作者基于 10 年 UI/UX 设计经验，结合 AI 工具实践，总结出一套设计审美方法论。文章实测了 5 个 GitHub 上星数最多的 AI 设计 Skill：UI UX Pro Max（自动匹配行业风格）、Taste Skill（原创设计方向）、Impeccable（逐块打磨去 AI 味）、Emil Kowalski Skills（动效细节）、Hallmark（上线前检查），并配以场景演示。作者还分享了 8 条可复用的设计原则，包括先定义再动手、拆解好设计不照搬、先出全貌再逐块改、统一视觉规则等，强调工具在变但好的设计判断力依然无法被 AI 替代。
作者推荐了两个开源 AI 设计 Skill：一是 AI Design Skills 中的 landing-page-design，为 Claude Code、Cursor、Codex 等编程工具提供从内容规划到视觉系统的落地页制作规则，包括卖点组织、统一字体配色、按钮悬停、空页面、移动端和无障碍支持等交付细节；二是 Fantastic Posters，内置 33 种设计风格提示词（如瑞士极简、包豪斯、Riso 印刷等），支持自动选风格、上传参考图和 Logo、批量生成海报。作者强调把设计风格沉淀为可反复调用的 AI 工作流，比一次性提示词更有价值，并能解决风格不稳定的问题。
OpenPencil 是号称全球首款 AI 原生的开源矢量设计工具，GitHub 已获 6400+ Stars，90.6% 代码由 Rust 编写。它实现了 Design-as-Code：通过提示词在实时画布上生成和修改 UI。核心亮点包括：并发智能体团队将页面拆解为多个子任务并行流式渲染；多模型智能适配（Claude、GPT-4o、Gemini、MiniMax 等）；可通过 MCP Server 集成到 Claude Code、Cursor 等终端工具；.op 设计文件为纯 JSON 格式、Git 友好，可一键导出 React + Tailwind 或 HTML + CSS 代码；支持 P2P 实时协作与冲突回放。适合前端开发者和独立创作者提升生产力。
花叔开源的AI设计技能huashu-design发布3.0版本，该技能可让agent自动生成网页、PPT、App原型、信息图等设计。3.0主要改进：先出六个候选再挑三个成稿；现实参照改为同媒介并先截图；风格库从60种扩到84种（新增中文与东亚风格）；App原型采用有构图的展示板；新增本机记录系统（经验、外观账本、设计体检）实现越用越懂用户；坚持事实核实。作者分享了三轮迭代的过程，核心教训是：对agent应加选项而非禁令，禁令会让设计变得保守无聊，提供更多可见样例反而能激发更好的设计。
本文是 AI 设计词典系列的中篇，系统整理了 AI 设计中高频的视觉词汇，帮助用户更精确地控制 AI 生成的视觉效果。文章分为五大维度：字体（衬线/无衬线、字重、字距、行距）、颜色（色相、饱和度、明度、主色/强调色）、形状（几何/有机、圆角/直角、描边）、材质与效果（纹理、渐变、透明度、光影）、风格（极简主义、瑞士风格、粗野主义、编辑设计等）。作者强调不必背诵术语，而应把这些词当作「视觉旋钮」，用「风格名称+具体规则」的方式替代模糊的主观描述，让 AI 输出更符合预期的设计。
本文是「AI 设计词典」系列的上篇，旨在帮助普通用户用准确的专业视觉词汇与 AI 沟通设计需求，解决「知道哪里不对却描述不出来」的问题。文章系统梳理了五大维度：画幅与区域（宽高比、安全区域、边距）、构图（居中/非对称构图、三分法、网格系统）、位置与对齐（对齐方式、前景/中景/背景）、空间与密度（负空间、留白、视觉密度、间距）以及层级与视觉重心（视觉层级、焦点、视觉重量、平衡）。每个词条均附中英文对照和实用示例 Prompt，并给出组合应用的完整案例，让描述从模糊的「感觉」变为可量化的准确需求。
文章介绍如何用 AI 从 0 搭建一套个人视觉体系，帮助内容创作者形成统一、可复用的视觉资产。作者提出按「头像 → Banner → 个人配图规则 → 个人介绍卡片」四步搭建，核心在于「继承」而非独立设计：前一步的输出（如 Style DNA、头像）作为下一步的输入。文章还从读者视角分析了四种视觉资产在「看到配图 → 阅读内容 → 认识作者 → 关注作者」路径中的作用，强调搭建的最终产出不是几张图片，而是整套视觉资产与视觉规则，实现一次搭建、长期复用，沉淀个人 IP。
