生成式AI工具:从生成内容到生成系统

生成式AI对设计行业最直观的改变，发生在“内容生产”环节。从文生图、图生图，到视频生成、三维生成，AI不断压缩内容生产的时间成本，也降低了专业表达的技术门槛。

然而，当越来越多新的AI工具出现，我们会发现，变化已经不只是“生成得更快”或“生成得更像”。AI正在逐渐突破单一内容生产的边界，从生成一张图、一个模型、一段视频，进一步走向理解任务、组织流程、调用工具，甚至构建能够持续运行和不断生成的工作系统。换言之，AI正在从单纯的“效率工具”，逐渐成为参与设计过程的“系统能力”。

从生成内容走向生成系统，不仅是技术概念的演进，更体现在具体工具的爆发式迭代中。本文将聚焦于当下最新涌现的一批前沿 AI 工具，逐一拆解这些工具的核心亮点、功能特性以及它们带来的全新可能。

官方网站：https://labs.google/projectgenie

Project Genie是由Google DeepMind推出的实验性世界模型（World Model）项目，其核心探索方向，是让AI不再局限于生成静态图像或预先录制的视频，而是能够根据用户输入实时生成一个可以进入、探索和交互的虚拟世界。它建立在Google DeepMind持续推进的世界模型研究基础之上，特别是Genie系列在交互式环境生成方面的技术积累。与传统生成模型“输入提示—生成结果”的方式不同，Project Genie尝试进一步理解空间、物体、运动以及用户行为之间的关系，并在用户不断操作的过程中持续生成后续环境。

Project Genie的核心功能有世界草图、世界探索和世界重混。首先，用户通过文字或图像快速定义一个世界，完成场景、角色和视角的初步设定；随后，用户可以进入其中，通过行走、奔跑、飞行甚至驾驶等方式自由探索。当用户向不同方向移动或与环境发生交互时，系统并不是播放一段预先制作好的内容，而是根据用户的行动实时预测并生成接下来可能出现的场景，同时尽可能维持空间、物体、运动以及交互逻辑的连续性。在此基础上，用户还可以继续对已有世界进行修改和二次创作，将不同的想法不断叠加到同一个生成环境中，并将探索过程记录下来。

Project Genie被视作迈向下一代“世界模型”的重要一步。相比传统生成模型，它进一步探索了AI对环境、空间和用户行为的实时理解与模拟。对于设计领域而言，这意味着AI生成的对象正从单一内容逐步延伸到空间与交互环境，为未来的空间设计、游戏和沉浸式体验提供了一种新的生成思路。

Oasis是由Decart开发的一款AI生成式游戏环境，主要面向实时交互场景。它利用生成式AI持续生成游戏中的视觉内容，用户的移动、跳跃等操作会直接影响后续画面的生成。Oasis最初因其对《Minecraft》类开放世界体验的模拟而受到关注，与传统游戏依靠预先制作的场景、角色和动画不同，它尝试让AI在运行过程中不断生成环境内容。

Oasis的主要功能集中在实时生成和交互探索。用户进入生成的环境后，可以进行移动、跳跃等操作，系统会根据玩家的行为持续生成后续画面和周围场景。由于环境并非完全由预制资产构成，玩家每一次行动都会成为生成过程的一部分，AI需要根据当前状态预测下一步可能出现的内容，并保持画面和环境变化的连续性。这种方式使游戏环境从预先确定的内容，变成一个随着用户操作不断生成的动态场景。

目前，Oasis主要展示了生成式AI在实时游戏环境和交互内容生成方面的应用。它所采用的生成方式，与传统游戏引擎基于预制资产进行场景渲染的逻辑有所不同，也体现了生成式AI从单一视觉内容向连续环境生成发展的方向。对于设计领域而言，这种技术可以为游戏场景、虚拟空间等内容的生成提供新的思路，但其在稳定性、空间一致性和复杂交互等方面仍有进一步发展的空间。

