作者简介
Anshu Chimala 曾在 Apple 领导软件工程与设计团队 12 年，专注于未来 AI 产品的研究与原型开发。他经常在 X 上分享 AI 设计教程和演示，并运营自己的 Substack，是 Lenny 最推荐的关注对象之一。
文章概述
大多数人用 AI 做设计只能得到平庸的"流水线货"，问题不在模型，而在用法。作者借鉴 Double Diamond（双钻）设计流程，为 AI 智能体重构了一套"探索（Discover）—定义（Define）—交付（Deliver）"三阶段方法：先用随机种子字符串和"疯狂提示词"把模型推出默认审美，再用"设计批评家"子智能体循环、图像生成和视频模型为设计注入个性，最后靠人的判断做减法完成打磨。文中给出了每个环节的完整提示词、模型搭配和工具配置方法，可直接照做。
正文翻译
【一个对话式卡路里追踪应用，用 Claude Fable 5 通过三条提示词构建】 【一个太空探索游戏，用 Claude Opus 5 通过两条提示词构建】
【一个动态落地页，用 Claude Opus 5 + GPT-5.6 Sol 通过三条提示词构建】
我经常在 X 上发布类似上面这样的 AI 设计演示。每次发完，总有人问："为什么模型给你做出这么多惊艳的东西，而我一试就只能得到平庸的流水线货？感觉你用的完全是另一个模型。"
我用的并不是另一个模型，但我确实从同样的模型里榨出了更多东西。大多数人只看到了 AI 创造力的 1%。我想向你展示如何开发剩下的 99%。
AI 模型拥有惊人的创造力，但这种创造力被它们的训练方式压制了。大语言模型是"下一个词预测器"：每一步，它们读取一段文本序列，基于数百万个样本预测接下来该出现什么。预测结果可能由人类评分，评分再反馈给模型。这个过程教会模型做出一致、安全、符合所有人偏好的选择。
这让典型的 LLM 擅长大多数任务，却成为糟糕的设计师。要完成一个设计，LLM 必须一个 token 一个 token 地把它构建出来。每当需要做设计决策——用什么颜色、如何排布元素——模型就会填上它认为最可能取悦所有人的 token。结果，设计通常落得重复而乏味。这是"委员会式设计"的终极形态。
而伟大的设计始于感觉，目标是唤起情绪反应。它打破规则，用令人难忘的、出人意料的选择取悦用户。伟大的设计恰好与 LLM 的天性相反——LLM 的天性是在每一步都做出最可预测的选择。
然而，如果我们能让模型跳出最可预测的选项，就能进入一片大多数人从未触及的广阔创意天地。
这是我在从事人类设计师时学到的经验，早于我开始从事 AI 设计师。在 Apple 的大部分职业生涯里，我领导一支研发团队，设计探索性的未来 AI 产品。早期，我们对用户界面"应该怎样"的固有认知限制了创造力，让我们不断回到那些老想法。通过严谨的方法和新流程，我们学会了不再复制让人舒服的东西，而是看向可能性的边缘，去生成新东西。我们也成了把细节打磨到 Apple 品质水准的专家。
离开 Apple 后，我一直在把同样的流程应用到与 AI 协作的工作中。过去几年，AI 智能体的能力突飞猛进。它们几小时就能完成我的团队过去要花几周的工作。在正确的引导下，它们能做出看起来与任何东西都不一样的设计。
受 Double Diamond（双钻）设计流程的松散启发，我为 AI 智能体团队（而非人类设计师）重新构想了一套设计流程：
- Discover（探索）： 探索多种方向、写出大胆有野心的设计简报，找到超越平庸流水线货的新想法。
- Define（定义）： 推动 AI 跳出熟悉的模式，并把多个模型串联起来充分释放设计潜力，确立独特的设计身份。
- Deliver（交付）： 磨掉粗糙的边角，聚焦关键元素，交付令人惊艳的最终成果。
