Communitygithub.com

AI原生设计

当与AI共同探索产品界面、作品集、仪表盘或动效概念时使用,尤其是在迭代结果虽精致但显得千篇一律、导航混乱、动画争抢注意力、或设计方案仅在风格上不同时。

AI原生设计 是什么?

该技能将设计视为可测试的假设,专注于消除不确定性而非生成更多变体。它提供了一个五阶段循环:建立持久上下文、进行结构发散(探索不同的信息架构和交互模型)、细化与原型制作、验证可观察任务、以及返回最早受影响的设计决策。技能强调在视觉风格之前探索架构和交互的多样性,并指出了动画、辅助功能和实现成本方面的权衡。它支持AI代理驱动的设计工作流——例如在Claude Code或Cursor中——通过提供可操作的问题清单和决策启发法(如一张表格列出发现与应重新审视的设计层面)。该技能的核心价值在于系统性地减少不确定性,而非无差别地生成视觉变体,从而避免“看起来很漂亮但实际不可用”的陷阱。

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

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

AI原生设计 是做什么的?

将设计视为可测试的假设。优先追求消除不确定性,而非生成变体。

与任务匹配

对于开放式探索,使用下面的循环。若已选定方向,则从相关阶段继续。对于限定性编辑,执行所请求的更改并检查其即时影响;不要重新开始探索。尊重显式的选择以及已有的实施授权。

1. 建立持久上下文

检查可用代码、运行中的界面、提供的参考、约束条件以及先前决策。将目的、受众、主要任务、当前交互、已知摩擦点及未知项记录到一份紧凑的项目简报中。区分观察结果与假设。

描述应从每个参考中借鉴什么。将反参考与期望的替代方案配对;“避免通用卡片”可能意味着“使用可读的项目索引”。审美排除项属于项目本身,而非每个未来的设计。

当可用时,将功能实现作为当前状态参考。尊重维护好的设计系统或指定的设计源。标记代码、截图与设计文件之间的差异。

2. 结构发散

在视觉风格之前,探索不同的信息架构和交互模型。广度应与范围匹配;通常三到六个方向就足够了。

对于每个方向,给出假设、粗略布局、主要任务路径、可能的失败点以及清晰度、可访问性、移动端行为和实现成本方面的权衡。保留替代方案以供比较。仅在颜色上不同的同一布局不算结构多样性。

推荐一个方向并附上理由和不确定性。若选择仍悬而未决,请求做关键决策;当用户已委托选择时,代为选择并说明理由。

3. 细化和原型制作

基于参考简报,探索所选结构的视觉变体。保留已拒绝的替代方案以便后续查阅。构建最精简的功能原型,以测试主要不确定性:真实的导航、有意义的状态、响应式行为和可访问的控制。

避免让可选的华丽效果阻碍主要任务。将生成的代码视为需考虑测试和可靠性成本的可维护软件。

关于动画,请参阅 motion.md。关于工作表,请查阅 worksheets.md 的相关章节。

4. 验证可观察任务

在评估之前定义任务、成功信号和失败信号。将实施检查、专家判断和观察到的用户证据分开。永远不要将模拟反馈描述为用户研究。

观察任务完成情况、错误转向、理解程度以及自我报告体验。对于分析指标,暴露指标定义、转换方法和数据来源。不要仅通过面部表情或参与度推断满意度。

当无法获取真实参与者时,报告这一限制,并提供最小的可用测试计划。将呈现质量和产品实用性分开评判。

5. 返回最早受影响的设计决策

发现应重新审视的内容
用户找不到任务结构或导航
控件或状态变化不清晰交互
过渡过程中阅读或注意力被打断动画节奏
层级结构或品牌感不对劲视觉方向

将可复用的原则与项目偏好分开记录,并附上证据和信心水平。在将提议的通用规则推广之前,先在一个不熟悉的普通特性上测试它们。参见 examples.md 以了解工作对比和迁移案例。

相关技能