Beyond Vibe Coding: A Designer’s Case for Directed Generation

超越“氛围编码”：设计师对定向生成的主张 — UX Magazine

来自实践

论文

超越“氛围编码”：设计师对定向生成的主张

Jim Gulsen

Jim Gulsen · UX Magazine

2026年6月25日 · 7分钟阅读

那些不反对“氛围编码”这一标签的设计师，实际上是在放弃对自己实践的作者身份。“氛围编码”这一术语最初是为被动生成和低责任而发明的，它从未打算成为设计领导力。真正的分歧在于谁拥有权威——在定向生成中，判断总是第一位的。

名称先于一切

“氛围编码”是对一种特定、低责任行为的有用描述。你松散地描述某物，接受模型生成的内容，并不太在意理解输出结果。Andrej Karpathy在2025年初准确地命名了这一术语，他当时描述的就是这个东西。

问题在于接下来发生的事情。这个术语像早期的术语一样，迁移到了它并不属于的语境中。我曾看到自己的工作流程被这样描述。我也看到其他设计师接受这个标签而没有提出异议。每一次发生这样的事情，一些真实的东西就会被丢失——判断、技艺、以及设计师在认真使用AI时所进行的实际工作的意图性。

术语很重要，因为它们会传播。乔治·奥威尔曾观察到，语言的粗疏使得产生愚蠢的想法更容易——反之亦然：精确的语言使得精确的思考成为可能。当一个不精确的术语殖民化了一种新兴的实践，它不仅仅错误地描述了工作，还会在任何人有机会正确定义它之前，预先塑造了工作被理解、被雇佣和被评价的方式。

这与其说是对某个短语的抱怨，不如说是对时机的观察。围绕AI辅助设计的词汇仍在形成中。目前，这些词汇大多来自工程文化，并带来了工程假设——包括假设人类的角色本质上是监督性的，甚至是被动的。

这值得纠正。那么，让我们从实际上正在发生的事情开始。

最具意图性的设计师如何使用AI

一种分歧正在形成——它并不是关于谁采用了AI。大多数设计师至少在名义上已经采用了。

这种分歧是关于过程中的权威在哪里。在一种方法中，生成驱动决策：提示，接受，在边缘进行调整，然后发布。在另一种方法中，判断是第一位的。AI响应设计师——谨慎地，而不是反过来。

这种新的方法更难命名，这也是为什么“氛围编码”填补了这一空白的原因之一。但这种方法正变得越来越常见，用于快速完成严肃的设计工作，而且它看起来与被动接受完全不同。

它从一个参考开始。不是聊天机器人意义上的提示——而是一个经过筛选的输入。一个草图、一张截图、一个视觉先例，有时是这些的结合。这个参考就是判断。它承载了关于比例、语气、层次和意图的决策，这些决策用文字描述可能需要几段才能表达清楚，但仍无法达到同样的精确度。设计师一直以这种方式思考。我们只是从未拥有过一个能够直接接收视觉意图并以代码的精度做出响应的工具。

信息图表由Jim Gulsen制作

从那里，过程会经历不同的阶段，而知道何时在这些阶段之间切换才是真正的技能。

• 有时你是在引导：在生成任何单个标记之前，你正在组合输入、选择参考对象并设置约束。

• 有时你是在协作：进行多轮迭代，批判性地阅读输出内容，调整你引导一位技术能力很强但需要你指导的开发人员的方式。

• 有时你是在编辑：在 HTML 或 Figma 文件中进行操作，做出任何提示都无法完全预见的决策，比如那种让人感觉舒适的间距，那种在技术上可行但无法落地的层级结构，那种模型在需要对比时却优化了一致性的细节。

• 这些阶段中没有一个是被动的。模型会根据你提供的内容做出反应。它不会提供品味，而是对你的品味进行压力测试。

• 这就是当有人称其为“氛围编码”时被忽略的部分。不是对工作的描述，而是对作者身份的抹除。

结果：可扩展而不僵化的设计

以这种方式工作会带来一些影响——大多数关于 AI 辅助设计的讨论尚未真正跟上节奏。

当判断发生在图案层面而非像素层面时，设计系统可以被构思的方式会发生转变。

传统模型将图案视为固定的制品——被定义、记录并应用。一致性来自于复制。灵活性则是第一个牺牲品。

定向生成改变了这种限制。当机器足够抽象地理解设计图案，从而能够根据上下文重新组合它——不是复制它，而是解释它——图案的表现形式不再像一个静态组件，而更像是一组空间、排版和行为关系，这些关系可以在它从未见过的表面上进行塑造，适用于所有设备和上下文。

