即刻App年轻人的同好社区
下载
置顶我的第一个 Figma 插件「Rename Helper」上线了！它的核心功能是 「批量重命名图层，高效导出图片」。
交付设计图片的过程，规范的命名是设计师个人素养的体现。但文档一多时间一紧，命名就容易来，文件就容易乱套。这款插件就是为了解决这个痛点存在的。
🧑💻插件适用于所有使用 Figma 出图的平面设计和运营 uu 们！特别是有国际化需求的朋友，有批量导出需求的朋友，希望这个小玩意能给你们节约一点时间。
🤙欢迎大家试用 www.figma.com
👩🚀使用方法和场景见链接文章，使用过程中有任何问题可直接私信我
交付设计图片的过程，规范的命名是设计师个人素养的体现。但文档一多时间一紧，命名就容易来，文件就容易乱套。这款插件就是为了解决这个痛点存在的。
🧑💻插件适用于所有使用 Figma 出图的平面设计和运营 uu 们！特别是有国际化需求的朋友，有批量导出需求的朋友，希望这个小玩意能给你们节约一点时间。
🤙欢迎大家试用 www.figma.com
👩🚀使用方法和场景见链接文章，使用过程中有任何问题可直接私信我
Figma 101 番外｜为了缩短朋友工作时长，我做了一款 Figma 插件
14 61
最近趁着拜年跟在硅谷的朋友聊了聊，有一些微小的关于中美关于ai差异点的个体观察。
💼 背景：
朋友是设计师出身，但在藤校读了计算机科学的研究生，现在在一家 ai native 设计工具任职researcher，只要负责从x或者论文平台上扒一些相关方向的研究，然后看看怎么结合到自己公司的产品上。如果方向非常明确，本人也会写前后端代码，然后其他人审核后上线，后续也要负责这一块的代码迭代。
👀 观察:
1️⃣ researcher这个岗位在国内的同等规模小公司很少见。感觉美国创业公司背靠强大的学术机构科研能力和vc资金，可以“不计后果”地投入在创新这件事上面。相反地，我们更擅长把成熟技术结合在我们强大的工业体系和供应链体系之上。
2️⃣ 正是他们有冗余的空间和成本，所以大部分美国创业公司都是想要开辟蓝海，想要构建新系统，想要在新领域成为第一并获得极高的溢价。相反地，我们更多是从现有问题出发，用技术优化现有流程，在红海里把成本降得更低。
3️⃣ 他作为常年在x上冲浪的人问我最近国内除了生图片和生视频还在讨论什么。而我过年这几天通过很卷的ai自媒体uu们马上知道了Claude新模型。看来除了seedance彻底火了一把，智谱/千问这些顶级排名世界的开源模型并没有彻底火出圈（起码应用层面上设计这个领域还没有被触达到）。有一种“敌在明我在暗”的感觉？
一言蔽之，差距还是有。中国特色发展道路也许赚不到最多的钱，也许走不到最快，但我们有自己的优势，谋定而后动。
💼 背景：
朋友是设计师出身，但在藤校读了计算机科学的研究生，现在在一家 ai native 设计工具任职researcher，只要负责从x或者论文平台上扒一些相关方向的研究，然后看看怎么结合到自己公司的产品上。如果方向非常明确，本人也会写前后端代码，然后其他人审核后上线，后续也要负责这一块的代码迭代。
👀 观察:
1️⃣ researcher这个岗位在国内的同等规模小公司很少见。感觉美国创业公司背靠强大的学术机构科研能力和vc资金，可以“不计后果”地投入在创新这件事上面。相反地，我们更擅长把成熟技术结合在我们强大的工业体系和供应链体系之上。
2️⃣ 正是他们有冗余的空间和成本，所以大部分美国创业公司都是想要开辟蓝海，想要构建新系统，想要在新领域成为第一并获得极高的溢价。相反地，我们更多是从现有问题出发，用技术优化现有流程，在红海里把成本降得更低。
3️⃣ 他作为常年在x上冲浪的人问我最近国内除了生图片和生视频还在讨论什么。而我过年这几天通过很卷的ai自媒体uu们马上知道了Claude新模型。看来除了seedance彻底火了一把，智谱/千问这些顶级排名世界的开源模型并没有彻底火出圈（起码应用层面上设计这个领域还没有被触达到）。有一种“敌在明我在暗”的感觉？