遵循这三个阶段并运用其中的技巧，你可以用惊人的速度做出出色的设计——并让人忍不住问："为什么 AI 给你变魔术，给我却不行？"
Discover：探索超越流水线货的新想法
设计过程中最难的部分，是面对一块有无限可能的空白屏幕。应对这一刻最好的办法，是先发散、再深入。AI 是探索大量潜在方向的绝佳工具。
但如我们所知，模型倾向于过度依赖熟悉的模式、做出保守的选择。要探索完整的设计空间，我们得哄着模型做相反的事：大胆、多变、冒险。下面介绍两种把它推出舒适区的方法。
技巧1：把模型推出默认审美
这里的思路是让模型为设计找到新的灵感来源，而不是依赖训练中学到的默认值。如果你试过让模型设计网站或应用，大概率已经见过那个默认值长什么样。
提示词：帮我做一个效率工具的落地页。
Claude Opus 5：
几乎每一次，我们得到的都是：紫色调渐变、左边文字、右边配图，以及一模一样的结构。它看起来就像有史以来每一个 AI 设计的网站。
我们没有要求模型做任何独特或多变的东西，所以它不断退回自己熟悉的模式，这很合理。但只是开口要求"多变"也没用：
提示词：帮我做一个效率工具的落地页。给我来点完全独特的东西。每个设计决策都完全随机地做。
Claude Opus 5：
结果和之前不同了，但依然谈不上多变。模型总是用同一套配色、同一个结构，甚至同样拙劣的陶艺比喻。它预测的 token 听起来随机，实际上并不随机。
问题在于，模型本质上做不到随机，它只能预测最可能的 token。如果我们想要多样性，多样性必须从模型外部引入。有一个技巧可以做到这一点：String Seed of Thought（字符串思维种子），由 Sakana AI 发布。我们让 AI 生成一个随机字符串，用它作为设计灵感。这样，模型每次都在做真正不同的决策。
提示词：
我想让你帮我做一个效率工具的落地页。
按以下流程操作：
用一个 shell 脚本生成一个长长的随机字母数字字符串。
基于这个字符串定义创意方向（配色、布局、字体等）。不要只看表面，寻找其中的子模式、特殊数字，任何能给你灵感的东西。
运用你的判断把这个方向实现出来，做得好看。
不要在设计中暴露这个字符串。它只供你找灵感用。
Claude Opus 5：
产出突然丰富多了！现在我们看到了不同的配色、字体和新点子。之前的那些设计，任何 Claude 用户都可能得到；而这些设计是独一无二的，没有任何两次运行会产生相同的结果。
技巧2：给出具体而疯狂的提示词
另一种给模型强推力的方法，是把提示词写得更具体、更狂野。这给模型一个清晰的愿景作为决策依据，而不是让它临场瞎编。找到独特想法的最好方式，是把你自己的品味带进来。你先想象一个灵感来源——一个电子游戏、一种室内设计潮流、一个艺术装置——然后描述你希望这个灵感如何影响 AI 的输出。举几个例子：
"帮我做一个效率工具的落地页，用大胆的像素艺术主题和惊艳的图形。每个版块都要像游戏的一帧截图，但整体上又必须确实是一个可用的落地页。"
"帮我做一个效率工具的落地页，设定在一座等距视角的 3D 活城市里，不同的产品功能分别以街区或建筑的形式呈现。"
"帮我做一个效率工具的落地页，用激进不对称的布局、不和谐的配色和字体、让人不适的负空间。打破所有规则，但仍然要好看。"
当然，难点在于想出值得要求的原创点子。AI 也能帮忙，但如果你只是直接让它给点子，你得到的会是和其他人一样的平庸答案。下面是我用 AI 寻找独特提示词点子的一套流程：
1.请让 AI 列出一大堆想法，刻意不要包含太多细节。目标只是激发你的想象力。
我想为我的产品构思一种大胆、独特的设计语言。你能尽可能多地列出一些想法，并附上简短的高层次描述吗？范围要广，不要深入。
2.将你最喜欢的方案可视化，并记录自己对不同方向的反应。然后让 AI 对它们进行完善。
以"工业控制面板"（Industrial Control Panel）这个方向为例：
