最近看到一个挺有意思的开源项目：

Open Design
项目地址：https://github.com/nexu-io/open-design

它的定位很直接：Claude Design 的开源替代品。

但我觉得更准确的说法是：

它不是想再做一个 AI 画图工具，而是想做一个真正能交付设计资产的 AI 设计工作台。

这件事很关键。

因为过去很多 AI 设计工具解决的是“生成一张图”的问题。

而 Open Design 想解决的是：

从需求 → 设计方向 → 设计系统 → 可预览 artifact → 可导出文件。

这已经不是简单的“画图”，而是更接近真实设计流程。

AI 设计，不应该停在“出一张好看的图”

过去我们用 AI 做设计，大概是这样：

写一句 prompt。

生成一张图。

不满意。

再改 prompt。

继续生成。

最后选一张“看起来还行”的。

这个流程很像抽卡。

但真正的设计工作不是抽卡。

真正的设计要解决的是：

• • 需求是否清楚
• • 视觉方向是否稳定
• • 风格是否统一
• • 组件是否可复用
• • 文件是否能继续编辑
• • 结果是否能交付

一张图，只能看。

一个 artifact，才能进入生产流程。

这就是 Open Design 有意思的地方。

它不是重新造模型，而是把现有 Agent 变成设计师

Open Design 不是自己训练一个设计模型。

它的思路是：

你电脑里已有的 coding agent，本来就很强，为什么不让它们来做设计？

它可以接入 Claude Code、Codex、Cursor Agent、Gemini CLI、OpenCode、Qwen、GitHub Copilot CLI 等工具。

换句话说，它不是把 AI 关在一个网页里。

而是让本地已有的 agent 进入一个设计工作流。

这点很重要。

因为设计不是孤立动作。

设计稿最终通常会进入代码、页面、PPT、营销物料、产品原型里。

如果 AI 设计工具本身就能和本地文件系统、代码环境、导出流程打通，它就不再只是一个“生成器”，而更像一个生产系统。

最关键的一步：先问清楚，再开始设计

很多 AI 设计失败，不是因为模型不会画。

而是因为一开始需求就不清楚。

比如你只说：

“帮我做一个产品页面。”

AI 其实不知道：

• • 给谁看？
• • 是官网、产品页，还是融资 deck？
• • 要高级感，还是转化感？
• • 偏科技、极简、杂志，还是工具型？
• • 有没有品牌色？
• • 最终要 HTML、PDF，还是 PPT？

Open Design 里一个很重要的设计，是它会先通过表单把这些问题收敛掉。

不是马上生成，而是先确认 brief。

这更像真实设计师接需求的过程。

先问清楚，再动手。

AI 设计的下一步，是“收敛”，不是“自由发挥”

Open Design 里还有一个很有价值的设计：Visual Directions。

当你没有明确品牌风格时，它会给出几个方向，比如：

• • Editorial
• • Modern Minimal
• • Warm Soft
• • Tech Utility
• • Brutalist

这些不是简单的风格标签。

每个方向背后都有对应的色彩、字体、版式和视觉语言。

这其实代表了 AI 设计的一种新趋势：

不是让 AI 无限自由发挥，而是给 AI 一个确定的设计边界。

听起来有点反直觉。

但真正的生产力工具，恰恰需要边界。

商业设计要的不是每次都惊喜。

商业设计更需要：

稳定。

可控。

不跑偏。

设计系统，才是 AI 设计真正的上下文

Open Design 内置了大量设计系统。

包括 Linear、Stripe、Vercel、Airbnb、Tesla、Notion、Apple、Anthropic、Cursor、Supabase、Figma、小红书等风格方向。

这个能力，比“多几个模板”更重要。

因为对 AI 来说，所谓“高级感”不能只靠一句话：

“做得高级一点。”

这太虚了。

真正有用的是直接告诉它：

• • 用什么色彩
• • 用什么字体层级
• • 用什么间距规则
• • 用什么组件结构
• • 哪些元素可以用
• • 哪些风格要避免

也就是说：

AI 设计的核心，不是 prompt，而是上下文资产。

谁能把设计系统变成 AI 可读取、可执行的上下文，谁就更容易得到稳定结果。

从图片到 artifact，这是一个质变

Open Design 的输出不是单纯图片。

它会生成可以在沙箱里预览的 artifact，并支持导出 HTML、PDF、PPTX、ZIP、Markdown 等格式。

这点非常关键。

因为图片是终点。

artifact 是起点。

图片只能展示。

artifact 可以继续编辑、继续导出、继续接入项目。

如果你做的是：

• • 产品 landing page
• • 移动端原型
• • 融资 deck
• • 运营海报
• • 数据看板
• • 社交媒体卡片
• • 产品介绍页

那这个区别会非常明显。

你要的不是“AI 给我一张图”。

你要的是：

AI 给我一个能继续改、能交付、能进入工作流的东西。

它还把 gpt-image-2、视频和动效放进了同一个流程

Open Design 不只做页面和原型。

它还把媒体生成放进了同一套工作流里。

其中，gpt-image-2 可以用于生成：

• • 海报
• • 头像
• • 信息图
• • 插画地图
• • 杂志风社交卡片
• • 产品概念图

同时，它还接入了 Seedance 2.0 和 HyperFrames。

这意味着 Open Design 想做的不是一个单点工具。

它更像是一个 AI 内容资产工作台。

文字、页面、图片、视频、动效，都可以在同一套生产链路里完成。

这也是我觉得它值得关注的原因。

它最适合谁？

我觉得 Open Design 最适合三类人。

第一类，是独立开发者。

你可以用它快速做产品页、原型、PPT、展示页。

第二类，是做 AI 产品的人。

你可以把它理解成“本地 Agent + 设计系统 + artifact 生成器”。

第三类，是做内容自动化的人。

尤其是当 gpt-image-2、视频生成、HTML 转视频这些能力接进去之后，内容生产就不只是写文章了。

而是可以扩展成：

• • 出图
• • 出页面
• • 出卡片
• • 出视频
• • 出动效
• • 出 PPT

这就非常适合做自动化内容系统。

这个项目真正值得看的，不是界面，而是思路

Open Design 最值得关注的，不是它某个界面多好看。

而是它背后的产品判断：

AI 设计工具不能只追求“生成效果”，而要进入真实交付链路。

以前的 AI 设计工具，像玩具。

你输入一句话，它给你一张图。

现在的 AI 设计工具，开始变成工作台。

它要理解需求。

它要调用设计系统。

它要生成 artifact。

它要能导出。

它要能被继续编辑。

它要能和代码项目连接。

这就是从“AI 画图”到“AI 设计生产”的分界线。

最后

Open Design 这个项目给我的最大启发是：

未来的 AI 设计，不会只比谁生成得更漂亮，而是比谁更能交付。

图片生成只是第一步。

真正有价值的是：

• • 可控
• • 可复用
• • 可编辑
• • 可导出
• • 可进入工作流

如果第一代 AI 设计工具是在比“谁更会画”。

那下一代 AI 设计工具，可能要比的是：

谁更像一个真正能交付的设计团队。