AI 辅助 UI 设计迭代工作流
从构思到 UI 设计的完整闭环流程,涵盖提示词生成、参考图验证、OCR 评估、Figma 联动手动迭代
从"凭感觉描述"到"可执行的视觉规范"——一套 AI 驱动的 UI 设计迭代闭环
引言:为什么需要结构化的工作流?
AI 生成 UI 时最常见的困境:
这个循环的痛点:
- ❌ 语义损耗:大脑中的画面无法精确传递给 AI
- ❌ 风格漂移:每次生成的风格不一致,无法收敛
- ❌ 缺乏验证:AI 产出的"高级感"是不是你想要的?没有客观标准
- ❌ 工具割裂:提示词在聊天框、设计稿在 Figma、规范文档在 Notion——信息散落
解决方案:建立一套可重复的闭环流程,让每个环节都有输入、输出和验证标准。
一、整体工作流概览
核心角色
| 工具 | 职责 | 在流程中的位置 |
|---|---|---|
| 你(设计师) | 提供构思、评估输出、决定迭代方向 | 全流程主导 |
| DeepSeek (文本) | 生成结构化提示词、撰写 UI 设计文档 | ②、⑤ |
| 豆包 | 根据提示词生成参考图 | ③ |
| DeepSeek-OCR | 评估图片与提示词的一致性,判定完整性 | ④、⑧ |
| OpenCode | 连接 Figma,执行 AI 设计 | ⑥、⑦ |
二、第一步:需求分析 — 整理关键元素
2.1 从构思中提取设计要素
在告诉 AI "帮我设计一个页面"之前,先整理以下信息:
需求清单模板:
2.2 分析布局层次
将页面拆解为三个层级:
| 层级 | 视觉权重 | 典型内容 | 布局策略 |
|---|---|---|---|
| 顶层 | 高(品牌感) | 导航、标题、搜索 | 固定定位、通栏 |
| 中层 | 最高(内容) | 数据卡片、图表、表单 | 网格系统、自适应 |
| 底层 | 低(辅助) | 页脚、版权、次要链接 | 小字号、低对比度 |
2.3 统一样式设计语言
在开始写提示词前,先定义设计 Token:
为什么要先做这一步? 因为 AI 没有"一致性"的概念。如果不在前端约束 Token,AI 每次生成的圆角大小、间距、阴影颜色都可能不同。Token 就是给 AI 套上的"规矩"。
三、第二步:DeepSeek 生成结构化提示词
3.1 提示词模板结构
将第一步整理的元素组装成结构化提示词:
3.2 完整提示词示例
3.3 向 DeepSeek 提问的技巧
| 目标 | 提问方式 |
|---|---|
| 补充遗漏 | "检查我上面的元素清单,是否遗漏了关键 UI 组件?" |
| 优化布局 | "这个布局是否符合用户的操作流?建议优化方向?" |
| 丰富细节 | "针对每个元素,补充状态变化(hover、focus、active)的样式" |
| 转中文 | "把提示词改写成中文版本,方便喂给中文 AI 绘图工具" |
四、第三步:豆包生成参考图
4.1 提示词适配
将 DeepSeek 生成的提示词输入豆包时,注意以下差异:
| 维度 | DeepSeek 风格(文本模型) | 豆包适配(文生图) |
|---|---|---|
| 排版描述 | 精确尺寸(如:240px) | 相对描述(如:较窄的侧边栏) |
| 颜色描述 | 色值(如:#8BA4B4) | 色名+风格(如:雾霾蓝色调) |
| 布局描述 | CSS 语义(如:1fr) | 视觉语义(如:左侧导航右侧内容) |
| 状态描述 | 交互状态(hover等) | 只描述静态视觉 |
适配示例:
4.2 生成策略
- 首次生成:给 3-4 张不同角度的变体,观察风格是否收敛
- 二次迭代:选择最接近的一张,微调提示词再生成
- 关键节点:每个迭代轮次至少保留一张"锚点图"方便后续对比
4.3 参考图的用途
参考图不是最终设计稿,而是视觉共识——让你和 AI 对"好看"有统一的标准。它能:
- 验证提示词是否准确传达了你的意图
- 作为后续 OCR 评估的基准图像
- 为 Figma 设计提供布局参考和色调参考
五、第四步:DeepSeek-OCR 评估与迭代
5.1 为什么需要 OCR 评估?
