最近总有同行问我AI 都能一分钟出十张图了设计门槛是不是真没了我的看法正好相反——会用 AI 做图已经不够了。真正拉开差距的是你会不会用 skill。这里的 skill 不是玄乎的天赋而是 AI 工具生态里快速流行起来的一种能力模块把提示词、规则、步骤、甚至小脚本打包成一个可复用的技能包让 AI 不只是“聊天生成”而是能按你的方法连续干活。这篇文章我会把近期在项目里沉淀下来的 3 个 design skill 思路彻底拆开讲比较适合已经在用 AI 做设计、但总觉得产出不稳定、风格不统一、改版效率低的同学。放心不是讲理论全是能直接抄的实操。1. 为什么“会做图”不够了从一次性提问到可复用 Skill1.1 你还在让 AI “自由发挥”吗很多人用 AI 做设计的方式就是开一个对话框输入“帮我设计一张海报”“做一个 App 界面”然后等着结果。这种方式最大的问题不是 AI 笨而是每一次都从零开始没有上下文、没有风格锚点、没有验收标准。我打个比方你请一个外包设计师干活却只丢一句话“做个好看的”那对方大概率会自由发挥你要么凑合用要么改八稿也定不下来。AI 也一样你不给它清晰约束它就把训练数据里“最常见”的样子端出来——那种中规中矩、有点模板感、谈不上错也谈不上惊艳的图。所以真正的效率瓶颈从来不在生成速度而在两件事第一能不能把要求说清楚第二能不能把风格守得住。这两件事恰恰是 skill 能解决的。1.2 Skill 到底是什么一句话解释先说结论skill 是结构化的人机协作协议。你可以把它理解成一份“操作 SOP”告诉 AI 该扮演什么角色、遵守哪些规则、按什么顺序干活、最后怎么验收。它通常由三部分组成角色与目标告诉 AI 你现在是谁比如“你是一位有十年经验的设计总监”以及要完成什么任务。约束与方法把设计原则、常用色板、字体规则、间距体系、禁忌项写清楚。执行步骤与验收让 AI 按固定流程操作不做多余的事并且在最后检查结果是否达标。现在主流 Agent 平台都已经开始支持这类 skill 文件。代码领域有大家熟悉的 codex skill设计领域有风格提取 skill、审美评估 skill还有很多人自己写 skill 再分享出来给别人用。生态里的 skill creator 工具本质上也是在帮你把一段高质量对话固化成可复用脚本。1.3 为什么 Skill 是设计效率的分水岭没有 skill 的 AI 使用方式相当于每次请一个新人设计师你得重新介绍项目背景、重新交代风格偏好、重新解释什么叫“高级感”。有了 skillAI 就像你团队里的老成员上班就知道要干什么、按什么标准干、干完怎么交付。我实测下来的感受是同样一个设计改版任务用普通 prompt 做每次产出偏差很大把经验固化成 skill 之后输出稳定度提升非常明显尤其在多页面、多轮修改、多人协作的时候。后面我分享的三个 skill就是从“临时对话”走向“可复用工作流”的三个不同切面。2. 第一个 Skill把审美直觉固化成 taste skill2.1 Taste Skill 解决什么问题我先问一个问题你能不能把自己对“好看”的定义说给 AI 听大多数人的答案是“我看到就知道但你让我说我说不出来”。这就是审美直觉它存在于你的脑子里但没法直接传递。taste skill 要做的就是把这种直觉翻译成 AI 能执行的规则。不是抽象地说“要有高级感”而是拆解成可验证的元素留白是否充足、对齐是否有规律、色彩数量是否克制、字体层级是否清晰、视觉重心是否突出。这个 skill 适合的场景很多你拿到一张 AI 生成的图觉得“差点意思”但说不清差在哪你要审设计师的稿想给出一致且有说服力的修改建议你想给团队定一套统一的视觉验收标准。说白了taste skill 就是一个“会审美的 AI 评审委员会”。2.2 一个可复用的 taste skill 文件长什么样我直接给你一个能抄的版本。先建一个文件我习惯用 YAML 格式因为结构清楚、AI 容易解析name: taste-design-review description: 对设计稿进行审美层面的结构化评估输出可执行修改建议 role: 你是一位有十年经验的设计总监擅长版式、色彩和视觉层级 inputs: design_image: 待评估的设计稿 brand_keywords: 品牌调性关键词例如科技、克制、温暖 rules: - 优先检查布局对齐、视觉层级、留白、色彩一致性 - 每次最多输出 5 条建议不贪多 - 每条建议必须具体到元素和数值禁止说增强氛围感这种空话 - 不做与设计无关的评价 steps: 1. 用 20 个字描述对画面的第一印象 2. 检查布局结构列出对齐问题 3. 检查视觉层级判断主次关系是否清楚 4. 检查色彩与字体对照 brand_keywords 找冲突 5. 