本文着眼于 AI 时期的设想原则，基于 Figma 团队的实验教训，探讨了四个要津的设想理念，旨在为 AI 范畴的居品司理、设想师和独处成就者提供启发和指令。

跟着东谈主工智能（AI）的飞速发展，居品成就的门槛不休诽谤，设想逐步成为折柳居品优劣的要津要素。AI 正在从压根上篡改设想师的责任方法，它省略生成代码、设想，致使是完满的应用智商，大大裁汰了从见地到制品的时候。而在这个全新的 AI 时期，若何界说“优秀设想”？又该如安在快速变化的时刻环境中指令团队达成超卓的设想呢？

一、编纂优秀设想的基本原则

Oscar Dumlao，Figma 居品设想师

Oscar Dumlao 合计，在 AI 设想器具的发展过程中，最遑急的是教学 AI 一些基本的设想旨趣和原则，为其奠定安靖的设想基础。尤其是当 AI 生成 UI 初稿时，必须为其提供判辨的设想指令，匡助 AI 领路什么是“好设想”。

当 Figma 团队初次构建 AI 功能，尝试通过设想系统生成 UI 初稿时，他们意志到一个中枢问题：若何向 AI 传授优秀设想的机制？Oscar 指出，诚然大型讲话模子（LLM）在文本生成任务（如撰写或编码）上相等有用，但要让 AI 领路并生成高质地的视觉作品，尤其是 UI 设想，仍需跳跃庞杂的鸿沟。

他们很惬心志到，无法浅薄地向 AI 提供一套详备的设想规章，因为：

设想复杂性：将“好设想”的每一个细节界说为有限的指令方针是不现实的。

时刻松手：即使不错，AI 模子处理输入的松手也使得向 AI 提供过多规章在时刻上不成行。

因此，团队聘请简化优秀设想的原则，将其浓缩为一组小而强劲的指令方针。这些指令方针迷漫具体，省略实验应用在职何 UI 设想中，同期也具备平凡的适用性。举例：

操作位置：恒久将主要操作放在屏幕底部。

布局范例：以 8px 的增量进行测量。

这让我想起了教授的本色：当咱们必须教别东谈主若何设想时，时时需要将我方的直观领路解构为一系列明确的原则，这些原则既要判辨具体，又必须在平凡的情境中适用。

Oscar 强调，通过传达这些省略最大化设想杠杆的原则，Figma AI 在短短几周内显贵提高了生成设想的质地。尽管网站和应用智商的外不雅不错天差地别，但真的通盘软件齐不错归结为几个中枢布局模式，这些模式为 AI 提供了一个踏实的基础。AI 在生成圭表化决议时，咱们的任务则是将创意和新意注入其中，因为仅凭已往的数据，AI 无法创造改日。

重心回来：

简化复杂的设想原则，传授给 AI 一套省略平凡适用的设想指南。

AI 的设想生成才能只是最先，设想师的变装是为这些基础设想注入改进和个性。

二、收紧从设想到代码的轮回

Jordan Singer，Figma 居品设想师

跟着 AI 器具逐步融入设想和成就进程，设想师和成就者的职能范围将变得越来越恶浊。Jordan Singer 指出，AI 将鼓励设想师和工程师的妙技组合不休演变，以适当这一新的范式。

设想师将需要掌持更多时刻学问，了解 AI 器具的功能和局限性，而工程师则需要深切领路设想原则，以更好地创建用户导向的处分决议。诚然最终的居品输出可能看起来同样，但背后的责任进程将变得愈加高效和合营。

Jordan 提到，这种迂曲访佛至今天的“设想工程师”变装——一种既具备设想才能又能编程的万能型东谈主才。他们当先可能只是想让我方的想法付诸达成，或者但愿 UI 愈加好意思不雅，因此学习了新的妙技并跳跃了学科的界限。

改日，咱们将看到更多这么的复合型“居品构建者”，他们省略诈骗 AI 器具快速达成愿景，简化从设想到成就的进程。尽管学科之间的界限变得恶浊，但设想师和工程师各自的专科范畴仍然具有不成替代的价值。设想师也曾会专注于打造超卓的用户体验，而工程师则汇聚焦于构建强劲且可推广的系统。AI 不错生成代码片断或布局建议，但最终的设想标的和时刻达成仍仰赖于东谈主类的专科学问。