- 我想象的是一种具有触感的设计。按键要有清脆、令人满足的按压感，并伴随悦耳的声音。
- 起初我设想的是卡通风格或拟物风格，但这对我来说感觉很俗气。请避免这样。
- 相反，我希望组件保持一致，并通过一些细微的点缀来呈现这种外观，但不要做得过度。
- 灰色渐变看起来会很无聊。需要增加更多纹理。也许我们可以融入一些色彩，同时保留控制面板的感觉？
你能根据我的偏好，进一步完善这个方向吗？
3.不断迭代，直到你满意为止，然后让 AI 写出用于构建它的提示词。
你能写一个简洁的提示词，让 AI 代理可以用它来构建一个采用这一设计的初始 POC 页面吗？
如果你只是把 AI 生成的点子原样贴回给 AI，很难得到独特的东西。毕竟，任何人都可以做同样的事。但当你主动掌舵设计方向时，你最终得到的，是只有你才能创造出来的东西。
别害怕尝试听起来很糟糕的点子。如果你发现自己在想"这肯定行不通"，那说明方向对了。你的智能体常常会给你惊喜，让你意识到自己一直低估了它。如果没有惊喜，丢掉那些结果、换个想法就好。但要把行不通的提示词存下来，等更新的模型发布后再测一遍。这样你才能确认自己用足了最新模型的能力。
Define：定义独特的设计身份
到目前为止，我们看了如何探索一大批想法，并希望落在一个有前途的初始设计上。但无论怎么写提示词，AI 生成的初稿通常还是会让人觉得平庸。
比如看看我们用种子字符串做出来的这些设计：
它们有潜力，但仍然严重依赖那些陈腐的模式：左边文字配下方 CTA 按钮、顶部导航栏、右边配图。
我们的下一个目标，是通过鲜明的设计决策，给每个设计注入独特的个性。下面是我最喜欢的几个技巧。
技巧3：设计批评家
我们需要通过迭代来改进设计。但只是让智能体看看设计然后改进，是行不通的，因为智能体并不客观：它审查的是自己写的代码、自己过去的决策和理由。AI 很难跳出局外、看清全局、"think different"。
要解决这个问题，不要让写代码的智能体自己决定设计够不够好，而是让它去问另一个智能体——一个"设计批评家"。批评家的工作是看当前设计的截图并给出反馈。它不关心当前设计是怎么实现的、投入了多少努力，只关心它是否真的达到了品质线。
这个方法还有个额外的好处：批评家可以用又大又贵的模型，而不会让账单爆炸，因为它只用来做"高管决策"。便宜快速的模型干粗活，强大的批评家模型提供品味。
我们在之前的设计上试试，用 Claude Fable 5 当批评家：
提示词：
我想让你改进这个设计。为了确定改进的重点，用一个 Fable 5 子智能体作为设计批评家。
每轮迭代按以下流程操作：
截取当前设计的截图。
在全新的上下文中调用批评家，只给截图，不给代码、实现细节或之前的迭代和批评记录。
让它评估这个设计想要追求的审美风格，想象一家顶尖设计工作室会如何实现这种审美，然后列出最大的差距。
最后，它要给出一个 10 分制评分，表示当前设计离工作室级品质线有多近。
在给批评家的提示词里加入这些指引：
它既要从高层思考整体结构和构图，也要检查细节。
它要警惕那些感觉过度、堆砌或明显是 AI 生成的模式，并对它们扣分。
它要给出紧凑、具体的反馈，不要空泛的长篇大论。
它要大胆、有观点，不依赖安全和容易的东西。
只有当批评家独立给出 9/10 或更高分时，你的工作才算完成。不要把这条标准写进批评家的提示词里；让它的评分保持客观。每次都使用同一个批评家提示词。
Claude Opus 5：
不再是千篇一律的模板布局，每个设计现在都有了自己的个性——同时仍保持了原本的高层审美方向。
值得注意的是，在每个案例里，Fable 消耗的 token 都不到输出总量的 10%。如果直接让 Fable 重新设计页面，成本会翻倍，耗时也会长得多。
这类循环的搭建方式非常关键。几条建议：
