路径文字 Text Curve
把文字沿路径排版这件事做成独立工具，支持路径导入、实时预览和多次灵活编辑，更适合在版式细节里快速试验。
- 支持自定义路径编辑文字
- 可预览、可反复微调
- 减少重复手工摆放成本
设计 × AI × 工作助手
SCROLL
01 / 问题共鸣
我们现在用AI最大的问题，
不是不会用，是用得太散。
很多时候，AI只是临时帮了一下，但没有真正进入设计流程。
散
写一句文案
生成一张图
想几个关键词
临时改背景
现在的用法
临时解决
用完就结束，下一次还是重新开始。
真正的问题
结果不稳
质量依赖个人经验，团队之间无法复用。
核心结论
没有沉淀
AI没有进入工作流，只是在零散帮忙。
02 / 认知升级
重新定义AI在设计流程里的位置
AI不应该只在出图时出现，而应该参与设计流程里的关键节点。
Before
1
需求2
找参考3
出方向4
做设计5
改稿6
延展7
交付After AI
1
需求拆解问清楚2
方向推演扩思路3
视觉探索试方向4
快速生成提效率5
方案评审查遗漏6
延展交付统一输出7
经验沉淀下次复用03 / 核心模型
设计师使用AI的三个阶段
这次不重点讲L1，而是讲怎么从会用工具，走到会搭流程、会做沉淀。
快一点
L1
会用工具
写文案、生成图、改背景、做简单素材。
稳一点
L2
会搭流程
把AI嵌入需求分析、探索、延展与检查。
可复用
L3
会做沉淀
把好的规则、案例和清单沉淀成团队Skill库。
04 / 方法地图
进阶使用AI，
不是多会几个工具，
而是把AI放进工作流。
这次分享不讲工具入门，而是围绕真实设计工作拆成四条路径：视觉生产、UI/UX 协同、Coding 创造和团队沉淀。重点是让 AI 参与需求理解、方向探索、产出迭代、体验检查和方法复用。
整场分享路线图
从“会用工具”到“会搭流程”，这四块内容基本覆盖了设计师把 AI 真正用进项目里的主路径。
Visual
UX
Coding
Skill
01
视觉生产力
从一张图到一套可复用视觉规则。
02
UI / UX 协同力
让 AI 先帮你理清需求、补全状态、检查体验。
03
Coding 创造力
把想法从“说出来”推进到“做出来”。
04
团队复用力
单次提效只是开始，团队能复用方法才是真正价值。
05
AI Tools + Visual
AI工具+视觉
接下来几页，用真实案例讲述 AI 工具在平面视觉中的应用：从 Prompt、方向探索，到视觉系统和多尺寸延展。
Prompt
Visual Exploration
Skill System
Resize Extension
06 / 方法一
写 Brief，
不是写许愿式 Prompt
AI输出不好，很多时候不是工具不行，而是我们给的信息太模糊。
同样是“端午节海报”需求，输入方式不同，输出结果会明显不同。
许愿式 Prompt
“帮我生成一张端午节的海报”
输出结果
规范提需求 Prompt
需求背景视觉要求尺寸参考图及视觉素材
“我要一张端午节的海报，尺寸是1080x1920，用于保险业务员节日投放于朋友圈展示，主标题文案为：端午安康（毛笔大字，有设计感），副标题为：端午佳节 龙舟逐水 箸叶飘香 岁岁迎安康。设计风格想要意境的绿色调的水墨画，参考我给你的图，图4为公司logo，要帮我添加在图中，小小的即可，可以改变颜色，不能改变形状。帮我多出几个方案。”
输出结果
07 / 方法三
多方向探索，
不追一张完美图
AI更适合快速扩大方向池，而不是一次生成最终答案。
方向 A
传统国风
水墨、山水、粽叶、书法、留白。
方向 B
年轻清爽
浅绿、插画、清新、轻节日感。
方向 C
高端礼盒
深绿、金色、礼盒、品质感。
方向 D
运营转化
大标题、强按钮、利益点突出。
08 / 方法四
同一张图，
也能继续精修出新版本
AI不只适合从0到1生成，也适合在已有方案上继续做细节调整：更换素材、替换文字、微调色调，保留主构图继续迭代。
适合放在哪些场景里
- 同一主题海报，快速比较多个前景版本。
- 客户临时改文案，不想整张图重做。
- 主视觉已定，只需要细节微调和风格统一。
- 先出主版本，再继续延展精修方案。
