用 AI 重新学着画画

一篇关于 AI 原生设计工作流中的发散、品味与视觉探索的文章，作者 Surya、Nikolai 和 Sai。点此观看视频介绍 | 点此试用实验性 skill

漏斗

基于 CLI 的 AI 工具是一条创意漏斗。无论你带着多广的调研范围、多少创意火种进入项目，一旦开始写 prompt，你就把这片可能性压缩成了一条脆弱的直线。第一条 prompt 发出之后，项目剩下的部分就沿着这条直线走：输入、输出、修改，如此往复。在 LLM 介入之前那片潜在可能性的空间就此消失，而且在后续流程中也没有真正办法把它找回来。这与设计背道而驰。设计的本质是探索一片巨大的可能性空间，是筛选、收窄、再重新扩张。你生成变体，审视它们，从别处汲取灵感，动手修改，把大部分扔掉——好作品就是这样诞生的。当下的 AI 工具颠覆了这个过程：手边有一个完美的执行者，意味着你被要求在任何时刻都清楚知道该执行什么。它们不是主动的协作者。于是你变成了「命令下达者」，而非创作伙伴——想象力没派上用场，大部分脑力都花在打磨一条理想 prompt 上，然后指望结果能对上你脑中的画面。这个现象叫「过早收敛」：你还没真正看清可能性空间里有什么，就把它坍缩掉了。这也是为什么今天的一切看起来、感觉起来都一个样。缺少真正的探索，我们只能从系统里硬编码好的色卡中挑选。这些颜色，比你在趁手工具下能调出来的任何东西都要沉闷、灰暗。

自我理解的图像

我以前是设计师。记得那时候软件是用 Photoshop 设计的，像素化的素材就是我们的主要产出。后来 Sketch 刚流行起来，学它的时候别提多别扭了。再后来是 Figma 革命，在设计工具这条线上，那几乎就是历史的终结。Claude Code 的出现深深动摇了我对自身职业的认知——没过多久我就不再用 Figma，开始直接交付代码。那是一段令人兴奋的日子：AI 领域的视觉工具刚刚起步，几乎每周都有新的工作流被捧为设计难题的终极答案。而在这一切之下，Claude 始终是某种技术底座，我做的所有东西最终都得从它这里过一遍。

有天我在 @floraai 里随手玩——那是个面向这类生成式视觉工作流的工具。一时兴起，我把一个 React 组件的代码丢给它，看它能不能生成这个界面的图像（也就是不依赖浏览器的渲染引擎）。这算是种「你到底知不知道自己在干什么」的测试。出乎意料，它做得相当不错。那年夏天晚些时候，我在做的一个功能上卡了壳，就用 Nano Banana 生成了 10 个界面方案的变体，想借此往前推一推。没什么复杂的，就是这 10 个界面可能长什么样的图。它帮我解了套，也让我开了窍——这些图像模型和代码的关系，比我原先以为的紧密得多。我在代码里干活，却在图像里思考，而且速度快得惊人。我觉得，这主意不错。

纸、图层、画布

用视觉方式探索复杂系统，在软件工程里有着悠久的传统。80 年代和 90 年代，IBM、Microsoft、Honeywell 这些大厂里，类界面的纸质原型就已经是标准做法。背后的道理很简单：用一次性的视觉产物去探索界面——进而也是代码——可以怎么组织，是省时间、出更好结果的一条捷径。

然后是 Photoshop，以及随之而来的图层与画布的概念。设计师突然拥有了一套复杂的空间语言，可以在数字世界里尽情探索，不必担心犯错。可以说，这是第一次你能在程序被创造出来之前，真正看到并感受到它的界面。Figma 在此基础上大幅拓展。它更贴近代码，语言也更紧凑，开始模糊设计工具与软件系统之间的界限。它之所以好用，是因为它足够灵活，既能容纳探索过程，又能让你更接近生产环境。

