设计 Agent 改完页面，先验收哪四件事？

让设计 Agent 改一版页面，最危险的情况往往不是它没动，而是它动完之后看起来挺像那么回事。

位置标签加上了，颜色也换了，截图往群里一发，大家点头。等工程接到文件才发现：它顺手改掉了原来的组件实例，移动端状态没跟着更新，或者把一个看不见的箭头裁掉了。画布是好看的，交付开始长刺。

Figma 刚公开了一篇关于专用画布编辑模型的技术文章。它没有只讲“模型会设计”，而是把训练和评测里的脏活都摆了出来：原生文件格式、合成编辑请求、确定性校验、视觉评委、设计师校准。对正在试 Figma Agent，或正把别的生成工具塞进设计流程的团队来说，最值得抄的不是模型名，而是这套验收顺序。

这篇文章给一个很具体的答案：AI 改完页面后，先验收请求、结构、画面，再由人校准判断。 顺序不要倒过来。

先看请求：它到底有没有做你让它做的那件事

Figma 用了一个很小的示例开场：在一张卡片左上角插入地点标签。听上去不算什么能力展示，甚至有点朴素。但这恰好是设计文件里最常见、也最容易被低估的活：改间距、换颜色、补一个状态、根据评论调布局。

图注：Figma 官方的编辑结果示例。它把“标签出现”与“原有内容被保住”放在同一个验收条件里。

这里第一道关不是审美，是把一句模糊的“帮我改一下”改成能判定对错的请求。一次修改至少要说清三件事：改谁、改成什么、哪些地方不能碰。

比如“把优惠卡片做得更清爽”很难验收；“把优惠卡片的标题字号从 18 调到 20，保留现有组件、变量和移动端 Auto Layout，不改价格文案”就已经接近可交付的任务单了。前者只能靠人凭感觉争论，后者至少能检查。

这不是把设计师变成写规格的人。相反，是给设计判断留出位置。模糊需求当然可以用于探索；一旦要把改动带回团队文件，模糊就会把返工藏起来。AI 最擅长在你的话里补全空白，而设计系统里最怕的，正是它补得太热心。

再看结构：画面没坏，不代表文件没坏

很多团队第一次用设计 Agent 时，眼睛只盯着截图。截图通过了，文件却可能已经从“可维护的设计系统”变成“看起来没问题的一次性拼贴”。

Figma 的做法值得注意：它没有把训练对象只当成一张图，而是用 Figma 的原生文件格式表示设计。原因很直接。一个按钮看起来是对的，可能仍然用了错误的组件；一个间距看起来刚好，可能已经脱离了原来的变量和布局规则。屏幕上没有爆炸，不等于下一次改版不会爆。

所以第二道关该看结构，至少问四个问题：

• 该保留的组件实例、变体和变量还在吗？
• 改动有没有越过指定 Frame、页面或组件边界？
• 文本、图层和 Auto Layout 的关系还能继续编辑吗？
• Agent 有没有为了“看起来完成”复制出一套不受设计系统控制的元素？

这层最适合交给规则和脚本。文件是否能被正常解析、指定节点有没有被改、是否新建了不该有的元素、变量引用是否断开，这些都不是“美不美”的问题，却比“美不美”更容易被稳定地检查。

Figma 在训练数据生成阶段也走了类似路径：教师模型先尝试编辑，随后用确定性校验器和视觉模型评委筛选；失败的候选还能依据评估反馈修一轮。它早期用超过 25 万个样本训练过 Llama 3.3 70B，已经能在当时与顶级模型竞争。这里真正有意思的地方在于，数据并不是随便堆一堆“好看的页面”，而是把一次编辑能否重新落回文件当作训练目标的一部分。

如果你的团队还没有能力做复杂的文件级校验，也不用一上来造评测平台。先把“不可改区域”“必须保留的组件”“允许新建的范围”写进任务模板，已经能挡住一大批隐形损耗。

然后看画面：视觉评委可以抓错，不能替你定调

结构对了，画面仍然可能翻车。Figma 在官方材料里列了几个很典型的失败：图标压住文字、下拉箭头被裁切、两段文字互相撞车。每个问题都很小，小到单独截一张图时你甚至会想“也还行”。但把它们堆到真实产品里，体验会立刻像一件没熨平的衬衫。

这正是视觉检查该单独成为第三道关的原因。它要看的不是“AI 有没有生成一个漂亮的页面”，而是更具体的事：文字是否可读、对比是否足够、元素有没有重叠、点击目标是否被遮住、信息层级是否还在。