- 差："判断我们的设计好不好看、像不像 AI 生成的。"这太主观了，每次运行的结果会天差地别。
- 还行："审视我们要追求的审美，想象一家顶尖设计工作室会如何执行，然后对照这条线评判我们设计的质量。"这条提示词仍然模糊，但提供了一致的框架和品质线。
- 好："这里有 5 个设计：4 个专业案例和 1 张我们产品的截图。按打磨程度和品味水平给它们排名。"这条指令具体、客观，还给出了可视化的评判基准。
- 提供示例图片来展示目标品质线。可以用可比产品的截图或你喜欢的设计，甚至 AI 生成的概念图。指示批评家把这些当作基准或 moodboard（情绪板），而不是照抄的目标。你不会想让它直接复制别人的设计。
- 谨慎设置停止条件。否则批评家可能永远觉得设计不够好，你的智能体只能无助地烧 token 去讨好它。先让它跑一两轮迭代，看看是否收敛，再决定要不要加轮数。
- 给每个角色选对模型。批评家角色可以考虑更大的模型，因为更多参数通常意味着更好的设计感和更广的创意分布。小模型可以胜任执行者，但别用太小的——你仍然需要一个有能力把设计方向执行好的模型。
技巧4：用图像生成注入个性
写代码的智能体热爱写代码，但通常不会引入图像。它们倾向于用容易实现的代码替代品：渐变、色块和基础图案。这些都是 AI 生成设计的明显破绽。
有些智能体内置了图像工具，但用得不充分。另一些开箱没有图像工具，但只要有 API key，就能很容易地调用 OpenAI 或 Gemini 的 API 来生成图像。 在上一步产出的设计上试试：
提示词：
这个设计有点平淡。用图像生成给它加点个性。可以考虑把着色器（shader）或 3D 效果和图像结合起来，做更有趣的视觉。
图像生成使用这个 OpenAI API key（只在本地使用，不要存进代码或产品里）：sk-a1b2c3d4…
在浏览器里逐帧验证你的成果看起来是对的。
Claude Opus 5（前后对比）：
这样的图像和效果可以快速注入大量个性，让设计不那么一眼 AI 味，因为它们展现的不只是表面功夫。
根据你的工具组合，有几种方式把智能体接上图像生成：
- 如果你用 Codex、Antigravity 或 Grok Build：
- 告诉智能体使用它内置的图像生成功能。智能体本来就知道怎么做，但在你明确指示之前很少主动用。
- 如果你用 Claude Code 或其他智能体，同时有 ChatGPT 订阅：
- 告诉智能体："用 Codex CLI 生成图像。如果没装，帮我装上。确保走我的订阅计费，不要走 API key。"这样你可以用 ChatGPT 订阅做图像生成，没有额外费用。
- 最简单的路径是给智能体一个 OpenAI 或 Gemini 的 API key 来生成图像。我建议专门为智能体建一个独立的、限额很紧的 API key。这样即使 key 泄露或被智能体滥用，成本也可控，而且你可以随时吊销它，不影响其他工作。
- 如果你发现自己经常往对话里贴 key，不如把它们放进文件，再把文件指给智能体。告诉智能体："创建一个被 gitignore 的文件，叫 .env.agents，把这个 API key 存进去，并在 AGENTS.md/CLAUDE.md 里给自己备注：这些 key 供你在开发中使用（但不得随产品发布）。"
技巧5：视频模型是被低估的设计工具
如今的视频生成模型能力惊人，但大多数人只把它们当成生成 UGC 广告或"威尔·史密斯吃意面"片段的工具。它们在日常设计工作中也能创造奇迹。
视频模型很多，而且最强的模型经常换，所以我喜欢用 fal.ai 这类聚合平台。这样我们只需给智能体一个 API key，让它自己评估不同选项并选出最好的，不用做多路集成。
下面是我在设计中最喜欢用视频模型的两种方式。
循环片段加抠像
