一名设计师最初对 AI 持怀疑态度，现在则更倾向于使用 Claude 而不是 Figma 来进行设计工作。他通过直接在真实代码库中利用 AI 构建可运行的原型，实现了快速迭代和用户测试，这种方式比传统的文档和模型图更高效。尽管如此，这种新流程也带来了挑战，例如如何在一个看似“完成”的原型上进行设计评审，以及创意是否会因此受到 AI能力的限制。
从怀疑到依赖
过去，在自己熟悉的领域尝试大语言模型（LLM）时，结果常常令人失望。无论是用 Copilot 修改代码，还是用 Gemini 生成产品概要，最终都以放弃告终。AI 在他擅长的事情上，做得比他自己差。
然而，在接触到公司内部不熟悉的 OCaml 和 Bonsai 等技术后，AI 变得不可或缺。最令人意外的是，AI 彻底改变了他最擅长的事情：设计工作流。
一种全新的工作方式：用代码代替模型图
过去的工作流程围绕着规格文档、Figma 模型图和提案。现在，他选择直接构建一个能精确实现想法的原型功能。
具体流程如下：
- 撰写一段描述问题和解决方案的文字。
- 在编辑器中打开 Claude，将上述文字作为提示词。
- 快速实现基础功能，证明想法的可行性。
- 根据需要反复迭代和调整。
- 将改动推送到开发环境，收集用户的真实反馈。
- 最终提交一个外观和行为都完全符合预期的功能。
一个在真实代码库中运行的原型，几乎在所有方面都比模型图和文档感觉更好。
例如，在一个项目中，他花费数天时间使用和测试一个由 Claude 生成的原型。AI 提供了免费、无限次的迭代，让他可以随时改变主意或进行微调，比如修改按钮、增加快捷键、调整文案等。这些在过去需要数天甚至数周沟通成本的改进，现在可以轻松实现。
所有精力都投入到了改善真实的产品上，而不是花在制作 Figma 组件或格式化文档等中间工作上。
赋权与挑战并存
作为一名设计师，这种工作方式带来了前所未有的赋权感。过去，设计师有了想法，需要说服工程师去实现一个概念验证原型。现在，设计师可以自己动手，让其他人通过直接使用来评估一个想法的价值。
但这种工作流也带来了新的问题：
- 评审的困境： 当评审者面对一个功能完善的原型时，他们会感觉自己只能评审代码，而无法在设计层面提出意见。这削弱了团队协作的创造性。
- 创意的局限： 另一个担忧是，使用 Claude 进行设计可能会让人陷入一种迭代性思维，而不是更具流动性的创造性思维，从而错过一些大胆的新想法。
我仍然希望我的工程师同事能像对待 Figma 模型图一样对待它，把它看作是我们可以在设计空间里共同迭代的东西。
目前的解决方案是在提交原型时附上简短说明，强调这只是一个可抛弃的提案文档，评审者的任务是就设计和用户体验提供反馈。
回归“创造真实”的本质
如果没有大语言模型，面对完全陌生的技术栈，设计师可能会更加依赖 Figma。但现在，AI 让他重新回到了“创造真实事物”的状态。这种直接在媒介中工作的感觉，让他比以往任何时候都更有自由去尝试和探索。