7.0
深览指数
产品人人都是产品经理·AI星球··AI 生成
B端AI设计工程化提效
本文以淘宝闪购商家B端推广业务为例，分享AI设计工程化（用代码而不仅是设计稿交付）的实践经验。作者核心论点是在标准化B端需求中，设计师应掌握‘交付代码’能力以大幅提效，并从技术选型（对比HTML与React工程代码）、流程难点（全新协作关系、AI生成质量）到具体解法（基于设计思维提炼‘业务流程-页面框架-组件使用-全局样式’框架，避免复杂双层结构）逐一展开。适合正在探索AIGC在具体业务中落地的B端设计师或设计团队负责人阅读。原文 ↗
核心观点
- ▍在AI技术逐步平权的背景下，B端设计师不应只交付设计稿，应通过‘AI设计工程化’交付代码，直接参与代码落地环节以实现深度提效。
- 01当前方案对‘推广标准型页面’的设计提效实测为30%，研发提效平均为15%（含走查沟通、开发工时、还原度及代码修改）。
- 02AI设计工程化的优势是通过标准化：设计师在设计过程中直接使用三个代码库（而非设计稿/HTML），研发无需‘转译’，设计还原度接近100%。
- 03核心框架设计原则为‘简洁轻量、渐进披露’，摒弃最初的双层父子结构（父层编排流程易影响AI理解），将所有内容收拢到单个设计Skill。
- 04为降低其他设计师使用门槛并提高效率，已联动研发沉淀SOP Skill实现自动化流程（原需设计师与IDE多轮对话）。
- 05内容层参考设计师思维路径梳理出‘业务流程-页面框架-组件使用-全局样式’四步法，并调研Lovable、Figmamake等AI生UI产品以了解能力边界。
- 06共建机制设计为：通用规范（Design Token、Layout、基础组件、基础模板等）统一维护，业务规范由各业务设计师独立维护，避免单Skill体积膨胀。
反方 / 局限
- — 作者承认当前AI模型能力和幻觉波动仍是限制，无法完全跳过设计师，仍需要设计师进行质量把控。
- — 方案中设计师需多承担30%工作（原属前端），对于不熟悉AI工程工作流或IDE对话效率低的设计师有较高门槛。
- — 文章中数据（提效30%、研发提效15%）均来自内部的‘推广标准型页面’，方案效果在不同业务类型（如定制型、创意型需求）下的适用性未验证。
5 分钟 · 3 卡片 · 8 资料
读原文 →