人类看一张图可以秒懂"好不好看",但难以量化为文本反馈给 AI。OCR 评估解决了这个问题:
5.2 OCR 评估指令
将参考图(豆包生成的)发送给 DeepSeek-OCR,附上评估指令:
5.3 迭代策略
迭代目标:OCR 评分连续两轮 ≥ 8/10,且无"不通过"项。
5.4 常见迭代模式
| 问题 | OCR 表现 | 提示词调整 |
|---|---|---|
| 颜色太鲜艳 | "饱和度偏高,不符合 muted palette" | 补充 "saturation < 30%,add gray tone" |
| 布局不对 | "元素排列与描述不一致" | 增加布局示例或参考图描述 |
| 缺少元素 | "未检测到搜索框" | 明确位置和样式 |
| 风格偏差 | "风格偏现代科技感,非温暖感" | 补充参考风格(如:北欧、日系) |
| 阴影错误 | "阴影为灰色非主色调" | 加上色值和透明度示例 |
六、第五步:产出【UI设计文档】
6.1 文档结构
当 OCR 评估连续达标后,将提示词沉淀为正式的 UI 设计文档:
6.2 文档质量检查清单
七、第六步:OpenCode → Figma 连接
7.1 连接 Figma
获取 Figma 设计文件的链接,格式如下:
在 OpenCode 中执行连接指令:
7.2 预先准备 Figma 素材
在发起 AI 设计之前,先在 Figma 中准备:
将组件放置在画布边缘或单独的 Frame 中,作为 AI 设计的"素材库":
7.3 Function Code 长度管理
⚠️ 重要警告:超长的 Figma function code 会导致不可控制的卡顿
| 现象 | 表现 |
|---|---|
| Cursor | 直接卡死,完全不可用 |
| OpenCode | 未卡死过,但仍需注意 |
最佳实践:
OMO 插件的价值:OMO 插件可以在 OpenCode 中辅助拆分指令,让 AI 每次只执行一个较小的操作单元,避免一次性生成大量 Figma 节点。
八、第七步:AI 设计执行与截图迭代
8.1 提供设计文档给 OpenCode
将第五步产出的【UI设计文档】中的提示词完整版提供给 OpenCode:
8.2 截图 → OCR 再评估
AI 完成设计后,截图发送给 DeepSeek-OCR 评估:
8.3 迭代方式
| 情况 | 操作 |
|---|---|
| OCR 评分 ≥ 8/10,无严重偏差 | 设计定稿 |
| 评分 6-7/10,有轻微偏差 | 手动在 Figma 中微调,或给 OpenCode 精确修复指令 |
| 评分 < 6/10,或有严重偏差 | 回到第二步或第六步,调整提示词后再来 |
8.4 手动调整与 AI 调整的选择
九、完整工作流总结
9.1 一次标准迭代的时间估算
| 步骤 | 操作 | 预估时间 |
|---|---|---|
| ① | 整理需求 + 关键元素 | 10-20min |
| ② | DeepSeek 生成提示词 | 2-5min |
| ③ | 豆包生成参考图 | 1-2min |
| ④ | OCR 评估 + 迭代(2-3轮) | 5-10min/轮 |
| ⑤ | 产出 UI 设计文档 | 10-15min |
| ⑥ | Figma 连接 + 素材准备 | 5-10min |
| ⑦ | AI 设计执行 | 5-15min |
| ⑧ | 截图 OCR 再评估 + 调整 | 10-20min |
| 合计 | 一次完整闭环 | 约 1-2 小时 |
9.2 最佳实践清单
9.3 工具链总结
十、附:常见问题
Q1: OCR 评估总是不准确怎么办?
多给一些"对比锚点"——比如提供一张你认可的参考图,让 OCR 比较差异。也可以补充文字描述"期望是什么样"和"实际是什么样"的对比。
Q2: 豆包生成的参考图风格不稳定?
每次生成时,在提示词中固定引用同一张"风格锚点图"的链接或描述,让 AI 知道这是必须保持的风格基线。
Q3: Figma function code 还是太长了怎么办?
手动拆分指令,不要一次性描述整个页面。从外到内逐步构建:
- 先画背景 → 2. 再画布局框 → 3. 填充组件 → 4. 调整间距 → 5. 配色
Q4: 手动调整和 AI 调整应该怎么选?
颜色、间距类的系统性调整 → AI 改(一次改全局) 元素位置、对齐类的视觉微调 → 手动拖(更快出效果) 整体布局变更 → AI 改(重新生成快于手动重建)
Q5: 这个工作流适用于什么类型的项目?
适用于:中大型页面的 UI 设计(仪表盘、后台管理、门户网站) 不适用于:图标设计、插画绘制、品牌 Logo(属于图形设计范畴)
文档更新于 2026年6月