作者用 4 段相同提示词对比测试了蚂蚁百灵开源的 Ming-Image-0.1-Design 与 MidJourney 在 SaaS Dashboard、中文活动海报、透明背景产品素材、中文信息图四个设计场景下的表现。结论是两者定位不同：Ming 中文文字渲染准确、布局执行力强、原生支持 RGBA 透明背景输出且免费开源（MIT 协议），适合直接生成可用的 UI 稿、海报和信息图底稿；MidJourney 则在视觉质感、光影氛围和风格多样性上明显占优，适合概念效果图和产品渲染。文中还介绍了 Ming 的 Design-Layer 拆层能力，可拆成多个透明图层并转为可编辑 PPT。最终建议按需求选择：要能直接用的图选 Ming，要好看的图选 MJ。
本文是「搭建个人视觉体系」系列第四篇，讲解如何制作个人介绍卡片。作者指出个人介绍卡片是内容结尾的固定片尾，解决“内容到人”的认知转化问题。制作步骤分三步：一是确定卡片核心信息（头像、名字、一句话定位、内容关键词和单一CTA入口）；二是上传已有的头像、Banner和配图规则等视觉资产，用提供的Prompt让AI生成极简型、信息型、IP型三个方案，并强调局部修改而非重新生成；三是确定最终版本并保存为母版，长期复用。文章强调视觉资产可复用的价值，通过重复出现建立个人视觉符号。
作者李岳分享了使用豆包新功能"无限画布"进行创意设计的实战体验。通过两个案例演示：一是为奶茶品牌"Pudding"设计完整品牌VI，包括Logo、杯子、包装袋、门店形象等素材；二是为豆包手机生成深色摄影图、详情页卖点图及TVC宣传短片。文章详细介绍了无限画布的创建方式、创意设计和创意视频两个技能的调用方法，以及画布中的编辑、引用生成、分图层、抠图、消除、扩图等功能。作者认为这些功能为设计师量身打造，只要有创意就能高效实现。
作者萝卜哥分享了自己耗时国庆假期、消耗上亿 Token 开发的免费开源 PPT 生成与美化 skill（luobo-ppt）。该 skill 支持将文章直接生成带口播备注的 PPT，也能在不改动文字的前提下按参考图或 14 套预设风格美化已有 PPT。它借鉴了 dashi-ppt-skill 的版式容量控制、273 款设计模板归纳的 36 条视觉路线，以及 open-design 的排版检查规则和五维评审方法。生成的 PPT 全部使用 PowerPoint 原生元素，用户可直接编辑，且无需 AI 生图模型即可使用。支持 Claude Code、Codex、Cursor、WorkBuddy 等多种 Agent。
作者基于 OpenArt Arena 的匿名排名，从各创意设计榜单中选出前三名 AI 模型，并用虚构咖啡品牌 Luka 的品牌手册作为统一视觉基准，在产品图、平面海报和动态设计三类任务上进行实测对比。评估标准包括品牌还原度、设计质量和生成价格。作者通过 After Effects 对齐原始 SVG 检查 logo 还原精度，给出各模型的优劣分析与评分表格。结果显示 Seedream 5.0 Pro 在产品图上表现最佳且成本最低，Grok Imagine 2.0 在平面设计中胜出。文章还提供了完整的方法论和可复用的 Design_Judgment_Skill.md。
本文是「搭建个人视觉体系」系列教程第2篇，讲解如何将头像和Style DNA延展为个人社交媒体Banner。作者首先介绍了六种Banner类型：个人定位型、IP人物型、视觉风格型、作品展示型、真人照片型和极简符号型，并给出选择方法。随后说明Banner信息的三层结构（我是谁、做什么、什么风格），强调不要堆砌信息。教程核心是复用头像的Style DNA，通过AI生成设计提案再产出最终Banner，并注意各平台的尺寸比例和安全区域。最后建议做主页测试，检查视觉一致性、3秒可懂度和信息是否过满，形成统一的个人视觉IP。
作者在 A100-80G 上部署并实测了蚂蚁百灵开源的 Ming-Image-0.1 系列，包括 Design 生图模型和 Layer 拆层模型。文章详细记录了部署过程与显存优化技巧（VAE 逐帧+分块解码可将峰值从 71.8GB 降至 55.4GB），并用 12 张电商图做了拆层评测：平面海报和白底商品图重组 PSNR 可达 29dB 以上，配合 VL 模型生成分层计划能显著提升图层顺序准确性。作者还搭建了电商主图工作台，实现大促换皮（商品层像素零变化）、文案 A/B、一键英文版和 PSD 导出，展示了 AI 生图从「生成」到「可编辑」的完整流水线。