一言蔽之，差距还是有。中国特色发展道路也许赚不到最多的钱，也许走不到最快，但我们有自己的优势，谋定而后动。
3 00
前面 m.okjike.com 展示了广州一线设计师使用 AI 工具的行业现状，今天来看看具体问题和解决方案。
在图1、图2、图3、图4 中，我们可以看到通用 AI 工具产生的各种问题：细节漂移、光影控制不统一、肢体畸变、物理结构崩坏等等。这些在商业交付中的致命灾难，让 AI 生成的图片永远都是草稿。
只要设计师还在用即梦/Lovart 等通用工具抽卡，团队就永远困在“随机性”的泥潭里，靠人肉去填补逻辑漏洞。
相反地，现在一些行业头部团队已经在构建专属于自己的内部工具（图5），通过 API 封装私有 Agent，将资深设计师的经验逻辑固化为内部工具供全团队使用。
只有把设计变成工程，把“抽卡”变成“编译”，才能让团队出图稳定且高效。
#AI工作流
在图1、图2、图3、图4 中，我们可以看到通用 AI 工具产生的各种问题：细节漂移、光影控制不统一、肢体畸变、物理结构崩坏等等。这些在商业交付中的致命灾难，让 AI 生成的图片永远都是草稿。
只要设计师还在用即梦/Lovart 等通用工具抽卡，团队就永远困在“随机性”的泥潭里，靠人肉去填补逻辑漏洞。
相反地，现在一些行业头部团队已经在构建专属于自己的内部工具（图5），通过 API 封装私有 Agent，将资深设计师的经验逻辑固化为内部工具供全团队使用。
只有把设计变成工程，把“抽卡”变成“编译”，才能让团队出图稳定且高效。
#AI工作流
2 01
喜欢这种用具体案例一步步拆解agent搭建方法的教程，很实用
当设计师亲自下场训练AI：它开始先“看页面”，再写文案
1 00
过去一周调研了数位广州的一线设计师（覆盖样本包括快时尚、户外和美妆），我发现了一个细思极恐的真相：
💡 大部分人以为 ai 带来了降本增效：
写提示词 → 生成图片 → 交付 ✅
⚠️ 真实的 ai 使用场景更像是：
写提示词 → 抽卡 (n次) → 对比寻找可用图片→ 继续抽卡 (n次) → 还是得手动修 → PS修图 ❌
通用的 AI 生图工具并没有消灭工作量，它只是把手工制图劳动转化为了更昂贵的人工补齐。
当团队在为Lovart 某一张图片惊艳时，设计师不得已陷入长期的抽卡困境之中。所谓的“AI 赋能”，在缺乏系统流约束时，本质上是一场耗费设计师时间精力的“低效赌博”。
#AI工作流
💡 大部分人以为 ai 带来了降本增效：
写提示词 → 生成图片 → 交付 ✅
⚠️ 真实的 ai 使用场景更像是：
写提示词 → 抽卡 (n次) → 对比寻找可用图片→ 继续抽卡 (n次) → 还是得手动修 → PS修图 ❌
通用的 AI 生图工具并没有消灭工作量，它只是把手工制图劳动转化为了更昂贵的人工补齐。
当团队在为Lovart 某一张图片惊艳时，设计师不得已陷入长期的抽卡困境之中。所谓的“AI 赋能”，在缺乏系统流约束时，本质上是一场耗费设计师时间精力的“低效赌博”。
#AI工作流
3 40
AI可能成为“聚合理论”的终结者？
Ben Thompson 的 聚合理论 (Aggregation Theory) ：在前互联网时代，价值链的权力核心是控制供应（比如报纸控制印制和发行渠道）。互联网消除了分发和交易成本，权力从“控制供应”垂直转向 “聚合需求”。 谁能直接建立与海量用户的联系，并以最低的成本提供最优的体验，谁就能反向驯服供应商。
这个理论建立在“分发成本为零”和“内容/服务发现需求”的基础上。而 AI 正在从物理成本、商业模式和分发逻辑三个维度拆掉聚合者的地基。
1️⃣ AI时代的边际成本回归
之前Google 之所以能聚合全球，是因为它们多服务一个用户的成本几乎为零。这是一种“无限规模效应”。但现在以AI为基础的服务，每多一个 Token 的生成都需要消耗 GPU 算力和电力。这就把互联网生意从纯软件物理学拉回到了类似制造业的逻辑中。
2️⃣ 工具可能只是AI当前发展阶段的过渡方案
