案例：AI 辅助产品设计系统
案例来源
vigorX777/product-design-system — 223+ Stars，MIT License
产品背景
解决什么问题
产品经理在日常工作中面临的痛点：
- 设计规范靠人记忆，执行不一致
- 原型制作耗时长，重复劳动多
- 团队知识散落各处，难以沉淀复用
- AI 工具用起来像"偶尔问一下"，没有形成系统化工作流
核心思路
将产品设计规范结构化为 Markdown 文件，作为 AI 的 System Prompt 加载，让 AI 在遵循团队规范的前提下辅助产品设计全流程。
架构设计
两层架构
┌─────────────────────────────────────┐
│ 通用层 (Universal) │
│ 文件结构 · 文档标准 · 工作流程 · 评审 │
├─────────────────────────────────────┤
│ 产品专属层 (Product-Specific) │
│ 业务术语 · 领域约束 · 品牌设计 Token │
├─────────────────────────────────────┤
│ AGENTS.md (入口) │
│ 统领 AI 行为的主控文件 │
└─────────────────────────────────────┘设计亮点：通用层可以跨团队复用，产品专属层按项目定制。新项目只需 Fork 仓库，修改专属层即可快速启用。
文件结构
product-design-system/
├── product-context/ # 知识库
│ ├── 01-原型设计规范.md # 原型技术标准、设计 Token
│ ├── 02-设计原则库.md # 可复用的设计原则
│ ├── 03-交互模式库.md # 可复用的交互模式
│ ├── 04-文案规范.md # UI 文案标准
│ ├── 05-业务术语表.md # 业务术语统一定义
│ ├── component-templates/ # 组件模板
│ ├── design-decisions/ # 设计决策记录 (ADR)
│ └── retrospectives/ # 复盘记录
├── AGENTS.md # AI 行为主控文件
└── README.md设计亮点拆解
1. 规范即 Prompt
最核心的创新点。将设计规范同时作为：
- 给人看的文档：团队成员阅读学习
- 给 AI 看的上下文：AI 自动遵循规范
这意味着维护一份文档就同时服务了人和 AI，消除了"文档和实际操作脱节"的问题。
2. 标准三件套
每个需求强制产出：
| 交付物 | 格式 | 特点 |
|---|---|---|
| 交互原型 | 单文件 HTML | 零依赖，浏览器直开 |
| 需求文档 | Markdown | "最终态"策略，只看当前版本 |
| 变更日志 | Markdown 表格 | 完整追溯变更历史 |
执行顺序：先改原型 → 再更新文档 → 最后追加日志。
3. 纯 HTML 原型
设计规范中明确定义了 CSS 设计 Token（品牌色、字体层级、间距等），AI 生成的原型自动应用这些 Token，保证视觉一致性。
优势：
- AI 直接可生成，不需要学习 Figma API
- 可交互，比静态原型更直观
- 单文件交付，没有环境依赖
- 版本管理天然由 Git 支持
4. 自进化知识库
知识库不是静态文档，而是通过复盘机制持续生长：
实际项目 → 复盘 → 提取模式 → 入库 → AI 下次设计时参考关键治理规则：
- 每条知识必须关联真实案例（不接受纯理论）
- 半自动更新（AI 建议 → 人工确认 → 写入）
- 产品专属规则优先级最高
5. 双触发复盘
| 触发方 | 时机 | 说明 |
|---|---|---|
| AI 主动 | 检测到无实质变更/重复模式 | AI 分析 Changelog 后建议复盘 |
| 人工主动 | 需求完成/Sprint 结束 | PM 手动触发 |
复盘自动读取 Changelog，生成结构化的经验总结，提取可入库的知识条目。
可复用的经验
适合借鉴的场景
- 中小团队的产品设计标准化
- AI 辅助的需求管理和文档生成
- 团队知识库的建设和维护
- 任何需要 AI 遵循特定规范的工作流
实施建议
- 渐进式采用：不需要一次搭建完整体系，先从 AGENTS.md + 一两个规范文件开始
- 持续迭代规范：规范本身也需要迭代，根据 AI 的实际表现不断优化
- 团队共识：确保团队理解并认可这套工作方式
- 平衡自动化与控制：AI 辅助但不替代人的判断
启发与思考
这个项目展示了一个重要趋势：AI Native 的工作方式不是用 AI 取代人，而是重新设计人和 AI 的协作界面。 通过将规范结构化、流程标准化、知识显性化，让 AI 成为真正高效的"队友"而非偶尔使用的工具。