CASE STUDY 02DESIGN AGENT · AIGC DESIGN
Design Agent · 设计稿智能生成助手
先澄清需求，再约束生成，让设计稿进入真实交付。
核心结果 / KEY IMPACT
约 30% → 约 60%设计稿采纳率；采纳定义为生成稿无需修改或仅少量修改即可进入评审环节。WORKFLOW / 工作流程
- 01澄清需求与选择风格
- 02检索规范并约束生成
- 03出稿前自检与人工修改
- 04评审确认与前端交付
本页目录
问题背景
2025 年下半年启动，面向公司内部 UI 与交互设计师，以插件形态嵌入 Octo Design，产品经理也可使用。用户通过自然语言描述页面需求，生成符合企业规范的设计稿；多页面场景可带交互效果，经评审后转换为前端可用代码。
MVP 内测阶段采纳率约 30%，反馈集中在生成结果不精准、不符合规范、无法直接使用。优化重点是收窄生成范围，减少需求歧义与规范偏差，让结果能够进入评审和后续研发。
我的角色
负责前期需求分析与竞品调研，参与技术选型，牵头制定上线标准并推动研发落地；设计生成、人机协作和交付链路，围绕采纳反馈持续优化。
- 01
确定以 Octo Design 插件形态落地，让设计师在原有工作环境中完成生成与修改。
- 02
设计“需求澄清 → 规范约束生成 → 出稿前自检 → 人工接管”的完整流程，通过选项逐步收敛至最小可执行范围。
- 03
生成时检索企业设计规范库，限定使用规范库内组件；预设多种内部 UI 页面风格，并在出稿前由模型检查规范符合情况。
- 04
将结果交付为可分层编辑的设计稿，支持对话修改和选中板块后手动编辑；评审确认后转为前端代码，由前端完成最终调整与上线兜底。
- 05
针对“不精准、不合规”的核心反馈，推动需求澄清、风格选择、规范库检索与约束三项优化。
关键决策
这里保留问题、判断与取舍，呈现产品推进中的真实决策过程。
在生成前把模糊需求变成可执行范围
- 01 /当时的问题
- 用户的自然语言需求存在歧义，MVP 生成结果与预期不一致，难以直接使用。
- 02 /我怎么判断
- 通过选项逐步澄清需求，并提供内部 UI 页面风格选项，将范围收敛后再生成。
- 03 /取舍了什么
- 在生成前增加澄清步骤，减少后续偏题与反复修改。
用规范库约束生成，再做出稿前自检
- 01 /当时的问题
- 生成结果不符合企业规范，设计师仍需花时间修正组件和样式。
- 02 /我怎么判断
- 模型检索企业设计规范库，仅使用规范内组件，并在出稿前自检是否符合规范要求。
- 03 /取舍了什么
- 收窄模型自由发挥的范围，优先保证企业场景中的一致性与可用性；模型自检之后仍保留人工评审。
把可编辑与人工接管设计进交付
- 01 /当时的问题
- 生成设计稿仍需要设计师微调，转换出的代码也需要前端调整。
- 02 /我怎么判断
- 提供可分层编辑的设计稿，支持对话和手动两种修改方式；评审后再转换代码交付前端。
- 03 /取舍了什么
- 将初稿生成、人工评审和最终上线分开，明确设计师与前端各自负责的交付环节。
结果
设计稿采纳率；采纳定义为生成稿无需修改或仅少量修改即可进入评审环节。
单页面初版设计稿的生成耗时，不含设计师微调。
从 MVP 内测约 20 人扩展至正式版约 50 名部门设计交互岗，最终覆盖约 100 人，延伸至业务产品岗。
支持分层编辑和多页面交互；设计稿经评审后转换为前端可用代码，由前端完成最终调整与上线兜底。
复盘
AI 生成类产品的可用性需要从生成前开始设计：先澄清需求，再约束生成，最后自检并交给人复核。把范围收敛到可控区间，才能让结果从初稿走向真实交付。
脱敏说明：基于个人项目经历整理，仅呈现项目职责、产品方法与成果口径。