传统的聚合者（如 Google）成功是因为它们解决了“发现”的摩擦力问题。以前用户想要看新闻，需要去 Google 搜索（因为 Google 可以索引世界上大部分的信息源）。
但在AI时代，用户只需下达指令，AI 应该直接调用后台 API 解决问题。现在用户想要看新闻，AI就能直接给予用户10条正在发生的新闻。
以搜索工具为主要利润来源的 Google，它的利润就有可能会流回拥有独特专有数据的垂直方，比如生产内容的BBC电视台和New Yorker杂志（AI 需要喂养的数据源）。
3️⃣ 生产摩擦力的消失后，创造逻辑 > 发现逻辑
过去开发一个软件的固定成本极高（需要招程序员、UI 设计、测试、维护）。因为每个人需要什么就创造什么是一件不可能发生的事情，所以会有一个固定的软件分发给所有人用。
AI 时代创造的边际成本已经趋近于零，每个人都可以生成一次性/即时生产的软件。曾经聚合者存在的意义是帮你“找东西”，现在 AI 直接帮你“做东西”，聚合者就失去了存在的意义。
AI 能从根源接触用户，理解用户需求&生成想要结果，而不再需要经过聚合者分发，那整条利益链上的利润也可能会流到控制用户所有上下文 AI 代理人。
4️⃣ AI时代的软件护城河
即使代码逻辑/创造逻辑的门槛变得非常低，受到冲击的还是那些“轻资产”的效率工具。AI让这些工具从资产变成了商品，所有的溢价消失，所有的购买理由消失。
具有网络效应（比如人际关系效应）的软件，还会继续存在。即便 AI 能写出一个比微信好用 10 倍、UI 更美、翻译更准的聊天软件，它也无法生成一个用户的 499 个联系人。离开微信=社交自杀，这种模式下AI和微信成为了互补品。（AI功能做得越顺，使用微信的人越多）
拥有运营复杂度（比如解决物理和情绪摩擦力）的软件，也会继续存在。即便 AI 能优化送餐路径，它也无法替骑手爬楼，或是在餐洒了的情况下替代平台客服安抚消费者的愤怒情绪。重人力集成（骑手、餐馆、客服）的美团由于业务的物理摩擦力大，它反而能在 AI 浪潮中构建了最坚固的物理围墙。
Ben Thompson 的 聚合理论 (Aggregation Theory) ：在前互联网时代，价值链的权力核心是控制供应（比如报纸控制印制和发行渠道）。互联网消除了分发和交易成本，权力从“控制供应”垂直转向 “聚合需求”。 谁能直接建立与海量用户的联系，并以最低的成本提供最优的体验，谁就能反向驯服供应商。
这个理论建立在“分发成本为零”和“内容/服务发现需求”的基础上。而 AI 正在从物理成本、商业模式和分发逻辑三个维度拆掉聚合者的地基。
1️⃣ AI时代的边际成本回归
之前Google 之所以能聚合全球，是因为它们多服务一个用户的成本几乎为零。这是一种“无限规模效应”。但现在以AI为基础的服务，每多一个 Token 的生成都需要消耗 GPU 算力和电力。这就把互联网生意从纯软件物理学拉回到了类似制造业的逻辑中。
2️⃣ 工具可能只是AI当前发展阶段的过渡方案
传统的聚合者（如 Google）成功是因为它们解决了“发现”的摩擦力问题。以前用户想要看新闻，需要去 Google 搜索（因为 Google 可以索引世界上大部分的信息源）。
但在AI时代，用户只需下达指令，AI 应该直接调用后台 API 解决问题。现在用户想要看新闻，AI就能直接给予用户10条正在发生的新闻。
以搜索工具为主要利润来源的 Google，它的利润就有可能会流回拥有独特专有数据的垂直方，比如生产内容的BBC电视台和New Yorker杂志（AI 需要喂养的数据源）。
3️⃣ 生产摩擦力的消失后，创造逻辑 > 发现逻辑
过去开发一个软件的固定成本极高（需要招程序员、UI 设计、测试、维护）。因为每个人需要什么就创造什么是一件不可能发生的事情，所以会有一个固定的软件分发给所有人用。
AI 时代创造的边际成本已经趋近于零，每个人都可以生成一次性/即时生产的软件。曾经聚合者存在的意义是帮你“找东西”，现在 AI 直接帮你“做东西”，聚合者就失去了存在的意义。
AI 能从根源接触用户，理解用户需求&生成想要结果，而不再需要经过聚合者分发，那整条利益链上的利润也可能会流到控制用户所有上下文 AI 代理人。