汇总为 5 条可执行建议按优先级排序 output_format: markdown你可能会问为什么这样写就比“帮我看看这张图好不好看”有效因为 AI 的所谓审美本质上是对规则的匹配和组合。你把“对齐、层级、留白、色彩一致性”这些维度和检查顺序写死它就不再是泛泛而评而是像一个真实的设计评审一样按清单走。2.3 Taste Skill 怎么接进工作流实际用的时候我会把这份 skill 和生图流程串在一起形成一个小的检查循环先用普通 prompt 生成设计初稿。把初稿贴给带 taste skill 的 AI让它按规则输出评估。根据评估结果把最关键的 1 到 2 条问题反馈回生图 prompt重新生成。这里有个经验不要一次把 5 条建议全塞回生图 prompt模型处理不了那么多约束改两三条反而最稳。等这一轮稳定了再迭代下一批问题。另外taste skill 里的 brand_keywords 要写得越具体越好。写“年轻化”没什么用写“低饱和蓝绿色、无衬线字体、大量留白、避免卡通元素”就非常有指导性。因为它不再是形容词而是可执行的约束集合。3. 第二个 Skill用 Archify 式 Style 提取锁死统一风格3.1 场景改版、多页面一致性、品牌衍生做设计的人都知道最痛苦的不是出一张图而是出一套图。一旦产品有六个页面、八张推广图风格就漂得像不同人做的。这个问题靠 taste skill 解决不了因为它侧重“审美评估”缺少“风格锚点”。这时候就需要第二个 skillstyle-extract我习惯叫它 Archify 式风格提取。Archify 这类工具的思路就是让 AI 从现有界面、竞品截图、历史项目里提取设计 token设计变量把风格量化成数据。你不一定非要用一个商业工具自己写一份 skill 也能实现七八成的效果。适合的场景包括给老产品做改版但想保留品牌基因为多个页面生成统一风格的视觉稿需要快速分析竞品的配色和排版规律在做品牌衍生海报时保证所有物料看起来是一家人。3.2 实操提取设计 token 四步法下面是我用多模态 AI 配合 skill 文件做风格提取的操作流程核心就四步。第一步收集样本图。尽量选择视觉质量高、风格明确的图至少三张最好不同场景各一张比如首页、详情页、活动页各截一张。第二步让 AI 提取色彩体系。直接给指令“提取这张图的色彩主色、辅助色、点缀色用十六进制色值输出并标注每个颜色的大致占比。”通常第一次输出会有偏差你可以要求它把颜色数量控制在 3 到 5 个。第三步提取排版规律。问 AI 四件事使用的字体大类衬线/无衬线、字号层级大到小、间距规律是不是按 8px 栅格、内容密集程度。第四步把上面所有结果整理成一份统一的 style token 文件。格式可以很自由我通常用 Markdown 或 JSON## Style Token - 主色#123456 - 辅助色#789ABC - 背景色#F5F7FA - 主字体无衬线标题 24px正文 14px - 间距8px 栅格 - 圆角12px - 留白偏好高 - 禁止渐变、描边、卡通插画这份文件以后就是你的“风格宪法”。不管生成哪个页面都把这份 token 贴在 prompt 开头AI 的风格漂移问题能解决一大半。3.3 Skill 的调用清单每次调用 style token 做生成时我建议固定一个流程写在 skill 文件里读取 style token 文件不可忽略。生成任何新画面时先检查是否包含主色、辅助色、背景色。字体和间距严格按 token 执行。输出前自检与 token 的差异点在哪里如果差异超过两处重新生成。最终交付时附一份“风格一致性说明”列出画面中使用了哪些 token。我自己的体验是加了这份“输出前自检”之后多页面统一性提升了一个量级。这其实是把品控环节内置到了 AI 工作流里不需要人一张张盯着看。4. 第三个 Skill用 Agent Skill 做设计交付与自动化改版4.1 从“让 AI 画图”到“让 AI 干活”前两个 skill 本质上还是在“让 AI 产出内容”这一步我们更进一步让 AI 自己拆任务、自己执行、自己检查也就是 Agent Skill 的思路。这也是 codex skill、agent skill 这些词在开发者圈子里火起来的原因——不再把 AI 当成画图工具而是当成一个能独立推进任务的小助手。放到设计场景里这意味着什么你给它一个任务“把这张活动海报改造成一个三页面分享套图”它自己会拆解成三步分析原海报的风格 token设计三个页面的布局变体执行视觉一致性检查。如果它检查不过还会自己改不用你在旁边反复指挥。Agent skill 适合图纸量大、重复劳动多的活儿。比如一次做 20 张社交卡片、批量调整一批旧图的尺寸和配色、把一个活动的视觉方案快速复用到一个全新主题上。