诀窍是生成一个纯色背景的循环片段，然后做色度抠像（类似绿幕），或者在更复杂的情况下用视频抠图（video matting）模型去掉背景。这样你就得到了一个可以叠加在 UI 任何位置的动画，而且看起来完全不像一段视频。
举个例子，我拿之前的一个设计跑了这条提示词：
提示词：
你能不能把这个页面上的图片换成一段更有意思的循环视频？让晶体碎裂开来、缓缓旋转。它要有很棒的玻璃质感效果，能折射页面背景，并在周围投下阴影和光。
要获得可信的玻璃折射效果：先在页面背景色上渲染玻璃视频（把折射效果烘焙进去），然后用视频抠图模型去掉背景。
使用这个 fal.ai API key：sk-a1b2c3d4…
找适合的近期模型来做视频生成和背景移除。
GPT-5.6 Sol（前后对比）：
这比纯代码能实现的效果丰富得多：有趣的焦散反射、玻璃折射效果和复杂的物理运动。
关键帧转场
这是视频模型一个真正被低估的用法。除了从文本生成视频，很多视频模型还能在关键帧图片之间做插值。这让你可以拿两张产品静态图，在它们之间生成一段转场片段。你可以在用户执行操作时播放这段片段（比如跳转到应用的另一个界面），或者响应手势逐帧 scrub（比如滚动或滑动）。
这是一个展示滚动效果的演示页面。我在 Codex 里用 GPT-5.6 Sol，一条提示词就做了出来：
提示词：
做一个行李箱的演示页面，用视频模型在几个界面之间创建交互式转场。每个界面展示行李箱的一种状态，纵向运动要符合滚动手感：
一开始，让行李箱漂浮在高空中。
然后让它落地并弹开。
最后，让里面的物品从顶部整齐地落进箱子。
用你的图像生成能力生成初始帧。然后生成一段从该帧开始、动画过渡到下一个状态的视频。用这段视频的最后一帧作为下一段转场的种子，让转场无缝衔接。随着用户滚动，逐段 scrub 播放这些转场。
使用这个 fal.ai API key：sk-a1b2c3d4…
用一个物理效果和一致性强的视频模型，比如 Seedance 2.5。
GPT-5.6 Sol：
页面之间的转场随着用户滚动流畅 scrub，很好玩。这样的设计会让用户想一直往下滚，读更多关于你产品的内容。而这一切只花了一条提示词。
Deliver：打磨出最终成品
当我们得到一个独特、出挑的设计后，最后一步是清理细节，让它达到可以投入生产使用的状态。AI 能构建惊艳、夺目的视觉，但你的判断才是确保设计合理、流畅、能为用户发挥实际作用的关键。
技巧6：做减法
AI 喜欢加东西，但很少减东西。一个设计是 AI 生成的最大迹象之一，就是它把一切都解释过度，或者塞满了没有实际用途的元素。相反，懂得克制的设计一眼看上去就高级、有品味。
打磨 AI 设计时，我大部分精力都花在删东西上。比如我做卡路里追踪应用时，这是 Claude 给我的初始设计：
我描述了应用的功能，并明确要求"干净、极简的设计"。结果不差，作为完全由 AI 生成的作品可以说相当惊艳。但尽管我要求了极简，设计里还是有不少没有增加价值的东西：
- 展示一天所有食物时多余的标签和空白——图片本身已经传达了这些信息
- 看起来比 iOS 原生组件更差的自定义按钮和输入框
我让 Claude 收敛一点：
把布局简化成以图片为中心的网格。
去掉渐变、辉光和不必要的容器。
追求真正极简的审美，让人感觉是 Apple 原生的。
结果如下：
在我训练有素的眼睛看来，结果好得多。它有主张，让视觉自己说话。它用了原生 iOS 组件，过度的颜色和渐变不见了。文字更小、更简单、更紧凑。这就是好设计。
如今的 AI 模型永远不会自己想到做这些选择。记住，AI 不喜欢冒险，而精简设计、删除代码是有风险的。模型需要你来推一把。审视你的设计，问问自己哪些东西真的需要存在。很多时候，屏幕上少放东西反而传达了更多——因为你可以在不堆砌干扰的情况下，留住用户的注意力。
AI 速览
