核心概念

Claude Design 是 Anthropic 隨 Anthropic Labs 同步推出的 AI 設計工具。有別於 Figma、Sketch 等以畫布為核心的設計軟體，Claude Design 的本質更接近 Claude Code 工作流程設定 的使用體驗——使用者的操作心智模型是「與能做事的助手對話」，而非「在畫布上拖拉排版」。

這個定位區別至關重要。把 Claude Design 當 Figma 升級版操作，會用不出它的力氣。它能做的不只是靜態設計稿，還包含互動原型、影片 demo、甚至臨時客製的設計輔助小工具——生產的是「任何能解決設計問題的東西」。

Anthropic 內部 verticals team 設計師 Ryan Mather 在工具上線當天發布了完整實戰心得。他個人同時服務 7 條產品線，Claude Design 是支撐這個產量的核心工具。以下整理其七點核心觀察，每點附上設計工作流程的脈絡說明。

一、先花時間建立設計系統與核心畫面

設計系統（design system）是定義色彩、字型、按鈕樣式、間距、元件庫的規範文件，是整個產品視覺一致性的基礎。核心畫面則是最頻繁出現的幾個關鍵頁面（登入、首頁、設定）。

前期花一小時完成這兩者的設置是高報酬投資。道理和所有 AI 工具相同：第一步給的脈絡越明確，後續每一次生成都在這個基礎上延伸，視覺一致性自動保持，省掉之後逐張修圖的時間。

二、與工程師即時共同迭代

傳統設計流程的週期通常是「設計師畫稿 → 評審會 → 修稿 → 再評審 → 交接工程師 → 對稿」，一個功能往往耗費一兩週的往返。Claude Design 的快速 mockup 生成能力將這個週期壓縮到一個會議。

設計師與工程師並肩坐下，邊討論概念邊讓 Claude 即時產出 mockup，對話的層次可以停留在「這個功能要解決什麼問題、有哪些約束條件」，而非「這個按鈕要放在哪裡」。協作粒度從「文件交接」變成「對話中即時定案」，這是工作流程層面的範式改變。

三、用 Comment 工具做精準元件修改

自然語言描述 UI 修改的效率天花板很低。「右上角那個按鈕再小一點、顏色淡一點、跟左邊那個拉開距離」——還要確認 AI 理解的是不是你指的那顆。Comment 工具將傳統設計工作室的「point and crit」（指著東西評論）動作搬進 AI 介面：滑鼠點到哪個元件，評註就附在那個元件上，指令的資訊損耗幾乎歸零。粗稿出來後想調幾十個細節，不需要語言描述，直接點選元件評註。

四、為點子生成影片 Demo

靜態稿無法傳達互動感與動態流程。Claude Design 能根據設計方向直接生成影片 demo，讓概念在溝通會議前就具備更高的說服力。Ryan 明確指出，這是「以畫布為核心的設計工具」無法完成的能力，也是 Claude Design 最接近 Claude Code 體驗的地方之一——能夠生產的不是設計稿，而是「可以展示的東西」。

五、善用 Connector 接通外部資料源

Connector 是 Claude 的外部資料連接器，支援 Google Docs、Slack、Notion、Linear 等工具。授權後 Claude 能直接讀取那些平台的內容，無需人工複製貼上。

實際使用情境：「請讀一下上週產品檢討會議的 Docs 筆記，做一份簡報探索裡面提到的所有問題的設計方案。」送出指令後可以離開去做別的事，回來驗收。「整理會議結論 → 產出設計探索」從幾小時壓縮到幾分鐘，人力負擔從「讀、想、做」變成「下指令、離開、驗收」。

六、請 Claude 臨時生成客製工具

當設計問題需要一個客製的輔助工具時，直接請 Claude 做——不需要請工程師配合。例如：設計色彩選擇器時，先請 Claude 做一個互動的色彩預覽 prototype，邊操作邊調整規格，而不是憑空想像使用者會怎麼用。這個能力在傳統設計流程中需要工程師協助，在 Claude Design 裡是設計師一人就能完成的動作。整體原則：不要用「畫布工具」的思路使用 Claude Design，應大膽實驗，把它當成另一種動物。