09 / 方法四
善用Skill，
从重复单张到标准输出
不是只做出一张图，而是把生成规则、Skill 更新、Skill 验证和多尺寸延展一起沉淀下来。
Skill Output
先把总结 Skill 后生成的内容沉淀成可复用案例。
Skill Update
再持续补充规则，让 Skill 越来越稳定、越来越可控。
Skill Validate
换一个新的节日或主题继续生成，验证 Skill 是否真的能迁移复用。
Extension
最后从主视觉继续做多尺寸延展，形成真正可交付的系统能力。
10 / 一致性控制
先定义 IP Skill，
再稳定延展不同动作和场景
当人物成为业务 IP 时，最重要的不是只做出一张图，而是先锁定人物锚点，再让 AI 在不同动作、表情和业务场景里持续输出同一个人。
统一五官固定服装动作延展场景应用
这一步解决什么问题
- 先用一张标准形象图，锁定人物的发型、穿着、饰品和整体气质。
- 再基于 Skill 延展等待、思考、讲解、祝贺等状态，让同一个角色可用于不同页面场景。
- 最后把角色继续融入海报或运营物料里，保证从状态图到场景图都保持统一人物设定。
对于智能体、品牌助手、客服顾问这类业务 IP 来说，
“一致性”本身就是可复用能力。
人物锚点先锁定基础形象
固定人物的五官特征、服装材质与配饰细节，作为后续所有延展的统一锚点。
动作延展同一人物输出不同状态
设定好人物 Skill 后，可以稳定延展等待、思考、讲解、祝贺等动作与表情。
场景应用融入海报与业务场景
在保持人物一致性的前提下，把同一角色快速延展进海报、宣传图和不同运营内容中。
11
AI as UX Assistant
AI = UX助理
接下来几页，重点讲述 AI 工具在 UI / UX 中的辅助作用：快速理解需求、构建原型、补全交互 case、参与体验评审。
PRD 理解
原型沟通
交互查缺
体验评审
12 / 方法五
AI在UI里的真正价值，
是补全状态和逻辑
UI设计师用AI，不是为了少画几个页面，而是为了少漏场景。
补路径
信息架构
梳理用户路径、状态关系和操作顺序。
补状态
空 / 错 / 加载
少漏默认态、异常态和禁用态。
补说明
提示语 / 字段
帮助补齐微文案和交互说明。
补交付
开发说明
让方案更容易被理解和推进。
13 / 方法二
快速理解需求，
先用原型对齐逻辑
把 PRD 或口述需求丢给 AI，先理清流程、补全交互 case，再用原型图沟通设计细节。
1
Input
丢给 AI：PRD / 口述需求
先把复杂需求转成可理解的任务结构。
2
Logic
快速理清页面与业务流程
识别核心路径、关键节点、权限与状态。
3
Prototype
构建流程图与可交互原型
先做 Demo，把抽象需求变成可讨论的界面。
4
Check
查缺 UI 交互 Case
补空状态、异常态、编辑态、结果态和后台维护逻辑。
5
Align
用原型沟通后续设计细节
更快达成双方理解，再进入视觉和高保真设计。
案例：直播排期需求 → 移动端 H5 原型
PRD TO DEMO
流程图
先把页面路径和后台关系讲清楚
先把页面路径和后台关系讲清楚
原型图
用可视化页面对齐功能逻辑
用可视化页面对齐功能逻辑
交互 Case
提前发现空状态、异常态和维护场景
提前发现空状态、异常态和维护场景
14 / 案例一
文案走查，
让AI先帮你排雷
把设计稿、原型稿或截图丢给 AI，让它先做文案差异排查、信息核对和风险提示，减少人工逐字比对的遗漏。
Compare
对比原型图与设计稿，快速找出标题、身份、履历、模块文案是否一致。
Check
把“已一致 / 基本一致 / 建议重点核对”分类输出，方便设计师二次确认。
Communicate
走查结论可以直接作为协同依据，减少设计、产品、开发之间的口头沟通成本。
15 / 案例二
交互走查，
让AI先帮你补体验 case
把流程总览图和检查目标交给 AI，让它先从状态完整性、交互顺畅度、操作效率与信息架构等角度做体验走查，并输出可协同的问题表格，方便与产品、开发快速对齐。
Input
输入页面流程图、关键页面串联关系，以及希望重点检查的体验目标。
