曾在 Apple 做了 12 年 UI/UX 的 设计师 Anshu Chimala，经常在 X 上发 AI 设计的 demo，发完第一版，还会持续迭代、研究去除 AI 生成的痕迹。他的 Build in public 这个探索曲线分享出来，里面有很多可以值得学习的细节。
他过去在 Apple 的工作经历，长期带一个研发团队做探索性的未来 AI 产品的研究和原型，他开玩笑地说，跟 UIKit、SwiftUI、Xcode 缠斗把命都磨短了几年，但就是这份精进的、钻研的经历，成为他探索 AI iOS 端设计的一条基准，模型出的界面达没达到 Apple 那个水准、转场算不算流畅，他一眼能看出来，也知道该往哪个方向调试。
他在 X 上传播最广的一条帖子是 6 月 11 日发的，Claude Fable 5 发布当天的实测。做的是一个卡路里追踪 app，他本身健身和称重记录成瘾，什么都要称重录入，但市面上的追踪 app 全是丑的 React/Flutter slop，记一条要点好多下，他想要一个把所有吃的直接丢给 agent 的 iOS 应用。
第一版 iOS App，一个 prompt 就生成出来了，而且不停留在 mock 层面，整个 app 从头到尾都用 AI 真做出来了。Nano Banana 做图片生成，配了自定义的 Metal shader 特效，agent 部分 Fable 搭建，包括人格设定、持久记忆、工具调用和 token 流式输出，连 Anthropic 的 prompt caching headers（提示词缓存请求头，配好之后重复的上下文按缓存价计费，能省不少 token 费用）都自己配好了，他说从没见过哪个模型把这一步做对。营养数据接的是 USDA 数据库，USDA 是美国农业部，它的公开食品数据库收录了海量食品的营养成分，是查营养数据的权威来源。
他贴了完整的 prompt 原文：
做一个 iOS 卡路里追踪 app。设计要超级干净，极简，design-forward，审美要到位。每个细节都要抠到极致，每个交互都要让人用起来觉得特别舒服，可以写自定义的 Metal shader，自定义 UI 组件，让每一处都流畅、独特、有惊喜感。
我的构想是做成一个统一的对话式体验。可以按天翻页，每一天就是一个和 agent 的对话线程。agent 要配好查营养数据库和我的历史记录的工具，能更新食物追踪。整体感觉要私人、友好。
食物条目要好看，能理解食物的内容并生成风格统一的精美图片，像影棚拍出来的质感。可以用 Gemini 或 OpenAI 这类小而快的生图模型，自己去查。我想能从对话线程缩放出来，用这些图片组成一条可滚动的时间线，每顿饭对应一张图，整体感觉像高端杂志画册。每个转场都要流畅，手势要有弹性，Apple 液态玻璃那种质感。用 shader 特效让转场看起来特别，有记忆点，让图片生成过程好看，甚至让聊天和 token 流式输出的体验也独特有趣。把交互流程想清楚，该展示的信息到位，屏幕不能乱，不能太技术化。
大部分事情按你自己的判断来，别来问我，除非真卡死了。按你的理解去发挥，给我看你的能力上限。端到端做完，能在模拟器里验证所有交互、转场和功能就去验证。需要什么资源和文档随时去网上找，别因为 iOS 默认方案好写就什么都用默认，往深了挖，每个细节都花心思。玩得开心。
先 git init，边做边 commit，写文档保持条理，别丢了上下文。代码要干净、模块化、好维护。
后来复盘这个 prompt 的写法：想清楚了自己要什么，只写真正在乎的部分，其余刻意留白让模型发挥。他明确要求对细节、转场和 "delight" 极致苛刻，要求模型自己在模拟器里验证所有交互。他还在 prompt 里给模型安排了一个工作习惯，边做边写文档、随手 commit。因为长任务跑久了，模型的对话上下文会被压缩，压缩之后前面的细节就记不全了，有文档在，模型回头翻一眼就能接上思路。 文档不仅要记做了什么改动，更要记下当初的意图，想把这个功能做成什么样，光记结果，之后再看就不知道为什么这么做了。
