Writing
2025–2026
下面这几篇,是我在 AI 时代做设计、做工具时攒下的思考笔记。原文发在旧版作品集,这里做了精简,只留核心判断——从把一本书变成 agent 能调用的 skill,到 AI 界面的信任感、设计师工作流的重构,再到用 Codex 和 Pencil 出图的心得。
把一本书变成一个 agent skill
一本书读完,过段时间能记住的,往往是它讲的几个框架、几条原则、几种反复出现的模式,而不是具体段落。可传统摘要把这些都压扁了——框架没了形状,原则混在叙述里。我不想让一本书读完就剩一句「我读过」,希望它真的能在写代码、做决策的时候被调出来。
核心判断:知识工具要帮的不只是「读懂」,还有「能用」。输出的结构,决定了它好不好复用。
编译时,不是查询时
把精读放在「编译时」一次做完,而不是每次查询都重做,是这个工具最重要的架构选择。RAG 每次查询都要走「分块 → 向量检索 → 相关块拼接 → 生成回答」的完整链路;而编译时模式只做一次深度分析,输出结构化的技能文件,调用时几乎零 token 开销。
「精读这事儿,付一次就够了。后面全是复用。」
五层输出
一本书不只对应一个文件——输出分成五层,每一层对着一个具体场景:工作中突然想起书里讲过某个概念,该去哪找。
- SKILL.md:核心框架 + 心智模型索引,常驻上下文,~4K token
- chapters/:逐章精读摘要,引用关键模型,按需加载
- glossary.md / patterns.md / cheatsheet.md:术语、模式、速查表,按场景动态拉取
总量约原书的 3–5%,保留 85%+ 决策信号。
设计取舍:知道不做什么是更重要的
- 它不是摘要工具——输出的是框架、心智模型和决策规则,不是「书讲了什么」
- 也不是 RAG——编译时一次性把结构提出来,不维护向量库
- 更不是能聊天的机器人——只在你需要某个框架时被调起来
- 还有一条:不复制原文,所有产出都是合成和提炼
说到底,我不想做的是又一个「读书 AI」。我想要的是:一本书读完,它的精华不该再躺回书架积灰,而是真的能在你写代码、写东西、做判断的那个瞬间被调出来。
从想法到可验证原型
早期想法看起来总是缺个界面,但真正卡住团队的,基本不是界面,是那些藏在界面背后的判断,谁也没验证过。我更愿意把原型当成一个判断工具,别把它当便宜的成品预览——用最短路径把关键问题逼出来。
先判断,不急着画界面
一个模糊想法里通常混着一堆没拆开的判断——给谁用、解决什么、用户凭什么愿意付出成本。这些问题不先拎清楚,直接跳去画界面,不确定就全被精致的布局盖住了。所以我会先把想法翻译成几条能验证的假设:行为假设(「用户愿意上传一张图换一个 Prompt」)、信任假设(「用户需要看见生成逻辑」)。假设定得越具体,原型就能做得越轻。
- 用户 5 秒之内能不能 get 到这产品是干嘛的?
- 关键动作的门槛够不够低,他愿不愿意开始?
- 出结果之前,系统给的预期和反馈够不够?
- 结果不完美时,用户知不知道怎么调,或直接接管?
