮助设计师更快判断。

但前提是：

AI 的输出要足够稳定。

如果 AI 生成的内容本身不稳定，我们直接去搭自动化流程，其实意义不大。

因为自动化不是目的。

自动化最后要产出有质量、可判断、可继续推进的内容。

如果只是把不稳定的结果更快地产出来，那不是提效，反而会增加返工。

所以这半个月我最大的变化是：

先让 GPT Image2 在单点能力上稳定下来，再考虑把它串进完整的设计工作流。

三、为什么会跑偏？

这半个月用下来，我遇到的问题主要集中在四类。

1. 输入模糊，容易跑偏

比如：如果你要做一个高端金融行业服务升级的启动页。

不要只说：

“金融一点、尊贵一点、有服务感。”

这些词设计师自己能理解，但 AI 不一定知道在当前项目里应该怎么落地。

我会把它拆成更具体的设计语言，比如：

页面尺寸为 iPhone 截图比例，保留状态栏，750×1624。
页面要像高端金融会员 H5 邀请函开场，不要像海报。
背景可以用深色高级底，但不要恐怖、压抑。
光效用柔和香槟金，少量贵族紫弥散光。
整体要温暖、向上、有生命力、有欢迎仪式感。
文字居中，标题精致但不要过大。
留白充足，页面要有真实 App 截图感。
同时明确禁止项：不要大金字、厚重阴影、恐怖黑暗、保险柜压迫感，也不要丧葬、宗教、末日氛围。
你看，这就不是简单在写提示词了。
这是把设计师脑子里的判断，翻译成 AI 能执行的规则。

