跳至正文返回首页Stripe 首席设计官分享：LLM 趋向均值，设计标准需编码进系统
- 风险判断：Katie Dill 在 Lenny's Summit 提出三条警戒信号——LLM 天然趋向均值，擅长给出“最可能的答案”而非品牌语境下的原创解；AI 让产出很快显得“完成”；生成太容易使工作变得可抛弃。三者叠加会形成单调、空洞的“僵尸 UI”。
- Stripe 实践：团队最初用 MCP 让 AI 读设计文档，效果不佳，同一条 prompt 三个人会得到三个结果；后续改为构建在设计系统之上的 CLI——在开发者工作处运行，在恰当时机注入文档以避免 context rot，并提供完整模板与流程，而不只是原子组件。
- 质量流程：Dill 引用 Christopher Alexander 的“一个系统可以满足所有规则，却仍然是死的”，强调不能把“做完”当“做好”。团队需要端到端审视产品的编辑者，按完整用户旅程检查连贯性；大会开场动画由设计师用 AI 反复迭代 56 版。
- 创意与边界：AI 可批量制造单调，也可扩大创意空间。Stripe 新书封面由人类大理石纹艺术家完成底稿，再用 AI 精调颜色与线条。她称 AI 能抬高地板，但天花板仍靠人，领导者应保护那些“怪东西”。
- 行业意义：当生成界面成本接近零，竞争点从“能否生成”转向设计意图、系统约束与人工编辑；把标准编码进 CLI、模板与流程，而非只写在提示词里，是企业级生成式 UI 更可操作的路径。
🔗 Katie Dill 原帖 | Lenny's Summit 演讲视频 | 转述帖