压缩到最小闭环
早期原型不用覆盖所有分支,先抠出一个最小闭环:用户进来、做完核心那一下、看到结果、决定下一步。这个阶段我会压一压视觉,把注意力放到路径、状态和反馈上——按钮文案、空状态、等待显示、出错提示,往往比页面丰不丰富更能决定验证质量。
「做原型不是为了证明产品已经完整,是为了让团队早点看见——哪个判断其实还站不住。」
让反馈成为原型的一部分
很多原型只画理想路径。但真正影响用户判断的,是过程中的不确定。AI 产品这点更突出——等待、失败、跑偏、重试,根本不是边角料,是体验的大头。一个能拿去验证的原型,至少得说清三件事:系统现在在干嘛、为什么要等、用户能怎么改。
AI 界面的信任感从哪里来
AI 界面的信任感,靠一句「结果仅供参考」撑不起来。我做完 Nomia——一个帮人决定搬到哪的 AI 顾问——之后体会特别深:搬迁是重决策,用户不敢把命运交给黑盒。信任是一点点搭起来的,搭在四个地方:过程让用户看得见、能力边界讲清楚、人和 AI 有交接的节奏、出了岔子用户能接管。
信任来自过程可见
AI 产品最常见的问题,是把整个体验压成一个等待动画。Nomia 把过程摊开,一次对话分几步走,每一步用户都看得见系统在干嘛。最关键的是分数不能是黑盒——「里斯本 +82:气候 +30、税务 +25、生活费 -8」,一个能拆开的分数,用户才会自己判断「这项我不在乎,那项权重再高点」。
边界感比万能感更重要
很多 AI 产品喜欢摆出「我什么都能搞定」的姿态。Nomia 反着来——把不确定和做不到的都摆到台面上。敢说「别去」(反推荐),用户反而更信「去」的那条。
「用户不怕 AI 说『我不确定』,怕的是它装确定。」
再进一步是反事实——「如果我预算 +$1000 会怎样」,把「要是…」变成能探索的东西。还有一种边界:该确定的确定(税务 183 天规则用确定性代码算),该探索的才交给 AI。
人机协作需要节奏
AI 产品不是越自动越好。Nomia 最早做了「选完偏好自动跳推荐页」,结果用户还没想好就被推到下一屏,反而慌了——省了一步操作,抢走了控制感。后来在推荐后加一个确认条,系统停在那儿等。这个停顿就是节奏:AI 把活儿推到一个合适的起点,剩下交给用户接手。
让用户知道自己仍然有控制权
信任说到底是控制感。Nomia 有个反面教训:有一版系统会接「你说过……」,结果它替用户说了根本没说过的话——信任瞬间塌。审计追踪必须忠实,造一次假,后面说真话也没人信。所以 Nomia 的定位是 advisor 不是 dictator:给建议、给依据,但搬不搬、搬去哪,始终用户自己点头。
AI 时代的 UI/UX 设计工作流重构
AI 能不能自动出图已经不用讨论。我更在意一个没被说透的变化:设计师工作里「执行」和「创造」的比例正在被重写。执行的活被 AI 接走,留下来的事,越来越像一个导演在干——定意图、看质量、把方向。
旧流程的真相:70% 的时间在执行
经典 UI/UX 流程本身没毛病,毛病在于设计师大概 70% 的时间,耗在调间距、切图标注、适配多端、写组件文档这些重复活上,真正用来「想」的时间剩不下多少。AI 接走执行活之后,这个比例会反过来——精力才真正能花在判断和决策上。
哪些环节,该交给 AI
按「谁说了算」分成三类:
- AI 主导(人做审核):竞品分析、线框图与视觉初稿、交付文档、多端适配、占位内容生成
- 人机协作(人做决策):用户研究分析、信息架构、创意发散、原型与微交互、可用性预测
- 人类主导(难替代):产品战略、访谈中的情感理解、品牌调性把控、跨团队倡导、无障碍与伦理
AI 擅长在框定的条件里生成方案,但不擅长判断哪个问题值得去解。真替不掉的,是 AI 给不了的东西——比如一个用户没说出口、你却隐约感觉到的需求。共情这件事,AI 短期内摸不到边。
新工作流:设计师变成导演
执行交给 AI 后,起点不再是空白画布,而是一段对 AI 的描述。以前做一个方案要三天,现在半小时能出二十个方向。价值挪了地方——从「能不能做出好看的设计」,变成「能不能从二十个里挑出最好的,还讲得清为什么」。