那现在呢？我们又都回到了终端里。这看起来像是循环时间论者的胜利——我们绕了一圈，回到了起点。Agent、AI 工作流、编排框架——文本的分量极重，而使用它的引力更强。令所有人惊讶（也令所有人懊恼）的是，设计师如今和其他人一样，住进了代码库里。Figma 最近一篇文章谈到，设计系统需要进一步向下延伸到更底层的领域——这是一种继续统一整个技术栈的生存性需求。我认为他们说得对，但我会走得更远。AI 系统的视觉能力（我认为它在软件开发中一直被低估）已经足够强大，以至于在 AI 时代做软件设计时，我们可以直接跳过 Figma，跃入一个更快、更直觉、也更连贯的空间。如果我们不迈出这一步，像 Figma 这样的工具必然会继续被拉向代码优先的理念，而我们有可能彻底失去设计中真正重要的探索阶段。

品味即选择

根本性的转变在于设计师的角色，而不在于工具。在我们提出的这套体系里，你不再是受制于 AI 具体产出的唯一创作者，而是同时成为创意总监、指挥家和策展人。你不必亲手做每一个像素。你负责表达意图、引导生成过程，并从呈现于你面前的众多可能性中做出选择。AI 成为协作者，而非执行者——它是探索引擎，不是冷冰冰的方案生成器。

如今，设计与浏览、滑动是近亲。灵感的语言是「画板」，只不过它向来只负责往你眼前推东西，几乎不留给你反馈的余地。我们想颠覆这一点：你有了一个想法，就大量生成一次性的图，然后从中挑选你喜欢的。你编辑，标出喜欢和不喜欢的地方。你慢慢做减法，收敛到一个更统一的构想，然后再度发散，如此迭代任意多次。这里的目标不是解决控制与偶然之间的张力，而是动态地管理它。许多设计系统都有某种「双钻」结构，反映出一种根本需求：对流程中的各种输入反复做多次发散与收敛，才能得到扎实的成果。在我们的系统里，双钻既是视觉上的、也是空间上的核心隐喻——整个过程中，你确实能看见这种发散与收敛在发生。我们认为这形成了一个有意思的反馈回路：当你在设计过程中意识到这个过程本身，过程就会变得更好，进而带来更好的作品，如此循环。

重新学画画

为什么现在这件事可行了？Agent 终于能相当程度地理解图像，足以做出具体、细致的调整和变化。它们看着一张草图、一张截图或一个粗糙的稿子，就能据此产出完整界面，效果不亚于从 Figma dev mode 或任何结构化格式出发。这就引出一个问题：我们为什么还在坚持把视觉想法翻译成散文，喂给基于终端的 LLM？文字提示丢掉了交流与探索视觉关系和视觉想法时最直觉的方式。你其实是在描述一个并不活在语言里的东西。更合逻辑的做法似乎是顺着 AI 的强项来——面对「视觉」问题，就用它们的视觉能力。否则，你基本上就是在靠给画家念一份详细指令清单来画画。

已经有人在朝这个方向做了。Variant UI 在做并行生成、滚动浏览变体，把设计当作浏览。我们相信这些都是对的方向。Claude Code Playgrounds 是另一个好例子——可视化反馈循环，能生成一个产物并在上面反复迭代。但它仍然是一次只处理一个产物，优先考虑的是细碎的增量打磨，而不是更深入、更开阔的探索。

剩下的空白在于：把最大程度的分歧作为一组可能性去探索，再把它落到代码里。目前还没有人真正解决这个问题，但拼图已经都在了。AI 把我们拉回了终端，拉回了计算机的核心。文本为王。但固守这套范式，我们就有可能忽略另一项近来能力暴涨的东西——图像。无论怎么看，AI 现在处理图像都很在行。那为什么不顺势而为？何必非要隔着一层翻译，让自己离真正关心的东西更远？转向图像，就是转向更接近源材料的地方，随之而来的是设计与创意可能性的拓宽。归根结底，这也是回到软件设计的原点——押注图像，就是重新拿起铅笔，在面前铺开一张纸。我们只需要学会画画。

如果这引起了你的共鸣，我们想听听你的想法。Follow Us

你可以给我发邮件。我常驻 Twitter，偶尔上 LinkedIn，也泡在 Are.na 上。