设计不是输出速度，而是问题理解
基于 AI 简报 2026-04-18 中 @karrisaarinen 的文章 "Output isn’t design"，该观点可作为 人机协作产品设计 的约束原则。
核心判断
AI 工具显著降低了界面产出的门槛，但生成 form 不等于解决 problem。真正的设计工作仍是处理上下文中的冲突：用户目标、技术约束、边界场景、维护成本与组织现实。
为什么这个观点在 2026 更重要
- 生成能力提升后，团队更容易把 "看起来完成" 误当成 "真正可用"
- 许多产品在 demo 阶段表现亮眼，但在连续使用中暴露 brittle 决策
- 视觉迭代和结构调整本身就是思考过程，不只是出图步骤
对项目流程的直接启发
- 在进入 UI 生成前，先写清问题定义与约束清单
- 评审时增加 "fit check"：是否适配真实流程与边界条件
- 把 AI 定位为探索与原型加速器，而非最终判断者
AI 与设计的发散-收敛问题（2026-06-04）
来源：Every — Figma 产品总监 Matt Colyer 访谈
优秀的设计遵循「菱形流程」：先发散（生成大量想法），再收敛（筛选最有希望的选项）。文本聊天是线性交互，天然不擅长发散；它迫使你在每一步「选择一个选项」然后迭代。Agent 擅长「任务完成」工作流，但发散性、探索性的设计环节在整个行业都尚未解决。
Colyer 设想未来由专门化的 agent 负责发散（推动你扩展思路），另一组 agent 负责筛选收敛。Figma 已推出 MCP server，支持 code-to-design 和 design-to-code 双向工作流，但承认 agent 产出速度极快、质量判断仍是短板。
对工具设计的启示：不要让 AI 替代发散思考，而是用它加速收敛后的精修。在创意早期阶段，多个独立会话、不同提示词、甚至不同模型比单一对话更能制造真正的发散。
AI 生成的"平庸陷阱"与 taste-skill（2026-06-07）
xenit_v0 指出 AI 工具默认产出平庸设计，因为品味无法被规则化。taste-skill 尝试为 Claude Code 和 Codex 编码设计审美，提供设计多样性、动效密度和视觉密度的调节轴，并支持极简、粗野、柔和等风格变体。
这一现象不仅限于视觉设计：
- 界面层面：AI 生成界面趋于雷同——大留白、圆角、千篇一律的卡片
- 文本层面：AI 生成文案出现可预测的开头、稳妥的过渡、规避风险的语气
核心判断是：好设计是比例、节奏与对比之间的隐形平衡，而不仅仅是正确的 CSS。这呼应了本文的核心论点——生成 form 不等于解决 problem，审美判断仍需人类介入。
Counterpoints & Gaps
- 该论述偏原则层，缺少行业分场景量化证据。
- 对于低风险营销页面，生成优先可能仍具高性价比。
- 需要更多案例来定义何时应强调 "问题建模"，何时可直接 "快速产出"。