第一版的工具和设置也很简单，终端里跑 Claude Code，没有任何 skill 和插件，模型用 Claude Fable 5 开 xhigh effort。他用的是 \$200 的 20x 套餐，这个项目消耗了大约 5% 的周额度。从一个完全空的文件夹开始，Mac 上装了 Xcode 和 iOS SDK，但 Claude 实际没打开过 Xcode，全程用 xcodebuild、xcrun 这些命令行工具驱动编译和模拟器。
但第一版出来后，明显不像人设计的，浓浓的 AI 味，满屏是最常见的、那种没有个性的、通用款渐变底色，布局也乱，转场还带着跳帧。有人在评论里说这是 AI slop。
看到设计大佬用 Fable 生成的第一版设计，是不是感觉和我们平时用 AI 生成差不多，大家用 AI 做设计，是同一个起点。他把第一版设计分享出来后，也收到了很多反馈：像 AI slop，渐变太通用、布局别扭、转场有毛刺；另一大批人是追着他要 prompt 和工作流的细节。
面对这些反馈，他直接把这些不满意的问题原封不动转述给 Claude，发了第二个 prompt，主攻去除 AI 味：
X 上有人抱怨这看着像 AI slop，嫌渐变太通用、有视觉毛刺、布局别扭。所以你要玩命证明他们错了。把设计 100x，每个像素完美，每个转场逐帧无瑕。
想办法仔细审计每一帧每个像素，做到顶级 1% 人类设计师水准，够格拿 Apple Design Award。
一切手段都可以上。想从头写自己的组件就写。为了这个写一个游戏引擎都行。写世上最狠的 Metal shader 也行。做到 Alan Dye 会亲自用的程度。不许出错。
中途他还发了两条 steering 插话指令："换一个能正确处理透明度的模型。网格视图的交替布局有点俗，简化，更以图片为中心"，以及 "卡片和网格之间瓷砖要流畅过渡，做漂亮的自定义视图和转场，别用无聊的 iOS 默认 view controller 转场"。
模型拿到这些指令之后，Agent 自己装了 idb 操作 iOS 模拟器模拟鼠标事件，用 ffmpeg 录屏抽帧逐帧检查动画和转场，发现卡顿和跳帧就自己写 Python 脚本做像素级的差异分析来修复，一直修到转场流畅、看不出是 AI 做的为止。这个过程一共 4 到 5 轮迭代，大约 1 到 1.5M token，跑了约 4 个小时，才跑出来，其中他实际参与不到 5 分钟。
两次实测的有效经验
给 Claude 搭一个像素级的美学自查循环
第二遍生成效果好了很多，因为模型不用再操心架构，全部注意力都放在美学上。"pixel-perfect，每个转场逐帧无瑕" 是最重要的一条指令，这条逼着模型去录屏、抽帧，一直修到流畅。让模型自我检查生成的设计，这个思路非常重要，贯穿了两个 prompt：第一个 prompt 里是 "在模拟器里验证所有交互"，这是杠杆最大的一条；第二个 prompt 把验证标准升级到帧和像素级，模型就做出了录屏、抽帧、逐帧修的动作。 检查标准更细，模型就会把自己修的更细。
每次他在 X 上发 demo，评论区总会被问同一类问题，"为什么模型给你做出来的这么惊艳，我一上手就只有千篇一律的 slop，你是不是用了别的模型。" 他的回答一直一样：模型都一样，大多数人只用到了 AI 创造力的 1%。
被问得多了，他索性发了一篇客座长文《How to turn your AI into a world-class designer》，把方法论都分享了出来。框架上他参考了经典的 Double Diamond 双钻设计流程，按 AI agent 的工作方式把它改造成 Discover、Define、Deliver 三个阶段，共包含了 8 个技巧，整篇内容非常深刻。
