一句話結論
AI 不是沒有設計能力,是它不知道自己的偏見。
Nate Parrott 的說法很精準:每次請模型做新設計,它都在一個全新的上下文裡工作,於是它會想「天啊,使用者要我做一個 App,我要發明最傑出的視覺風格」——「在 Claude 的認知裡,它這輩子只做過這一次,所以它以為這完全是原創的。」
一、這場教學是什麼
| 項目 | 內容 |
|---|---|
| 形式 | 40 分鐘實作教學(Peter Yang 主持) |
| 講者 | Nate Parrott,Anthropic 產品設計師 |
| 代表作 | Claude Design、Claude Motion 的設計者;參與 Duet、動態儀表板與影片 |
| 背景 | 前 Arc 瀏覽器 團隊(發布前約花一年做前期製作) |
| 工具定位 | 設計與簡報工具,可直接在 Claude Code 中呼叫 |
一個有趣的細節:Claude Design 原本只是他為自己做的內部原型——「一個能幫我做設計和簡報的小工具」。驗證出產品市場契合度之後才被整合進主產品。
二、為什麼 AI 設計看起來都一樣
成因 1:全新上下文造成的「盲目原創」
模型不知道「這件事別人已經做過一萬次」。它只知道這次對話裡發生的事,所以每一次都全力以赴地想創新——結果是所有人拿到同一種「創新」。
成因 2:模型不知道自己的偏見
這是整場教學最有價值的一段。Nate 直接列出模型的預設風格組合:
| 偏見 | 具體表現 |
|---|---|
| 字體 | 襯線體(serif text) |
| 背景 | 米白色(off-white) |
| 強調色 | 橘色(orange) |
| 裝飾 | 卡片邊緣的裝飾小邊條 |
| 版面 | 介面裡自動長出的小側邊欄 |
他的原話是:「模型完全不知道自己有這些慣性。」 所以街上充斥著「用著一模一樣字體與完全相同排版」的 AI 產出。
成因 3:動態設計的「機器視角」盲點
做動畫時,AI 能同時讀取並處理整個畫面的資訊,因此還沒內化人類的限制:只有兩隻眼睛、一次只能專注一個地方、閱讀速度慢。結果就是畫面上太多元素同時在動。
三、六步解法
Nate 的原則是 「You get out what you put in」(投入什麼,得到什麼)。以下是六個可照做的步驟:
| # | 步驟 | 做法 | 對應原話 |
|---|---|---|---|
| 1 | 靈感板 | 提供截圖、喜歡的網站、自己過去作品,描述感受而非規格 | 給「大量關於產品感受與外觀的描述」 |
| 2 | 極度發散 | 不要一個版本,要十個 | 「Give me like 10 different options. Different fonts, different colors, different visual styles.」 |
| 3 | 混搭迭代 | 挑局部優點再長出新版本 | 「我喜歡第一版的一點點、第三版的一點點,基於這些再給我五個」 |
| 4 | 先線框稿 | 複雜設計先談版面結構,別一開始就進字體顏色 | 「Make a bunch of wireframes with different layouts.」 |
| 5 | 點破失敗模式 | 直接寫進系統提示詞,禁止模型回到預設 | 「你特別容易偏向這兩種字體和這兩種顏色,除非我要求,否則不要用」 |
| 6 | 以程式碼為真實來源 | 既有產品的新功能,讓它先讀程式碼庫再重建 | 「讀我們的程式碼庫並重建,從那裡開始發想」 |
第 6 步是 Claude Design 的結構性優勢:介面、簡報、動態效果的底層全都是程式碼(HTML/CSS/字體/顏色),所以「設計完再寫回程式碼庫」不需要翻譯,也就少了「轉譯損失」。
還有一個隱形的第 7 步:沉澱成資產
反覆調整出來的規則可以存成可重複使用的 Skill,或建立專屬的品牌識別。這一步才是真正脫離「每次都要重新教」的關鍵。
四、兩個可以直接拿去用的細節
1. 評估要用「是非題」,不要用 1–5 分
Nate 與主持人一致的結論:建立 Eval 時,Yes/No 是非題遠比 1 到 5 分制有效,因為模型很難理解「4 分」與「5 分」的差異。
| 好問題 | 壞問題 |
|---|---|
| 「文字有沒有重疊?」 | 「排版好不好?(1–5)」 |
| 「十個提示詞有沒有產出不同字體與顏色?」 | 「多樣性夠不夠?(1–5)」 |
2. Sources mode:點任何數字都看得到來源
儀表板上的每個數字,點下去就能看到資料來源與拉取資料的那段程式碼。搭配 MCP 連接器(例如 Google Sheets 設成即時讀取)時,背後寫的是 JavaScript/JSON 而不是 SQL——這一點在企業環境裡很實際,因為多數人不會寫 SQL,但看得懂 JSON。
五、對實務團隊的五個建議
| # | 建議 | 為什麼 |
|---|---|---|
| 1 | 把「模型偏見清單」寫進你們的系統提示詞 | 這是整場教學投報率最高的一招,成本一行字 |
| 2 | 設計流程改成「十個醜版本 → 挑局部 → 再五個」 | 一次要一個完美版本,只會得到平均值 |
| 3 | 先線框、後視覺、最後才做完整成品 | 大型簡報/影片先探索視覺,能省下重做的 token |
| 4 | 有既有產品的,一律先餵程式碼庫 | 這是「設計與產品一致」唯一可靠的做法 |
| 5 | 評估改成是非題清單 | 分數制在模型上幾乎沒有鑑別力 |
六、三個我保留的判斷
| 項目 | 保留理由 |
|---|---|
| 偏見清單會過時 | 今天禁止襯線+米白+橘,下一版模型可能換成別組;清單要當「定期更新的檔」維護,不是一次性設定 |
| 品味不能外包 | 這套流程讓「產出」變便宜,但「挑哪一個」仍然需要人的判斷——教學裡所有決定也都是他自己做的 |
| 綁定生態 | Claude Design/Motion 都在 Anthropic 生態內(Claude Code、Artifacts);跨工具的可攜性有限,設計資產的長期保存要自己負責 |
還有一點值得注意:Nate 說自己完全不會用 After Effects,但靠 AI 就能做動態設計。這不是「工具變簡單」,而是「能力門檻從操作移到判斷」——跟工程端的變化是同一個模式。
七、站內延伸閱讀
- AI 寫的程式都是垃圾,除了我寫的:3,000 個 PR 的實驗——姊妹篇:程式碼的 slop 怎麼用確定性檢查擋掉
- Meta 開源 Astryx 設計系統:174 個元件與 AI 代理實測——把設計規範變成機器讀得懂的格式,是同一條路的另一種走法
- Kinetograph 實測:不開瀏覽器的影片引擎——動態內容的另一端:從程式碼直接生成影片
參考來源
- Peter Yang,〈Full Tutorial: How to Fix AI Slop with Claude Design in 40 Minutes | Nate Parrott〉(YouTube)
- 教學中提及之工具與案例:Claude Design、Claude Motion、Claude Code、Claude Artifacts、Claude Slides、Duet、Arc 瀏覽器、MCP Google Sheets connector
- 本文整理自影片轉錄內容;引號內為講者原話(英文),中文為轉述
(本文為影片內容整理與獨立分析。產品功能與模型偏見描述均為講者所述,實際行為可能隨版本變動;第五、六節為本文觀點。)