▲Oasis 使用界面

▲Oasis 使用界面

▲Oasis 使用界面

Marble是由World Labs开发的3D世界生成平台，主要用于将图像、视频和文本等输入转换为可探索的三维环境。World Labs由“空间智能”研究领域的科学家李飞飞等人创立，其技术路线重点关注AI对三维空间的理解与生成。与主要输出二维图像或视频的生成模型不同，Marble更强调空间结构，让用户能够从已有的视觉素材出发，快速获得一个具有空间关系的3D场景。

Marble支持通过文本、图像、视频以及全景内容等不同方式生成3D世界。用户可以上传一张概念图、照片或视频，系统据此重建相应的空间环境，并生成可以从不同角度观察和探索的场景。生成结果还可以进一步进行编辑和调整，用户能够改变视角、探索空间，并将生成的环境用于后续的设计表达和内容制作。相比传统三维建模需要从几何结构开始逐步搭建，Marble更强调从视觉信息直接进入空间生成，从而降低三维场景创建的操作门槛。

Marble的一个突出特点，是打通了二维视觉素材与三维空间之间的转换。一张图片或一段视频不再只是最终呈现的视觉内容，也可以成为构建三维场景的起点。这种方式为概念空间、虚拟场景和沉浸式内容的快速构建提供了新的可能，也让设计师能够更直接地将前期视觉概念转化为空间原型。

Krea是一款面向创意工作的AI视觉生成与设计平台，提供实时画面生成及编辑等多种功能。与传统生成式AI需要输入提示词、等待生成结果的方式不同，Krea较早将“实时生成”作为产品的重要交互方式，让用户可以在操作过程中持续看到AI生成结果。它将生成模型直接融入视觉创作流程，使AI不再只是一个独立的图片生成工具，而成为设计过程中可以随时调用的创作界面。

Krea的实时生成功能允许用户通过文字提示、简单绘制、图像参考以及实时操作不断调整画面，AI会随着输入变化即时更新生成结果。设计师可以先用简单的线条或构图确定大致画面，再通过Prompt和参考图控制风格、材质、色彩和细节，整个过程中的变化能够较快反馈到画面中。除此之外，Krea还提供图像生成、编辑、增强和视频相关功能，可以将不同的生成能力组合到同一个创作流程中。

Krea所体现的一个重要变化，是AI生成开始从“提交任务”转向“实时交互”。当生成结果能够随着设计师的操作持续变化时，AI与设计师之间的关系也从一次性的输入与输出，变成更加连续的视觉反馈。对于概念推演、视觉草图和风格探索等工作，这种实时性能够帮助设计师更快地试错和调整，也让生成式AI更自然地融入原有的设计过程。

▲Krea使用界面

▲Krea使用界面

▲Krea使用界面

Runway AI

官方网站：https://runwayml.com

Motion Sketch是Runway中的实时视频生成与控制功能，主要用于将用户的动作输入转化为动态视频内容。Runway本身是一款面向创意内容生产的生成式AI平台，覆盖图像、视频生成与编辑等多个环节。Motion Sketch进一步将生成模型与实时交互结合起来，让用户不必先完成完整的视频提示或复杂的动画制作，而是可以通过简单的动作和绘制来控制画面的运动过程。

Motion Sketch的主要特点是实时动作控制。用户可以在画面中绘制或输入简单的运动轨迹，系统根据这些动作信息实时生成相应的视频变化，从而快速建立镜头运动、物体运动或场景变化。相比传统视频生成需要等待完整结果，Motion Sketch更强调“边操作、边生成、边调整”的过程，用户可以根据实时反馈不断修改动作路径和画面效果。这种交互方式也让动作草图从单纯的前期构思工具，变成了直接参与视频生成的控制方式。

Motion Sketch进一步缩短了动作设计与视频结果之间的距离。过去，设计师往往需要通过关键帧、路径动画或专业动画软件来定义运动；现在，一些原本用于表达运动意图的简单草图，也可以直接成为AI生成视频的控制输入。对于动态视觉、镜头设计和概念动画等工作，这种方式提供了一种更加直观的生成路径，也体现了实时生成从“看结果”向“参与控制”的变化。

