这是最好的时代，这是最坏的时代；人们正踏上天堂之路，人们正走向地狱之门……

先坦诚真实的问题

• 环节提效 ≠ 整体提效；
• 工具要在真实的生产环境中反复验证；
• 从 0 开始的产品与团队，比有历史包袱的大产品、大团队更容易做到 AI Native——所以有一片试验田、开辟新战场是必要的；
• Context 建设中的数据「脏活」，可能比 AI 模型工具的调教更难、更累、也更重要——虽然很多人不愿意承认这些工作的存在；
• 温知识：大模型是「生成模型」不是「执行模型」，不要相信规则与约束会永远生效。

对整体架构提效的思考——环境的基建与执行流程同等重要：

基建规划：从 Figma 到 AI Native 的一体化驱动（尝试中）

利用 JSON、Markdown 提供最小 design token 定义； 利用 Figma 输出变量与 style 约束；以 YAML + XAML 描述组件与结构； 以结构树统领「场景」「界面」甚至「应用」的嵌套关系 ——最终实现 AI 模型驱动的 Context。

落地实践

小雅 AI 助手：消费性→服务性→陪伴性的升级构建

AI demo 作为前期的交互探索工具

https://test-qepw.onrender.com/

B 端设计师 vibe coding 的落地实践

视觉设计师会员皮肤管线：主从串线 Agent 的工具使用

AI 资料库的建设与实际应用：会员收入场景

工作方法 → AI 集成工具 → 数据沉淀 → 工具反哺指导设计方案。

在团队中的作用

技术实现方向的舵手，业务价值的守门人。

1. 拆解问题、做技术选型并快速进行可行性验证，让团队单点突破，避免内部重复造轮子；
2. 关注环境基建，尽可能以全流程视角提出技术方案——不能只关注设计环节的提效，要把上下游的工作方式一起思考，重构协作方式有时比只改造自己的工作方式更有用；
3. 明确验证结果的边界，防止设计自嗨、防止以汇报为目的的造轮子——比如很多团队都在做验收工具，但以截图对比为技术方案的工具其实没有实际意义；
4. 也关心一点人文主义的问题：做一些无用之用的精神建设，减少团队的 AI 焦虑——2026 年 3 月在公司内部的一次 AI 见解分享（观点仅代表当时的看法）。