惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
H
Help Net Security
云风的 BLOG
云风的 BLOG
Apple Machine Learning Research
Apple Machine Learning Research
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Hugging Face - Blog
Hugging Face - Blog
博客园_首页
D
Docker
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Blog — PlanetScale
Blog — PlanetScale
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
GbyAI
GbyAI
博客园 - Franky
B
Blog RSS Feed
Stack Overflow Blog
Stack Overflow Blog
L
LangChain Blog
量子位
V
Visual Studio Blog
Y
Y Combinator Blog
小众软件
小众软件
N
Netflix TechBlog - Medium
博客园 - 三生石上(FineUI控件)
Microsoft Security Blog
Microsoft Security Blog
雷峰网
雷峰网

分享创造

分享 KCase 脑图测试用例生成平台(AI 辅助生成测试用例) 标签页囤积症自救:写了个插件 TabRack,主打快速检索、自动分类和 AI 摘要 [file-preview]一个比较全面的在线文件预览组件库-支持 react 和 vue 撸了个 iOS 小应用[极简水印相机],直接免费 做了一个 V2EX Skill 写了个 iOS 打码 App「遮鸭 Maskduck」,纯离线免费 35 岁前端,裁员失业后,我花 1 个月做了个 AI 生图网站 亲身经历猫咪急症,我做了一款猫狗疼痛检测工具,希望能救你家毛孩一命 如何用 AI 做比较酷炫的落地页? 求真!最近 AI 生图的能力强到可怕 开源一个查看 k8s 的菜单栏工具-kubebar Packpour:我做了个专门给 App Store Connect 填多语言元数据的小工具 面对 140 年一遇的超级厄尔尼诺,我做了个全球监测小站 做了一个自动翻译的 Hacker News 客户端 做了一个 AI 头像生成器,可以免费生成 2 次 [送码 50 个] 自己手搓了个高颜值的倒数日 App——拾光机,求 V 友们指点 一个将苹果健康 APP 数据导出的工具,然后把你的数据喂给 AI 分析 我做了一个叫「订阅斩」的 iOS App,专门对付那些悄悄扣钱的订阅 做了个草率的日麻互动漫画,听听反馈 喜欢自己洗车的朋友们,我用 ai 做了一款洗车小程序 -- 洗车志 感谢 V2EX 上各位 NAS🍆 和 Datahoarder 玩家的关注和真实反馈!作为个人开发者,能得到这么多硬核玩家们的讨论,我非常荣幸。 用 AI 开发熊孩子自律的小程序 用 OpenClaw 搭建个人运动助手 今天摸鱼给 NanaAI 也接入了 GPT-Image-2 [Video Companion]一个 chrome 插件,解决大多对视频操作的需求~欢迎使用提 bug AI 时代,做产品简单了,把产品推广出去却变的更难了~ bestskills.dev - Skills 精选和评测站点 免 ROOT 强力卸载安卓广告软件 一个 All In One 的运维工具,支持 SSH、数据库、Redis 管理 [开源] Codeg V0.10:专注于代码生成的多智能体 IDE(cc、codex、gemini、opencode……),新版本重构了工作区,飞一般的体验,支持桌面端、服务器部署
我是怎么 vibe 出没有 AI 味的产品的
iknewtoday · 2026-06-29 · via 分享创造

上个帖子是大半夜发的,本来是准备放弃被 Figma "干死"的产品 (flare.design) 的,只是想找个没人认识的地方记录一下,没想到收到很多关于产品设计的正向反馈。

所以又半夜上来发个帖,分享一下这个产品是怎么 vibe 出来的,回馈一下感兴趣、并且给过正反馈的朋友。

说一下我的流程,人手写版本。

  1. 先确认自己想要的风格

    因为本来是想做面向设计师偏专业的工具,设计师如果用起来会持续花大量的时间在一个画布上,所以编辑器必须要保持冷静、克制、清爽的设计风格,这样设计师长时间使用才不会感觉到视觉疲劳,所以给整体风格定了一个基调。

  2. 选择一个模块开始打磨 我首先打磨的是编辑器,参考了市面上成熟的产品,体验下应该可以发现整体设计上比较偏向 Figma ,面向设计师 Figma 是一定绕不过去的,要尽量让设计师感觉到熟悉和容易上手,所以我在字号、布局配色上都接近它。

    但是也不完全一致,在差异化的功能方面,比如生成器、时间轴、动效等则参考了其他产品比如 Jitter 然后迁移到我们的风格里。

  3. 收敛设计 token 和风格规范

    编辑器打磨到一个比较舒服的状态后,我开始从里面抽设计 token 和通用组件规则,再把整站往这个感觉上靠。

    这里没啥魔法,主要就是不停的使用和 review ,哪里感觉不对劲就改哪里(我感觉有点偏苦力了。。),这里 AI 更多的在执行,它很难发现四处散落的细节问题,主要还是靠人的审美和审查。