OiiOii是一款面向设计与创意工作的AI智能体平台，主要通过自然语言理解设计需求，并调用不同的AI能力完成从构思到视觉输出的任务。与传统的单一生成工具不同，OiiOii更强调对完整设计任务的理解，用户不必分别操作多个模型，而是可以直接描述目标，让AI根据需求组织相应的生成和处理流程。这种方式将AI从单一的内容生成工具进一步带入设计工作流。

OiiOii的使用方式更接近“提出需求—AI执行—持续调整”。用户可以通过自然语言描述设计目标、视觉方向或具体任务，智能体根据输入进行分析，并结合不同的生成能力完成图像、视觉方案等内容的制作。在这一过程中，AI不仅负责生成最终画面，也可以参与前期构思、素材处理和方案调整，使多个原本需要分别完成的操作被整合到一个连续的工作流程中。

OiiOii所体现的变化，是AI开始从单点工具转向任务型协作。设计师面对的不再只是一个等待输入指令的生成模型，而是一个能够理解任务并参与执行过程的智能体。对于设计工作来说，这种方式可以减少不同工具之间的切换，将更多精力留给创意判断、方向选择和结果优化，也让AI逐渐从“生成内容”进一步进入“完成任务”的阶段。

Lovart是一个以“Design Agent”为核心的AI设计智能体平台，目标是让用户通过自然语言直接驱动完整的设计流程。它将图像生成、版式设计、视觉编辑等能力整合在同一环境中，用户不需要分别操作多个软件或模型，只需描述设计目标和要求，AI便可以根据任务进行方案构思与视觉产出。相比传统生成工具主要提供单张图片，Lovart更强调围绕一个具体设计任务持续完成多个环节。

在实际使用中，用户可以直接提出相对完整的设计需求，例如制作品牌视觉、海报、产品宣传物料等，Lovart会根据需求生成初步方案，并支持通过自然语言进一步修改和调整。用户可以针对构图、风格、文字、元素等提出具体要求，系统根据反馈继续优化设计结果。这样的工作方式将“提出需求—生成方案—修改设计”的过程整合在一个连续的交互中，降低了不同设计工具之间反复切换的成本。

Lovart的特点在于，它将AI的角色从内容生成器进一步转向设计执行者。AI不仅负责生成视觉素材，也开始参与设计任务本身的组织和完成。对于设计师来说，这种方式更适合处理具有明确目标的视觉项目，也意味着未来的AI工具可能不再只是提供一个个独立的生成能力，而是围绕具体设计任务承担更多执行工作。

Lovable是一款基于自然语言进行软件开发的AI平台，主要用于快速创建网站、Web应用和数字产品原型。用户不需要从传统的代码编写开始，而是可以直接描述想要实现的产品功能、页面结构和交互方式，AI会根据需求生成相应的代码和界面，并在开发过程中持续修改和完善。它连接了自然语言、界面设计与代码开发，使原本需要设计、前端开发等多个环节协作完成的工作，可以在同一个AI环境中快速展开。

Lovable的使用方式主要围绕“描述需求—生成产品—持续修改”展开。用户可以先提出一个网站或应用的基本设想，系统生成初步的页面和功能结构，再通过自然语言提出修改意见，例如调整页面布局、增加功能、改变交互方式等，AI会同步修改代码并更新可运行的结果。用户还可以将设计参考、视觉素材等加入开发过程，使界面设计与功能实现能够同步推进。

过去，设计师完成界面方案后，通常还需要经过前端开发才能将设计转化为可交互的产品；而借助自然语言编程，设计师可以更直接地参与从视觉方案到实际产品的实现过程。这并不意味着设计与开发之间的专业边界消失，而是让设计师获得了一种更快速验证交互想法和构建数字原型的方式。

