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

Google DeepMind News
Google DeepMind News
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
酷 壳 – CoolShell
酷 壳 – CoolShell
WordPress大学
WordPress大学
小众软件
小众软件
博客园 - 司徒正美
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Jina AI
Jina AI
Hugging Face - Blog
Hugging Face - Blog
博客园 - Franky
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
量子位
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
雷峰网
雷峰网
云风的 BLOG
云风的 BLOG
M
MIT News - Artificial intelligence
F
Fortinet All Blogs
T
Tailwind CSS Blog
Martin Fowler
Martin Fowler
I
InfoQ
The GitHub Blog
The GitHub Blog
有赞技术团队
有赞技术团队
The Cloudflare Blog
罗磊的独立博客

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,
Claude 都能写高保真原型了,为什么 Anthropic 还要单独做 Cl...
知果日记 · 2026-05-20 · via 人人都是产品经理

当Claude能直接在聊天框生成高保真原型时,Anthropic为何还要推出Claude Design?这款独立产品通过结构化操作界面、实时可视化调整和品牌系统维护,将AI生成能力转化为专业设计工作流。本文深度解析聊天范式与垂直工具的差异,揭示AI时代设计协作的范式转变。

前几天我让 Claude 在聊天框里写一个客户管理后台的高保真原型。一句话需求扔进去,三十秒后,一个带侧边栏、统计卡片、客户列表、状态标签、分页器的 HTML 页面就生成好了。如果是放在以前,这种页面起码得一个设计师外加一个前端做上两三天。

那一瞬间我冒出一个问题:既然聊天框里就能生成这种东西,Anthropic 为什么还要单独发一个叫 Claude Design 的独立产品? 当 AI 已经能”生成结果”了,专门的产品形态还有没有存在的必要?

我把 Claude Design 用了一阵子,学习了下 Anthropic 自家设计师公开的工作流,我们简单来聊聊这个问题。

01 生成的爽与迭代的痛

我用 Claude 写出来那个客户管理原型,是个 HTML 文件。它能跑、能看、能演示。但它对于设计师来说,还不够。

设计师拿到它之后会做什么?

设计师觉得统计卡片的上下边距偏拥挤,想从 20px 调到 24px,但只调上下卡片间的距离,不动其与周围元素的间距,且一次性没法调准,想尝试几次。那么,设计师怎么在聊天框里把这个需求描述的很清晰,且AI能一次改对?

想想,我们用豆包生图,是不是不断调整提示词抽卡,但有时候不论我们怎么调整提示词,生图的一些细节总不尽人意。而对于设计师来说,用个工具修一下,结果马上就出来了。

再比如,设计师觉得侧边栏的橙色太暖,想换成冷一点的蓝灰看看效果,但主按钮的橙色要保留,怎么用自然语言精准切分,AI能一次改对?

还有,设计师觉得”客户价值”那列的数字应该右对齐,因为财务数据的视觉规律就是右对齐,这种局部改动可能要找半天才能在生成的代码里定位。

这些事情,在聊天框里能不能做?能。但每次都要用自然语言重新描述”第三行那个橙色的小标签,XXXX”,这不仅是对Token的巨大浪费,而且精准描述本身就不是人类擅长的,因此这件事会天然遭到排斥。

设计这件事的核心,从来不是”生成出第一版”,而是在第一版基础上的几百次微调。聊天界面解决的是从 0 到 1 的问题,把空白屏幕变成能看的东西。但设计师 95% 的时间花在从 1 到 100,精修、迭代、统一、传达。

这部分工作需要的不是更强的生成能力,而是结构化的操作界面。你不会用对讲机指挥外科手术,哪怕对讲机两头都是顶级专家。

02 Claude Design 实际改了什么

Claude Design 的界面其实很简单,左边对话,右边画布。听起来好像也没什么了不起。

但魔鬼在细节里。它解决的是聊天范式在迭代环节的几个致命缺陷:

第一,从”语言描述”到”直接选中”

你可以在画布上直接点中一个具体元素,然后给它加评论。不再需要用”第三行那个橙色的小标签,XXXX”这种自然语言去定位。这看起来是个小改动,实际是从”模糊指代”到”精确指代”的范式跃迁。

第二,从”自然语言调参”到”滑杆量化”

你不需要说”间距再大一点点”,Claude Design 会现场生成一个滑杆,你直接拖,实时看效果。阴影、间距、颜色、圆角等,所有可量化的属性都变成可拖拽的。从”靠语言形容”变成”靠手感操作”。

这两个改动叠加起来,设计师的迭代效率不是提升 20%,是数量级的。

就我自己来说,如果能用配置项搞定的调整,都不想用自然语言去费劲地描述,在某些情况下,用配置项来调整的速度是更快的。

第三,品牌系统的自动沉淀

聊天框最大的痛点是没记忆。你这次让它做客户管理页,下次让它做订单页,两次的设计语言可能完全不一致。

Claude Design 会在项目层级维护一套品牌系统,颜色、字体、组件、间距规范,所有新生成的内容都会自动套用这套系统,从一开始就穿着品牌外衣。

这条对设计团队来说是结构性的解放。以前 AI 工具生成的东西”好看但不像我们”,现在好看而且像我们。

第四,Handoff to Claude Code 的工作流闭环

设计稿做完了,一键交接给 Claude Code,后者把原型代码转成你目标框架(React、Vue)的实际工程代码。

这是聊天范式做不到的,聊天给你一个文件,然后就走了。Claude Design 把”想法 → 设计 → 代码 → 上线”串成了一条工作流。

03 一个设计师可撑 7 个产品

Anthropic 自己的垂直产品团队设计师提到,一个人支持7个不同的产品。

按传统设计团队的人力配比,这数字是不可能的。一个高级设计师同时挂 2-3 个产品差不多。

这个数字背后,不是他有什么超人能力,是 Claude Design 把传统设计流程里那 80% 的重复性劳动,画线框、配色、调间距、对齐、做规范,全压到 AI 这一侧了。设计师只需要做剩下 20% 真正需要人类品味和判断的部分。

Claude Design 已经在生产环境里把”一个设计师能做多少事”这个上限给抬高了。

最后的话

那么,既然 Claude 都能写高保真原型,为什么还要 Claude Design?

我想,这两件事在不同维度上。

聊天里的 Claude 像一个极其能干的临时工,什么活都接,接到就干,干完就走。你描述需求,它输出结果。这模式在探索期、demo 期、灵感期非常好用。

Claude Design 它把 AI 的生成能力,装进一个有状态、有结构、可协作的容器里。这个容器本身不创造 AI 能力,驱动它的还是同一个 Opus 4.7 模型,但它让 AI 能力真正参与到长周期、强协作、高沉淀的工作里去。

也许,这可能就是 AI 应用接下来几年的主旋律,通用聊天 + 垂直工作台的双层结构。聊天负责覆盖所有人的浅层需求,工作台负责承接专业用户的深层工作。

真正的垂直产品,护城河从来不在 AI 能力本身,而在对工作流的深度理解,在结构化的数据模型,在与上下游工具的协作链路,在长期沉淀的用户配置和组件资产。

Claude Design 一上线就把 Brilliant、Datadog 这些团队拉进来用,让 Anthropic 自己的设计师做到一人撑 7 个产品,它证明了垂直 AI 工具这条路走得通,也证明了模型层的能力突破不会自动消灭工具层,反而会催生新的工具范式。

本文由人人都是产品经理作者【知果日记】,微信公众号:【知果日记】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。