5月底临时需要在团队内做一场设计师 x AI Coding的主题分享，因时间紧急（完全利用工作外时间），我决定放弃传统PPT的形式，从零开始利用AI工具链构建分享网站。
本文是这次AI协同实验的复盘，同时分享我对当前Agent Coding工具能力边界、Agent交互、协作模式变化的新思考。
主力工具：V0（制作分享网站）、Flowith Neo（制作AI Coding知识库）、Manus（前期惊艳，最终任务执行失败）、Gemini（内容策划）。
先来看看最终成果：
设计师 x AI Coding的主题分享网站：https://kzmkbx8qajeeywvv0thi.lite.vusercontent.net/
面向设计师的AI Coding知识库：https://flo.host/mJIyFLi/
这次实验我主要使用了大热的Flowith Neo和Manus这两个通用Agent，感受到了Agent对Coding效率的极度提升，让我有更多时间聚焦内容本身，而非局限于分享形式（例如过去的PPT美化）上。不过在Agent对垂直领域优化做的还不够成熟的情况下，过程中也走了些弯路。
Agent接入了LLM、生图、生视频等大模型，能理解复杂、长期目标，并且能自主规划、调用多种工具来达成目标的，很适合这种极短时间内需要交付的非精确任务。
对比我在上个项目中使用的Cursor 这样的IDE产品，Agent给我带来最大的便捷是可以自动完成数据存储、网站部署上线等一系列事情，网站内容本身成为创作核心，人类参与制作、执行的时间大幅降低。
在我的整体使用过程中，当下的通用Agent更适合0-1阶段。1-100的阶段还需垂直Coding工具接管。和垂直Coding工具对比，Agent的优劣势会更加具体：
这里我就要展开讲讲我和Agent的协同过程了，好方便大家理解前面的结论是怎么得来的。
我将同一段Prompt输入给了Flowith、Manus，并通过输入简单的设计要求、参考图、参考网址等方式简单调教了几版风格：
起初我对Manus生成的效果（左上图1）非常满意，它在理解图片、链接参考上的功能支持比Flowith更佳，生成的网页设计风格、动效都高Flowith一筹。在"0到1"阶段，Agent快速将模糊想法具象化的能力已经让我非常惊讶了。
然而，就当我试图从1开始进行深度迭代时，Manus 的脆弱性便开始暴露。
对边界失败场景应对不足：
在我尝试持续修改时，Manus很快提示上下文达到上限。并反复弹出付费页面，显示会员拥有更高上下文长度，
然而即便在我付费20多刀后，限制依然存在。这种在关键付费节点上的履约失败，让我对其可靠性彻底失去信任。
核心交付物质量不足。 抱着“不能白付费”的心态，我尝试让Manus导出源码，结果交付的代码缺失了一半的样式。
至于缺失的代码，我确实没有打字重新描述的动力。对于设计师来说，使用详细Prompt定义设计内容还不如自己设计来的快，通过文字详细定义设计规范总有些不太对，这违背了设计师视觉感受优先而非文字优先的直觉。
我敢打赌90%的设计师都不愿写这样的Prompt
就在我以为AI协同实验即将失败时，我将Manus产出的残缺代码和需求交给了垂类 Coding 工具V0。结果让我非常惊喜：V0不仅迅速复刻并补全了所有样式和动画，还提供了结构清晰、可供二次开发的完整代码。
相比Manus的不确定性，V0给我的“安全感”非常强：它在垂类产品中审美在线、版本可随时回溯、网站无需部署可直接预览，项目支持无限修改。 终于...我的分享材料有着落了。
区别于分享网站的坎坷经历，【AI Coding知识库】的制作相对顺利。这次，我使用Flowith完成任务，并找到了当下Agent的真正优势所在：处理以复杂内容调研和逻辑为核心，而非以视觉调优、持续迭代的任务。
访问地址 (PC 体验更佳)：https://flo.host/mJIyFLi/
展示了从初版到终版的演进，略去部分对话调整
Flowith的核心优势体现在：
强大的信息整合能力： 得益于Flowith Neo无限制的长文本分析整合，出色地完成“调研-总结报告-报告转化为结构化网页”的任务，完整度远超预期。（单这一点，垂类Coding工具是做不了的
较高的指令遵循度： 在后续持续要求内容和结构调整时，能准确执行指令，体验流畅。
较高的执行效率与性价比： 对于复杂的信息处理任务，运行速度快，积分消耗相对合理。
但它同样暴露了Agent在“迭代”上的核心短板：
具体表现为：Flowith会过早判定任务完成而终止对话；同时它无法提供源代码。这两个限制，导致我无法对生成的初版网页进行持续的精细化修改。
