人工智能驱动的研发——氛围编码、品味与全栈设计的演进
本文信息来源：bvp
Perceptron 创始设计师分享在研发生命周期中运用人工智能的五堂课——从原型设计到部署落地。
我们注意到投资组合公司中存在一个耐人寻味的悖论：虽然 AI 正在以创纪录的速度提升工作流效率并被广泛采用，但人们对于如何有效驾驭这些工具仍存在巨大认知鸿沟。正因如此，即便采用相同工具，不同团队的生产力输出也可能天差地别——这意味着 AI 原生开发已不仅是工具采纳问题，而是需要重构整个工作流程并建立机制，使 AI 能够理解代码库设计的整体语境。
为此我们正在编写一份 AI 驱动的研发指南，首先从设计环节切入：通过成功部署这些工具的公司的实战经验，帮助大家拨云见日。我们与 Perceptron AI 创始设计师 Cedric Ith 深入交流，完整展示了他的设计流程——从原型设计、氛围编码（vibecoding）到与全栈工程师的交接。
完整对话请观看视频实录 。我们还提炼出 Cedric 过去一年设计流程转型的五大关键启示，以及可供团队参考的实践案例。
1. 审美力是护城河。设计思维正成为新的超能力。
在这个 AI 能在几秒内生成可用代码的时代，真正的差异不在于谁能开发，而在于知道该开发什么。塞德里克指出，我们正进入一个"软件泛滥而创作门槛极低"的世界。这种泛滥反而让设计思维变得比以往任何时候都更为关键。
传统的技术护城河正在消融。当任何人都能用自然语言指令生成可用原型时，竞争优势就转移到了那些能准确定位问题并设计优雅解决方案的人身上。产品感知力、卓越的 UI/UX 体验以及执行速度成为成功的主要驱动力。
新算法让设计师能探索更广泛的设计概念——这些概念原本可能被忽略，且耗时远少于人工方法。生成式设计在现代工作流程中日益普及，它能根据用户定义的参数自动创建并评估多种设计方案。
但这不仅仅是让事物变得美观——而是深刻理解用户需求，并将其转化为让人感觉理所当然的体验。最终胜出的企业将是那些将 AI 的执行力与卓越的品味和设计判断力相结合的公司。
2. 自然语言成为新型设计界面
我们在 Cedric 工作流程中观察到的最深刻转变，是他从传统设计工具转向将自然语言作为主要设计媒介 。"关键技能不再是编写代码，而是你能否清晰地向 AI 表达你的想法、创意和修改意见，"他解释道。
这标志着设计师技能组合的根本性发展。一个新兴的关键技能被称为"设计词汇量"，即能够流畅运用现代框架、CSS 属性和技术概念的语言进行交流，而无需亲自编写代码。在演示中，我们看到塞德里克使用精确术语——"4 像素圆角半径"、"0.2 透明度"、"悬停交互效果"——与 v0 系统沟通。像带有坐标跟踪的边界框绘制这类复杂交互，过去需要数天工程工作量，现在通过对话式提示就能在几分钟内完成原型设计。正如塞德里克强调的，设计师需要"掌握表达语言而非亲自写代码"，在给出提示时保持清晰性、一致性和通用术语 。
清晰性
将复杂需求拆解为简单可执行的步骤，或使用具体措辞准确描述你的意图。
合格提示 |
“用白色文字为方框添加不同标签。” |
优秀的提示 |
“为图像上绘制的每个边界框，在其左上角添加一个独特标签，以粗体白色文字显示其索引编号（例如：方框1、方框2等）。” |
一致性
在描述 UI 元素或功能时需保持术语一致性。例如，若在某处提示中将某个功能称为"分段模式"，则后续所有指令中都应沿用该特定术语，这一点至关重要。
正如塞德里克所言："要记录好你为不同元素所命名的称谓。"
共享术语体系
对于更复杂的原型和工作流，需要强化共享术语体系。塞德里克会有意识地在 v0 阶段早期就引入特定术语。这种做法与传统工作流中团队使用共享词汇以避免误解的原理如出一辙。通过教导 AI 工具使用优选术语并持续复用，能更轻松地构建、迭代，并确保所有参与者——无论是人类还是 AI——都"使用同一种语言"。
在这种环境中如鱼得水的设计师都有一个共同特质——开放包容的学习能力。他们能自如切换工具，快速掌握新界面，持续扩展技术词汇量，却不必成为工程师。正如塞德里克游刃有余地在 Figma、V0 和 Cursor 之间切换所展示的，未来属于那些能在不断扩展的工具库中灵活穿行的设计师。
3. 人工智能正在推动"设计工程师"这一角色的兴起。