Check
检查流程是否顺、状态 case 是否全、信息架构是否清晰，以及是否存在效率断点。
Output
输出可勾选的协同清单，便于产品、设计、开发围绕问题逐项确认与采纳。
16 / 案例三
UI验收，
把问题变成可协同文档
用 AI 对比设计稿与开发截图，输出可勾选的验收文档，重点覆盖字体、字号、颜色、插图大小和适配方式。
Input
输入设计稿截图、开发稿截图和验收重点，让 AI 先整理问题范围。
Output
输出包含“设计稿截图 / 开发稿截图 / 说明优化问题”的协同文档。
Result
把模糊反馈变成开发可执行的修改清单，提高返修沟通效率。
17 / 案例四
动效 Demo，
把想法变成可预览交互
当页面需要动态反馈、引导动画或状态动效时，可以先用 AI 和现成 JSON 素材搭一个 H5 前端预览，再和开发一起确认落地方式。
Material
先找现成的 Lottie / JSON 动效素材，明确它对应的页面状态和触发条件。
Preview
用 H5 快速做一个可预览 Demo，让动效节奏、位置和层级可以被直接体验。
Align
和开发一起确认实现成本、性能边界和最终落地效果，减少反复口头描述。
Resource
先找现成资源平台
先让 AI 帮忙筛选适合 H5 微动效的资源网站，快速定位能直接复制或二次改造的代码方案。
Preview
再做 H5 前端预览
把找到的星光、萤火虫或漂浮粒子效果叠到业务画面里，先做出可以直接体验的 Demo。
Step 01
找素材 / 抄方案
优先找现成的 Lottie、CodePen 或 CSS/JS 片段，快速明确哪类效果最适合当前页面。
CodePen
LottieFiles
tsParticles
Step 02
做可点击 Demo
用 H5 前端预览把动效的节奏、层级、触发方式先演示出来，避免只靠口头描述抽象沟通。
Step 03
输出协同结论
和开发一起确认性能、实现成本与最终落地结果，既保证输出效率，也兼顾最终质量。
18 / 方法六
让AI做你的设计评审搭子
AI不一定更懂审美，但很适合帮我们查漏补缺。
视觉检查
- 主次是否清楚？
- 焦点是否集中？
- 色彩是否统一？
UI检查
- 路径是否顺？
- 状态是否全？
- 反馈是否完整？
运营检查
- 利益点突出吗？
- 点击理由够吗？
- 适合资源位吗？
交付检查
- 尺寸正确吗？
- 文案有错吗？
- 规范完整吗？
19 / 团队协同
沉淀常用的skill库，
让AI助理工作更加规范
不是每个人各自零散使用 AI，而是把视觉、UI、文案、评审方法沉淀成团队可以复用的 Skill 和案例库，让常用任务有规则、有案例、有统一输出方式。
视觉类
UI类
文案类
评审类
案例库
20
AI + Coding Playground
Coding玩法
接下来几页，分享 AI + Coding 在设计工作中的新玩法：认识主流 vibe coding 工具，自己做插件与小工具，再把创意真正做成网页、应用和可用产品。
CodexClaudePluginWeb / App
21 / 工具认知
Vibe Coding，正在变成
设计师新的制作方式
以 Codex、Claude 为代表的 AI coding 工具，已经不仅是“写代码”，而是能帮助设计师把想法快速落成作品：做作品集、做网页、做解决工作流的小工具，也能做一些你自己真正想用、喜欢的东西。
作品集网页展示型 H5流程小工具数据看板个人小应用兴趣实验
对设计师最重要的变化
以前我们只负责“提出想法”，现在可以进一步把想法做成可预览、可点击、可验证的半成品，再用这些半成品和开发、产品共同推进落地。
Tool 01
Codex
适合把目标拆成任务并快速执行，尤其适合做网页、小型页面、作品集站点和前端 Demo。你可以一边描述，一边让它生成可运行结果，再持续迭代。
Tool 02
Claude
长上下文和结构整理能力更强，适合做需求梳理、工作流工具、小插件与连续多轮改写。对设计师来说，特别适合把日常重复问题做成真正可用的小工具。
22 / 插件案例
先从解决自己的工作问题开始
