夜雨聆风
如果你是一名产品经理，曾以为自己的工作就是为向上汇报而制作文档和幻灯片——你会爱上这个新世界。在这里，你同样可以创造实物。
人们需要看到组织中的领导者也在亲手创造。这才是真正能激发灵感、产生实际影响力的行为。
硅谷为何对「品味」如此热衷？
Dylan Field 认为，「品味」本质上是对可能性进行筛选的门槛。它意味着拥有清晰可辨的偏好，并帮助他人理解你的追求方向。
而「技艺」是突破常人止步之处。它要求对事物进行全局考量——从微观细节到宏观层面，如同穿越所有抽象层级的思考。
至于「观点」，则是你真正想通过产品或设计表达的东西：你在这个世界上看到的独特之处。它应该带来洞见或对生活的独特见解，从而推动对话向前发展。
如果所有人都认同你的观点，那很可能说明你并没有提出什么真正独特的见解。
倾听用户确实有助于达到各种局部最优解。但某种观点可能是全局最优解，或者能帮你抵达下一个局部最优解。否则，你只是在当前局部范围内打转。
设计评审的有趣之处在于：让五位资深设计师讨论哪个方案最佳，你可能会得到十个不同的答案。这本质上是个充满无限可能性的领域。关键在于如何有效缩小可能性空间，并正确地遍历这棵决策树。
Dylan 认为模型已达到相当先进的水平，比如 Gemini 3 的视觉输出表现。以正确的方式引导，提供参考，它能理解。足够用力推动，能获得惊人的输出成果。
但这些输出从不会"一次搞定，完事大吉"。
对于普通输出——那种"不错，能完成任务"的平庸之作——他反而更有见解。真正有趣的是带着某种意图去操作，形成动态循环，发自内心地想要继续推进。
提示引导并非最佳途径。很多时候，需要以人类的方式推动迭代，才能到达理想位置。
真正优秀的设计师不会只给一个提示、一段代码就结束。他们需要探索多元视角后再重新聚焦。
回想在微软等公司工作时，需要撰写长达16页的文档和大量冗余材料——甚至在产品成型前就必须完成许多中间产物。
现在，代码几乎零成本，整个流程可以更灵活地推进。
启动方式变得极其多样：
• 深入讨论
• 笔记本上用铅笔随手勾勒
• 共同头脑风暴
• 直接编写代码
• 制作设计方案
• 从现有的配置、网站或应用开始
无论从哪里开始，重要的是能够在不同阶段之间跳跃——构思、对齐、设计、生产，从任意节点出发，遍历整个流程。
Dylan 观察到，这不是简单的循环回到原点，而是探索过程中可能发生的所有跳跃。大量发散与聚合，菱形结构层层堆叠，将任意节点相互连接。
数字化产品的美妙之处在于你永远不必说"完成了"。
但迭代速度（甚至是对速度的感知）仍在不断提升。你需要速度，也需要方向感——清楚自己要去往何方。
Figma 现在允许从代码返回到画布。Dylan 的解释是：
你可以从设计、编码或其他领域开始。如果从编码入手快速构建可交互原型，很好——实现方式多种多样。
但 Figma 的专长在于直接操控：在画布上调整间距、色彩等属性。这种反馈循环优于提示输入。代码编辑本身比提示输入更优越，而在调整类似元素时，设计直接操作可能比代码编辑更具优势。
画布是天然的探索场所——无限画布，可以探索所有可能的流程和不同的屏幕迭代方式。所有操作在同一处完成。
从设计到代码以及从代码到设计的双向转换至关重要。往返过程必须高质量且高效，保持循环紧凑。
市面上有些 AI 初创公司可以输入"设计一个狗狗咖啡馆网站"，然后一群AI 智能体涌进来开始设计。
设计师对此感到威胁。Dylan 的看法是：
把提示输出当成最终结果是个错误。
无论是通过画布探索多个智能体的可能性——描绘可能性空间——然后从喜欢的选项中迭代优化，涉及视觉风格、不同的信息架构（IA）结构或多样化流程。上限取决于智能体能力，但最终你才是系统的评判者。
可能性近乎无限，由你决定哪些方向值得深入。
创意创作不会将首次生成的草稿视为最终成果。像对待黏土一样，反复调整塑形，逐步接近理想效果。将这些流程视为与智能体的迭代过程，可能性会大幅拓展。
Vibe Coding的困境：给出一个提示，搭建全栈——后端、数据库，应用就诞生了。但它从来不会一次就做对。试图修改它反而更费劲，因为生成了一大堆在探索问题空间时根本不必要的代码。
Figma 的机遇在于：如何让平台更强大，同时提升紧迫感。Canva 的一键导出营造强烈紧迫感，这是情感吸引力的关键。
