AI 时代生存指南第 8 篇：设计师的 AI 生存策略 — Midjourney、Figma AI 时代

2022 年秋天,Midjourney 和 Stable Diffusion 发布时,设计圈受到了冲击。看着短短几行文字就能生成高质量图像,许多设计师问自己:"那我们该怎么办?"

自那以后,三年多过去了。AI 图像生成工具变得更加强大,Figma 里也加入了 AI,Adobe 全线产品都集成了 AI 功能。而且现实中,一部分设计工作确实已经被自动化了。

但有趣的事情发生了。设计师的需求并没有消失,只是设计师该做的事情变了。 而这份改变后的工作,比 AI 出现之前更有趣,也更有价值。

这篇文章,是写给感到不安的设计师们的一份坦诚指南。

1. AI 图像生成工具的现状

需要先了解 AI 图像生成工具的快速演进。理解每个工具的特性,才能不再惧怕它们,转而战略性地加以运用。

Midjourney：创意发散之王

Midjourney 在生成精美图像方面依然独占鳌头。尤其在美术指导、情绪板制作、概念发散上表现突出。

# Midjourney 提示词示例（用于理解概念）
# 生成品牌形象情绪板:
# "minimalist Korean tech startup branding,
#  clean typography, soft gradient, trust and innovation,
#  --ar 16:9 --style raw --v 6.1"

Midjourney 的核心特性:

艺术审美出色
一致风格难以维持的问题,从 v6 起通过角色参考功能得到改善
精确的文字排布或准确的 UI 还原仍有局限

DALL-E 3：文字还原度最强

OpenAI 的 DALL-E 3 最准确地遵循提示词。输入复杂的描述时,它最能还原意图。集成进 ChatGPT、可以边对话边修改图像,也是一大优势。

尤其是"在图像中放入准确的文字"这件事,DALL-E 3 做得最好。上一代 AI 生成的文字常常是乱码,现在已经相当准确了。

Stable Diffusion：控制力的终极形态

Stable Diffusion 因开源而独树一帜。用 ControlNet 之类的扩展功能,可以对姿势、构图、深度等进行精细控制。

# 借助 ControlNet 实现精细控制的概念:
# - Pose Control（姿势控制）：按需指定人物姿势
# - Depth Control（深度控制）：保持空间感与透视感
# - Edge Detection（边缘检测）：从草图渲染出高质量结果
# - 由此可以精确还原"我想要的构图"

Stable Diffusion 的局限在于学习曲线。要用好它,需要理解模型、LoRA、采样器等概念。但也正因如此,自由度更高。

Adobe Firefly：商业安全性的保证

Adobe Firefly 的差异化点只有一个:完全清晰的商业授权。其训练数据仅由 Adobe Stock 图像和公共领域内容构成,可以在没有版权纠纷的前提下用于商业用途。

如果企业客户项目、广告、产品包装设计中法律安全性很重要,Firefly 是最佳选择。

各工具的实用场景

场景	推荐工具
初期概念发散	Midjourney
客户提案演示	Midjourney + DALL-E 3
精细构图控制	Stable Diffusion + ControlNet
商业广告素材	Adobe Firefly
对话式修改	ChatGPT + DALL-E 3

2. Figma AI 与 Adobe AI 的自动化现状

Figma AI 的主要功能

2025 年以后集成进 Figma 的 AI 功能,正在改变设计工作流程。

Auto Layout + AI 建议

原本就很强大的 Auto Layout,现在又加入了 AI 自动建议布局规则的功能。AI 会读取"这些组件该如何排列"并给出建议。

Make Designs（从文字生成 UI）

输入"深色模式仪表盘,带侧边栏,主区域放数据表格"这样的描述,就能生成一份粗略的线框图。成品的完成度不高,但作为草图的起点很有用。

Rename Layers

自动把几十个图层整理成有意义的名称。这项繁琐但重要的工作,AI 帮你解决了。

翻译自动化

在设计多语言服务时自动翻译文本图层。原本花在人工翻译上的时间大幅减少。

Adobe AI（Generative Fill、Express AI 等）

Adobe Photoshop 的 Generative Fill 已经是许多设计师的日常工具。

图像背景扩展（Generative Expand）
移除对象并自动填充背景
局部修改（Inpainting）
纹理生成

Adobe Illustrator 的 AI 功能也在不断扩展,包括矢量图像生成、图案自动化、字体匹配等。

自动化省下的时间 vs 依然需要的时间

老实说吧。以下工作,用 AI 已经快了很多:

基础素材生成（图标集、背景图像、样机图像）
基于设计系统批量生成几十张画面
修复老旧图像并统一风格
多语言布局测试

而以下工作,依然很花时间:

定义品牌身份的独特性
设计复杂的用户流程
兼顾无障碍与包容性的设计
定义细微的交互细节

3. AI 无法替代的设计能力

现在进入正题。无论 AI 多么出色,总有一些设计能力是它替代不了的。而这些能力的价值,反而在上升。

用户调研与真正的共情

AI 可以分析既有数据。但发现尚不存在的需求,是另一回事。

在用户访谈现场意识到"啊,原来实际使用是这样的"的那一刻,从用户没说出口的话里看出真正问题的能力,通过观察发现潜在需求——这些依然是人类设计师的核心能力。

更重要的是,AI 无法"共情"。当设计师真心共情用户的痛点,那份情感融入设计决策时,用户是能感受到的。"这个产品懂我"这种感觉,来自共情,而不是数据分析。

品牌战略与方向

"我们的品牌该用什么颜色"是一个表面的问题。真正的问题是:"我们的品牌该唤起什么情绪?该传达什么价值?这个方向十年后还站得住脚吗?"

AI 可以说"这个行业通常用这些颜色"。但"为了和竞争对手区分开来,我们必须打破常规"这种战略上的勇气,AI 给不出来。

Naver 的绿色、Kakao 的黄色、Toss 的蓝色——这些颜色之所以成为品牌资产,不是因为数据推荐了它们,而是源于对品牌所追求的价值、以及与用户之间情感联结的深刻理解。

复杂的 UX 架构

不是做一个单一画面,而是设计几十个画面有机相连的用户旅程,这件事 AI 并不擅长。

# 复杂 UX 架构示例：金融 App 的贷款申请流程
#
# 按用户状态分支：
# - 新用户 vs 老用户
# - 按信用分数区间走不同流程
# - 根据文件提交状态显示进度
# - 银行系统响应延迟时的处理
# - 中途退出后重新进入时的恢复
# - 无障碍需求（视障用户、老年用户）
# - 移动端 vs 桌面端的差异化
#
# 把所有这些情况都设计得一致,
# 需要系统性思维和领域理解同时到位。

各状态之间的切换、异常处理、错误状态、空状态、加载状态——把这一切都设计得一致,依然是资深 UX 设计师的领域。

叙事与说服

好的设计里藏着一个故事。一个落地页如何把用户变成客户,在这段旅程中激发了什么情绪,消解了什么疑虑,又在哪个瞬间促使用户采取行动。

这种叙事能力,是文案、视觉设计、交互设计、心理学的综合体现。AI 可以在一定程度上支持其中的每个要素,但打造一个完整的故事,依然是人类设计师的工作。

4. 把 AI 用作强大的设计工具

用 Midjourney 加速创意发散

在品牌概念的早期阶段、与客户对齐方向的阶段,Midjourney 很强大。

一套实用的情绪板工作流:

# 步骤 1：提取关键词
# 从客户简报中提取核心情感关键词
# 例如: "信任、创新、亲和力、韩式质感、面向未来"

# 步骤 2：组合实验提示词
# "trustworthy Korean fintech brand identity,
#  warm yet professional, young professionals target,
#  soft blue and warm beige palette,
#  --style raw --ar 16:9"

# 步骤 3：一次性探索多个方向
# 在 30 分钟内可视化 5-10 个不同的情绪方向

# 步骤 4：与客户讨论方向
# 有了具体的视觉素材,讨论效率大幅提升

过去做一份情绪板要花半天。现在 30 分钟内就能给客户看 5 个方向。

用 AI 加速样机制作

在产品摄影、App 截图、营销素材制作中,AI 能省下大量时间。

Photoshop Generative Fill 的实用场景:

替换产品照片背景（省去实景搭建成本）
自动切换到不同季节/时段的背景
无需模特即可模拟服装穿着效果
修复受损的品牌素材

App 界面样机制作:

把设计文件的截图套进真实设备样机的过程,也因 AI 而加快了。已经有插件可以把几十个画面自动套进各种设备边框。

懂代码的设计师：Figma Dev Mode

AI 时代,设计师身上新增了一项重要能力,那就是与开发者协作的能力。

Figma Dev Mode 提供把设计自动转换为代码的功能。

/* Figma Dev Mode 自动生成的 CSS 示例 */
.button-primary {
  display: flex;
  flex-direction: row;
  justify-content: center;
  align-items: center;
  padding: 12px 24px;
  gap: 8px;
  background: #3b82f6;
  border-radius: 8px;
  font-family: 'Pretendard', sans-serif;
  font-weight: 600;
  font-size: 16px;
  color: #ffffff;
}

设计师不需要完全理解这段代码。但如果能理解:

border-radius 是什么
flex 是什么
像素和 rem 的区别是什么

到这种程度,与开发者的协作就会顺畅得多。在"这里为什么显示得不一样?"这类对话中,沟通也会更有成效。

用 AI 自动化重复性工作

设计师的工作里,重复性任务比想象中多。善用 AI 和插件,可以大幅压缩这部分时间。

Figma 插件应用:

Content Reel：自动填充逼真的占位数据
Rename It：批量重命名图层
Autoflow：自动生成流程箭头
Stark：自动无障碍检查(色彩对比度、视障模拟)

5. AI 产品设计的特殊性：AI UX

包含 AI 功能的产品在 UX 设计上,需要一些不同于常规 UX 的特殊考量。这是 2026 年设计师成长最快的专业方向。

AI UX 的核心原则

1. 不确定性的表达

AI 并不总是给出确定的答案。比如"这张照片里有猫的概率是 93%"这类不确定性。要如何在视觉上表达它?

# AI 不确定性的表达模式：
# - 置信度条：用可视化进度条表达确信程度
# - 文字标签："AI 生成"、"AI 推荐"、"高置信度"
# - 渐进式披露：核心结果 → 详细说明 → 原始数据
# - 请求反馈："这个结果有帮助吗？👍 👎"

2. 优雅地处理 AI 的失败

AI 判断错误或答不出来时的 UX 设计。

空状态(Empty State):AI 因训练数据不足而无法推荐时
错误状态(Error State):AI API 响应失败时
低置信度状态:AI 只能靠猜测时
兜底状态(Fallback):切换到人工功能替代 AI

3. 流式响应的 UX

像 ChatGPT 那样文字实时生成的界面。这种"打字效果"不只是一个视觉效果。它降低了用户的认知负荷,让等待感觉更自然。这类细腻的交互设计,能大幅改变用户体验。

4. 透明度与可解释性

要不要向用户展示"为什么给出这个推荐"?如果展示,又该怎么表达?

Netflix 的"因为你看过[电影名]"标签,是 AI UX 透明度的一个好例子。虽然简单,却能让用户理解并信任 AI 的逻辑。

AI 时代设计师应了解的基本 AI 概念

不需要完全理解,但以下概念应该有所了解。

幻觉(Hallucination)：LLM 编造不存在的事实的现象。需要通过 UX 设计(如标注信息来源)来加以预防。
上下文窗口(Context Window)：LLM 一次能处理的文本量上限。在长对话中 AI "忘记"前面内容的现象,该如何用 UX 处理。
温度(Temperature)：AI 回答的创造性/随机性水平。富有创意的 AI 和精确的 AI,UX 是不同的。
提示词注入(Prompt Injection)：恶意用户试图操纵 AI 系统的行为。需要具备安全意识的 UX 设计。

6. 设计师在 AI 时代的定位策略

定位选项 1：AI UX 专家

专门设计 AI 产品 UX 的设计师。目前是需求最高的方向之一。

所需能力:

理解 AI 系统的特性(幻觉、不确定性等)
理解 AI 产品的评估指标(用户满意度、AI 信任度等)
设计提示词界面
设计 AI 智能体界面

定位选项 2：品牌身份专家

讽刺的是,AI 越是大量生成图像,能拥有真正独特的品牌身份,才越显得珍贵。当看起来像 AI 生成的视觉素材泛滥成灾时,真正有人味、独具一格的品牌反而会脱颖而出。

走这条路线的设计师会:

用 AI 工具来发散创意
但最终的身份设计出发自深层的品牌战略
打磨出独特的个人风格

定位选项 3：全栈设计师

既懂代码,又会用 AI 工具,还能参与产品战略讨论的设计师。在小团队和创业公司中需求非常旺盛。

# 全栈设计师的技术栈示例：
# - Figma（UI/UX 设计）
# - Framer 或 Webflow（设计转网站）
# - HTML/CSS 基础（与开发者协作）
# - Midjourney/Firefly（素材生成）
# - ChatGPT/Claude（文案辅助）
# - Notion（文档撰写与 UX 写作）

这样的设计师,可以在个人创业或小型创业公司里独自承担"设计 + 部分前端 + AI 工具应用"的工作。

定位选项 4：AI 工具布道者

在公司内部推动设计团队采用 AI 工具的角色。至今仍有许多设计团队没有系统性地引入 AI 工具。

设计团队的 AI 工作流
AI 工具的实验与评估
内部培训与制定指南
撰写 AI 使用最佳实践文档

7. 作品集：展现 AI 应用 + 以人为本的设计

AI 时代设计作品集的核心原则

只展示"好看的画面"的作品集,已经不够了。因为 AI 能批量生成漂亮的图像。

有说服力的作品集展现的是为什么要这样设计的思考过程。

作品集案例研究的结构

把每个项目按以下结构整理:

# 案例研究结构：
#
# 1. 问题定义（Problem）
#    - 解决了哪个用户的什么痛点
#    - 业务目标是什么
#
# 2. 调研与发现（Research & Insights）
#    - 用什么方法理解用户
#    - 核心洞察是什么
#
# 3. 设计过程（Design Process）
#    - 探索了哪些想法（包括 AI 工具的使用过程）
#    - 做了哪些决定,为什么这么做
#    - 探索过哪些替代方案,为什么没有选择它们
#
# 4. 最终方案（Solution）
#    - 完成的设计
#    - 如何运用 AI 工具
#
# 5. 影响（Impact）
#    - 上线后有什么结果
#    - 用户反馈如何

坦诚展示 AI 的使用

不要隐瞒你用过 AI 工具。这反而是一种优势。

一个好的作品集故事示例:

"在初期概念阶段,我用 Midjourney 探索了 15 个情绪方向。这让我和客户不用开 3 小时的会,只用 30 分钟就对齐了方向。之后基于选定的方向,我亲自设计了实际的品牌素材,AI 生成的图像只作为灵感来源,所有最终素材都是我亲手制作的。"

这样的故事,展现出"我懂得如何战略性地、负责任地使用 AI"。

纳入 AI UX 项目

如果可能,把包含 AI 功能的产品的 UX 设计案例也放进作品集。

AI 聊天机器人界面设计
AI 推荐系统的 UX
AI 生成内容的可信度标识设计
AI 智能体仪表盘

如果没有这样的案例,分析现有 AI 产品、做一个"如果由我来重新设计"的假想项目,也是不错的作品集素材。

AI 时代设计师的 12 个月成长路线图

1-3 个月：精通 AI 工具

实践目标:

Midjourney 集中练习:每天 30 分钟,尝试各种风格的提示词
把 Figma AI 的所有功能都试一遍
用 Adobe Firefly 完成一份完整的营销素材

学习目标:

理解 AI 图像生成的版权问题
收集并分析 20 个 AI UX 模式(来自 ChatGPT、Perplexity、Notion AI 等)

4-6 个月：深化 AI UX 理解