文章提出'氛围制造'(Vibe Manufacturing)概念：就像vibe coding让非程序员能开发软件一样，AI正在让普通人能制造实体产品。四大变化同时发生：1) 设计变成代码——GPT-6 Astra在BenchCAD上达95.9%，Text-to-CAD工具涌现；2) 工厂变成API——Xometry等平台让下单像租用云服务器一样简单；3) 智能化成本骤降——几美元的ESP32芯片即可让产品联网；4) 家庭3D打印普及——Bambu Lab推动桌面打印迭代速度接近软件开发。产品正从库存实体变为可参数化的设计文件，开创全新的商业模式和创业机会。
文章探索用 AI 生成高质量界面设计的边界，介绍让 Agent 做界面设计的方法：先按品类和品牌推出设计方向，生成多套可对比的方案，再通过实际截图进行迭代，避免直接套用模型的默认审美模板。作者还开源了 oil-ui 项目，展示如何把 AI 的 UI 设计能力推到极限。
作者使用免费开源的 6B 设计模型 Ming-Image-0.1-Design，通过 OpenRouter API 制作了一张 9:16 海报。流程分四步：先生成高饱和赛博背景，再生成彩色液态糖果字和青色膨胀字两组艺术字，然后用 Design-Layer 模型拆出带透明通道的文字层，最后与人物、霓虹装饰重新排版，得到 1080×1920 海报及 7 个可独立调整的图层。作者也指出了局限：边缘噪点、图层分错、输出尺寸变化等问题。最后作者将 OpenRouter 调用封装为 Pi 插件，并附带修改后的 ling-ui-design Skill，方便他人复现。
文章提出 Agentic Brand Systems（智能体品牌系统）是品牌管理的未来。随着团队扩张和 AI 智能体参与生产，品牌决策速度暴增，而传统品牌指南分散在 Figma、Canva、代码等不同工具中，导致信息漂移和不一致。作者以 Sonata 品牌套件为例，介绍将品牌定位、语言规范、视觉规则（visual-system.json、tokens.css）和可用的 React 组件整合为一个人类可浏览、智能体可读取的统一系统，让每次触点都成为品牌真理源的延伸，终结品牌漂移问题。
作者分享了在WorkBuddy中使用美图设计室发布的PPT美化skill的实测体验。通过简单的提示词即可对旧PPT进行风格美化，如按中国风改造旧商场改造汇报PPT，保持文字和数据不变。文章介绍了skill的入口位置，并通过四个案例演示：一句话换风格、写入使用场合调整调性、图表数据报告美化且数值不动、从零生成PPT设计。作者总结了可直接套用的四段式提示词模板（动作、素材、风格来源、零碎要求），并公开了自己用outline-researcher、luobo-voice、title-matrix等skill串联的内容创作工作流，实现一稿多吃，从文章到PPT的全链路AI辅助。
本文分享利用AI生图在闲鱼平台制作饭圈应援物料变现的实操方法。作者以买家身份调研后，总结出应援手幅、小卡、拍立得/人生四格、海报/生贺图、明信片/歌词卡、圆形吧唧、票根/镭射票等七类适合新手的品类，并给出详细提示词模板和避坑要点。核心原则是保持人物原图不变，仅做背景、装饰、文字和排版编辑，避免假脸。同时提醒新手避开透卡、亚克力立牌、棉花娃娃等复杂工艺品类。
作者用 AI 设计 PCB 和 CAD，打样上电成功但外壳开孔出错。评论中有人贬低 AI 能力，有人指出 USB 走线问题。作者认为争论源于比较对象不同：业余原型与量产产品标准不同，AI 让普通人能做出第一版，但硬件仍需制造、测试和迭代。类比 AI 写代码，AI 降低了启动门槛，但专业工程并未消失，难点转移到判断和验证。
这篇教程系统讲解了如何掌握 OpenAI Images 2.5 的图像生成技巧，涵盖 14 个技巧和 44 个示例，应用于应用设计、网站和产品图制作。作者提出了让视觉决策可见的工作流：先明确图像目的，按目的、画布、内容、关系、外观、检查六个要素撰写提示词，强调属性绑定和对象关系的精确描述。通过 YouTube 缩略图和海岸住宅室内设计两个完整案例，展示了如何组织复杂构图、分配图像区域、描述材质细节，并分析生成结果中哪些指令生效、哪些需要修正。
