想法简述
AI 不再只是设计中的未来附加组件，它正成为现代团队工作方式的重要组成部分。本文探讨了如何将 AI 引入结构化设计环境，在这种环境中，协作、系统和代码质量至关重要。从快速跟踪线框和原型，到引导用户选择 Lovable 和 Figma Make 等工具，本文清晰地展现了 AI 在当今真正增值的地方，以及如何为未来构建流畅性。
AI 设计已不再是新鲜事物——它正迅速成为现代设计师工作方式的关键组成部分。在本文中，我将探讨当今的工具如何提供真正的价值，它们如何融入现有的工作流程，以及如何开始构建 AI 增强型实践。
重点不仅仅在于单独的工作流程或华丽的演示——而在于如何将人工智能巧妙地引入结构化环境，特别是在更广泛的组织中已经存在协作、设计系统和开发流程的情况下。
言归正传：目前最明显的优势在于原型设计和布局生成。得益于全新的 AI 工具，设计成果不再需要从零开始构建。您可以在几分钟内生成可用的布局，从而加速“畅想”阶段，并使团队能够快速探索、沟通和完善创意。
虽然手绘草图和灰度线框图仍然有其用武之地，尤其是在头脑风暴或高度定制的概念设计中，但如今的人工智能工具能够提供可点击、可测试的输出，让它们感觉就像数字产品的真实原型一样。我经常用我的草图来引导新的人工智能线程来实现目标。这些输出高度可定制，并支持快速迭代，使其成为早期探索、反馈和团队协作的宝贵工具。
话虽如此，对于需要托管平台的企业来说，当今 AI 工具的输出本身还无法直接投入生产。它们为进一步的改进和开发提供了坚实的基础，但仍需要具备可访问性并与业务系统保持一致。我将在本文中逐一阐述这些问题，并提出一些从当今 AI 设计技术中获取价值的方法，以及我们对不久的将来的期望。
随着越来越多的 AI 设计工具进入市场，评估它们的差异至关重要，这不仅体现在输出结果上，还体现在它们如何与实际工作流程集成。下面的比较重点介绍了这些工具在不同团队（从个人设计师到规模化产品组织）中的可用性。
今年早些时候，我和我的团队测试了几款新兴的AI设计工具——UX Pilot、Vercel v0和Lovable——以了解它们在结构化设计环境中的实用价值。我们发现这些工具出奇地容易上手，界面直观，设计师可以在几小时内上手。然而，我们的测试也揭示了两种截然不同的方法，以及一个关键的行业差距。
59% 的开发者使用 AI 完成代码生成等核心开发任务，而只有 31% 的设计师在素材生成等核心设计工作中使用 AI。AI 的代码生成能力也很可能正在发挥作用——68% 的开发者表示他们使用提示来生成代码，82% 的开发者表示他们对最终结果感到满意。简而言之，开发者越来越普遍地发现 AI 在日常工作中发挥着重要作用，而设计师仍在努力确定这些工具如何以及是否最适合他们的工作流程。
— Figma（4 月）2025 年 AI 报告：来自设计师和开发人员的观点。
然后 Figma 改变了一切。
2025 年 5 月，Figma 推出了Make，这项原生 AI 功能可以绕过我们之前发现的集成障碍。与我们之前测试的第三方工具不同，Figma 的方法直接利用现有模式和团队工作流程。Make 可以在您现有的 Figma 环境中将提示转换为功能原型。
这种转变验证了我们的测试结果：最成功的人工智能应用不是来自最复杂的独立工具，而是来自在现有设计操作中有效的解决方案。
对于设计师来说，自然而然的选择似乎是继续使用由 Anthropic 提供支持的 Figma。我之所以喜欢 Anthropic，是因为它的商业敏锐度使其成为一种创意资源——它能够在关键时刻创造价值：早期创意的生成，快速地通过布局表达，用于概念验证/问题解决。
在我的工作流程中，我发现它可以成为一种非常顺畅的加速器——只需在平台上使用，易于学习。虽然这项技术还很新，我还没有完善我的提示技巧，但早期测试对我来说非常有希望。我认为设计师们的采用率可能会持续下去，而 Figma 可能是扭转设计师不再使用 AI 工具这一趋势的关键。
对于评估这些工具的企业团队来说，区分独立功能和运营集成至关重要。虽然 UX Pilot 和 v0 等早期工具对于特定用例仍然有价值，但围绕设计系统进行的平台整合表明，架构成熟度（而非工具复杂度）将决定 AI 应用的成功。
