AI 辅助产品设计工作流
概述
AI Native 的工作方式不是"偶尔问一下 ChatGPT"，而是将 AI 深度嵌入到产品设计的全流程中。本文介绍一种经过实践验证的 AI 辅助产品设计工作流。
核心理念：规范即 Prompt
传统的产品设计规范是写给人看的文档。在 AI Native 的工作方式中，这些规范同时也是 AI 的 System Prompt——文档驱动 AI 行为。
传统方式：规范文档 → 产品经理阅读 → 人工执行
AI Native：规范文档 → 加载为 AI 上下文 → AI 按规范执行实践方法
- 将设计规范写成结构化 Markdown
- 在 AI 工具（Cursor、Claude Projects、ChatGPT 等）中加载为上下文
- AI 在生成原型、需求文档时自动遵循团队规范
带来的变化
| 维度 | 传统方式 | AI Native 方式 |
|---|---|---|
| 规范执行 | 依赖人的记忆和自觉 | AI 自动遵循 |
| 一致性 | 随着团队扩大而降低 | 始终统一 |
| 新人上手 | 需要长时间学习规范 | 加载规范后立即可用 |
| 规范迭代 | 更新文档后需要再培训 | 更新文件后 AI 立即生效 |
AGENTS.md 模式
AGENTS.md 是一个入口文件，统领 AI 在整个产品设计流程中的行为。它定义了：
- 文件夹结构和组织方式
- 文档标准和格式要求
- 工作流程和执行顺序
- 知识库的使用和更新规则
- 产品特有的业务规则
markdown
# AGENTS.md 示例结构
## 通用规则
- 文件组织规范
- 文档格式标准
- 变更日志格式
## 原型规范
- 技术标准（纯 HTML，无外部依赖）
- 设计 Token（颜色、字体、间距）
## 知识库规则
- 如何引用现有知识
- 如何提议新增知识
## 产品专属规则
- 业务术语定义
- 特殊约束条件可复用的思想
AGENTS.md 模式不仅适用于产品设计，任何需要 AI 遵循特定规范的场景都可以采用——代码开发、内容创作、客服话术等。
标准三件套
每个需求/功能产出三个标准化交付物：
1. 交互原型
用纯 HTML + CSS + JS 编写的单文件原型，零外部依赖，浏览器直接打开。
为什么不用 Figma？
- AI 可以直接生成可交互的 HTML 原型
- 不需要安装任何工具即可预览
- 可以直接用于需求评审和用户测试
- 降低了原型制作的门槛和成本
2. 需求文档
采用"最终态"策略——文档始终反映当前最新设计，历史变更通过 Changelog 追溯。
好处：
- 阅读者无需理解变更历史就能理解当前需求
- 减少了文档维护的复杂度
- AI 更容易理解和更新"最终态"文档
3. 变更日志（Changelog）
表格格式的变更记录，追溯需求的演化过程。
markdown
| 日期 | 版本 | 变更内容 | 变更原因 |
|------|------|----------|----------|
| 2026-03-15 | v1.1 | 新增批量操作 | 用户反馈效率低 |
| 2026-03-10 | v1.0 | 初始版本 | 新需求 |执行顺序
修改原型 → 更新需求文档 → 追加 Changelog始终保持三件套的同步一致。
两层架构
将设计规范分为两层，实现复用和定制的平衡：
通用层（Universal Layer）
跨产品可复用的规则：
- 文件组织结构
- 文档格式标准
- 工作流程规范
- 评审机制
- Changelog 格式
产品专属层（Product-Specific Layer）
针对特定产品的定制规则：
- 业务术语表
- 领域特有约束
- 品牌设计 Token
- 特殊业务流程
通用层（团队共享、跨项目复用）
└── 产品专属层（每个产品独立定制）
└── AI 在这两层规则下执行任务如何开始
第一步：梳理你的设计规范
把团队现有的设计规范、交互模式、文案标准整理成 Markdown 文件。
第二步：创建 AGENTS.md
编写入口文件，定义 AI 的工作规则和引用关系。
第三步：在 AI 工具中加载
在 Cursor、Claude Projects 或其他 AI 工具中，将这些文件作为上下文加载。
第四步：开始 AI 辅助设计
让 AI 基于规范生成原型、需求文档，并在过程中不断优化规范本身。
参考项目
- vigorX777/product-design-system — 一个完整的 AI 辅助产品设计系统实现，包含原型规范、设计原则库、交互模式库等