

大家好,我是风筝 KK,之前我写过一篇文章《我们把 AI × UI 完整流程跑通了:从生图、Figma 到代码预览》,那时候主要针对简单页面,从生图到代码还原,基本能够搞定了。
但到了公司真实项目中,我发现还有不少问题:
AI 生成的页面质量不稳定,复杂页面经常需要反复修改;有时候生成得很快,但后续调整花费的时间反而更多。
但是 Codex 6.0 更新后,AI 绘制高保真交互稿的能力又变强了,我就简单地把需求文档和参考图给 AI,他第一次生成就可以生成还不错的视觉效果和完整的交互流程了。
所以我又开始思考,设计师和 AI 的协作模式到底怎么样才比较高效,如果想让 AI 真正参与设计生成,我们到底应该给它什么?
是给一张参考图就够了,还是需要补充需求文档、交互流程、设计规范,甚至把这些东西沉淀成 Skill?
这次,我用了两个实验案例,从需求分析、方案设计、落地实现到评估优化,重新梳理了一遍人和 AI 的协作方式。
以前拿到需求,我们可能会直接让 AI 开始画页面。
但如果连自己要解决什么问题都没想清楚,AI 生成得再快,也可能只是在堆功能。
这次我选择的是一个来自自己生活的真实问题。
我经常晚上研究 AI 工作流、写文章,一不小心就到了凌晨一点多。明明知道应该早点休息,但总觉得手上的事情还没做完,舍不得停下来。
所以我想做一个健康管理小程序,帮助晚上还需要工作、学习的人,合理安排时间,到点及时收尾。
1. 不知道做什么?先让 AI 帮忙梳理
一开始,我想做一个完整的健康管理 APP,包含运动、饮食、情绪和睡眠管理。
但这几个模块其实都不简单,每一个都可以单独做成一个产品。
于是我让 WorkBuddy 扮演资深产品经理,通过不断沟通,重新梳理自己的真实需求。
最后发现,我最想解决的并不是全面管理健康,而是晚上停不下来、总是熬夜的问题。
所以我暂时砍掉了其他模块,只聚焦睡眠和工作收尾。
这一步最大的价值,是先缩小问题范围,而不是一开始就让 AI 帮我们堆功能。

2. 让 AI 输出产品 Brief
确定方向后,我让 AI 整理了一份产品 Brief,主要包含:
- 用户背景与使用场景
- 用户痛点与产品目标
- 核心功能与范围
- 主要交互流程
- 关键业务规则
这里有一个细节值得注意。
产品不是简单地记录睡眠时长,而是围绕一个完整任务展开:
确定今晚计划 → 开始工作 → 保存进度并停工 → 睡前准备 → 记录上床 → 第二天回顾。
例如,用户今晚的任务没有完成,能不能结束工作?
当然可以。
因为产品真正要解决的是帮助用户建立健康的时间边界,而不是督促用户完成更多任务。
所以在收尾页面,用户可以选择完成、部分完成或未完成,无论哪种状态,都可以保存进度并结束工作。
这些看起来很小的业务规则,都会直接影响后续的交互设计。

3. 如果是公司项目,怎么用?
其实公司项目也是一样的。
如果已经有 PRD、原型图、业务流程图,可以直接交给 AI 分析。
如果需求还不够清楚,也可以把会议记录、用户问题、竞品调研等资料交给 AI,先整理成结构化的需求文档。
不一定需要特别长,但用户目标、功能范围、核心流程和关键业务规则最好说清楚。
需求越清楚,后面的设计就越有依据。

方案设计阶段最关键的就是构思阶段,所以想要 AI 设计的效果好,和设计师一样,一定要能把需求说得清楚。现在把 AI 当成一个员工,你现在需要让这个员工设计出符合你需求的设计,你要怎么和他沟通。
第一你会给他需求文档或者 PRD 文档,会给他说我想要什么样的风格给他参考图,会给他说某个交互链路我想参考这样的流程。如果你不确定,你会让员工去调研,做竞品分析,然后你根据他的调研、竞争对比逐步确定目标。
所以在方案设计阶段最重要的就是说清楚需求、视觉风格、交互逻辑。
1. 给需求 + 参考图
这次我准备了一张相关页面的参考图,分别尝试了 WorkBuddy 和 Codex。

首先是 WorkBuddy,根据产品需求和参考图生成交互设计稿。
从结果来看,AI 味还是比较明显,但用来快速验证页面结构和功能布局,已经有一定价值。

接着我把参考图和 WorkBuddy 输出的需求分析文档交给 Codex,让它继续生成高保真页面。

这次使用了更高的模型配置,视觉效果有了明显改善,但 Token 消耗也很高。
通过上面的案例,我发现尽管 AI 生图的能力很强了,但是生成的界面依然没有达到交付的标准,文字过小、滚动时导航也没有做交互效率,点击提交资料等表单可能也不是客户想要的。所以如何让 AI 更懂我们的设计意图,就尤其重要。
2. 建立 AI 可使用的素材库
如果想让 AI 更懂我们的设计意图,我认为至少需要准备三类参考。