我自己就用 Claude 做了两个 MasterGo 插件，把高频、重复、麻烦的小动作工具化。很多时候，coding 最先带来的价值，不是做多大，而是让日常工作更顺手。
Plugin 01
Plugin 02
图像描摹 Vector Tracing
针对图像描摹的高频需求，做成更轻便的工作流入口。可以快速二值化、控制容差值，只保留黑白两色，方便继续编辑与应用。
- 对应 Illustrator 常用图像描摹需求
- 可调节容差值，操作更直接
- 黑白结果更利于后续编辑
23 / 流程实验
让 Codex + Figma，
尝试接管一段 UI 迭代流程
我尝试从现有设计稿出发，用 coding 的方式把「总结规范 → 调整规范 → 根据规范输出新界面」串成一条可反复迭代的流程。它未必能完全替代设计判断，但已经能帮助我们更快形成规范底稿、统一结构，并验证“快速迭代 UI”这件事是否有可能跑通。
这次实验的核心价值
- 先基于已有页面和需求，快速整理出一版可讨论的 UI 规范草案。
- 再把组件、页面骨架与交互原则沉淀进 Figma，形成可复用的规范页。
- 最后再按规范去推导新界面，让改版和方案迭代更快进入“可预览、可比对、可继续修改”的状态。
我对这个方向的判断
- 它适合做“第一版整理”和“快速对齐”，能明显减少从 0 开始搭规范的成本。
- 真正决定质量的，仍然是设计师对业务、组件语义、页面逻辑和体验细节的判断。
- 所以更现实的定位，不是完全自动化，而是把 AI 变成 UI 规范与迭代流程里的高效副驾。
目前更可行的落地方法
- 先用 Codex 接入 Figma，基于现有设计稿整理组件规范、页面结构和交互原则。
- 再让 Codex 按这套规范尝试输出新的 UI 界面，用于快速对齐方向与验证迭代可能。
- 最后把 Figma 里的规范页和新界面转到 MasterGo，进入团队实际协同与后续交付流程。
我这次跑通的链路
把 AI 放进规范沉淀与界面迭代之间，先求可跑通，再求可规模化。
STEP 01
Codex 先整理规范草案
先把已有设计稿、MasterGo 页面信息和目标说明交给 Codex，快速输出一版可评审的 UI 规范草案，为后续组件沉淀与页面迭代打基础。
STEP 02
在 Figma 里沉淀组件规范
把按钮、导航、搜索、卡片、标签和状态等基础组件统一下来，让后续页面迭代不再从零开始拼装。
STEP 03
再补齐页面架构与交互规则
进一步明确页面骨架、栅格布局、内容区、录制流程和动效建议，把“怎么做一页 UI”也写进规则里。
未跑通的尝试
MasterGo × AI 的 MCP 闭环，暂时还不成立
我也尝试用 coding 去做 MasterGo 对接 AI 的 MCP 插件，希望实现直接读设计稿、理解结构、回写规范甚至生成页面的闭环。但目前体验下来，这条链路还不够稳定，暂时不可行。
- AI 对设计专业术语、组件语义和真实业务上下文的理解还不够深。
- 对“为什么这样排、为什么这样交互”的设计判断仍然偏弱，容易停留在表层模仿。
- 跨工具的接口链路和实际应用稳定性不足，离真正自动闭环还有明显距离。
24 / 创意案例
把自己的创意，真的做出来
利用 coding 模式，不只是辅助工作，也可以实现自己的创意：做一个小应用、做一个插件、做一个展示网页，甚至把兴趣项目做成真正上线的作品。如果一开始还没有完整视觉规范，也可以先用 Stitch、Claude Design 等工具快速生成视觉骨架，再继续用 coding 把自己的想法一步步做出来。
Case 01
一晚上做出兴趣站点
从兴趣出发做一个 ACG 向 MBTI 网站，也可能意外跑出很高访问量。说明很多创意只差“先做出来”的第一步。
Case 02
做一个喜欢的小应用
围绕自己的生活方式与审美，做一个边喝边收集印章的 App，把功能、界面和兴趣爱好组合成真实产品。
Case 03
从想法到真正上线
不只是 Demo，很多人已经把自己的创意做成了可上线、可下载的产品。越早尝试，越容易把创造力变成真正的作品积累。
AI 工具路径先用 Stitch / Claude Design 一键成型，