以V0为代表的垂类工具，允许用户直接对代码进行编辑，并支持下载代码进入Cursor等专业环境再次编辑，能够满足AI代理快速完成0到1，人来高效掌控1到N的开放体验。
而以Flowith和Manus为代表的Agent，目前则更像一个“封闭系统”，虽然“0到1”可能更自动化，但其后续迭代的“天花板”却很低。这正是当前我对Agent模式最不满意的地方。
综合我构建两个网站的经验，当前Agent Coding的核心价值在于极速完成从0到1的构建，尤其适合以下两类场景：
MVP与概念验证：Agent能将一个模糊的产品或设计构想实现，缩短到几小时甚至几十分钟内，变成一个功能可用、可交互的MVP。这极大地降低了创新和试错的成本。过去需要一个团队数周才能完成的工作，现在由一人一AI即可实现。
内容驱动型网站的生成。 对于知识库、Landing Page、活动页这类以信息展示为核心、结构相对标准化的网站，使用Agent可以发挥极大价值。创作者可以跳过调研、资料整理、信息设计阶段，直接完成了初步想法 - 拿到结果的快速跨越。
当然，由于通用Agent对垂直领域的打磨不足，以及‘持续编辑能力’这个核心症结尚未解决，它在以下场景中表现得力不从心：
需要精细化视觉调优的生产项目。 正如我的经历，试图用文字指令去对齐高度定制化的视觉细节，效率低下且违背设计师直觉。在这方面，V0这类垂类工具优势明显。
需要长期迭代和维护的核心产品。 Agent“一次性交付”和“封闭生态”（如无法提供源码）的特性，使其几乎无法被纳入需要多人协作、持续更新的严肃项目工作流中。
对稳定性和可靠性要求极高的任务。 Manus的履约失败就是一个警钟，现阶段我们还无法将一个有明确deadline的关键任务，毫无保留地完全托付给Agent。
开始思考之前，我尝试思考了两个问题：
从现有用户体验角度出发，当下AI Coding有哪些痛点是值得被改善的？
相比V0、Lovable、Bolt等垂直Coding工具直接竞争，Agent Coding工具如何才能发挥更大优势？
如设计领域的Agent Lovart，我想未来可能会出现Coding领域的Agent产品来解决通用Agent当下无暇顾及的问题。基于这个假设我想到了几点迭代方向：
在前面的实践中，我们能感受到不同产品间存在明显的‘审美差异’。例如，V0、Manus支持人为输入参考图、参考网站，甚至默认输出的效果都还不错；而Flowith如果不经过的Prompt调教，其产出物更像是“功能实现”，而非“设计作品”。
Flowith最初输出的网页效果
大模型本身并不会设计，它本质上是在模仿其训练语料中的代码与视觉风格。 它的“品味”，源自Github海量的开源项目和网络上无数的网页示例。
除了等待大模型自身的进化，Coding工具也可以主动为AI注入审美：
通过系统级提示进行预期管理：Agent可以通过系统级的指令约束大模型生成，通过预设AI的角色和行为约束输出物下限。
通过绑定组件库进行审美兜底：如V0集成了Tailwind CSS 和 Shadcn UI ，AI的任务不是自由地创造一个按钮，而是被强制要求去调用一个本身就设计得很好的按钮组件。这等于借助一套成熟的设计系统来兜底，巧妙地避免了模型自由发挥导致的审美崩坏。
通过“多模态理解”实现精准还原
符合用户直觉的体验是：用户上传一张喜欢的网站截图、链接、Figma设计稿 - Agent 分析其其设计语言（色彩、字体、布局、圆角等） - 自动生成结构化的设计参数（Design Tokens） - 调用模型去精准还原或模仿其风格。这种方式能将用户从繁琐的文字描述中解放出来，让AI真正成为视觉意图的延伸。
也许有一天Coding Agent也可以做到，这是更符合用户直觉的体验
那么，未来的基座大模型会强大到让这些“微调”失去意义吗？我认为大概率不会。
基座大模型就像iPhone 相机，它的目标是拍出让大多数人满意的“好照片”。而AI Agent或垂类Coding工具，则更像是为这台相机配备的“专业镜头与风格滤镜”。 它们让创作者有机会超越“标准美”，去实现更具个性的艺术表达，让你从“记录”走向“创作”。
主打生成更具设计品味代码的Coding产品Variant已经开启测试邀请
申请地址: https://www.variant.ai/
当前多数AI产品还采取一个聊天框解决所有问题的范式，在处理专业、精细的垂直任务时，显得低效且违背直觉。 这种割裂感体现在各种需要深度介入的场景中：
例如Manus可以生成需求文档，但我无法直接在其中直接修改，必须经历“下载到本地 → 用Word编辑 → 再重新上传”的繁琐步骤。
