设计流程已死：Anthropic 设计负责人谈 AI 时代的设计变革
本文记录了 Anthropic 设计负责人 Jenny Wen 的访谈，探讨了 AI 时代设计流程的剧变。她指出传统的双钻石模型已失效，工程师与 AI 工具的提速倒逼设计流程转向快速迭代与原型验证。文章还分享了她在 Anthropic 的日常工作模式（从画图转向写代码）、对 Figma 与 Claude Code 结合使用的看法，以及对 Co-work 产品开发真实故事的复盘。
相关文档
How I Design with AI
工程师 Matt Dailey 分享如何避免 AI 生成的设计沦为千篇一律的“slop”。他提出七个实践方法：1) 从整体约束出发进行设计，借鉴 Christopher Alexander 的《Notes on the Synthesis of Form》，避免打地鼠式修补；2) 主动删除 Agent 过度添加的冗余元素；3) 在 Figma 等专业设计工具中迭代，避免代码库中的原型引力；4) 使用组件库保持视觉一致性；5) 利用 preview deploy 用真实数据验证设计；6) 收集优秀产品截图作为参考与上下文；7) 通过反复实践和反思培养个人设计品味。文章强调用 AI 做设计需保持人的判断力与整体思维。
Claude Design：首度真正威胁 Figma 的设计工具
文章探讨了 Anthropic 推出的 Claude Design 对设计行业，特别是 Figma 构成的巨大挑战。Claude Design 摒弃了传统的空白画布模式，转而采用“意图优先”的设计逻辑。它不仅通过自动化减少了繁琐的机械操作，缩短了迭代周期，还内置了设计系统一致性维护能力。这种从“工具”到“系统”的转变，降低了非设计师进行高质量设计的门槛，迫使设计工作流的核心从“如何执行”转向“如何清晰表达意图”。
Anthropic 工程经理：面试不再考编程题，新人的冲劲正在跑赢资历
Anthropic 工程经理 Felix Rieseberg 宣布其团队面试不再考核传统编程题，因为 Claude 等AI已能轻松完成这类题目，且团队最能出成果的人与编程题表现关系不大。他认为AI时代让入行不久的工程师有机会跑赢资历更老的员工，因为把想法做出来的成本大幅降低。文章介绍了新人面临的困境（想法不被重视、受所谓'常识'束缚），并给出五条建议：紧盯业务影响、提出大胆想法、快速做原型、一个原型聚焦一个好点子、善用新人视角。文中以两位新工程师用周末做出 Claude Code 图形界面版为例佐证。
像 Claude Code 团队一样做代码审查
文章介绍了 Anthropic Claude Code 团队的代码审查实践，以及作者团队自研 AI 代码审查工具 HeyDeer 的落地经验。核心思路是：AI 写代码占比接近 100% 后，人工逐行审查不再可行，应把人的注意力留给真正有风险的部分。做法包括按风险分级审批（低中风险由 AI 自动批准，高风险由人判断方向）、多模型交叉审查降噪、用仓库检查落实团队规范、通过 Autopilot 自动修复问题直至收敛。作者团队跑了 8 个月未因合并有 bug 的代码导致线上事故，认为大部分创业和中小公司都适用这种方式。
Claude Code 团队如何进行代码评审
本文介绍了 Claude Code 团队在 AI 生成约 90% 代码的情况下如何重构代码评审流程。团队将代码评审从人工逐行阅读转变为分层自动化体系：包括 PR 前的 Claude 自验证、子代理 diff 审查、内部 skill（bug 猎捕、diff 缩减等）、以及每个 PR 的 AI 评审，仅将人类注意力保留给高风险决策。通过 CLAUDE.md 和 REVIEW.md 等文件向评审者注入项目上下文，并快速回滚机制兜底。6 月至 9 月间合并 PR 数量翻倍，回滚率下降超 40%，实现了用最少人工环节保障代码质量的目标。
这设计真的长在了审美上：AI Design Skills 与 Fantastic Posters 开源项目推荐
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。