第一类:竞品方案参考
重点不是让 AI 模仿页面,而是让它理解别人是怎么解决问题的。
例如推荐有礼、提交资料、信息展示等功能,可以收集同类产品的成熟方案,告诉 AI 哪些设计值得参考,以及为什么。
第二类:交互模式参考
告诉 AI 用户从哪里进入、如何完成任务、点击之后发生什么。除了正常流程,还要考虑保存失败怎么办、退出后如何恢复、权限不足怎么办。
这类参考能够帮助 AI 理解真正的操作逻辑,而不只是生成看起来完整的页面。
第三类:视觉风格参考
包括配色、字体、布局、卡片、按钮、图标、插画等。
最好不仅提供截图,还要标注具体参考什么,例如参考配色、卡片层级,还是插画风格。

我设想如果能把上面我说的不同维度的参考,做成可以供 AI 使用的案例库沉淀下来,就建立起来了和 AI 沟通的桥梁。
当你需要做一个项目时,你就可以直接调用你的 AI 想设计师一样去思考交互逻辑、界面设计等。你的 AI 将会更懂你,更能够生成稳定、高质量的设计。
3. 用 MD 和 Skill 把设计要求说清楚
除了参考图,我认为还可以进一步把设计要求结构化。例如,把项目目标、设计原则、页面规则、交互约束整理成 MD 文档。如果已经有成熟的设计规范,也可以直接提供给 AI。而对于反复使用的工作流程,可以进一步沉淀为 Skill,把操作步骤、判断标准和验收要求封装起来。

这里可以简单理解为:
- 参考图:告诉 AI 想要什么效果。
- MD:告诉 AI 具体有哪些规则和限制。
- Skill:告诉 AI 遇到这类任务时,应该按照什么流程完成。

我觉得 Figma 的设计规范文档管理还挺不错,可以通过 Figma AI 对规范进行调整,不过免费的额度稍微有点低。
我发现,在 AI 时代,设计师的工作正在发生变化。
我们不只是寻找参考、绘制页面,还需要建立素材库、设计规范和可复用的规则,让 AI 能够稳定地调用。
之前,我尝试先建立设计规范和组件库,再让 AI 生成页面,但生成结果容易像在拼凑组件,整体效果并不理想。
现在,我在尝试调整协作方式:先提供需求、交互流程、已有规范和视觉参考,让 AI 生成具有代表性的关键页面。经过比较和调整,确认整体风格,再同步到 Figma 中继续完善。

在此基础上,提炼字体、颜色、间距、圆角等设计规范,将公共部分整理为可复用组件,再让 AI 按照这些规则扩展其他页面。
后续修改时,也可以依据统一规则调整图标、卡片和组件样式,并持续检查不同页面之间的一致性。

这一步也非常简单,让 AI 直接提取设计规范,不统一的地方我们完全可以和以前人工时候一样,让 AI 将公共部分,抽取为组件。我们觉得图标不好换套图标,风格想从稳重改为活泼,我们只需要调整规范对应的间距、圆角、卡片、配图等样式,都可以让他统一修改。
前面从需求分析、方案设计到页面生成,基本完成了一轮。但 AI 生成页面,并不代表设计工作就结束了,我认为至少还需要检查四个方面。

需求是否完整
根据最初的产品需求,检查功能有没有遗漏,核心任务是否都能完成。
交互是否合理
检查页面之间的跳转、操作反馈、数据保存,以及异常情况下的处理。
视觉是否统一
检查字体、颜色、间距、圆角、组件等是否遵守设计规范。
是否达到交付要求
如果需要交付设计稿或代码,还要检查文字是否可编辑、图层是否清晰、组件是否复用,以及不同屏幕尺寸下的适配情况。
走完这次实验,我把目前的探索整理成了四个阶段:


我觉得,这套流程和传统设计方法最大的区别,不是设计步骤发生了变化,而是每个环节的人机分工发生了变化。
需求分析阶段,AI 可以帮助我们快速整理信息,但产品目标仍然需要人来判断。
方案设计阶段,AI 可以帮助我们发散更多方案,但哪些方案真正适合用户,仍然需要设计师选择。
落地实现阶段,可以把设计规范和组件规则交给 AI 执行,减少重复劳动。
评估优化阶段,可以让 AI 辅助检查和修复,但最终是否达到交付要求,仍然需要设计师验收。
未来,如果这些过程能够稳定复用,我们还可以把参考图、设计规则、组件和验收清单沉淀成一套完整的工作流。
AI 不只是帮设计师更快地画页面,而是让设计师有机会把更多精力放在真正重要的事情上:理解问题、做出判断、制定规则和保证质量。
复制本文链接 文章为作者独立观点不代表优设网立场,未经允许不得转载。








发评论!每天赢奖品
点击 登录 后,在评论区留言,系统会随机派送奖品
2012年成立至今,是国内备受欢迎的设计师平台,提供奖品赞助 联系我们
用户体验增长
已累计诞生 795 位幸运星
发表评论
↓ 下方为您推荐了一些精彩有趣的文章热评 ↓