例如网站设计优化时，当需要进行像素级微调时，用语言去精确描述，其效率远低于所见即所得的视觉操作。
一些Coding工具已经开始向该方向优化，V0上周更新的Design Mode，则允许用户在预览窗口中，像使用Figma等设计软件一样，通过图形化的控件去修改组件的字体、颜色和间距等细节。
另外Lovable、V0都集成了专业后端服务，让用户可以直接在一个成熟、强大的专业界面中管理自己的数据。
V0集成了后端服务、数据库、数据缓存等基础设施
Agent的未来，也不应只是一个聊天框，而应是一个能根据需要，调用各领域专业工具台的中枢。
虽然在产品打磨好以上两点体验之前说这个话题显得有些为时尚早，但这确实是Agent产品存在的意义所在 —— 连接产品与市场、打通从“想法”到“增长”的全链路。
上游：市场调研到产品定义
目前，领先的通用Agent已经初步具备了处理“上游”任务的能力。但当下，这些任务往往是孤立的。Agent生成的分析报告，还需要我们手动消化，再转化为对编码任务的具体要求。
想象一下未来的工作流：
用户下达一个模糊的想法。Agent首先自主完成市场扫描和竞品分析，然后与用户一同进行头脑风暴，将讨论结果固化为一份结构化的PRD。最关键的是，它接下来的编码工作，会严格依据这份自己参与制定的战略蓝图，比如优先开发哪个核心功能，采用什么样的技术栈能更好地服务目标用户等。
这时的Agent，不再是被动响应指令生成代码，而是带有充分商业理解和产品思考去生成代码。
下游：从被动交付到主动增长
在充分发挥前期调研、信息整合的优势后，网页产品制作完成只是一个开始，后续的工作如数据跟踪 - 主动优化、运营推广、SEO优化等场景都有Agent可发挥的空间。
再想象一下：
网页上线后Agent持续监控数据，当某些页面核心指标异常或未达平均水平时，Agent会给出进一步分析及优化方案。在你发布产品新功能后，Agent可以根据优化点自动撰写推广文案甚至自动化广告投放与社媒运营...
AI驱动网址内容优化工具，根据实时数据调整页面细节并创建 SEO 友好的内容
Agent 领域的未来，也许不是写出更好、更快的代码，而是将“写代码”这个原本孤立的技术环节，深度融入到“定义产品、创造产品、运营产品”的整个商业闭环之中。
即使当下通用Agent还存在种种不成熟，也面临“只能做玩具”的质疑和挑战。但如果你体验过这种效率的直线提升，你就会感受到新的协作模式正在悄然形成，我们正身处一个新协作模式的开端。
这种模式下，人类的价值回归到了战略思考、需求洞察和创造性定义上。AI则成为了最高效的执行引擎，负责将定义好的What，转化为最终的How。
在这场变革中，单纯的执行技能正被快速标准化。无论是绘制标准化的UI组件，还是编写模板化的功能代码，AI的效率都将远超人类。这也不可避免地导致了专业边界的模糊化：懂需求的设计师通过Agent涉足了实现，而开发者也更多地参与到产品的前期构思与快速验证中。
传统的、线性的协作模式正在瓦解，取而代之的，是创作者这一角色的崛起 —— 善于思考，洞察本质，以AI为杠杆，将想法高效转化为现实。
最后，感兴趣的朋友欢迎访问我在这场协同实验中制作的网站
我在团队内部进行【设计师 x AI Coding】主题分享的网站：https://kzmkbx8qajeeywvv0thi.lite.vusercontent.net/
如果你是不懂代码的设计师、产品经理，这个面向小白群体的AI Coding知识库值得一看：https://flo.host/mJIyFLi/
另外给大家推荐V0官方推特评论区，有很多网友脑洞大开制作的有趣案例：https://x.com/v0/status/1933160613444014493
如果你对小白AI Coding领域有什么想要了解的，欢迎评论、后台留言～
如果你觉得本文对你有所帮助，欢迎帮忙转发，非常感谢！
AI开发实践，小白如何用5k行代码打造个人项目？（完整经验复盘 + Cursor 提效攻略）
GPT-4o旅行贴纸创作全攻略｜城市系列、动漫系列、提示词技巧分享
AI视频进展速读｜Runway超强生图能力、Veo免费体验、3个剪辑新产品、优秀短片及提示词技巧
AI视频进展速读｜5个老牌产品更新，2个新产品动向，8个创意转绘、广告、动漫案例精选
AI视频进展速读｜Pika高速更新，动漫风格神仙打架，Wan 2.1成为最强开源模型
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。