  4. 反复打磨小细节

    很多质感其实来自特别小的地方:按钮高度、hover 状态、popover 位置、面板半径、阴影强度等,还有信息密度,这个我花了挺多时间反复调整。

    这些东西单独看都不大,但是到处都是。打磨到后面,体验的提升不是来自一个大改版,而是各个小地方终于开始有一致的设计了。

所以如果说有什么经验,我觉得不是“用了某个高级方法论”,而是:

先定一个足够清楚的产品气质,然后选一个核心模块打穿,把它变成设计语言的源头。之后所有页面、所有组件都往这个源头收口。最后就是持续不断地 review 细节。

当然现在我还有很多不满意的地方,比如对外站点(首页、文档、定价、登录流程等)、email 模板,还有品牌和 Logo ,都还差点意思,还要花更多时间打磨才行。

下面是 Codex 基于项目上下文和我们之前讨论总结的版本,偏工程视角:

我们的流程大概是这样的:

1. **先收窄产品定位**  
   我们先明确 flare.design 不是 Figma 、Canva ,也不是泛泛的运营后台,而是一个 **AI-native motion canvas**:让 AI 生成的图片、视频、文字、动效和导出都留在同一块画布里。这个定位决定了界面不能太营销化,也不能太重,而要像一个安静、精密、可工作的创作工具。

2. **从真实创作循环出发**  
   体验主线不是“点一个按钮生成”,而是:生成 / 导入素材 → 在画布上排布比较 → 加动效 → 预览 → 导出 → 保存资产或 Recipe 。  
   所以我们一直强调“上下文可见”:参考图、备选 frame 、生成结果、批注、最终导出区域都在同一空间里,用户不用在多个工具和文件夹之间跳来跳去。

3. **先把编辑器能力做稳定,再追求漂亮**  
   Frame 、Layer 、Mask 、Group 、Auto Layout 、Timeline 、Motion 、Export 这些能力先被定义成稳定模型。比如预览和导出复用同一套播放逻辑,mask 是一等容器,frame timing 是 frame-local 的。这些底层约束让界面看起来“可靠”,而不是只是表面精致。

4. **把视觉语言沉淀成系统,而不是每个页面单独设计**  
   后面我们开始把 panel 、toolbar 、rail 、popover 、settings 、asset library 、generation UI 都统一到同一套 token 和 primitives 里。核心规则是:浅色、克制、小字号、低阴影、少卡片、少装饰,用 6-12px 的 radius 、细分隔线、紧凑控件和轻微 hover 状态表达层级。  
   这就是为什么现在看起来比较高级:它不是“炫”,而是所有地方都在讲同一种产品语言。

5. **反复打磨高频接触点**  
   最近很多提交都是 polish:image toolbar 、mask controls 、generation UI 、editor controls 、asset popover placement 、collapsed chrome height 、settings navigation 。它们单个看都不大,但都发生在用户每天会碰到的位置。体验的质感就是这些小地方累计出来的。

6. **把 AI 和 agent 设计成协作流程,而不是魔法按钮**  
   MCP / Codex / Claude Code 的接入不是让 agent 接管整个项目,而是让它读取画布上下文、处理边界清楚的任务、把生成资产放回画布,再由人比较和接受。这让 AI 成为创作循环的一部分,而不是一个孤立的生成入口。

7. **用文档和回归清单固定质量**  
   你们已经把设计系统、编辑器稳定性契约、架构 guardrails 、回归 checklist 都写进仓库了。每次行为变化都要更新 contract 和测试场景,这让后续 AI 或人继续改的时候不会把体验改散。

一句话版本可以这样说:

> 我们不是先追求“好看的 UI”,而是先把产品定位、创作流程、编辑器模型和视觉规则收紧。每个功能都必须服务同一个循环:生成、排布、动起来、导出、复用。最后再通过共享 tokens 、panel primitives 和大量高频细节 polish ,把整个产品打磨成现在这种安静、精密、连续的体验。

其实这个产品技术架构我也挺满意的,全栈 Cloudflare ,这也是产品名字( flare )的由来,包括邮件发送服务,也是一开放就立马用上了,还有 AI 生成 API ,也是用的 Cloudflare 收购的 Replicate 。

做这个产品的过程中把各种东西都用了一遍,感觉还挺爽的,以前要学很久的东西,比如多人协作、Shader ,现在都跳过学习过程直接用就完了,时代真的不一样了。

Shader 图层一天就支持了,后面又是一天就做了个 Figma 插件和工具页面,可以看我的 changelog,很多事情都是一两天就干完了,AI 实在是太强了。