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

SecWiki News
SecWiki News
Blog — PlanetScale
Blog — PlanetScale
Microsoft Azure Blog
Microsoft Azure Blog
腾讯CDC
Jina AI
Jina AI
Stack Overflow Blog
Stack Overflow Blog
G
Google Developers Blog
MongoDB | Blog
MongoDB | Blog
Microsoft Security Blog
Microsoft Security Blog
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
博客园 - 司徒正美
Y
Y Combinator Blog
博客园 - 聂微东
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
T
Troy Hunt's Blog
Forbes - Security
Forbes - Security
L
LINUX DO - 最新话题
AI
AI
S
Secure Thoughts
O
OpenAI News
Google DeepMind News
Google DeepMind News
T
Threat Research - Cisco Blogs
量子位
A
About on SuperTechFans
C
Cybersecurity and Infrastructure Security Agency CISA
The Register - Security
The Register - Security
S
Security Affairs
B
Blog
T
Tenable Blog
Cloudbric
Cloudbric
The Last Watchdog
The Last Watchdog
I
Intezer
L
Lohrmann on Cybersecurity
MyScale Blog
MyScale Blog
H
Hacker News: Front Page
Apple Machine Learning Research
Apple Machine Learning Research
Simon Willison's Weblog
Simon Willison's Weblog
Help Net Security
Help Net Security
N
Netflix TechBlog - Medium
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
WordPress大学
WordPress大学
Schneier on Security
Schneier on Security
H
Heimdal Security Blog
I
InfoQ
Martin Fowler
Martin Fowler
V
V2EX - 技术
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
D
Docker
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
Hacker News: Ask HN
Hacker News: Ask HN

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
AI没法直出UI?GPT+Figma这样搭才管用! – 人人都是产品经理
B端设计情报局 · 2026-06-16 · via 人人都是产品经理

AI工具正在重塑UI设计工作流,但如何让image2真正落地B端项目?本文通过一个真实的供电所工作台案例,揭秘从AI视觉探索到Figma可交付设计稿的全流程解法。关键不在追求一步到位,而在于精准拆解:用image2突破视觉边界,用Figma承接业务结构,最终由设计师完成专业整合。

一、全文速览图

这段时间,网上关于 image2 的案例很多。

但看多了华丽的视觉,我脑子里始终在思考一个更现实的问题: image2到底能不能接真实的 UI 需求?

本篇文章基于一个真实 B 端首页实践,分享我如何结合 image2 + Figma/Figma Make 完成视觉探索到可交付设计稿的全过程。

二、先说结论:image2 更适合打开视觉方向

这次测试后,我比较明确的判断是:

不要一开始就指望 AI 直接生成最终可交付的 Figma 设计稿。

更稳妥的方式是:

先用 image2 把视觉效果做出来,再回到 Figma / Figma Make 里整理结构。

因为在真实项目里,页面不是只要“好看”就够了。它还需要保留产品原型里的模块关系、业务字段和信息层级,最后也要回到 Figma 里继续修改、组件化和交付。

所以我现在更推荐把流程拆成四步:

这套流程的关键不是让 AI 一步到位,而是把不同工具放在最适合的位置:

image2 负责视觉探索

生成 Banner、卡片、图标、插画和整体氛围;

Figma / Figma Make 负责结构承接

把页面变成可继续编辑和调整的设计稿;

设计师负责最终落地

整理组件、自动布局、业务字段和设计规范。

先看结果:同一个原型,我跑了几版不同方向

为了验证这套流程,我基于同一个产品原型连续生成了多版方案。

这一步我没有让 image2 从零自由发挥,而是始终用原型约束页面结构,再通过不同参考图和描述词调整视觉方向。

从结果可以看到,它基本能保留首页工作台的模块关系。不同方案之间的差异,主要体现在视觉层:有的更偏清爽蓝白,有的强化了 Banner 和图标,有的加入了更强的科技感,也有暗黑风格版本。

