最近，Peter Yang 和 Figma 的联合创始人兼 CEO Dylan Field 做了一期很有深度的对谈，聊了聊在 AI 飞速发展的当下，设计师这个角色到底会走向何方，以及普通人该怎么理解「品味」「手艺」和「观点」这些看似抽象的东西。整场对话信息量很大，值得好好拆解一下。

1、品味、手艺、观点：三件 AI 替代不了的事

Dylan 上来就把很多人混为一谈的几个概念做了区分。

品味（taste），是你在面对无数可能性的时候，能够清晰地知道自己要什么、不要什么，并且能把这种偏好说清楚。手艺（craft），是在别人觉得「差不多得了」的地方继续死磕，从宏观到微观，每一层都打磨到位。观点（point of view），是你通过产品或设计表达出来的一种独特的对世界的理解，它在推动某个话题往前走。

Dylan 说了一句很有意思的话：如果所有人都同意你的观点，那你大概率没什么观点。

这三样东西之间有交叉，但各自独立。一个人可以很有品味，手艺也精湛，但如果没有自己的观点，做出来的东西就缺了灵魂。反过来，有强烈观点但手艺粗糙，也很难让人信服。

仔细想想，这个框架其实适用于任何创造性工作。写文章、做产品、甚至做一顿饭，品味决定你选什么方向，手艺决定你能做到多好，观点决定你做出来的东西有没有辨识度。在 AI 可以帮你快速生成「平均水平」内容的今天，这三样东西恰恰是拉开差距的关键。

2、AI 的输出是黏土，不是成品

这可能是整场对话里最核心的一个比喻。

Dylan 明确说：把 prompt 的输出当成最终结果，这是一个错误。AI 给你的东西更像是一团黏土，你需要去捏、去塑形、去反复迭代。当你用 AI 探索各种可能性的时候，面前的方向几乎是无限的，而你才是那个裁判，你得判断哪些值得继续深挖，哪些应该果断放弃。

他拿自己使用 Gemini 3.0 和 3.1 的经验举例。给模型足够好的参考图和足够复杂的 prompt，确实能得到一些相当惊艳的视觉输出。但即便如此，他从来没有觉得「一次搞定，完美收工」。相反，越是有质量的输出，他反而越有想法，越想继续推进，因为他看到了更多可以探索的方向。

而那些所谓的「紫色泡沫」（purple slop），也就是 AI 生成的那种看着还行但毫无个性的平庸内容，反而让人没什么反应，就是一个「能用」的感觉，不会激发你去进一步打磨的欲望。

这里面藏着一个很有意思的悖论：AI 越强，对使用者的要求其实越高。因为当生成内容的门槛降到几乎为零的时候，「生成」本身不再有价值，「判断」和「塑造」才有价值。就好比人人都能拿到同样的黏土，最终作品的差距完全取决于谁在捏。

3、Vibe Coding 的问题：一步到位往往意味着更多返工

Peter Yang 聊到了自己用 vibe coding 工具的体验。那些号称「输入一个 prompt 就帮你搭好全栈应用」的工具，听起来很美好，但实际上从来没有一次就做对过。更麻烦的是，因为它一上来就生成了完整的前端、后端、数据库，当你想调整方向的时候，反而要花更多精力去处理那些根本没必要存在的代码。

Dylan 对此的看法是，问题出在这些工具太「线性」了。它们假设你已经知道自己要什么，然后帮你一条路走到底。但真正的创造过程从来不是线性的，它是不断发散再收敛的过程，像一个又一个叠在一起的菱形。你可能从任何一个点出发，跳到任何另一个点，在构思、设计、原型、代码之间来回穿梭。

这也是 Figma 推出 MCP（从代码回到 Figma 画布）功能的原因。有些人不理解为什么要从代码回到设计工具，但 Dylan 的逻辑很清楚：你可能从代码开始做一个原型，快速验证一个想法，但接下来你需要回到画布上去调整间距、颜色、布局这些东西，因为在画布上直接操作明显比写 prompt 或改代码要高效得多。代码和设计之间的往返要尽可能顺畅，不管你从哪里开始。

对于我们这些日常使用各种 AI 工具的人来说，这个观点很有参考价值。与其追求「一个 prompt 搞定一切」，不如把 AI 当成探索的起点，快速生成一个粗糙的版本，然后用自己的判断力去迭代。过程可能看起来更「笨」，但最终的结果往往更好。

4、60% 的 Figma 设计出自非设计师之手

Dylan 提到了一个很有意思的数据：现在 Figma 上大约 60% 的设计是由非设计师创建的。产品经理、研究员、销售、客服，越来越多的人开始直接动手做东西。

他特别提到了 Figma 内部的研究团队。以前研究员的产出是一份洞察报告，现在他们会直接用 Figma Make 做出可交互的原型，甚至一次做五个不同方案拿去给用户测试。支持团队在用它搭建内部工具，销售团队也在学着用它来构建演示。