next-token 预测
训练出了最保守的设计
LLM 的工作方式是 next-token 预测，每一步都依赖前面的序列，从上百万个训练样本和人类反馈评分里预测概率最高的下一个 token。这个训练方式教出来的模型挑的是所有人都满意的安全选项。具体到设计上，每遇到一个设计决策，用什么配色、元素怎么排、动效怎么做，模型给出的都是所有人偏好的最大公约数，是终极版的 design by committee （直译就委员会设计），大概意思是每个人的意见都照顾到，那么，生成出来的方案就没有个性了。
好设计恰恰相反，从感受出发，追求唤起用户的情绪反应，敢打破惯例，用出人意料的选择制造记忆点。LLM 每一步都在做概率最高的预测，好设计要的恰好是概率不那么高的那些选择。不过如果能让模型跳出最安全的预测，就能触及一大片多数人从来没碰过的创意空间。
Anshu 说这个体会来自他在 Apple 带领人类设计师的经历。团队早期也会反复回到自己熟悉的界面模式里，后来靠更严格的流程和新方法才学会往可能性的边缘去探索，把细节打磨到 Apple 的品质线。离开 Apple 之后，他一直在把同样的思路搬到 AI agent 上。这几年 AI agent 已经强到几个小时就能做完他团队过去要花几周的工作，而且只要引导的方法对，能做出跟市面上完全不重样的设计。下面的技巧，是这套引导方法的具体拆解。
用一串随机字符打破千篇一律
•Discover 阶段，先把探索面铺宽。给模型一个普通 prompt，比如 "给我做一个效率类 app 的落地页"， Claude 出来的四个实例几乎一模一样，紫色渐变，文字在左，图在右，同一套结构。
加一句 "Make every design decision completely at random"（每个设计决策都完全随机地做）也没用，配色变了但结构和比喻还是同一个套路，连陶艺意象都在反复出现。模型预测出来的 "随机" token 其实并不随机。Anshu 用 Sakana AI 发表的 String Seed of Thought （思想的种子字符串）技术，具体做法就是在 prompt 里多写四行流程：
给我做一个效率类 app 的落地页。按这个流程来：
先用 shell 脚本生成一长串随机的字母数字。
根据这串字符来定创意方向（配色、布局、排版等）。别只看表面，从里面找子规律、特殊数字，任何能给你灵感的点。
用你自己的判断把这个方向落地，做好看。
不要把这串字符显示在设计里，它只是你的灵感来源。
随机字符不用你自己想，模型自己跑脚本生成，每次运行出来的都不一样。这串字符本身没有任何含义，它的作用是给模型的设计决策换一个真随机的起点。不过这一招只解决 "每次生成都一个样" 的问题，配色、字体确实各不相同了，典型的 AI 味无法根除，这些结果仍然是典型的 AI 味结构样式：文字在左、CTA 按钮在下、顶部一条导航、图形在右，真正去 AI 味要靠后面几个技巧接着做。
让 prompt 更大胆更有野心
不写 "给我一个落地页"，给模型一个明确的创意方向，让它每一步预测都有确定的目标可以靠拢，而不用从概率分布里去猜最安全的那个方向。Anshu 给了三个大胆 prompt 的例子：
给我做一个效率类 app 的落地页，大胆的像素风主题加惊艳的画面。每个区块都要像电子游戏的一帧画面，但整体仍然是一个能用的落地页。
给我做一个效率类 app 的落地页，放进一个等距视角的活的 3D 城市里，不同功能用不同的街区或建筑来表示。
给我做一个效率类 app 的落地页，极端不对称的布局，刺眼的配色和排版，让人不舒服的留白。打破所有规则但还得好看。