4️⃣ AI时代的软件护城河
即使代码逻辑/创造逻辑的门槛变得非常低，受到冲击的还是那些“轻资产”的效率工具。AI让这些工具从资产变成了商品，所有的溢价消失，所有的购买理由消失。
具有网络效应（比如人际关系效应）的软件，还会继续存在。即便 AI 能写出一个比微信好用 10 倍、UI 更美、翻译更准的聊天软件，它也无法生成一个用户的 499 个联系人。离开微信=社交自杀，这种模式下AI和微信成为了互补品。（AI功能做得越顺，使用微信的人越多）
拥有运营复杂度（比如解决物理和情绪摩擦力）的软件，也会继续存在。即便 AI 能优化送餐路径，它也无法替骑手爬楼，或是在餐洒了的情况下替代平台客服安抚消费者的愤怒情绪。重人力集成（骑手、餐馆、客服）的美团由于业务的物理摩擦力大，它反而能在 AI 浪潮中构建了最坚固的物理围墙。
2 00
很的很需要了。特别是工具类的书籍，现在喂给notebooklm都还有摩擦
李继刚: 以后书籍出版应该： 纸书+电子版(for human)+markdown(for agent) 三件套一块出。
1 00
这俩天影视飓风 Tim 关于 seedance 视频模型的视频彻底火出圈了，连平时不太关注ai应用的朋友和家人也在他们自己的社交 bubble 里刷到了。
关于 Tim 提到的授权和隐私问题，刚好我在前几天注册即梦的时候让ai读了一下他们的《即梦AI用户服务协议》和《隐私政策》，对于创作者和企业创作团队来说是还有一定风险的。
1️⃣ 使用即梦生图的人，他有没有图片的版权？ 名义上图片版权归你，但受“法律不确定性”和“平台授权”的双重限制。特别是协议第9.3条，即便版权归你，你必须授予即梦一个 “全球、免费、非独家、可多层次再许可” 的权利。这意味着平台可以合法地使用你的图，而不需要再经过你同意或付费。
2️⃣ 企业生图存在私域，是否还是会被他人看到？可否被其他人使用？ 生成图片默认非绝对私域，平台有权访问及用于模型训练，即平台可以随意拿脱敏后生图数据训练模型。而且协议中明确提到“不排除生成内容可能存在瑕疵或相似”（第13.1条）。如果其他用户输入了极度相似的提示词，平台可能生成高度雷同的图片，即竞品公司有一定概率撞图。
3️⃣ 企业内想要团队合作，是否有可能把一个团队的提示词/生成结果放在私域池子？ 目前剪映/即梦统一账号系统的协议框架是基于个人用户设计的，强调“账号仅限本人使用”。若要在团队内分享提示词，目前只能通过外部工具（如文档或IM）手动同步。甚至如果团队成员共享一个账号登录，违反了“禁止许可他人使用账号”的约定（第3.5条），可能导致账号被封禁。
关于 Tim 提到的授权和隐私问题，刚好我在前几天注册即梦的时候让ai读了一下他们的《即梦AI用户服务协议》和《隐私政策》，对于创作者和企业创作团队来说是还有一定风险的。
1️⃣ 使用即梦生图的人，他有没有图片的版权？ 名义上图片版权归你，但受“法律不确定性”和“平台授权”的双重限制。特别是协议第9.3条，即便版权归你，你必须授予即梦一个 “全球、免费、非独家、可多层次再许可” 的权利。这意味着平台可以合法地使用你的图，而不需要再经过你同意或付费。
2️⃣ 企业生图存在私域，是否还是会被他人看到？可否被其他人使用？ 生成图片默认非绝对私域，平台有权访问及用于模型训练，即平台可以随意拿脱敏后生图数据训练模型。而且协议中明确提到“不排除生成内容可能存在瑕疵或相似”（第13.1条）。如果其他用户输入了极度相似的提示词，平台可能生成高度雷同的图片，即竞品公司有一定概率撞图。
3️⃣ 企业内想要团队合作，是否有可能把一个团队的提示词/生成结果放在私域池子？ 目前剪映/即梦统一账号系统的协议框架是基于个人用户设计的，强调“账号仅限本人使用”。若要在团队内分享提示词，目前只能通过外部工具（如文档或IM）手动同步。甚至如果团队成员共享一个账号登录，违反了“禁止许可他人使用账号”的约定（第3.5条），可能导致账号被封禁。
2 00