Dylan 说了一句话让人印象很深：如果你是一个产品经理，觉得自己的工作就是写文档和做汇报 PPT，那你会爱上现在这个时代，因为你终于可以自己动手做东西了。

但他也补充了一个很重要的观察。虽然大家都在说「角色融合」，但他看到的更多是「职责融合」。也就是说，每个人确实在承担更多类型的工作，但专业领域的深度依然很重要。他举了 UX 写作的例子：要在有限的空间里写出既准确又有感觉的文案，这件事真的很难，AI 可以给你一个起点，但最后那一步的打磨，仍然需要专业的判断力。

这对我们每个人的启示其实很明确：多学一点跨界的技能，让自己能动手做东西，同时在自己最擅长的领域继续深耕。两者并不矛盾。

5、领导者要自己动手做东西

Dylan 在聊到公司文化的时候，反复强调了一个观点：团队里的领导者需要自己也在做东西，这才是真正能带动变化的力量。

他对内部流程的态度也很直接。当他听说某个项目经过了好几轮内部评审才到他面前的时候，他的反应是：别这样，直接拿过来就行，我不应该成为瓶颈。当然，涉及到 Figma 核心产品的重大改动，他还是会亲自看，因为他在这些地方有足够多的上下文。但大部分情况下，他希望团队能进入快速迭代的节奏，而不是把时间花在准备内部汇报上。

他还分享了一个很实用的做法：如果你不确定方向，就做大量的原型，然后直接拿五个不同的方案去给用户看。用户不会觉得你在承诺什么，因为你明摆着展示了五个不同的方向，他们会给你很真实的反馈，而你从中学到的东西远比内部讨论多得多。

这个思路其实可以迁移到很多场景。与其在脑子里反复纠结哪个方案更好，不如快速把几个方案都做出来，哪怕很粗糙，然后拿到真实环境里去验证。AI 工具让「快速出原型」这件事变得前所未有的容易，不利用起来就太可惜了。

6、Dylan 自己怎么用 AI 写作

聊到个人工作流的时候，Dylan 分享了一个很接地气的习惯。他写长文的时候经常用 AI，但用法可能跟很多人想的不一样。

他说自己最大的困难是面对空白页。所以他会先把想表达的东西用一种很不连贯的方式打出来，然后让 AI 给出十种「显而易见的表达方式」。他几乎从来不会直接用 AI 给出的任何一种表达，但这个过程能让他的大脑转起来。看到那些平庸的、老套的说法之后，他反而知道自己想说什么了，因为他想说的恰恰是那些「不显而易见」的东西。

这个用法特别值得借鉴。很多人用 AI 写作的方式是让它直接生成一篇完整的文章，然后在上面改。但 Dylan 的方式更像是用 AI 来「热身」，用它来排除那些平庸的选项，从而更快地找到自己真正想表达的东西。本质上，他是在用 AI 帮自己思考，而不是替自己思考。

7、设计就是新的代码

Dylan 在对话快结束的时候抛出了一个很大胆的判断：我们正在进入一个「设计就是新的代码」的时代。

他的意思是，未来你可以用视觉优先的方式来构建产品，直接从 Figma 发起 pull request 到生产环境。这并不意味着所有人都会选择这种方式，也不意味着你的 pull request 不需要审核，但这条路径会被打通。

在画布上直接操作，在他看来明显优于写 prompt，甚至在调整视觉细节的时候也优于直接改代码。因为画布是一个无限的空间，你可以同时看到所有的可能性、所有的页面流程、所有的变体方案，这种全局视野是线性的代码编辑器或者对话式的 prompt 界面很难提供的。

他还提到，设计行业在审美上已经陷入了一段时间的停滞。科技公司探索出来的那些风格没什么问题，但可能性远不止于此。他希望 AI 工具的普及能带来一个设计上的「文艺复兴」，因为探索的成本大幅降低了，更多的人能够参与到创造中来，技术门槛不再是阻碍。

这个愿景听起来很美好，而且确实有道理。当创造的成本趋近于零的时候，决定作品质量的就不再是「能不能做出来」，而是「想做成什么样」。品味、手艺、观点，这三样东西的价值只会越来越大。

8、最后

整场对话听下来，Dylan Field 传递的核心信息其实很一致：AI 让每个人都能更快地到达「平均水平」，但突破平均的能力，永远掌握在人自己手里。工具在变强，门槛在降低，但这恰恰意味着「人」的部分变得更重要了。你的品味决定方向，你的手艺决定质量，你的观点决定灵魂。

在这个人人都能生成内容的时代，最稀缺的东西，可能就是知道什么值得做、什么值得留下。

#How I AI# #科技先锋官#