七、知道什麼時候要慢下來、親手做

這是七條中最有深度的反論。Ryan 明確指出三類元素值得降速親手完成：新圖示、小插畫、命名。

這三樣東西的共通點：決策空間極小，但品質天花板極高。新圖示是品牌符號，小插畫是產品人格，命名決定使用者第一印象——AI 能快速生出可用版本，但要做到「讓人記住」的程度，仍需要人的判斷。Agentic designing（大量使用 AI 代理執行設計任務）帶來速度誘惑，但在這三類細節上刻意降速本身是一種清醒的能力。這是「什麼適合自動化、什麼不適合」的判斷力，也是 AI 時代設計師最核心的元技能之一。

關鍵要點

  • 設計系統先行：第一步的脈絡設定決定後續所有生成的一致性基礎，值得前期投資一小時做好
  • 即時迭代取代文件交接：與工程師的協作粒度可從「週級」壓縮到「會議內即時定案」
  • Comment 工具消除語言歧義：「點選元件給指令」比「自然語言描述修改」的資訊損耗低得多
  • Claude Design ≠ Figma 升級版：心智模型是「與助手對話產出任何解決設計問題的東西」，含影片、工具、互動原型
  • Connector 消滅資料搬運工序：串接 Docs / Slack 後，資料蒐集到產出設計探索的中間環節幾乎消失
  • 低沉沒成本帶來更誠實的決策：生成速度讓每個點子的執著降低，更容易放棄不對的方向

實務應用

設計師的新工作流程原型（基於 Ryan 七條觀察整理）：

  1. 準備階段：建 design system + 核心畫面（一次性投資，約一小時）
  2. 探索階段：用 Comment 工具在 AI 生成草稿上直接打點評註，快速迭代方向
  3. 協作階段：帶著 Claude Design 進工程師會議，即時生成 mockup，對話停留在概念層
  4. Connector 工作流：接通 Docs / Slack，讓 Claude 自己讀資料來源、自己做初稿，人去做別的事
  5. 細節關卡：圖示、插畫、命名這三類元素，自己慢下來親手決定，不交給 AI

附帶的心理狀態觀察： Claude Design 讓設計過程變得更愉悅，對每個點子的執著降低。這不只是效率的提升，是設計工作心理負擔結構的改變。傳統設計中「花了兩小時做的稿捨不得丟」導致決策不誠實；速度降低了沉沒成本，讓設計師更能如實評估哪個方向值得走。這個觀察也適用於任何引入 AI 加速的創意工作。

延伸觀點

多篇來自 Medium 和 Nielsen Norman Group 的研究印證了 Ryan 的觀察，並補充了幾個 thread 中未直接提到的面向。

「AI 起點 → 人工精修」是目前最可靠的協作模型（多篇共同指出）：三個不同切入角度的研究都收斂到相同結論——AI 生成起點草稿，人負責方向決策與品質把關。這不是過渡期的妥協，而是設計任務本質決定的分工：創意探索、使用者體驗判斷、品牌一致性，目前仍高度依賴設計師的主觀判斷。

設計系統整合是當前 AI 設計工具最大的系統性缺口（NN/g）：現有 AI 設計工具幾乎無法理解並遵守 design system，這限制了它在多人協作環境中的落地效益。Claude Design 若要在團隊場景發揮 Ryan 所描述的潛力，design system 的上下文傳遞是技術前提——這也呼應了 Tip 1 強調「先建設計系統」的重要性：設計師需要主動將 design system 餵給 Claude，而不能期待工具自動理解。

重複性任務是當前 AI 工具效益最確定的區域（多篇共同指出）：圖層自動命名、響應式適配驗證、原型填充、跨平台一致性檢查——這些例行工作是確定性效益最高的自動化目標。Tip 7 要設計師「慢下來親手做」的那三類元素（圖示、插畫、命名），恰好對應了「決策空間小但不重複、需要人類判斷」的任務類型，與「重複性低創意任務交給 AI」的原則形成精準的補集關係。

反向連結

以下頁面引用了本頁：