2. AI 太会发挥

GPT Image2 很容易生成丰富的光效、装饰、3D 元素。

如果只是做概念图，这些可能挺好看。

但放到真实 App 页面里，很多时候更需要轻量、清晰、可落地。

比如一个人脸识别页面，AI 可能会生成很炫的背景、很立体的卡片、很丰富的图标。

但用户真正关心的可能只是：

为什么要做人脸识别，我的资料安不安全，识别时遇到异常怎么提示等。

如果这些信息没有被清楚表达，再漂亮的画面也只是视觉效果。

所以我现在会提醒自己：

AI 很擅长“表现”，但 UI 设计更需要“克制”。

页面不是越满越好，光效不是越多越高级，插画不是越大越有记忆点。

真实 UI 首先要让用户看懂，让操作明确，让信息能被承载。

3. 多轮修改容易变形

这是我踩坑最多的地方。很多时候，我只是想改一个小地方。

比如：

背景光效弱一点。

按钮不要太厚。

主视觉小一点。

图标不要太卡通。

卡片阴影轻一点。

但 Image2 的修改不太像 Figma 里的精修，它经常会在改一个地方时，顺手把整张图都重新生成。

结果就是：

按钮变好了，背景变了。

背景变好了，卡片变了。

主视觉变好了，页面结构又乱了。

所以如果一直整图反复修改，很容易越改越失控。

后来我更倾向于拆模块调整。

背景单独生成，按钮单独调整，图标单独试风格，主视觉单独优化，卡片样式单独对比。

每次只让 AI 解决一个问题，反而更稳定。

4. 好看不等于落地

AI 图经常第一眼挺好看，但真实项目里，最后还要回到 Figma 里重构。

你要看：

字号能不能统一。

间距能不能还原。

按钮比例是否合理。

卡片组件能不能复用。

图标风格是否统一。

前端实现成本高不高。

内容是否符合业务规则。

所以 GPT Image2 生成的图，更多是方向参考，它不能直接替代最终设计稿，如果设计师没有做二次判断和重构，很容易把“方向图”误当成“交付稿”。

所以 GPT Image2 提高的是发散速度，但设计师必须提高收敛能力，否则 AI 只会生成更多选择噪音。

四、我的工作流

经过这半个月的深度使用，我现在会把它收敛成四个动作：

先分析，再参考，先发散，再收敛。

1. 先分析：别急着出图

1）前期分析阶段

在前期分析阶段，我会把我了解到的产品需求、业务背景、用户场景，以及我自己主观上的判断，先全部喂给 GPT。

这一步不是为了让 AI 直接给页面方案，而是先让它帮我做需求分析。

比如我会让它判断：

这个项目到底要解决什么问题？

业务目标是什么？

用户目标是什么？

页面的第一性原理是什么？

最核心的用户任务是什么？

最该优先解决的 20% 问题是什么？

如果引入 AI，AI 应该放在哪个环节？

如果产品还在讨论阶段，我也会让它先帮我做产品定位。

这一步的价值是，先把模糊的信息结构化。

很多时候，需求文档里写的是功能，但设计师真正要判断的是：

为什么做，给谁用，解决什么问题，这个页面到底要推动用户完成什么。

如果这一步不清楚，后面出图越快，越容易跑偏。

所以我现在会先让 GPT 帮我把问题拆开，再进入视觉方案。

具体如何进行产品定位，可以查看我之前和大家分享的《以智能客服管理平台为例，手把手教你如何用 AI 定义设计问题》文章后面有详细的提示词，大家可以直接使用。

2）需求评审

需求评审阶段，我也会让 GPT 先帮我过一遍。

因为很多需求在评审时，看起来是一个页面问题，但背后其实可能是业务规则、权限、数据、状态、异常没想清楚。

所以当你把需求背景、任务角色、产品目标、老板的想法等喂给 AI 后，我会让 AI 帮我提前检查几个问题：

然后 AI 会帮你提前判断：

这个需求是不是清楚？

规则是不是完整？

有没有缺状态？

有没有隐藏风险？

这个页面是否真的需要做？

有没有更轻的实现方式？

AI 可以帮我先扫一遍，让我在评审时更快抓到问题。

2. 再参考：不要让 AI 凭空发挥

进入方案前，我一般还会让 AI 帮我做一轮竞品分析。

但这里的竞品分析，不是让 AI 直接替我下结论。

因为目前 AI 还是会有幻觉，尤其是具体竞品和细节上，不适合完全依赖它。

我现在更常用的方式是，让它帮我寻找竞品方向，并根据我们的业务目标，整理出一张分析表。

然后我再根据这张表，逐一去体验真实产品。

我会重点看几个维度：

竞品怎么组织信息。核心入口放在哪里；主操作怎么设计；不同状态怎么展示；异常情况怎么收口；哪些设计可以借鉴；哪些不适合照搬。

如果是 AI 相关产品，我还会额外看：

AI 入口是主入口还是辅助入口；输入引导是否清楚；结果呈现是否结构化；任务是否真的闭环；低置信度、失败、权限不足时有没有兜底。

这一步的目标不是做一份很厚的竞品报告，而是帮我回答一句话：

这个方向，行业里通常怎么做？我们应该借鉴什么，又应该避开什么？

这里也包括参考图：

当我们关键词不够清晰时，什么形容词都不如几张对的参考图来得快。

就像自己做图一样，先找风格参考，再找结构参考。

你可以告诉 GPT Image2：

参考图 1 的视觉风格，参考图 2 的页面结构。

这样它生成的方向通常会比凭空想象更稳定。

3. 做发散：让 AI 先跑多个方向

前面几个阶段做完之后，再进入 GPT Image2 的方案发散。

这个阶段，我现在主要会用四种方式。

1）模糊需求出多方案。

当需求还不够清晰时，我不会只让它出一张图，而是会让它出 3 个方向。

比如做一个金融 App 首页，可以先尝试：

黑金轻透版。

白金轻奢感。

创意空间版。

这样做的好处是，团队可以先基于画面讨论：到底要更像工具、更像服务，还是更像活动运营。

它的价值不是让 AI 帮你决定方向，而是让你更快看到有哪些可能性。

2）参考风格定调性。

当视觉风格还没收敛时，我会让 GPT Image2 参考某类 App 的设计语言，快速校准方向。