尽管 AI 设计工具优势显著，但要与实际产品工作流程保持一致，仍然需要大量的人工投入。对于在结构化设计系统、标记化库或受管控的组件集内运作的团队而言，AI 输出可能需要重建或重构，才能在生产环境中进行扩展。
常见问题可能包括：
虽然 Figma 的 AI 功能等平台原生工具通过在现有设计系统内工作减少了一些集成摩擦，但细化、可访问性和生产准备的基本挑战仍然存在。
此外，要获得最佳结果，需要开发有效的提示技能，并使其可重复使用——本质上是学习每个人工智能工具响应最佳的“语言”。
底线：人工智能可以完成初步布局，但精细化、合理的结构和紧密的整合仍然需要人类的专业知识。即使整合路径有所改进，设计判断和系统性思维仍然不可替代。
与其指望 AI 工具能够提供完美、可立即投入生产的成果（尤其是在企业级），不如将其视为动力的加速器——能够开启思考、布局和协作的早期阶段。无论是通过第三方集成还是平台原生功能，其核心价值始终如一。
当前的局限性并不会使人工智能失效——除非我们重新定义它目前最有价值的地方。如果在现有的设计实践中运用得当，它的价值将会成倍增长。
在结构化系统和冲刺周期内工作的设计团队可以在不中断核心流程的情况下开始集成 AI。一个切实可行的切入点是先在早期交付成果（例如线框图、布局基础或初始原型）上进行低风险试点。
通过这种方式，AI 并非取代设计师，而是增强了他们的能力。通过加速基础结构的创建，AI 可以腾出时间进行更高层次的思考。更少的设计周期意味着更少的流失，从而转化为更完善的测试和更具弹性的产品。关键在于结合传统工作流程来评估结果，并利用这些洞察来指导更智能、更广泛的应用。
提示 AI 布局工具并不意味着要写出一句完美的句子——而是一个迭代的设计对话。你可以从广泛的内容入手，然后通过一系列提示逐步完善布局，就像指导初级设计师一样。
你可能会说：
→“创建一个包含首页和产品卡的营销主页。”
→“使首页全宽。”
→“添加客户评价部分。”
→“尝试侧边栏布局。”
人工智能在创意自由或轻松、有序的指导下表现最佳。过多的详细、一体化的指令会使结果混乱。相反，应该将请求分解成更小、可操作的步骤，直到达到预期结果。
现在许多工具都支持多模式输入，扩展了您可以输入到 AI 的内容：
平台优势：像 Figma Make 这样的平台原生工具操作方式不同——它们可以直接从 Figma 文件中读取你现有的视觉样式和模式。这意味着提示功能更多地是在既定的视觉环境中完善设计决策，而不是从零开始。
无论您使用的是独立工具还是平台原生功能，提示仍然是一项核心设计能力。与任何技能一样，它随着实践而提升——并且它已经塑造了我们与这些新工具协作的方式。将提示融入到团队的工作流程中，将有助于他们提升技能，迎接下一波 AI 辅助设计技术浪潮。
如果您正在尝试使用 AI 工具，以下是帮助您构建评估的实用标准：
2025 年，形势的变化速度远超我们许多人的预期，一些预测已经成为现实。与其试图预测确切的时间线，不如看看实际正在发生的事情，以及这些事情对当今决策团队可能意味着什么。
我们看到 AI 工具与设计工作流程连接的方式多种多样，每种方式都有其优缺点：
Figma 的 Make 原生支持其平台生态系统。像 Figma 的 MCP 服务器这样的基于协议的连接提供了一种不同的方法——你的编码工具可以通过标准化接口与你的设计文件进行交互。
团队最终可能会混合使用多种方法，而不是只选择一种方法。问题在于哪种方法更适合您的特定限制和工作流程需求。
如果您正在评估AI设计工具，那么技术能力可能不如它们与您现有运营的契合度更重要。我的感觉是，拥有组织化设计基础的团队可能更具优势，但最实用的方法仍然是从小处着手，并建立组织流畅性，正如我在本文前面所建议的那样。
AI 设计工具强大到足以改变我们如今的工作方式。无需等待完美的工具或完美的工作流程。从小处着手，经常测试，并在实验中巩固基础。现在构建 AI 流畅性的团队将做好准备，不仅在工具迎头赶上时，而且在行业变革之时。
形势已然发生改变。问题不在于人工智能是否会改变设计工作，而在于你将如何更好地引领这种变革。现在就开始构建，你将有机会定义未来。