Relate Studio 联合创始人 Alex 分享了一套完整的 AI 品牌吉祥物设计流程：先在 Figma 收集参考并定义角色个性与比例；再用 Krea 快速生成粗略概念，挑选轮廓、性格和比例最好的方案；随后在 Nano Banana 2 中逐步清理细节、修正纹理与背景；接着保持角色一致性生成新姿态和角度；最后制作海报等设计构图，形成可向客户展示的完整视觉系统。作者强调无需插画或 3D 技能，AI 生成结果足以作为 3D 和动效设计师的制作参考，并可通过持续扩展姿态、表情与场景实现品牌层面的规模化应用。
作者受前苹果设计师 Anshu Chimala 启发，指出 AI 设计产出平庸的根源在于 LLM 作为下一个词元预测器、经 RLHF 对齐后天然倾向安全解。文章借鉴设计双钻模型，提出三阶段工作流：探索、确立、交付。核心技法包括：注入随机种子字符串打破思维定势、用大胆具象的提示词激发创意、三步发散法生成设计概念、引入'设计挑刺官'子智能体构建独立评审反馈闭环，以及调用图像生成工具提升视觉质感。通过多智能体协同与成本控制，可在极短轮次内产出超越常规 AI 模板的高水准设计。
拥有十年品牌设计经验的作者AmirMušić分享了结合AI（Lovart Agent）从单一参考图构建完整品牌系统的工作流。他以虚构的无咖啡因能量饮料Juicee为例，演示了从参考图解构、生成Brand Kit锚点、建立品牌指南，到扩展出4个口味SKU关键视觉、包装设计和营销场景的全过程。文章强调AI负责加速生成，而设计师的角色是判断、定向和把控品牌一致性，并提出Brand Lock方法论来管理参考层级、防止视觉漂移，最后开源了Lovart Brand System Skill供复制使用。
文章介绍 Vercel 如何用 design.md 文件、CSS 样式表和评测闭环，解决 AI Agent 生成页面总「差一点」、需要反复人工修整的问题。核心方法是把工作拆成三层：design.md 写设计判断（读者、信息层级、拒绝的套路），CSS 承接字号、间距、表格等机械性版式约束且不占模型上下文，评测闭环把每次返工转化为可复查的规则。作者强调规则要从模糊感觉翻译成可观察动作，如「别丑」改为「表格全宽」。测试显示公开场景下机械故障从 91 次降到 39 次，约少 57%。建议从一类高频产物入手，把高频修改沉淀为规则，逐步减少返工。
作者袋鼠帝分享了AI时代用Lovart平台做设计的方法与工具。他介绍了通过灵感采集插件收集参考图，让Agent分析风格并生成设计方案的工作流，并通过5个实操案例展示：制作喜茶风格宣传物料、创意手绘涂鸦海报、花店全案视觉宣传、拾景纸刊拼贴海报、自媒体封面。作者还沉淀了多个设计Skill发布到Lovart技能库并开源到GitHub，强调AI极大降低了设计门槛，让普通创作者也能快速产出有审美的设计作品。
文章探讨 AI 做设计时“形似神不似”的问题，指出症结在于设计背后的“为什么”没有被写进 AI 可读的上下文。作者拆解了多家硅谷大厂的实践：Vercel 通过 200 多轮评估循环筛选规则，用 design.md 使视觉错误减少 57%；Google 开源了 Stitch 的 DESIGN.md 规范；Atlassian 实测发现 DESIGN.md 适合原型和定制场景，生产环境用 MCP 更省更准；Anthropic 的 Claude Design 则反向从代码库自动提取设计系统。社区还把 60+ 大厂风格反向工程成 design.md。文章认为设计系统正被 AI 重写，并给出五条落地建议。
作者分享了如何让 Claude Code 生成符合个人品牌风格的设计作品。他曾花两天与 Claude 争论字体和间距，后来发现关键在于：与其用文字描述想要的幻灯片，不如让 Claude 直接读取已有的设计参考。文章详细介绍了如何将 Figma 通过 MCP 连接到 Claude，包括创建账号、导入参考文件、复制特定 frame 的链接等步骤。作者强调，AI 工具失败的原因是没有'你的东西'可读，只要提供真实的设计参考文件或品牌规范（如色值、字体、间距），Claude 就能产出完全符合品牌风格的作品。
作者分享了使用塔塔开源的小红书封面设计 Skill 的实践过程：复制 GitHub 上的 skill 后，用 Kimi 结合自己的 IP 形象生成系统提示词，再用 Lovart 生成封面图。文章详细展示了《叠叠鸭科夫》游戏的 IP 视觉规范提示词，包括色彩系统（紫色渐变背景、鸭嘴橙强调色）、粗黑轮廓线的卡通视觉特征、16 套小红书封面模板体系（VS对决型、产品首发型、信息增量型等），以及双赛道玩法（真人操作与 Agent MCP 工具调用对决）的内容库和输出格式规则。