想出好点子本身是最难的部分。如果光拿 AI 生成的点子再喂回 AI，别人也能做一样的操作，很难做出独特的设计。用一套和 AI 一起找创意的三步流程：先让 AI 把方向铺宽，再按自己的口味收窄，最后让 AI 写出执行用的 prompt。
第一步，让 AI 列一堆粗略的创意方向：
我想给产品找一个大胆独特的设计语言，尽量多列想法，每个只给简短的描述，要广不要深。
第二步，从里面挑一个喜欢的方向，根据自己的审美偏好反复细化。比如他选了工业控制面板方向，给的反馈是这样的：
我想象的是有触感的东西。按钮按下去有咔哒感，声音好听。
一开始我脑子里是卡通拟物风，但我觉得俗，别走这个方向。
要有一套成体系的组件和小细节，把这个感觉落地但不要过头。
灰渐变会无聊，要更多质感。能不能保留控制面板的感觉同时加点颜色？
根据我的口味把这个方向打磨设计。
第三步，迭代到满意之后，让 AI 写出执行用的 prompt：
帮我写一个简洁的 prompt，让 AI agent 用它搭一个初版页面。
如果只是把 AI 生成的点子原样再喂回 AI，谁都能做同一套操作。但当你主动用自己的审美去引导方向，最终做出来的东西只有你才做得出来。不要怕尝试听起来不靠谱的点子，反而觉得 "这个不可能行" 的时候说明方向对了，试了不行就扔掉，但把 prompt 存下来，等新模型出来再跑一遍，这样能知道自己有没有跟上最新模型的能力边界。
用子 agent 建立正反馈循环
•从这里进入 Define 阶段，目标是让初稿有自己的个性和辨识度。让同一个 agent 看着自己写的代码说 "改好一点" 不太有用，它在审自己的代码和之前的决策过程，没办法跳出来看全局。解法是拆成两个角色：一个便宜、快的模型干活画设计，一个贵的强模型当设计评委。 评委只看截图，不看代码，不看实现细节，不看之前的迭代记录，每次在全新的上下文里只对着截图给反馈。
完整的设计评委 prompt：
我要你改进这个设计。用一个 Fable 5 子 agent 当设计评委来决定改什么。
每轮迭代按这个流程：
截一张当前设计的图。
在全新的上下文里只把截图发给评委，不给代码、实现细节和之前的迭代记录。
让它评估这个设计追求的审美方向，想象顶级设计工作室会怎么执行这个方向，列出最大的差距。
最后给一个 10 分制评分，衡量离工作室级质量线多远。
评委 prompt 里要写：整体结构构图和细节都要看；警惕过度、明显 AI 生成的模式并扣分；反馈要具体不要空泛；要大胆有主见不走安全路线。
评委独立打到 9 分以上工作才算完成。这条标准不要写进评委 prompt，保持客观。每轮用同一个评委 prompt。
成本上，Fable 占总输出 token 不到 10%，因为它只需要看图说话给几条反馈。如果让 Fable 自己从头重新设计整个页面，成本至少翻倍，时间也更长。
还有几条实操建议：评委的标准要尽量清晰客观，"看着是否好看" 太主观，会导致每次结果差异很大；好一点的写法是给一个一致的评判框架和质量标杆；最好的做法是放几张真实的优秀设计截图让评委对着排名打分，这种指令具体且客观。可以提供参考图作为质量基线，但要说清楚是 moodboard 不是抄袭目标。
循环的退出条件要设得小心点，类似前面 prompt 里 "评委打到 9 分才算完成" 那条，标准定得太高评委永远不满意，agent 就会没完没了地改下去、白白烧 token，建议先只跑一两轮，看设计是不是在往好的方向收敛，再决定加不加轮数。模型分配上，评委用大模型，参数多通常审美判断和创意分布更广，执行用小模型，但小模型也不能太小，得能把设计方向执行到位。
用图像模型 生成更丰富的设计
AI 做设计的时候很少主动用图片，默认用代码画渐变、形状和基础图案，这些一看就是 AI 生成的。解法是直接告诉 agent 去用生图模型。
可以这么写 prompt：
这个设计有点素。用图像生成加点个性。考虑把 shader 或 3D 效果和图片结合，做更有趣的视觉。