先用 Stitch / Claude Design 一键成型，
再用 AI 工具 coding 把想法做出来
当小创意还没有完整视觉规范时，可以先借助 Stitch、Claude Design 这类工具快速生成视觉骨架，先看到页面风格、信息层级和页面关系；接着再继续用 coding 方式把它延展成自己的插件、小应用或可展示的作品。上面先讲方法路径，下面再看几个真实案例。
25 / 落地方案
从个人会用，到团队共用，
关键是把方法沉淀下来。
这套分享最后不是为了多认识几个工具，而是把 AI 放进设计工作流：视觉有规则、UI 有检查、Coding 有原型、团队有 Skill，下一次才能更快开始。
人人拥抱AI
先和团队约定一个“30天改变”，
让每个人都开始自己用 AI。
重点不是让我变成最后 AI 使用和输出的必经之路，而是让团队里的每个人都先在自己的工作里尝试使用。30 天后再一起回看：个人的工作流程有没有更顺，团队的协同状态有没有变化。只有每个人都真正上手，AI 的团队效果才能被最大化。
1
视觉生产
把 Brief、多方向、精修、IP一致性沉淀成视觉 Skill。
2
UI / UX 协同
把 PRD 拆解、交互走查、UI验收沉淀成协同清单。
3
Coding 创造
把小工具、插件、H5 Demo 变成可预览、可讨论的半成品。
4
团队复用
把案例、模板、规范和复盘结果统一进团队 Skill 库。
26 / 团队协同
让 GPT 从个人工具，
升级为团队协同能力。
如果只停留在个人使用，AI 更多只是“个人提效工具”；如果用 GPTs + Prompt Library 把规范、案例、素材和方法沉淀下来，它就会变成团队可复用的工作资产。这也是最值得争取预算的地方。
许愿！
预算买到的，不只是账号，
而是团队复用能力。
个人 Memory 更适合单人长期训练；真正适合团队协同的是 GPTs + Prompt Library：前者承担“共享 AI 助手”，后者承担“标准化输入模板”。两者结合，能把经验从“某个人会用”变成“团队都能调用”，让方法不再依赖单点，而是沉淀为可复制的工作方式。
团队共享 GPTs
Prompt 标准模板
统一高频场景
输出更稳定
一个可落地的团队使用路径
STEP 01
输入团队素材
把 PSD 截图、Banner规范、设计稿、组件规范、字体规范、参考图、运营案例、视觉风格说明整理为可学习素材。
STEP 02
训练团队 GPTs
让 GPT 学会设计风格 Skill、资源点位规范、延展尺寸规范、社媒模板、UI验收、开发说明等高频方法。
STEP 03
统一 Prompt Library
把高频需求写成标准模板，让团队成员直接套用，减少每次都从零描述、从零对齐的成本。
STEP 04
一句话协同调用
团队成员未来只需一句话，例如“做一个端午 banner”，就能按既定规范快速生成更接近可交付状态的结果。
团队使用形态：为什么是 GPTs + Prompt Library
类型
是什么
适合
个人 Memory
个人长期训练上下文
个人提效
GPTs
可共享的 AI 助手
团队规范
Team Workspace
团队共用空间
多人协作
Prompt Library
Prompt 规范库
标准化输出
现在真正值得团队优先投入的，是 GPTs + Prompt Library：前者负责“能力”，后者负责“标准”，一起把经验沉淀成可复用资产。
01
减少重复沟通
高频需求不再每次口头解释，减少来回补充和返工。
02
新人更快上手
新成员可以借助 GPTs 直接调用团队方法，不必完全靠口传。
03
输出更稳定
风格、结构、模板、检查项更统一，团队产出波动更小。
04
避免依赖单点
不是某一个人变成唯一出口，而是每个人都能自己尝试、自己调用。
Budget Focus：GPTs + Prompt Library
建议先从 1 个团队共享 GPT、1 组 Prompt Library、1 个高频场景试点开始，跑 30 天后回看复用率、协同效率和交付稳定性，再决定是否继续扩大投入。
27 / 封底
感谢观看
Thanks for Watching