- 起点变了:先把意图讲给 AI 听,像从手写代码挪到用自然语言写代码
- 方案数量爆炸:功夫从「做出来」变成「挑出来」
- 流程不再是一条直线:瀑布被一个圈替代——抛意图、AI 出活、人评估、改意图、再来
- 设计和代码的界限在糊:v0 这类工具让「设计即代码」成立
几个要小心的坑
- 同质化:AI 喜欢出「安全」方案,用多了所有产品长一个样。但这反倒是好设计师的机会——一眼认出「这是 AI 套路」然后绕开它
- 手生:基础活全丢 AI,新人可能永远搞不懂「为什么间距是 8 不是 12」。手感丢了很难捡回来
- 太信它:AI 出的界面看着像样,可用性、无障碍、业务逻辑上经常埋雷。审核永远不能省——把结果当起点,别当答案
设计师这个角色不会消失,只是从亲手干的「手艺人」,慢慢变成把方向的「导演」。AI 把执行接走了,反过来说,那些它接不走的东西——你的判断、你的审美——可能比以前更值钱了。
设计师的 AI 出图:Codex 与 Pencil
我自己用 AI 出图,最早踩的坑是——不管怎么描述,出来的都长得差不多:渐变、毛玻璃、居中卡片,一眼 AI 画。后来发现不是提示词的问题,是上下文没给够。把设计系统在事前喂给代理,第一版就能避开那股 AI 味。
出图前必做的三步设置
垃圾输出和可用输出,最大区别在构建之前你给的上下文。三步设置能避开 AI 味:
- agent.md:随项目传递的设计简报,写一次——视觉风格(色值/配色)、排版指南、要做和不要做的事(告诉它避免亮色渐变、毛玻璃、过于多彩的卡片)
- 插件:MCP 服务器 + 技能集合。对设计师最值得装的三个——产品设计插件(探索方向、URL 转实时代码)、Figma 插件(设计稿到代码的最快路径)、Mobbin MCP(数十万张真实应用截图,让 Codex 分析成功模式)
- 技能:可复用的 skill.md 指令,或装社区技能(前端设计、设计工程),用斜杠命令调用
出图之前三样配齐:写满的 agent.md、合适的 MCP、几个设计技能。缺一样,结果都会打折。
首次生成与迭代打磨
首次生成:明确需求(把范围和页面讲清楚)+ 引用 agent.md + 附一张你真正喜欢的灵感图 + 斜杠调用技能。一个容易被忽略的细节——让代理可视化地检查自己的工作:交付前在浏览器里打开、截图、修正偏离参考图的地方,光看代码里有没有断点不算检查。
- 批注:点选屏幕任意元素,针对它单独写提示,不用解释指哪个
- 分步提示:一个提示让 Codex 同时做两件事常一件好一件塌,拆成单独提示更稳
- 响应式检查:切移动端视图常发现完全没响应式,要求它「可视化检查每个屏幕尺寸」
Codex vs Claude Code,以及另一条路:Pencil
Claude Code 在纯视觉/UI 的首次输出上更接近能直接发布,Figma 转换保留更多原始结构;Codex 更省 token、能精确执行一份清楚的方案、可同时跑多个任务,但前期要花时间配 agent.md + 技能 + MCP。最大的分水岭就一个问题:你愿不愿意花时间配设置。
前面都是通用编码 agent,代价是自己搭一层设计专用上下文。Pencil 把这一层打包好了——背后照样跑 codex / claude / gemini,但看布局、截图、读节点、导出这些设计动作都内置了。通用 agent 是你教它做设计,Pencil 已经会了。
01# 从一句话生成设计稿,还能横向对比不同 agent02pencil --out app.pen --prompt "..." --agent codex03pencil --out app.pen --prompt "..." --agent geminiPencil 不是来替代通用 agent 的,它把「做设计」这类任务专门化了。要深度定制(自己的 MCP、自己的技能链),回到 Codex / Claude;要从一句话快速出一张能看的稿,Pencil 更顺。