这一步的价值不是直接选一张当最终稿,而是快速判断哪种方向更适合项目。确认方向后,再进入后续的 Figma 结构化还原和人工整理。

三、准备工作:确认生图能力,并连接 Figma

在开始之前,需要先确认两件事。

第一,当前对话是否支持图片生成。

如果你可以直接上传参考图,并让 AI 根据图片生成或修改视觉图,就说明这一步已经具备了。

第二,如果你希望后续把结果带回 Figma,就需要提前把 Figma 接进来。

连接成功后,可以先用一个简单指令测试:

请在当前 Figma 文件中新建一个测试 Frame,尺寸为 1920 × 1080。

如果 AI 能读取文件,或者能在 Figma 里创建测试画板,就说明连接已经可用。

这里不展开太细,核心就是确认三件事:

能生图、能连接Figma、Figma AI credits 够用。

Figma连接的大致流程如下:

首先,在侧边导航找到应用入口,并搜索插件名字

然后进行连接,建议连接之前先登录figma 账号

浏览器授权时,点击授权按钮,完成后会自动回到 ChatGPT 页面。

回到 ChatGPT 后,如果对话框里出现 Figma 图标,就说明已经连接成功。

这里还要注意 Figma 的版本和额度。

不然后面流程跑到一半,很容易因为额度或权限问题中断。

四、第一次尝试:只靠描述生图,为什么不适合真实项目

一开始,我也试过直接用简单描述生成页面。

帮我生成一张虚拟电厂工作台首页设计稿,要求蓝白风格、B端后台、清爽专业、有科技感。

生成结果整体看起来也像一个 B 端页面,但问题很明显:

它只是“像一个 B 端页面”,并不等于“能用到当前项目里”。

因为真实项目里的页面,不只是风格问题,还包含很多业务约束。

这些信息只靠一句简单描述,AI 很难准确理解。所以这类生成方式更适合做灵感参考,不适合直接进入真实项目。

简单描述适合发散灵感,但真实项目一定要基于产品原型来输出。

也就是说,不要让 AI 从零自由发挥。

真实项目里,更重要的是把已有原型、业务结构和不可变约束告诉它。

五、第二次尝试:把产品原型给 image2

后来我换了思路。

不再让 AI 从零生成,而是直接把真实项目里的产品原型给到 image2。

这一步最关键的是先告诉它:产品原型负责结构,而image2 负责视觉升级。

也就是说,原型里的模块、顺序和业务信息尽量不要乱动。

AI 可以从视觉维度入手,优化 Banner、卡片、图标、阴影、渐变、页面氛围和整体层次。

这样做出来的结果,会比“只靠一句描述”更接近真实项目。

因为原型给了结构约束,AI 不会完全自由发挥;

参考图又能给它视觉方向,让生成结果不只是原型美化。

提示词怎么写?

这里我不会只说“帮我优化得好看一点”,而是会把需求拆成几个部分: 原型用途、参考图用途、项目类型、当前约束、优化重点、风格要求和输出要求。

下面这段不是必须逐字照抄,而是想说明:真实项目的提示词要同时写清楚结构约束、视觉目标和输出要求

请基于我提供的 3 张图生成一版高保真 B 端首页设计稿:

图 1 是我的原型图,主要用于参考页面结构、模块布局、信息层级和业务逻辑。

请尽量保持原型的大结构不变,不要大幅调整页面框架。

图 2 和图 3 是视觉参考图,主要参考它们的整体风格、卡片层次、色彩关系、图表表现、首页氛围和精致度。

不要照搬参考图内容,只借鉴视觉语言。

##页面类型

这是一个供电所智能工作台首页 / B 端首页,主要面向供电所管理人员,偏运营工作台属性。

##当前约束

-页面整体结构不要大改

-左侧导航和顶部区域保留

-原型中的主要模块关系不要变,业务信息逻辑不要变

-品牌主色必须沿用蓝色体系,希望重点优化,整体视觉更现代、更精致、更有层次

-提升首页氛围感和视觉完成度,顶部 banner 更有设计感,可以加入轻量渐变、抽象图形或科技感装饰

-各信息卡片增强层次、阴影、圆角和留白,数据模块更清晰,重点指标更突出

-图表区域、任务区域、报表区域、文件区域更规整易读,常用应用区域图标更统一精致

-页面可以更丰富一些,但不要过于花哨,仍需符合政企 / 国企 B 端审美

##风格要求

-蓝白主色,辅以少量青色 / 橙色 / 绿色点缀

-清爽、专业、现代、轻科技感

-卡片式布局

-圆角、柔和阴影、轻渐变

-页面层次清楚,既有设计感又有落地感

##输出要求

请输出一张完整的桌面端高保真设计图,适合作为后续 Figma Make 还原的视觉锚点

这段提示词的重点需要把几个关键问题说清楚:哪些不能动、哪些可以优化、参考图怎么用、最终要生成什么。

从结果来看,这一轮明显比“简单描述生成”更接近真实项目。

它没有完全推翻原型结构,而是在原有页面骨架上增加了视觉层次:Banner 更完整,卡片更像设计稿,图标和模块氛围也更接近实际可讨论的方案。

尤其是“不要改变原型结构”这一点,在真实项目里非常重要。

因为 AI 很容易为了追求好看,把页面改成一个概念稿。但真实项目里,能不能用,首先看它有没有保住业务骨架。

如果第一版方向对了,后面可以继续通过描述进行几轮局部优化。

这一轮之后,页面会更像正式设计稿,而不是单纯的原型美化。

多方案如何生成?

这里有一个经验,如果想要多个方向的设计:不要只说“再给我几版”。这样很容易变成同风格变体。更好的写法是直接把差异说清楚。

基于同一个产品原型,请生成4个明显不同的视觉方向:

方向 A:政企蓝白风,清爽、稳重、弱装饰

方向 B:基于现有方案,整体色调偏青色

方向 C:运营工作台风,信息密度更高、模块更紧凑、图标更实用

方向 D:基于现有方案,生成对应的暗黑风格

四版不要沿用同一套卡片样式和 Banner 构图,要在色彩、卡片、图标、空间节奏上拉开差异。

确认方向后,再进入后续的 Figma 结构化还原和局部细节整理。

六、细节拆分:整页负责方向,局部素材负责质感

整页生成可以帮助我们快速看到一个方向,但它不适合承担所有细节。

比如小图标、插图、Banner、各种应用图标等等,这些元素如果直接跟着整页一起生成,效果通常不会特别稳定。

所以后面可以把它们拆出来,单独绘制或单独优化。

整页图负责方向,局部素材负责质感。

例如工单图标可以单独这样写:

生成一套 B 端工作台风格的状态图标,适用于工单概况模块。

图标包括:

-待派工

-待处理

-待评价

-已完成

要求:

-轻 3D、彩色、小体积感

-图形语义清晰

-适合 32×32 或 40×40 使用

-透明背景 PNG

-风格与工作台页面一致

Banner 之类的装饰元素也可以单独生成:

基于这张工作台页面,帮我单独生成顶部 banner 的背景插图素材。

要求:

-不要标题文字

-不要按钮

-只保留蓝色科技感电力场景插图

-包含电塔、电网线条、山体/城市轮廓、柔和光感

-企业级 B 端风格,克制、干净、未来感 输出横向透明背景 PNG 或浅底独立背景图

-方便放进 Figma 作为 banner 背景使用

这一步很重要。

整页视觉稿不用一次性承担所有精细元素。它主要负责定方向,而局部图标、插画、背景可以后续单独生成,再放回 Figma 里组合。

另外,一些细节如果没有按照原型输出,也可以直接在 GPT 内继续修改,好用到起飞~

这里也要区分哪些内容适合图片化,哪些内容必须可编辑。

原因很简单:业务内容后续一定会改,如果做成图片,维护成本会很高。

由此可见:视觉氛围类内容可以图片化,业务内容类必须可编辑。

七、回到 Figma:两种方法对比和最终工作流

生成 PNG 视觉稿之后,下一步就是回到 Figma。

这一步我测试了两种方式:

方法 A:image2 直写 Figma

方法 B:Figma Make 按图还原

这两种方式都能用,但适合解决的问题不一样。

方法 A:image2 直写 Figma,更适合保留视觉质感

第一种方法是直接让 image2 根据图片在 Figma 里还原设计稿。

我的指令写得很简单:

根据这个原型,转成设计稿

这个方法的好处是:视觉质感保留得相对好一些,一些小图标和装饰元素也可能以 SVG 的形式生成,页面整体氛围能保住。

但缺点也很明显:没有自动布局,页面细节仍然需要大量人工修正。

所以,image2 直写 Figma,更适合拿视觉细节,不适合作为最终交付稿。

它可以帮你保住图像里的氛围和细节,但如果要进入真实项目交付,还是需要设计师继续整理。

方法 B:Figma Make 按图还原,更适合拿结构和自动布局

第二种方法是把 image2 生成的视觉图交给 Figma Make,让它基于图片还原页面。

Figma Make 的具体使用如下:

这条路径的视觉效果可能没有 image2 直接画那么惊艳,但有一个关键优势:自动布局

这对真实项目很关键。

因为后面一定会改字段、改数据、改模块内容,如果页面没有自动布局,后续维护成本会很高。

(不用自动布局的旁友 使用 figma 的乐趣与效率会少掉一半~)

描述词也不用写得像论文一样复杂,重点是说清楚最核心的要求即可。

按图片还原页面,必须保持整体架构不变。

Banner 可用色块代替。

分辨率 1920,高度根据内容适配。

你就这样丢给他,就开始chuachuachua的写起来了~

完成后,通过页面右上角的按钮点击复制,然后粘贴到 Figma 里。

复制的时候建议尽可能把窗口拉大一些,让页面显示尽可能完整,方便复制。

可以看到,它基本是按照设计稿来还原的,布局也没什么大问题,并且还有自动布局。

我们可以直接把刚才 image2 画得比较好的元素贴进来,两者结合起来使用。

Apple 友,这比自己拿到原型,从 0 开始徒手搓图快多了~

所以我对 Figma Make 的定位是:把图片结构化成可继续编辑的设计稿

它不一定负责把页面做到最惊艳,但它能让页面进入可编辑、可调整、可继续搭建的状态。

最终建议:不要二选一,而是组合使用

测试下来,我不建议只押一种方式。

更好的做法是:

先让 image2 直接还原一版,看它能把视觉细节保到什么程度;

再让 Figma Make 按图还原一版,拿到自动布局和可编辑结构;

最后由设计师把两边的优点合并起来。

这会比单独依赖一种方式更稳。

八、最终推荐的工作流

如果后面再做类似真实项目,真正有效的顺序其实可以压缩成四步:

这套方法不是最省事的,但目前我觉得比较稳。它没有幻想 AI 一步到位,而是把 AI 放到了它最擅长的位置。

1. 原型 + 参考图定方向

原型负责结构,参考图负责风格,先把 AI 的发挥范围框住。

2. image2 生成视觉方案

先看整体风格是否成立,再决定是否继续拆图标、Banner、插画等局部素材。

3. 回到 Figma 做结构承接

可以同时尝试 image2 直写 Figma 和 Figma Make 按图还原:前者保视觉,后者保结构和自动布局。

4. 设计师整理与收敛

复用现有组件库,整理图层、自动布局、字段、组件和规范,最终变成可交付设计稿。

到这一步,AI 替设计师把前期探索效率提高了一截。真正进入交付时,再由设计师判断哪些内容可复用、哪些内容要替换、哪些内容要回到组件体系里重新整理。

九、最后

这次实践之后,我对 image2 的定位更清晰了。

它在前期多方案探索、页面视觉升级、Banner、小图标这些方向上的效率非常高。尤其是在需要快速打开视觉方向的能力上夯爆了。

比较推荐的做法是:

复用现有组件库,把 AI 生成稿作为视觉参考,再调整样式、间距和层级。

如果只是快速提案,可以让 image2 直接生成几版视觉方案。

如果要进入项目交付,更推荐用 Figma / Figma Make 承接结构,再由设计师完成组件化和规范整理

如果图里有好看的 Banner、图标、插画和装饰元素,可以拆出来作为局部素材复用。

目前来看,工具确实在不断进化越来越强,但是总结下来:

AI 负责打开方向,依旧需要人负责把结果变成真正能用的设计稿。

作者:B端设计情报局 公众号:B端设计情报局

本文由 @B端设计情报局 原创发布于人人都是产品经理,未经授权,禁止转载

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。