Claude 改版为什么激怒了忠实用户？品牌升级里，最忌讳动这 3 样东西
文章分析 Claude 桌面端改版引发老用户不满的原因。作者认为设计团队追求工整规范，却抹掉了产品的独特质感。作者总结品牌升级三大禁忌：一是动了用户已习惯的感官直觉，把有辨识度的个性误当不规范，导致产品同质化；二是用内部生产效率代替用户实际收益，只强调3周快速上线却未说明对用户的具体好处；三是把'做出来了'当成'证明有效了'，缺乏真实任务中的行为数据验证。作者提出改版前应自问：用户心中的感官词是否被磨平、新收益能否覆盖学习成本、哪些特色必须保留。真正的升级是修掉硬伤、留住特色。
如何使用新版 Claude：从入门到精通
文章介绍 Claude 的重要变革：Claude Chat 与 Cowork 已统一为单一产品，云端的 Chat 现在能直接编写代码、生成幻灯片等，用户无需再区分不同模式。作者建议删除旧的复杂配置——包括 CLAUDE.md 文件、skills、指令文件等，因为它们会造成'上下文膨胀'，反而降低输出质量。这一观点得到 Claude Code 作者 Boris Cherny 的支持。替代方案是：设置中开启统一模式、选择 Auto、保留 Memory、每次只给一个清晰目标，并让 Claude 在开始前复述目标以确认理解。核心理念是'少即是多'，让技术变得无形。
Agent 高频题 03. 为什么要多 Agent：怎么拆、怎么通信、结果谁汇总
本文是 Agent 面试高频题详解第 3 题，围绕多 Agent 架构展开。作者结合 50 位作者、63 场面试的面经，系统梳理了六个追问方向：要不要拆、怎么拆、怎么通信、结果谁汇总等。文章指出单 Agent 在上下文膨胀、工具过多、提示词分支复杂、无法并行四方面会卡住；同时多 Agent 有 token 成本（约为普通对话 15 倍）、协调开销、信息丢失和错误传播等代价。文中总结了主从、流水线、并行分片、执行加审查、按意图转交五种结构，以及上下文、工具权限、可验收三类拆分边界，并对比 Skill、MCP、Workflow、SubAgent 等概念的适用场景，最后给出通信方式与面试应答要点。
What is a "harness"?
文章系统解释了 AI 领域中 harness（套件/执行框架）的概念。作者指出 LLM 默认只能生成文本，要真正执行操作需要工具、调用语法、解析系统、结果回传和工具清单，这一切组成了 harness。文中区分了界面（如 Claude Code 的 TUI/GUI）与底层 harness（如 Anthropic Agent SDK、Codex App Server），并用厨房比喻说明 harness 与工具的关系。文章还解释了 MCP 的作用——类似'食谱'，让代码可以在外部运行，以及 agent 的定义：LLM 与 harness 的结合体。
很多提示词和 Skill，其实都已经过时了
作者基于 Anthropic 工程师删除 Claude Code 80% 系统提示词却无性能损失的事实，反思提示词与 Agent Skill 的实践方法。提出提示词不是八股文，应聚焦任务三要素（目标、规则、完成标准），减少角色铺垫和冗余规则，多给思考方向而非僵硬示例，并设定明确验收标准。关于 Skill 沉淀，强调只有高频且流程稳定的任务才值得做成 Skill，要写入独特经验而非通识废话，严格控制单一职责与边界，主文件精简并渐进式加载，且必须内置自检环节形成质检闭环。
别让模型给自己打分：把外部裁判规则写进 CLAUDE.md 的实践
作者受 Anthropic 工程经理 Felix Rieseberg「Do not ask the model to judge itself」的启发，将外部验证规则写进 CLAUDE.md：交稿前派一个不带上下文的子 Agent，在空目录里照着成稿做一遍，报告卡住的步骤。作者用一篇错题本教程实测三次：第一次因抓取丢失代码块被判「不能」；第二次判「部分能」，挑出三处真实缺漏（回填提示词、完整模板、日期示例）；补齐后第三次仍挑出更深层的隐含前提问题。对照测试表明配置规则后 Agent 会主动派裁判。文末附完整规则全文及验证方法、踩坑提示，强调写稿与验收必须分离，教程质量需由「没见过这篇的人」验证。