Figma 的内部编辑评测把这些维度分开处理，再把结构检查、视觉模型评委和设计师复核结合起来。官方图中，最新的 Figma edits 1026 中档配置在 445 个真实设计编辑样例上得到 77.8%，GPT 6.1 Sol 中档配置为 76.9%。这个差距本身不值得被神化：它是 Figma 自己的任务集、自己的评审口径，不是通用设计能力排行榜。

图注：Figma 官方内部评测图。分数只能说明这个任务集上的表现，不能直接替代你的品牌、产品和交付标准。

但评测方式很有启发。与其问“哪个模型最会设计”，不如问“它在哪一类错误上最常出问题”。只要能把错误聚成几类，团队就能把复核动作前置：价格模块重点看数字和裁切；表单重点看状态和可访问性；营销页重点看品牌、文案和层级；设计系统改动重点看组件与变量。

模型做第一轮肉眼筛查很合适。让它给出最终审美判断，尤其是面对品牌、信息优先级和陌生用户的理解路径时，还是太早了。视觉评委的价值是帮你把“这里不对劲”变成一个能复现的提示，不是替团队宣布“这版可以发”。

收口留给人：校准的不是像素，是取舍

Figma 的训练流程最后仍然回到设计师标注和校准。这个细节比“用了强化学习”更重要。

设计里有一类问题不能靠通用规则收口。两个方案都没重叠、没裁切、组件也都用对了，但其中一个把注意力放在错误的功能上；另一个符合规范，却让熟悉产品的用户觉得陌生。这不是检测器失灵，而是产品判断本来就带着上下文。

所以第四道关不是让设计师重新从头看一遍，而是让人只处理机器不该替你做的选择：

• 这次改动是否还服务于当前页面的目标？
• 它有没有破坏已有的品牌语气和信息优先级？
• 如果它看起来“更完整”，是不是因此抹掉了原本有意留下的空白、弱化或节奏？
• 这条规则值得沉淀进设计系统，还是只适合这一次？

这也是为什么“AI 让设计提速”不该被翻译成“设计师少看几眼”。Figma 披露，从 beta 到全面可用期间，典型任务速度约快 20%，专家设计师对头测试中，新 Agent 有 62% 的情况胜过或打平上一代生产 Agent；用户评分高 33%，撤销操作少 60%。这些都是官方内部数据，不能拿来替你的团队预估 ROI。不过它们确实说明一件事：当任务边界、模型、工具和评测一起变好，速度和返工可以同时改善。

少掉的不是判断，而是那些本来就不该靠人眼反复确认的机械回合。

一份能直接塞进团队试点的四层任务卡

如果你们准备把设计 Agent 放进真实项目，先别从“一次生成整页”开始。挑一个高频、范围窄、结果可回放的编辑任务，例如：给一组卡片补状态、把一页升级到新颜色变量、根据已确认的评审意见统一间距。

把任务卡写成这样：

任务：把「支付方式」卡片组改成紧凑布局。

请求：标题与说明之间的间距改为 8；三张卡片使用现有 compact 变体。
保留：价格文案、图标、组件实例、颜色变量、移动端 Auto Layout。
结构检查：不得新增脱离组件库的图层；不得改动其他 Frame。
画面检查：文字不重叠；图标不压文案；窄屏下仍完整可读。
人工校准：设计师确认信息优先级与品牌语气没有被改弱。

它不像一句神奇提示词。好消息是，真实团队不需要靠神奇提示词活着。

先让 AI 在这个小范围里反复修改，记录每次失败落在哪一层：没听懂请求、破坏了结构、画面出错，还是人不接受它的取舍。每次复核都留下任务、差异、截图和最终结论；下次出现相似问题，团队才不用再从“这张图好像有点怪”重新猜起。跑满十来次之后，再决定要不要扩大权限、接更多文件或把某些检查自动化。这样拿到的不是一张漂亮 demo，而是一条知道在哪里会翻船的流程。

Figma 这次最有价值的提醒，大概就在这里：专用模型当然重要，但它只是其中一块。真正让设计 Agent 能留在团队里的，是任务足够具体、文件上下文能被读懂、错误能被查出，以及设计师仍然握着最后那把尺子。

如果你们已经在用 AI 改设计稿，最常见的返工是落在请求、结构、画面还是人工判断这一层？

小岛 AI

记录一线实战、踩坑与成长