设计师的角色从指定每一个实例转变为定义良好实例可靠出现的条件。

这是一种非确定性设计。输出结果并非完全可预测，而这并不是系统的失败，这正是其目的所在。工艺向上游移动，进入原始元素的质量、参考对象的精确性和约束条件的严谨性。

这一实践的自然终点是自主交付——系统不仅响应设计方向，还能自主地将其推进，生成跨规模和上下文的一致输出，而不会丢失原始元素中嵌入的创作意图。系统化的设计生成，而非系统化的设计文档。设计师编写语法，系统则流利地表达它。

这就是这一实践的发展方向。定向生成并不是对 AI 工具局限性的权宜之计，而是这些工具下一步发展的基础。

用什么来称呼它

为一种新兴实践命名是一项复杂的工作。就像系统中的任何部分一样，如果过早地进行，标签会在实践完全形成之前就变得僵化。如果过晚地进行，别人已经用了一个术语。

可以说我们正处于 AI 辅助设计的“晚期早期”阶段——工具已经成熟到足以发展出真正的方法论。但词汇仍然主要借用自工程、产品管理，以及对生成式 AI 的狂热报道，这些报道将每一个输出视为目的本身，而非实现目的的手段。

有几个术语值得考虑——不是作为分类，而是作为工作的把手。那么让我试着提出一些：

• 有方向性的生成将重点放在了正确的位置：人作为主导力量。这种生成方式适用于不同的受众——客户能够理解它，开发者会尊重它，招聘经理也能够评估它。

• 以参考为引导的生成明确指出了一个具体的行为，这个行为区分了有意识的实践与随意的提示。将精心挑选的视觉输入带给模型，并引导输出朝向一个存在于你判断中而非训练数据中的设计情境，这是一种技能。它值得拥有一个专属的术语。

• 组合式提示描述了将输入内容（草图、参考、约束和意图）组合成模型可以有意义地回应的某种形式的上游行为。它将提示视为一种技艺，而非一组指令。

这些都不是强制性的规定，只是建议。重点不是赢得一场命名之争，而是拥有足够精确的语言来思考，并向需要理解其价值的人清晰地传达工作内容。

但我认为，那些定义这一实践的设计师，将比那些继承他人简略表达的人拥有更大的权威。

拥有实践，拥有描述

对本文中提到的一切都存在合理的反对意见：我们给它起什么名字真的那么重要吗？无论怎么称呼，工作都会完成。客户看到的是输出结果，而不是方法论。设计师是务实的人。

但在一些关键的时刻，这种命名却非常重要，而这些时刻往往容易被低估。例如在作品集评审时，有人会问你是如何工作的。在客户启动会议中，你需要证明你的流程为何值得这个价格。在团队讨论中，一位初级设计师正在努力理解在这个新环境中，什么是技艺的体现……

在所有这些时刻，拥有一个精确、自信且属于你自己的语言来描述你所做的工作，就是专业上的清晰。

设计师之前已经经历过类似的情况。当用户体验成为一门独立的学科时，那些为自己工作命名的从业者——他们说：“这是交互设计，这是信息架构，这是我的工作，以及它为何重要”——塑造了整整一代人对这一领域价值的认知。而那些让相邻领域定义自己的人，花了多年时间才重新夺回失去的阵地。

人工智能辅助设计正处于一个类似的转折点。不是因为技术是新的——它已经变得普遍。而是因为这一实践仍在被定义，而那些最终被接受的定义将来自某个地方。它们可能来自工程师描述他们所交付的内容，来自记者报道那些清晰可见的内容，或者来自设计师明确阐述他们实际所做的工作。

传统的实践方法（确定性设计）为客户提供最准确的描述，为团队提供最清晰的指导，也为那些需要了解在工具如此强大的情况下，有意图的设计实践是什么样子的年轻设计师提供了一个模型。

这些都不意味着必须全身心地投入某一种交付方式。在生产环境中，确定性输出（固定组件、文档化的模式和可预测的交接）仍然是许多情境下的正确工具。

有方向性生成和非确定性设计的价值并不在于它们取代了设计系统，而在于它们扩展了设计系统的能力。生成式线框图、快速概念探索和跨界面模式解释，正是非确定性方法能够带来巨大回报的领域。

即使生产就绪的组件仍可能需要指定、审查和锁定。混合方法只是诚实地承认设计工作的不同阶段具有不同的风险容忍度，而成熟的做法知道何时应选择哪种模式。

Vibe 编码描述了与 AI 互动的一种方式。这并不是对这种模式的批评——在某些情境下，低问责生成正是合适的工具。但它从未描述过设计领导力。越早明确这种区别，工作就越能获得其应得的框架。

称其为定向生成。称其为参考引导实践。称其为组合提示。

或者，找到一个适合你工作方式的具体术语。

本文最初发表在 Medium 上。

设计系统

人工智能

产品设计

用户体验设计