Claude Code是Anthropic推出的AI编程工具，基于Claude系列模型，主要通过命令行环境协助用户完成软件开发任务。与传统的代码补全工具不同，Claude Code能够理解整个代码仓库的结构和上下文，并根据用户提出的需求进行代码阅读、修改、调试和文件操作，它更接近一个能够参与实际开发流程的AI编程助手。

Claude Code的使用方式以自然语言指令和代码库协作为主。用户可以直接描述需要完成的任务，例如增加一个功能、修改页面、排查错误或重构一段代码，Claude Code会分析项目中的相关文件，并根据任务修改代码。完成修改后，它还可以运行测试、检查执行结果，并根据反馈继续调整。这样的工作方式让AI参与的不只是“写代码”这一环节，而是覆盖理解项目、执行修改、验证结果等连续步骤。

Claude Code的特点在于，它进一步降低了参与软件开发的门槛，也让设计与开发之间的衔接变得更加直接。对于设计师而言，它尤其适合用于交互原型、网页和创意编程等场景：设计师可以将自己的视觉和交互想法直接转化为自然语言任务，再通过AI快速生成和修改可运行的代码。当然，复杂项目仍然需要专业的开发知识和人工审核，但AI已经开始从辅助写代码，逐步进入完整的软件开发流程。

官方网站：https://www.coze.cn

扣子（Coze）是字节跳动推出的AI应用与智能体开发平台，主要用于创建AI智能体、工作流和各类AI应用。与直接使用现成的AI工具不同，扣子更强调“搭建”能力，用户可以根据自己的需求配置智能体的角色、任务、知识和工具，并通过工作流将不同的AI能力连接起来。它将原本需要编程实现的一部分功能，以可视化和自然语言的方式开放给普通用户。

扣子的主要功能包括智能体创建、工作流搭建和工具调用。用户可以为智能体设定任务目标和行为方式，再结合知识库、插件以及不同的工具完成特定任务；也可以通过可视化工作流，将信息输入、AI处理、内容生成等不同步骤连接起来，形成一套自动运行的流程。对于有一定开发需求的用户，还可以进一步调用API或其他外部服务，将AI能力整合到更具体的应用中。

扣子让AI的使用方式从“调用现成工具”进一步转向“自己搭建工具”。对于设计师来说，这意味着AI不一定只是用来生成图像、文本或代码，也可以根据具体的设计需求构建专属的工作流。例如，将资料整理、方案分析、内容生成等环节组合成一套自动化流程，从而形成更加符合自身工作习惯的AI工具。它所降低的，不只是AI的使用门槛，也包括了设计师构建和定制AI应用的门槛。

我们可以看到，新一轮AI工具的变化，在于它开始介入“想法如何被实现”的过程：它可以生成内容，也可以理解任务、连接工具、处理流程，甚至根据需求搭建新的工具。设计工具因此不再只是被操作的对象，也开始成为能够参与设计过程的“行动者”。

这也让“设计什么”与“如何设计”之间的关系发生了变化。当AI能够快速生成大量内容时，单纯的生产效率不再是最核心的问题。更重要的是，设计师如何提出问题、建立规则、组织不同的AI能力，并在不断生成的结果中进行判断和选择。尤其当设计对象从一张图、一件产品逐渐延伸到一个空间、一段交互或一套工作流时，设计的重点也会从对最终结果的塑造，进一步转向对生成过程和运行逻辑的设计。

因此，从“生成内容”走向“生成系统”，真正值得关注的并不是某一个工具有多强，而是设计工具正在从功能集合变成能力集合，从结果导向走向过程参与。具体产品还会快速迭代，但这种变化已经开始影响设计师理解问题、组织工作和实现创意的方式。未来，设计师或许仍然需要使用软件，但更重要的是学会与模型协作、编排工具、构建流程，并在AI不断生成的可能性中做出具有专业判断的选择。当生成不再只是设计的最后一步，而逐渐成为设计过程本身，设计师真正需要重新思考的，也许不是“AI能替我做什么”，而是“在一个可以不断生成的系统中，我应该设计什么”。