我们同时目睹着设计与工程间传统界限的消融。塞德里克的工作流程完美诠释了这一点：从 Figma 开始设计，在 V0 进行原型开发，最后直接通过 Cursor 在代码库中进行最终调整。
这不仅仅是效率问题——它从根本上改变了产品的构建方式：
- 闭环所有权 ：设计工程师贯穿全栈工作，确保"闭环系统"中设计意图能无缝转化为产品。正如塞德里克所言："我能直接向代码库提交贡献和 PR。这种闭环系统让我获得了作为设计师从未体验过的掌控感。"
- 静态模型已过时 ：传统的线性交接模式——设计师创建静态模型后扔给工程团队——正迅速被淘汰。取而代之的是协作式工作流程，设计师既会分享高保真 Figma 设计图，也会提供能展示真实交互功能的 v0 原型。工程师接收到的不仅是图片，更是可直接集成并扩展的可用代码。
- 快速迭代 ：设计评审与实现修复的拉锯战从数天压缩至数小时。Cedric 可以直接在代码库中进行样式调整，而无需为工程师标注截图。
这种转变对团队架构和招聘具有深远影响。最高效的团队将融合设计与工程技能，使设计师和工程师都能在全栈上下游自如切换——既能贡献代码也能构建原型。采用这种混合模式的企业将以更快的速度、更轻松地打造出具有品位的产品。
4. 四大 AI 原生设计原则正在浮现
随着 AI 应用的激增，针对 AI 驱动产品的专属设计原则也正在初步形成。Cedric 概述了传统软件设计中不存在的若干关键考量因素。
最大限度降低认知负荷
最理想的人工智能交互体验应当如同"与真人对话"——对方能下意识捕捉上下文线索。设计师需要避免过度引导或复杂配置，让人工智能承担理解意图的核心工作。Recall AI 和 Granola 等工具正是典范，它们能无缝吸收对话数据和洞察，无需用户预先组织思路。
拥抱不确定性，应对中断。
与传统软件不同，AI 系统能产生多样化输出。设计优雅处理这种可变性、并在必要时为用户提供适当控制的界面将成为关键。我们观察到 OpenAI 等 AI 公司采用 Temporal 处理需要健壮重试机制的多步骤长时任务，以应对不确定的执行路径。用户还需具备停止或重定向偏离轨道的 AI 流程的能力。正如 Cedric 指出，目睹 AI"脱轨"却无法补救会带来"糟糕体验"。Cursor 和 v0 都提供了检查点与回滚机制，支持在执行树中回溯并尝试不同方案。
使用能展示工作过程的 AI。
虽然 AI 模型可能是黑箱，但上下文与推理过程应当透明。Perplexity 凭借详尽的来源引用表现出色，Deepseek 则率先展示了其多步骤推理过程。Anthropic 在解读思维链轨迹方面也做出卓越贡献，致力于构建透明可解释的 AI 系统。希望建立用户信任的企业，会通过思维链推理或来源标注保持透明度。
为监督而设计，而非为操作。
在自主智能的未来，用户将成为 AI 系统的管理者而非直接操作者。这需要建立监控、指导和协调多个 AI 智能体的新模式——甚至可能需要操作系统级的智能体管理仪表盘。早期的用户体验模式包括：后台任务完成通知（如 Perplexity 深度研究 ）、并行执行与进度条显示（如 OpenAI Codex），以及通过生成式表单进行交互式用户提示（如 Perplexity Comet）。
这些原则将持续演进，但当下能审慎考量这些要素的团队，必将打造出更直观可信的 AI 体验。
5. 在 AI 时代，速度就是一切。
技术变革的速度令人窒息。正如 Cedric 所言，工具和最佳实践的迭代如此迅猛，"或许在这次讨论之后，v0 版本就不再是最佳工具了"。这催生出一个新的当务之急：构建组织快速实验与采纳新技术的核心能力。
从我们的对话中可以推测，那些在此环境中蓬勃发展的企业将具备共同特征：
- 允许团队尝试新工具
- 优先考虑快速交付和学习，而非追求完美
- 构建模块化、API 驱动的架构，以便快速整合新功能
- 培养重视学习速度与现有专业能力同等重要的文化
对于大型企业，塞德里克的建议很实用：从原型设计开始。即便无法触及生产代码，也可利用 AI 工具创建引人注目的原型，通过展示可能性来获得组织认同。
这种加速效应不仅体现在单一工具上，更在于其复合效应。当设计师能更快完成原型设计时，工程师就能更快实现功能，团队也能更快进行迭代——整个产品开发周期因此大幅缩短。
塞德里克的人工智能设计堆栈
| 工具集 | 工作流程 |
|
|
|
|
|
|
|