AI设计规范的门槛有多低？

说起这个话题，上周末正好有个朋友跟我吐槽，说他们公司那位刚毕业的实习生，用AI两天就"造"出了一套小程序设计规范文档。这事要是放在两年前，没个三五年经验的资深设计专家，外加一个开发团队协作，根本不敢想。而现在呢？一个实习生，一台能上网的电脑，就能把这件事干得七七八八。这个转变，快得有点让人恍惚。

门槛到底低到了什么程度？

说白了，以前做一个设计规范，你得先搭好设计系统的架子，比如什么颜色变量、字体层级、组件封装，还要搞懂一堆技术术语，像schema、token结构这些，再对接开发做MCP工具链。整个流程串起来，没有几周甚至几个月，根本拿不下来。

现在呢？核心变化就在一点——AI能自己消化原始材料了。以前我们做那些繁琐的结构化工作，本质上是在替AI"消化"那些非结构化的文档，把松散混乱的信息整理成它能理解的格式，这就是最大的成本。而现在的大语言模型，你直接把微信官方那几份散落在不同页面、格式完全不统一的文档链给它，它就能自己提炼出规则、理顺逻辑，甚至生成一个可运行的规范"智能体"。

这种变化意味着，一个设计师只要手里有原始的设计文档，甚至不需要是结构化的，就能在几十分钟内做出一个像模像样的规范。曾经需要整个设计系统团队完成的"大工程"，现在已经变成一个普通设计师半小时能完成的小事。

门槛低了，但谁踩的坑最多？

不过，门槛低是一回事，能不能用好是另一回事。我见过不少翻车的案例。

问题普遍出在"整合"这个环节上。很多人偷懒，直接把十几份链接一起扔给AI，说"帮我整理成一套规范"。AI确实会给你出一份东西，看起来还挺像回事，但实际用起来漏洞百出。比如胶囊按钮避让规则这种微信的强制要求，AI可能会漏掉其中一条关键边界条件，或者把不同文档里互相矛盾的参数直接合并了。结果设计稿按这个规范做出来，提交审核时直接被拒。

所以门槛虽然低了，但人的"把关能力"反而是最值钱的。谁能把原始材料先整理对齐，让AI把信息理解得更准，谁的规范就更好用。这一步就像做饭前切配好菜，菜切好了，AI的大火快炒自然是十分钟的事，但你直接把没洗过的带泥土豆整个扔进锅里，神仙也救不了。

大厂更新都懒，何谈个人？

还有一个挺反直觉的事：很多大厂自己的设计系统，更新都极其缓慢。你去看某些大厂的UI开源组件库，更新日志有时候一年就三四次。为什么？因为做好一套规范投入巨大，还要保证团队内所有人都按规范执行，这本身就是吃力不讨好的活。

但门槛变低之后，有意思的现象出现了。有些小型工作室、独立开发者反而成了最受益的人。他们不需要等大厂出完整规范，直接用AI把自己的组件库包装成一套交互规范，立马就能让团队里所有人都统一风格。这有点像当年的Docker——以前部署环境是一套复杂的流程，Docker出来之后，开发者自己就能搞定环境编排。大厂有专门团队做系统组件，小团队也能轻松凑出一套属于自己的设计语言。

别忘了最后谁说了算

说到底，门槛是低了，但决策门槛从来不低。一个合格的规范不是一堆参数堆出来的，而是要能扛住真实业务的检验。导航栏到底多高才不会挡住原生胶囊？弹窗文案超了12个字会不会被打回？这些边界测试、红线规则，AI再厉害，不经过真刀真枪的项目验证，谁都不敢打包票。

换句话说，AI把"从0到1"这件事变得极其简单，但"从1到100"依然需要人的判断和经验。低门槛的好处是让更多人有机会参与，但真正的高手，往往是那个知道在AI给出答案之后，还要再去跑一遍审核、再做一次真实测试的人。

所以你说门槛有多低？低到了一个实习生都能两天交活的程度。但能不能用好，还是看那个真正干活的人是谁。你觉得呢？