跟着 AI 器具的不休集成，设想与成就之间的轮回将愈加邃密，股票交易合作将变得愈加高效。

重心回来：

AI 器具将恶浊设想和成就的职能范围，鼓励设想师和工程师的妙技和会。

改日的“万能居品成就者”将省略更好地独揽 AI 器具，达成从设想到代码的快速滚动。

三、实用主见的力量

Marco Cornacchia，Figma 居品设想师

Marco Cornacchia 强调，AI 时期的优秀设想，其中枢在于求实地诈骗咫尺的时刻来处分实验问题，提高用户的责任成果。与其追赶炒作 AI 的万能性，不如专注于那些省略切实匡助用户的功能。

Marco 以 AI 支持搜索为例，展示了 AI 若何通过浅薄的时刻大幅提高设想师的责任成果。设想师时时需要破耗多数时候在查找设想资源、组件或钞票上，而 AI 支持搜索省略通过浅薄的讲话形容，匡助设想师快速检索所需内容。借助 Visual Search 功能，设想师致使不错通过上传截图，定位团队里面的干系设想，勤俭了多数时候。

此外，AI 支持搜索还省略为设想探索注入新的活力。好多有价值的设想责任时时被束之高阁，最终被淡忘。但通过 AI 的强劲检索才能，这些责任不错被重新发掘，成为灵感源头，匡助设想师快速找到创造性处分决议。

Marco 强调，应该以三想尔后行的方法将 AI 融入现存进程，幸免因为过度追赶“万能 AI 助手”而导致失望。AI 器具应从省略切实提供价值的小功能开动，举例自动图层重定名或智能搜索，渐渐推广其作用。

重心回来：

AI 时期的优秀设想应求实且高效，专注于处分实验问题，而非追赶万能 AI 助手的炒作。

通过渐进式改造，AI 器具不错渐渐推广其功能，最终为设想师提供切实的匡助。

四、倾向于共同创造的模式

Natasha Tenggoro，Figma 居品设想师

Natasha Tenggoro 提议了“协同创作”的理念，强调 AI 应该与设想师一谈责任，而非浅薄地自动化设想过程。AI 需要迷漫了解用户的责任配景，智能地研讨需求，并提供有针对性的建议。

Natasha 指出，AI 的有用性取决于它对设想师的实验责任偏执高下文的了解。现时，AI 通过领导用户提供更多高下文信息来弥补这一差距，但梦想的 AI 应该省略主动了解用户的策画、设想系统、以往的责任以及神气配景。

这种协同责任模式不仅省略自动化设想，还能增强设想师的创意过程。举例，AI 不应该从零开动生成通盘内容，而是应该在设想师责任过程中提供改造建议，访佛于 GitHub 的 Copilot 为成就者提供代码领导。这种 AI 器具不应替代设想师的责任，而是与设想师合作，将想法付诸现实。

Natasha 形容了一个改日场景：在一次 FigJam 策画会议收场后，AI 省略自动分析会议纪录，识别优先级和举止神气，并智能地建议生成路子图或回来演示文稿。AI 不仅能凭据模板生成内容，还能蚁集团队的实验责任立场和视觉讲话，提供委果有价值的输出。

重心回来：

AI 器具应与设想师协同责任，领路其责任配景，提供有针对性的设想建议。

梦想的 AI 应该省略主动研讨用户需求，匡助设想师更高效地达成创意。

五、小结

AI 时期的优秀设想不单是是追求时刻的自动化，而是将设想中枢价值与 AI 时刻相蚁集。通过简化复杂的设想原则，优化设想到代码的滚动进程，求实地处分实验问题，并朝着“协同创作”的标的发展，AI 器具省略委果开释设想师的后劲。

在这个过程中，设想师的变装不仅莫得被 AI 取代，反而变得愈加遑急，因为他们恒久是创意的源头，是将时刻滚动为用户体验的要津东谈主物。

• 什么
• AI
• 时期
• 优秀
• 设想