Ref 创始人兼工程师 Matt Dailey 日前分享了自己使用 AI 进行产品设计的方法。他直言自己「不是设计师，而且讨厌 AI slop」，所以整理出一套「de-slop」流程：由人类负责定义限制、删除内容与建立品味，AI 负责大量探索和执行。
先理解系统，再决定界面怎么做
Dailey 认为，产品设计不该从「这个按钮应该放哪里」开始，而是先理解整个系统。他引用 Christopher Alexander 在《Notes on the Synthesis of Form》中的概念，把设计拆成 3 个步骤：
- 列出所有设计限制（Constraints）
- 探索多种符合限制的解法
- 如果发现限制需要增加或移除，就回到第一步
这些限制可以包括字体、尺寸、使用流程、商业逻辑，甚至产品必须支持的不同状态。
他认为，真正的问题在于很多团队会跳过第三步。用户抱怨某个功能难用，团队就立刻修改 UI；下一个用户再提出另一个问题，产品里又多一个按钮、提示或功能。Dailey 把这种做法称为「Design Whack-a-Mole」，也就是打地鼠式设计。
生成式 AI 会放大不断加东西的倾向
在 Dailey 看来，生成式 AI 恰好会把这个问题放大。工程师很容易直接要求 Agent「让 X 更明显」或「加入一个操作 Y 的入口」。AI 每次都能很快完成任务，但反复累积后，产品最后可能变成由大量局部最优解拼凑出来的界面，反而让更多用户感到困惑。
因此，Ref 会单独维护一份文档，持续记录产品里的小问题和使用摩擦点（papercuts）。明显错误会立即修复，较小的问题则不一定马上处理，而是放到下一次重新设计时集中解决，避免产品被零碎反馈牵着走。
Agent 喜欢加法，人类要负责做减法
Dailey 说，AI Agent 在 UI 和代码上有一个很相似的习惯：过度建设。
写代码时，Agent 可能会多包一层 try-catch，或者重复实现已经存在的 utility；做 UI 时，则会不断增加说明文字、分隔线、Icon 和其他视觉元素。结果常常是它画出来的界面「比普通工程师自己画得漂亮」，但这并不等于它就是好的产品设计。
他的做法很直接：逐一检查画面上的元素，问自己「我真的需要这个吗？」如果答案是否定的，就删掉。
不要直接在正式产品里和 AI 来回修改
Dailey 还提到另一个常见陷阱：「Prototype Gravity」，也就是原型引力。
当工程师让 Agent 直接在现有代码库里做出第一版界面后，因为程序已经写好了，接下来最自然的路径往往不是重新探索，而是在第一版上持续修改。问题在于，第一个方案会因此获得不成比例的优势。
他的建议是把设计和实现拆开，先在 Figma、Cursor Design Mode、Claude Design 或 HTML Prototype 这类环境中探索，并要求 AI 一次生成 3 至 4 种不同方案。他尤其推崇 Figma，认为它目前仍是快速进行设计迭代最好的工具之一。
在这个流程里，重点不是 AI 能不能一次做对，而是利用生成成本快速下降这件事，把 AI 当成「方案生成器」。与其追问最佳答案，不如让它一次给出足够多的答案，再由人来决定哪一个值得继续推进。
建立组件库，避免产品变成 AI 拼装车
进入实现阶段后，Dailey 强调 reusable components 的重要性。如果每次让 Agent 写一个按钮、表格或输入框都重新生成，即使功能相同，细节也可能逐渐漂移，最后整个产品会像由不同设计师拼装而成。
因此，Ref 维护了一个 /showcase 页面。Agent 会先在这里建立和测试 UI Component，确认后才接入真正的产品逻辑。这样既能把 View 与 Logic 分开，也能让整套产品共用同一种视觉语言。
AI 做完任务，不等于设计已经成立
Dailey 同样建议大量使用 Preview Deploy。因为设计稿看起来合理，不代表放进真实产品后仍然合理。数据长度、不同状态、用户行为以及后端数据，都可能让原本看上去漂亮的界面暴露出问题。
Ref 甚至将 Frontend 和 Backend Pull Request 分开处理：后端主要依靠 Unit Test 与 Integration Test 验证；前端则通过 Preview Deployment，让人直接打开实际版本检查。
他的判断很明确：即使 Agent 100% 完成了你下达的需求，也不代表设计就是对的。
参考别人的做法，本身也是 AI 设计能力的一部分
Dailey 给工程师的另一个建议也很直接：Steal stuff。
他认为，大多数 UX 问题并不是第一次出现。与其让 AI 从零开始幻想解决方案，不如先研究其他产品是如何处理同类问题的。他观察到，优秀设计师在项目开始时，通常会先收集大量截图和参考案例。
到了 AI 时代，这些 reference 的价值又多了一层：它们可以直接成为 Agent 的 context。
AI 时代更难替代的是品味判断
Dailey 最后谈到一个难以量化、但在他看来可能最重要的能力：Taste，也就是品味。
他说，很多产品工程师其实不难判断「这个设计不太对」，真正困难的是下一步：到底应该怎么改。专业设计师之所以更容易回答这个问题，是因为长期经验让他们脑中积累了大量可调用的解决方案。
而这种能力没有捷径，只能不断尝试，观察自己的反应，再反思为什么某个方案有效或无效。
由于 Ref 没有全职设计师，Dailey 开玩笑说，团队采用的是一种「农业脱粒法」：把设计丢到中间，所有人拿棍子不断打，直到大家终于觉得它够好了。