比如你想参考滴滴的风格，就不要只说“参考滴滴”。

你可以拆得更具体：

参考它的浅色背景、卡片层级、按钮比例、图标克制感、运营位轻量感。

这样 AI 学到的是设计语言，而不是表面颜色。

3）基于垫图改风格

当已有初稿但风格不合适时，可以用 GPT Image2 做快速调整。

比如：

太卡通，就降低 Q 版感。

太重，就减少投影和复杂背景。

太 3D，就改成轻量扁平。

不够像 App，就降低装饰，突出信息承载。

运营感太强，就弱化氛围，强化内容层级。

这个方式主要用于快速判断：

当前方向是否值得继续深化。

如果 AI 改完之后，方向明显变好，就可以回到 Figma 里继续精修。

如果改了几轮还是不对，说明可能不是风格问题，而是结构或定位本身需要重新判断。

4）草图转视觉方案

当只有手绘草图或粗略想法时，也可以用 GPT Image2 快速生成视觉草案。

比如你在做金融首页时，AI 生成的结构总是不符合预期，这时候可以先手绘一个大体结构：顶部导航、中间主卡片、下面功能入口、底部主按钮。

然后再告诉 AI：根据这个结构，参考支付宝基金类页面的设计风格输出效果图。

这样做的价值是，让模糊想法先变成可以讨论的画面。

它不需要完美。

它的作用是帮助团队快速判断：结构是否成立，信息层级是否合理，风格是否值得继续深化。

4. 再收敛：回到判断和落地

1）让 AI 帮我分析每个方案优缺点

当设计方案已经有了 2-3 个方向后，我会让 AI 再帮我做一轮视觉诊断。这一步不是让 AI 决定哪个方案最好，而是让它帮我把问题拆出来。

比如两个方案都挺好看，一个更有氛围，但信息被弱化；一个更克制，但视觉记忆点不够。

这时候 AI 可以先帮我从信息层级、页面结构、视觉风格、卡片样式、图标统一性、按钮比例、光影氛围、落地成本几个维度分析差异。

最后再由我判断哪个更适合当前目标，所以视觉诊断这一步，AI 不是评委，它更像一个帮我拆问题的助理。

2）Figma MCP 还不稳定

到了设计执行阶段，我也尝试过让 GPT 通过 Figma MCP 直接把方案落到 Figma。

但目前我的体验是：还不够稳定。

如果只是让它 1:1 还原效果图，页面结构、组件比例、细节还原都不太理想。

所以目前在我的 UI 工作流里，我更习惯这样用：GPT Image2 负责生成方向图，设计师负责判断和收敛，Figma 负责最终重构和交付。即梦这类工具可以辅助生成局部素材，比如图标、插画、背景元素。

这样反而更省钱，也更稳定。

目前对我来说，一个 GPT Plus 基本就能覆盖前期大部分方案发散和视觉探索。

AI 不是直接替我完成整套设计稿，而是帮我减少无效试稿。

3）评估阶段

至于设计评估阶段，目前我还没有完全把 AI 加进去。

比如测试用例、交互验收、页面状态检查，我很多时候还是手写更快。

原因很简单：

这个阶段需要非常明确的规则，而 AI 有时候太发散，不够收敛。

如果前面的交互规则我已经整理清楚，手写测试点和验收点反而更直接。

当然，后续这里也可以继续探索。

比如让 AI 根据交互文档帮忙检查：

是否缺少空状态、错误状态、权限状态、操作反馈，是否有文案不一致，是否有前后流程不闭环。

但目前对我来说，它还不是最高优先级。

五、真正的价值

这段时间用下来，我觉得 GPT Image2 对 UI 设计最明显的价值，不是替代设计师，而是帮助设计师更快进入判断。

1. 发散更快

过去在时间紧的情况下，可能只能做 1-2 个方向。

引入 GPT Image2 后，可以更快看到多个可能性，再由设计师进行筛选和收敛。

它的价值不是更快出最终稿，而是更快完成前期方向探索。

2. 试错更低

一些风格轻重、图形比例、构图关系，不需要一开始就在 Figma 里完整绘制。

可以先通过 AI 快速试插画轻重、背景复杂度、颜色氛围、图标风格、卡片形式、运营感强弱。

这样可以减少无效试稿。

3. 沟通更快

很多设计描述本身比较抽象。

比如：金融一点\轻量一点\不要太卡通\更有服务感\不要太抢主视觉。

以前大家只能靠语言想象。

现在先用 GPT Image2 生成方向图后，团队可以基于画面讨论。

不是讨论“你理解的高级”和“我理解的高级”。

而是直接讨论：这张图哪里对，哪里过了，哪里可以保留，哪里需要收掉。

4. 判断更快

AI 生成多个方向后，设计师可以更快对比：

哪个更符合业务目标，哪个更适合页面位置，哪个更符合品牌调性，哪个信息层级更清楚，哪个更容易前端落地。

所以 GPT Image2 并不是替代设计判断，它是帮助设计师更快进入判断。

六、后续探索

最后说一下我接下来想继续探索的方向。

我现在对 AI 进入设计工作流的期待，其实很简单。

1. 我希望 AI 能把重复、费力气的事情先接过去。

比如资料整理、需求拆解、竞品框架、状态枚举、方案初稿、视觉方向发散。这些工作不是没有价值，但它们很耗精力。如果 AI 能先做一轮，设计师就能把更多时间留给真正需要判断的地方。

2. 我希望慢慢打造一套自动化的设计工作流。

但我现在也意识到，自动化不能一上来就追求完整。前提是每个环节都要相对稳定。

比如：需求分析能不能稳定输出；竞品分析能不能稳定提炼；方案发散能不能稳定不跑偏；视觉诊断能不能稳定拆问题；设计文档能不能稳定补状态。

只有这些环节稳定了，自动化才有意义。否则，只是把不稳定的结果更快地产出来。这不是提效，反而会增加返工。

所以我现在对 AI+UI/UX 工作流的理解是：

先让 AI 在单点能力上稳定，再把它串成流程。

GPT Image2 最难的不是出图，而是如何在真实 UI 项目里，变成一个可控、稳定、能被设计师调度的工具。

AI 不是让设计师少思考，而是逼着设计师把自己的判断说清楚。

你越能定义问题、拆清边界、判断方向，AI 才越能成为工具，而不是开盲盒。