Communitygithub.com

AI駆動デザイン

プロダクトインターフェース、ポートフォリオ、ダッシュボード、モーションコンセプトをAIと共に探索する際に使用します。特に、反復が洗練されているが凡庸に見える場合、ナビゲーションが不明瞭な場合、アニメーションが注目を奪い合う場合、デザインの代替案がスタイリングのみで異なる場合に適しています。

AI駆動デザイン とは?

このスキルは、AIエージェントがデザインを検証可能な仮説として扱い、不確実性の解消を最適化するための体系的なフレームワークを提供します。UI/UXデザイナーやプロダクト開発者向けに設計されており、Claude CodeやCursorなどのAIエージェントで利用できます。スキルは5つの段階(永続的コンテキストの確立、構造的な発散、洗練とプロトタイピング、観察可能なタスクの検証、影響を受けた最も初期の決定への回帰)で構成され、各段階で具体的なアクション指針を示します。特に、構造的バリエーションと視覚的スタイリングを分離すること、アニメーションの設計に[references/motion.md]を参照すること、ワークシートには[references/worksheets.md]を使用することを明示しています。また、ユーザーテストのシミュレーションを実際のユーザー研究として報告しないなど、厳格な検証基準を定めています。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/imdoinggreat/ai-native-design-skill/tree/main/ai-native-design

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

AI駆動デザイン は何をしますか?

デザインを検証可能な仮説として扱います。生成されるバリエーションの数ではなく、除去された不確実性に対して最適化します。

タスクに合わせる

自由な探索には、以下のサイクルを使用します。方向性が決まっている場合は、該当する段階から続行します。限定的な編集の場合は、要求された変更を行い、その即時効果を確認します。発見を再開しないでください。明示的な選択と実装の既存の承認を尊重します。

1. 永続的コンテキストの確立

利用可能なコード、実行中のインターフェース、提供された参考資料、制約、および以前の決定を検査します。目的、対象ユーザー、主要タスク、現在のインタラクション、既知の摩擦、未知の事項をコンパクトなプロジェクト概要に記録します。観察事項と仮定を区別します。

各参考資料から何を借用するかを説明します。アンチリファレンスには、望ましい代替案をペアにします。「汎用的なカードを避ける」は、「読みやすいプロジェクトインデックスを使用する」を意味するかもしれません。美的な除外事項はプロジェクトに属し、将来のすべてのデザインに属するものではありません。

利用可能な場合は、機能している実装を現状の参照として使用します。維持されているデザインシステムや指定されたデザインソースを尊重します。コード、スクリーンショット、デザインファイル間の不一致をフラグします。

2. 構造的に発散する

視覚的なスタイリングの前に、異なる情報アーキテクチャとインタラクションモデルを探索します。幅を範囲に合わせます。多くの場合、3〜6の方向性で十分です。

各方向性について、仮説、大まかなレイアウト、主要タスクパス、起こりうる失敗、明確さ、アクセシビリティ、モバイル動作、実装コストにおけるトレードオフを示します。比較のために代替案を保持します。同じレイアウトの異なる色は、構造的多様性とはみなされません。

理由と不確実性を伴って方向性を推奨します。選択が未確定のままの場合、重要な決断を求めます。ユーザーが選択を委任した場合は、選択し、その根拠を述べます。

3. 洗練とプロトタイピング

参照概要を使用して、選択された構造の視覚的バリエーションを探索します。却下された代替案はアクセス可能なままにします。主な不確実性をテストする最小限の機能プロトタイプを構築します:実際のナビゲーション、意味のある状態、レスポンシブ動作、アクセス可能なコントロール。

オプションの見せ物が主要タスクを妨げないようにします。生成されたコードは、テストと信頼性のコストを伴う保守可能なソフトウェアとして扱います。

アニメーションについては、motion.mdを参照してください。ワークシートについては、worksheets.mdの該当セクションを参照してください。

4. 観察可能なタスクを検証する

評価の前に、タスク、成功シグナル、失敗シグナルを定義します。実装チェック、専門家の判断、観察されたユーザーエビデンスを分離します。シミュレートされたフィードバックをユーザー研究として決して説明しないでください。

タスク完了、誤った方向転換、理解度、自己報告された体験を観察します。アナリティクスについては、メトリクスの定義、変換、データソースの系譜を公開します。表情やエンゲージメントのみから満足度を推測しないでください。

実際の参加者が利用できない場合は、その制限を報告し、最小限の有用なテスト計画を提供します。プレゼンテーションの質と製品の有用性を別々に判断します。

5. 影響を受けた最も初期の決定に戻る

発見再検討
ユーザーがタスクを見つけられない構造またはナビゲーション
コントロールまたは状態変更が不明瞭インタラクション
トランジション中に読み取りまたは注意が途切れるモーションペーシング
階層またはアイデンティティが適切でない視覚的方向性

再利用可能な原則をプロジェクトの好みとは別に、エビデンスと確信度と共にキャプチャします。提案された一般的なルールを、一般化する前に、なじみのない通常の機能でテストします。詳細な比較と転送ケースについては、examples.mdを参照してください。

関連スキル