夜雨聆风
很多人用 AI 的状态是这样的：收藏夹里一堆工具，群里看到一个新产品就点进去试，首页截图很惊艳，收藏、转发、注册，然后就没有然后了。
真正接到需求时，还是打开 Figma 从空白画布开始。竞品还是手动截图，需求还是靠感觉拆，评审说明还是临时写，走查还是凭记忆。
问题不在于工具少，而在于没有工作流。
AI 对设计师最有价值的地方，不是多一个“生成按钮”，而是把日常工作里反复出现的步骤串起来，让你少做重复劳动，多做判断。
不要从工具开始，要从流程开始
一个设计需求从接到上线，通常会经过这些环节：
需求澄清；
资料收集；
竞品走查；
信息架构；
低保真原型；
高保真视觉；
方案说明；
评审沟通；
开发走查；
上线复盘。
如果你直接问“哪个 AI 工具最好用”，很容易变成工具旅游。但如果你问“这个流程里哪一步最耗时间、最重复、最容易漏”，答案就清楚很多。
比如需求澄清阶段，ChatGPT、Claude、Gemini 都可以帮你追问目标、用户、约束和指标。
竞品阶段，Perplexity、浏览器 Agent、通用搜索工具可以帮你收集资料，再用大模型按固定维度整理。
原型阶段，Figma AI、Figma Make、Google Stitch、v0、Lovable、Framer 可以帮你快速做第一版。
评审阶段，大模型可以把方案转成产品、研发、老板都能听懂的语言。
开发走查阶段，Cursor、Claude Code、Codex CLI 这类工具可以帮你对照组件和实现状态。
工具只有放进流程里，才会变成效率。
一套够用的设计师 AI 工作流
我会把它拆成九步。
第一步，需求输入。
把原始需求、背景、目标、限制条件都放进去。不要只给 AI 一句话，让它猜上下文。输入越完整，后面的输出越靠谱。
第二步，AI 反问。
不要马上让 AI 给方案。先让它列出没说清楚的问题，按业务目标、用户场景、功能边界、数据指标、研发约束分类。这个动作很重要，因为很多项目失败不是设计不好，而是一开始问题没问清楚。
第三步，竞品拆解。
让 AI 按固定维度看竞品：入口、主路径、关键文案、状态、转化点、风险点、可借鉴点、不能照搬点。不要只让它总结优缺点，优缺点太虚。
第四步，信息架构。
让 AI 生成几种结构方案，再由设计师判断主次关系。这里 AI 的价值是发散，不是拍板。
第五步，低保真原型。
用 Figma、Stitch、v0、Lovable 这类工具快速起第一版。目的不是做最终稿，而是让团队尽早看到流程。
第六步，高保真探索。
用 AI 辅助视觉方向和文案表达，但要用品牌、用户、业务目标去筛选。不要因为它一次出 20 个方向，就以为你完成了设计。
第七步，方案说明。
让 AI 帮你把设计方案整理成评审稿，包括目标、方案、取舍、风险、待确认问题。然后你自己改成真实表达。
第八步，走查清单。
用 AI 帮你列空状态、错误状态、加载状态、权限状态、移动端适配、组件复用。设计师很容易在赶稿时漏这些，AI 适合做检查器。
第九步，复盘沉淀。
项目结束后，把这次的提示词、模板、踩坑和判断标准存下来。下一次同类需求不要重新发明一遍。
每个环节只保留少数稳定工具
我不建议设计师同时用十几个 AI 工具。
更好的做法是每个环节只保留 1-2 个稳定选择。
比如：
通用推理：ChatGPT 或 Claude；
搜索资料：Perplexity 或浏览器 Agent；
设计生产：Figma；
原型生成：v0、Lovable、Framer 或 Stitch 选一个常用；
代码协作：Cursor、Claude Code、Codex CLI 选一个；
沉淀：Notion、飞书、Obsidian 选一个。
不要让工具切换本身变成新的低效。
如果一个工具不能稳定进入你的日常流程，它再惊艳也只是玩具。
Agent 的价值是固定动作，不是神奇对话
很多人把 Agent 理解成“更聪明的助手”。在设计工作里，我更愿意把 Agent 看成一套固定动作。
比如竞品分析 Agent：
先确认分析对象；
再确认分析维度；
收集截图和资料；
按统一结构输出；
标注可借鉴和不能照搬；
最后生成设计策略建议。
再比如设计走查 Agent：
读取需求和设计说明；
对照页面检查状态；
对照组件库检查复用；
输出风险清单；
标注哪些需要设计师确认。
这样才有复用价值。
如果每次都临时问“帮我看看这个页面怎么样”，输出就会很飘。你以为自己在用 AI，其实只是把随机建议包装成效率。
从三个最小场景开始
如果你现在没有 AI 工作流，不要一口气改完整个设计流程。
先从三个地方开始。
第一，需求澄清。
每次接需求，先让 AI 帮你问 20 个问题。你会发现很多需求在画之前就能暴露风险。
第二，竞品拆解。
固定一套分析表，不要再做纯截图 PPT。每次看竞品都按同一套维度输出。
第三，状态检查。
每次交稿前，让 AI 帮你检查空状态、错误状态、加载状态、权限状态、移动端状态。这个动作很小，但非常实用。
这三个场景都不需要你学复杂技术，也不依赖某个神奇工具。关键是稳定执行。
最后
AI 工具会越来越多，设计师不可能也没必要全部追完。
真正应该搭的是自己的工作流：哪些步骤让 AI 做初稿，哪些步骤让 AI 做检查，哪些步骤必须自己判断，哪些经验要沉淀成模板。
工具会换，但工作流会积累。
当别人还在问“最近哪个 AI 工具好用”时，你已经能稳定用 AI 完成需求澄清、竞品拆解、原型发散、评审表达和落地走查。这个差距，才是真正的提效。