Design Skills 重构人机设计协作

导语

随着 AI 深度参与设计生产，设计资产正迎来新的消费方式。在 D20 分论坛上，蚂蚁集团 Ant Design Skill 设计负责人史凌超首次分享 Design Skill 构建方法，探索如何将设计师的经验与思考沉淀为 AI 可消费的设计知识，并开源 Ant Design Skill 实践。在这一过程中，设计师正从设计结果的生产者转变为设计规则的构建者，重新定义 AI 时代的人机协作关系，为企业级复杂设计带来新的想象空间。

1、AI 时代，设计资产消费协同在变化

过去一年，我们一直在思考：AI 会如何改变设计系统？我们发现，变化的不只是工具，更是设计资产的消费方式，这也成为我们探索 Design Skill 的起点。

过去，设计系统主要服务于设计师和开发者，设计资产沿着“设计—交付—开发”的线性链路流转；如今，AI 加入协作，各角色都可以借助 AI 探索相关工作，原有设计资产消费协作方式正在被重新定义。一些新问题也随之而来，过去的设计资产，还适合被 AI 准确消费吗？

在真实企业级实践中， AI 可以生成海量界面，却暴露了很多痛点问题，包括业务理解有偏差、个性化需求难满足、方案筛选较困难、缺乏设计专业决策等。为什么 AI 面对已有设计资产显得力不从心？

如上图，设计师看到组件，如按钮，会想：这是用来执行什么操作？是不是高频操作？有没有风险？需不需要确认？而 AI 读到的只是按钮的理性代码，缺少设计师思考过程。

所以，设计资产本质没有改变，但消费对象和消费方式变了。过去，人依靠经验理解和使用设计资产；如今，AI 作为新消费对象，需要能够调用、执行和决策的新范式。正因如此，在 AI 时代，设计系统不仅没有失去价值，反而因为规则、约束和标准的重要性而变得更加关键。

当设计资产开始被 AI 消费，AI 能读取组件、Token、代码等静态资产，却缺少背后的设计决策：为什么用、何时用、如何用、如何选择。这种缺失，已经难以满足 AI 时代的设计需求。

AI 时代，Design System 需要双重表达：在 Design Assets 基础上，构建更适合 AI 的 Design Skills。它不是对设计系统的取代，而是设计系统在 AI 时代的延续，让 AI 也能做出正确的设计决策。

2、Design Skill 构造思路和方法

构建前，我们也探索了行业优秀 Design Skills，目前大多聚焦于生成效率和风格多样性；但在企业级复杂设计中，真正困难的并不是生成界面，而是业务理解、设计判断与决策能力。

我们真正需要的 Design Skill，是让 AI 准确理解并做出正确设计决策。它至少回答四个问题：为什么这样设计、什么场景下使用、采取什么策略、调用哪些设计资产表达，是一套包含意图、触发、策略与资产的完整设计能力。

围绕如何构建 Design Skill，我们总结创造思路为三层：设计知识来源路径、核心规则解构，以及 Skill 组织形式。

第一层，来源于什么？可以来自已有设计规范、来自典型业务页面、来自代码仓库实践。Design Skill 不是创造新知识，而是提炼和组织有价值的、可复用的设计经验。

第二层是规则解构。有了来源，我们不会直接编写 Skill，而是先设计拆解：用户目标是什么、处于什么场景、交互链路是怎样、又为何这样呈现。随后，再从不同业务中提炼共性的设计意图、约束、策略和资产。规则解构是构建核心，它决定了告诉 AI 如何做是对的。

第三层是 Design Skill Model。有了规则后，需要把这些规则组织进 Skill。通过四个维度告诉 AI：规则为什么存在、什么时候触发、应该如何执行、调用哪些设计资产。至此，原本零散的设计规则，最终被组织成一套 AI 能够理解、调用和执行的设计技能，并真正落地到工程实践中。

上图左侧是组件 Skill 核心 Markdown，将设计规则组织成 AI 可消费内容；右侧是完整文件包，包含整体说明、样式、组件、模板等相关内容。我们将一类类设计能力打包成 AI 可以稳定调用的能力单元，能够被安装、调用、迭代。

Skill 构建完成后，判断是否有效需满足四个标准：在正确场景下被稳定识别和触发；覆盖核心业务场景；显著提升 AI 生成结果质量；稳定输出符合预期的设计方案。

3、Ant Design Skill 实践与开源

在企业级复杂产品中，Ant Design 是一套被广泛使用的设计体系，在蚂蚁内部业务中同样承担着重要角色。与此同时，我们也看到，社区已经有不少同学开始探索 Ant Design Skill 实践，这让我们备受鼓舞。作为官方设计团队，我们希望将这份探索继续向前推进，沉淀一套系统化的 Ant Design Skill 实践。