如何将代码的力量与 Canva 的便捷结合，形成互补而非对立？找到融合路径，拥有紧密循环。
大量内部探讨却不与真实用户交流，是常见陷阱。"先做五轮内部评审"的本能需要被抑制。
Dylan 的做法：
• 如果不是限速者，可以直接推进，不需要事无巨细都过目
• 追求速度时，让一个人统管所有环节的决策
• 影响大量用户的改动（如设计改变产品核心要素）需要他参与
• 最佳状态出现在快速迭代周期中
架构层面的诀窍：
• 内部创建原型并共享
• 减少必须长期面向用户承诺的压力
• 大量产出：不确定方向时，输出本身就是学习方式
• 展示多个选项获取反馈，而不需要永久承诺
最大化学习效能。
Figma 内部的变化：研究团队不再只做报告，而是创建功能性原型——有时甚至五个用于探索不同方案。支持部门构建内部工具优化流程。销售团队也逐渐参与构建。
这些设计中约有 60% 由设计师完成。最令人振奋的是越来越多的**产品经理(PM)**开始参与——他们曾以为工作就是制作文档和幻灯片，现在发现也能动手创造。
设计系统、自动布局等结构，初衷是一致性和效率，但也带来与创造力的张力。
结构越复杂，除非懂得如何驾驭，就越难像在扁平世界中那样流畅工作。这是固有矛盾。
自动布局比基础系统刚性更弱，但存在层级差异。熟悉它的人能加速工作流程——学习曲线陡峭，但效率倍增。
理想状态：无缝切换自动布局的启用与禁用，需要时扁平化，又能瞬间重新启用。目前还没完全进入那个阶段。
只要哲学上不反对人工智能，喜欢创造事物并学习技术的人，都会倾向于深入研究如何利用 AI 为自己谋利。
转折点大约在2026年2月前后——即便是非常优秀的工程师也开始真正理解 AI 在编程方面的实用性。他们意识到在某些（并非所有）方面，AI 明显比自己更出色，并掌握了高效运用它的方法。
顶尖工程师可能仍比管理几个需要返工的 AI Code Agent工作得更快。但如果你足够了解模型和设置，就能指导它为你处理任务。
在某些代码库或配置中，它能完成大量工作；其他情况下则作用有限。归根结底，这是一种需要学习的技能。你仍然需要多年构建软件系统积累的基础知识和智慧来正确引导模型。
从产品或设计角度，寻找的是既懂技术又具备工艺和判断力的人才。
最振奋的是发现能以突破性思维推动技术发展的人才——开辟他人未曾涉足的创新路径。
Dylan 相信我们正进入一个设计即新代码的时代。
人们将以视觉优先的方式进行设计，并能够直接向生产环境发起拉取请求。未来完全可以直接从 Figma 发起部署。
三四个人的小团队就能打造出成熟产品。不太喜欢过度专业化——专门有人只负责文案编辑，另一个人只做设计。团队里每个人都能稍微涉猎一点各方面的工作，才更有趣。
不是角色融合，而是责任融合：更多人需要身兼数职，但仍会在某一领域保持专精。
AI 作为创作起点的思维方式，结合专业技艺、明确意图和对最终成果的细致追求，几乎适用于所有学科领域。
以长篇写作为例：Dylan 经常借助 AI，但主要是用它了解陈词滥调的表达方式，解决面对空白文档无从下笔的困境。几乎从不直接采用建议，但能让文思涌动——目标是说出前人未言之语。
无论从哪里开始，Figma 都能成为整合一切的平台。打造数字产品，或创造触达用户、表达观点的方式，有无数种方法将想法呈现在屏幕上并实现。
完全在 Figma 中操作，或借助 AI 及其他工具——希望能完成这些涌现的闭环，真正推动创造出世界上更多独特的事物。
为智能体设计意味着什么？归根结底，同时也是为人类而设计。即便对于智能体，人类依然是最重要的服务对象。需要审核它们的行为，理解运作机制——不会任由它随意调用设计系统或素材去接受审查，会给出大量反馈。
借助现有工具，我们都将大幅推动世界前进。随着技术发展，世界在视觉美学层面会变得更加引人入胜。设计行业已陷入某种窠臼太久——科技公司探索的设计风格总让人觉得欠缺些什么。
还有更多可能性：更多交互范式，更多为人们创造惊艳体验的方式。
这将是一个设计复兴的新纪元。
出口成本更低，技术门槛降低，更多人能接触到这些产品。
本文由Ai好记(aihaoji.com)整理总结，让你与全球精英思维对齐。Ai好记专注于音、视频图文转录、总结和翻译。视频PPT和讲话稿提取、讲座学习、课程复习、外语课程翻译、会议总结、播客总结、个人知识库构建、文字资料整理就用Ai好记！