生图用 OpenAI API key（只在本地用，别存进代码或产品里）：sk-a1b2c3d4…
在浏览器里逐帧确认效果没问题。
图片和特效能迅速给设计注入个性，让它不那么一眼 AI，因为这已经超出了表面功夫的层次。
用视频生成做更高级的动效
视频生成模型现在已经非常强了，但大多数人只拿它们做 UGC 广告或者玩梗。其实视频模型在日常设计里也能出奇效。这里介绍使用到的两种用法。
•做惊艳的动态图形。 生成一段循环片段，配纯色背景，然后用色键（类似绿幕）或视频 matting 模型去掉背景，叠到 UI 上当动效。这样能做出玻璃折射、焦散光、复杂物理运动这种代码很难实现的效果。
他拿之前的设计跑的 prompt：
能不能把页面上的图片换成一段更有意思的循环视频？让水晶碎裂开、缓慢旋转。要有很棒的玻璃质感，折射页面背景、投下光影。
为了折射效果可信，先在页面背景色上渲染视频（把折射烘焙进去），再用视频抠像模型去掉背景。
用这把 fal.ai 的 API key：sk-a1b2c3d4…
自己去找合适的新款视频生成和背景去除模型。
效果比纯代码丰富得多：玻璃折射、焦散反射、复杂的物理运动，都是写代码很难做到的。
•做流畅的状态转场。 很多视频模型能在两张关键帧图片之间生成过渡视频，把生成的片段绑定到用户的滚动或滑动手势上，就能做出交互式转场。
他用一个 prompt 做了一个行李箱的滚动交互 demo：
做一个行李箱的 demo 页，用视频模型在几个屏幕之间做可交互的转场。每屏行李箱一个状态，竖直方向的运动要适合滚动：
一开始行李箱悬浮在高空。
然后落地弹开。
最后里面的物品从上方整齐落进去。
先用你的生图 skill 生成初始帧，再生成从这一帧动到下一状态的视频片段。用上一段的末帧接着生成下一段保证无缝，用户滚动时逐段播放。
用这把 fal.ai key：sk-a1b2c3d4…
选物理和一致性强的视频模型，比如 Seedance 2.5。
转场跟着用户的滚动走，交互感很强，让人忍不住继续往下翻。
删掉不增加价值的元素
•来到 Deliver 阶段，把独特的设计打磨成能交付的成品。 AI 做设计只会做加法，几乎不会主动做减法，页面上什么都要解释一遍，堆一堆没有实际用途的视觉元素，这是 AI 生成设计最明显的问题。克制的设计反而显得高级和有品味。
用他的卡路里追踪 app 举例。初版他在 prompt 里已经明确要求 "clean， minimalist design"，结果不算差，但有很多不加分的成分：背景和进度条上有粉色发光效果，文字上随机带着颜色和高亮，食物列表用了大量标签和留白但图片已经传达了这些信息，自定义的按钮和输入框反而没有 iOS 原生组件好看。
他给 Claude 的指令是三条：
把布局简化成以图片为中心的网格。
去掉渐变、发光和不必要的容器。
瞄准真正的极简，要有 Apple 原生的质感。
改完之后，设计就有了自己的态度，让视觉元素更突出，文字更小更紧凑，多余的颜色和渐变没了。经常是放的越少，用户越能把注意力集中在重要的内容上。
今天的 AI 模型不会自己做这些选择，做减法等于删代码、推翻之前的决策，模型的训练里不鼓励冒这种险，需要人来看一遍设计，问自己屏幕上什么是真正需要在那里的。
其他还有 2 个技巧是 "去掉 AI 痕迹"、"文案亲手重写"，也是最难的部分，残留的 AI 痕迹，得设计师本人一处处挑出来改掉；文案最讲语感，也一句句亲手重写。
设计师，还是很有必要的。
本文素材与配图来自 Anshu Chimala 的 X 帖子（2026-06-11）与 Lenny's Newsletter 客座长文《How to turn your AI into a world-class designer》（2026-09-01），封面取自该文的创造力分布示意图。
