7.5
深览指数
科技Bestblogs·Amal Irgashev··AI 生成
我们如何打造自己的设计智能体
LangChain 的 GTM 工程团队在 Slack 中构建了设计智能体 Content Studio，交付 3000+ 素材，单次请求成本从 8 美元降至 0.5 美元。核心方法是把设计原则、反 AI 垃圾的护栏和设计师反馈背后的推理编码进技能，用「苦涩的教训」指导架构：随模型进步削减硬编码组件，转而强化工具、上下文和人类引导环境。适合对 AI Agent 工程化、上下文工程和内部工具落地感兴趣的读者。原文 ↗
核心观点
- ▍设计品味来自上下文和原则，而不仅仅是品牌令牌；模型能写出好代码，但默认倾向于分布收敛，需要设计师的原则、护栏和反馈推理来教会它做出有意图的选择。
- ▍随着模型进步，灵活的框架架构优于预构建的组件库；工程投入应聚焦于环境（工具、上下文、人类指导），而非预先固化那些模型很快就能原生处理的创意决策。
- 01Content Studio 交付了 3000+ 个素材，包括 80+ 份演示文稿，其中一份出现在观看量最高的自然 YouTube 视频中；使用其视觉内容的帖子获得 2 倍点赞和 3.7 倍收藏。
- 0275% 的请求来自市场部门以外，75% 为每周回访用户；每次请求的模型支出中位数从 8 美元降至 0.50 美元，迁移到 Managed Deep Agents 后内部代码缩减了 80%。
- 03最初的 harness_v1 包含 115 个硬编码 UI 组件和运动规则以弥补模型局限；当 Opus 5.5 到来时，移除大部分规则、仅保留高层原则反而带来了更好的多样性和创造力。
- 04双引擎媒体框架实现专业级视频和动画：HyperFrames（HeyGen 开源）做基于时间线的视频编辑，自定义 motion-studio 画布逐像素绘制并添加运动模糊，两者都按时间戳确定性渲染。
- 05结构化知识系统将设计判断编码为可复用、可审计的逻辑：路由技能将请求映射到专业技能，门禁是对可量化规则的确定性代码检查，维基存储公司上下文和优秀作品示例，记忆层捕获人类教导。
反方 / 局限
- — 文章承认为弥补模型弱点而设计的规则会随模型进步而变得不那么有用，这暗示当前基于门禁和技能的架构可能同样面临被更强大模型绕过或弱化的风险。
- — 作者提到设计师警告 AI 可能产生「僵尸 UI」，需要人类有自己的观点，否则 AI 会替你给出；这隐含了对智能体自主决策长期风险的担忧，但文章未展开其可能导致的品牌同质化问题。
5 分钟 · 6 卡片 · 13 资料
读原文 →