这些都是可以用脚本式步骤固化下来的流程。4.2 一个 Agent 化 Skill 的配置思路我这里不贴完整代码因为各家工具差异很大我更多是想分享底层的配置思路。这个 skill 的文件结构一般会包含下面几块task-decompose把输入任务拆成子步骤。token-load加载目标项目或品牌对应的 style token。create-options每个子步骤生成多个方案供人选择。self-check按 taste skill 的规则做质量检查不合格自动重来。review-gate人为确认节点确认后才进入下一步。deliver输出最终交付物清单包括文件说明、参数位置、修改记录。配置 agent skill 时最重要的一个原则是自动化程度越高越要设置护栏。我通常在 skill 里写明“禁止删除源文件”“禁止自动对外发布”“涉及品牌信息的内容先输出草稿待确认”“每轮改动前先记录改动原因”等。这不是限制 AI 的创造力是保证它在可控框架里干活。4.3 风险控制与人工复核Agent Skill 能提升效率但也会引入新的问题AI 可能一本正经地做了它认为对、但实际不符合需求的事。所以我在设计这个 skill 的时候故意留了两个人工确认节点。第一个节点在方案选择阶段。它拆完任务、给出一轮方案后必须让我确认方向再继续深挖。第二个节点在交付阶段。所有内容输出完我会让 AI 附上一份“改动摘要”写清楚每个子任务的执行结果、用了哪些 token、哪些地方自己做了决定。这样即使中间哪里不对我也能顺着检查记录追回去。我的体会是Agent skill 真正的价值不是全程无人参与而是把重复性劳动压缩掉让人只在最关键的两个节点做判断。效率高又不出大错这才是能长期用下去的形态。5. 实战踩坑记录与自查清单5.1 四个最容易踩的坑我用自己的项目实践加上和一些 AI 设计爱好者交流总结出这四个高频问题可以说是新手必踩。第一个坑skill 写了但没生效。多半原因是角色设定太少、规则太含糊。比如只写“你是设计师”AI 不知道你的水平、立场、偏好。解决方案是给角色加具体背景比如“你有十年电商大促视觉经验”规则里多用“必须”“禁止”“每次只输出”这种明确指令。第二个坑上下文太长模型把规则忽略了。很多人在多轮对话里越聊越长AI 到后面早忘了 skill 里的规则。解决方法是把最重要的规则放在每次请求的开头而不是依托对话记忆。尤其是 style token每轮生成都得重新贴一次。第三个坑风格漂移。这个在第二节里提过根因是只在第一轮注入风格定义后面生成全靠模型“自觉”。想解决就把风格 token 当押金一样天天带着每一轮生成都附上。第四个坑把 AI 的建议当圣旨。taste skill 输出说“要增加留白”AI 就去把画面弄成一堆空白。你要记住AI 是在帮你做选项不是在替你拍板。它的建议要过一遍你的脑子结合真实业务目标来采信。5.2 Skill 开发小技巧借鉴 Skill Creator 的心法我看到很多朋友首次接触 skill creator 相关工具时总想着一步到位写出一份完美 skill。其实不用最好的起点是你自己的一次成功对话。具体做法是翻你过去和 AI 聊得最顺畅、产出最满意的那一次记录把它拆开看——用了什么角色设定、什么措辞、什么顺序、哪些话对结果影响最大把这些提炼出来写成规则就得到了一份私有 skill 的第一版。之后再慢慢迭代。还有两个小技巧skill 文件建议用 Git 管理改坏了能回滚每次修改只改一个变量比如这次的“rules”改了下次看效果不要同时改一堆东西否则根本判断不了是哪里起了作用。5.3 一份可复用的开发自查清单最后送你一份我在写每个 skill 之前都会过一遍的清单照着做能避开大部分坑角色是否足够具体是否说明背景、经验和任务边界规则里是否有明确的“必须”和“禁止”项执行步骤是否按顺序编号AI 是否知道先做什么再做什么是否定义了输出的格式和长度限制是否安排了自检环节是让 AI 自己检查还是等人来查是否在关键节点设置了人工确认是否把风格 token 或品牌信息加入到了每次生成的约束里如果这个 skill 给别人用对方只读文件能秒懂吗这份清单不局限于视觉设计。你把它套用到内容创作、编程、科研辅助、数学建模这些场景同样管用。因为 skill 的核心逻辑是一致的把一次好实践变成可复用、可传授、可升级的资产。拿我自己来说真正让效率起飞的不是某个 AI 能画多好而是我手头积累的那十几份 skill 文件。它们就像我自己的“设计 SOP”换了项目、换了工具、换了团队这些能力还是跟着我走。所以我的建议很简单别再满足于“会用 AI 做图”试试把你的一次好对话固化成一份 skill。攒下第一份的时候你会觉得麻烦攒到第十份时你已经甩开身边大多数人了。