2026 年 4 月加入绿联后,我开始面对一种与过去很不一样的设计管理场景。产品多、上新快,设计需求持续发生。六个月下来,我最深的体会是,设计品质要持续提高,就需要让优秀设计师的经验成为团队可以重复使用的方法。
这篇文章整理自我在 2026 年 10 月的阶段复盘。它记录了基础治理、在线协作与 AI 工作流的建设,也记录了尚待解决的问题。

从分散的问题中找到共同原因
刚加入时,我看到的问题分布在很多地方。主图和 SKU 图缺少一致要求,字体与影像标准分散,设计文件和资料主要保存在本地,需求提报与排期协调也缺少统一机制。AI 已经被使用,但好的提示词、参考图和处理经验往往停留在个人手中,其他人很难稳定复现。
这些问题会在同一个项目里叠加。标准不清楚,审核就容易反复;资产找不到,设计师就要重新制作;过程看不见,管理者就只能不断询问进度。我把这一阶段的工作放在四个相互关联的方向上,组织与资源、设计质量、业务协同,以及工具和资产的沉淀。
先建立共同的设计语言
第一步是基础治理。我们逐步统一版式、字体、色彩、图标和组件,让不同设计师处理相似问题时,有一套可以共同遵循的起点。主图、详情页与 SKU 图的要求,也需要进入具体模板和审核过程。
基础标准建立后,工作进一步深入到人物、场景和产品材质。人物的皮肤纹理、姿态和表情是否自然,光影方向是否与环境一致,产品与人的比例和使用方式是否准确,这些都需要被具体描述。
对透明、金属、软胶等材料,我们更关注真实厚度、反射、边缘结构和产品比例。消费者通过画面认识产品,设计中的质感判断最终关系到产品是否可信。原稿中的前后画面展示了阶段探索,它们也为团队讨论“哪里变好了、为什么变好”提供了共同参照。

让人的审美判断逐步变成 AI 可用的标准
AI 刚进入日常工作时,设计师通常在聊天框里各自尝试。一个人偶然生成了好结果,往往很难解释清楚产生它的条件,也很难交给同事继续使用。
后来,我们开始把人物、光影、镜头、场景和产品准确性写成结构化方法,再与参考图结合,形成可以复用的出图规则。设计师需要先把自己的判断说清楚,哪些细节真实,哪些关系合理,哪些错误会破坏产品可信度。能够明确表达的判断,才有机会进入提示词、节点、模板和检查规则。
质量评价也沿着这个方向推进。我们尝试使用 AI 七维评分、渲染质感检查和重点项目评审,把能够描述的基础质量问题纳入共同的评价维度。审美与创意仍然需要人的判断,而团队可以先对基础错误、产品准确性和执行要求形成更稳定的共识。
这项工作的价值会随着复用逐步显现。一张好图可以成为参考,一次成功的制作过程可以成为模板,一套反复验证过的方法可以成为 Skill。人的经验由此开始进入 AI 能够调用、团队能够理解的工作标准。

把工具连成完整的生产过程
需求管理也需要同步建立。我们推动统一需求入口与项目看板,集中查看进展、优先级与资源,业务高峰时再结合实际需求跨组协调。项目看板为已经纳入管理的工作提供可见性,下一步还要增强提前预测的能力。
推动 Figma 在线协作后,项目、规范与设计稿逐步集中到共同的文件环境中。设计师和协作方可以围绕同一份内容查看、反馈和更新,减少版本查找与重复沟通。
AI 出图平台则把参考图、不同版本和加工节点留在同一个项目画布里。设计师能够持续比较和调整,也可以继续使用已有的中间结果。这个过程让出图更可追踪,使优秀结果有机会被再次调用。
在这次复盘时,素材自动标注已经累计九千多张,团队也沉淀了六十五种提示词规范。这些数字记录了建设的起点,后续还需要看它们是否被有效复用。
与此同时,公共素材、人物穿搭卡、图片风格与优秀案例开始成为团队共享资产。设计师可以先找到合适的人物设定、参考和既有结果,再展开创作。图库还需要持续分类、筛选和收集使用反馈,资产规模本身无法说明它对工作是否有帮助。
我们也建立了探索与分享板块,让优秀作品、制作思路、AI 经验和设计方法更容易被团队看到。方法经过使用和验证,再回到共享资产中,才会逐渐形成持续的知识循环。
AI 平台已经进入团队日常实践,各组使用深度和输出稳定性仍有差异,培训、质量验证与使用反馈也需要持续完善。
用用户认识支撑品牌表达
当基础秩序逐步建立后,品牌视觉需要进一步回答,为谁设计,希望传递什么样的感受。
我们与相关团队协作,通过访谈和问卷参与用户研究,并整理代表性用户画像。不同生活阶段的用户,在生活场景、穿搭和产品使用方式上存在差异。人物和场景的选择,应该与具体受众的生活方式和审美习惯建立联系。
这些认识随后进入主图策略、人物设定与影像方向。色彩、字体和图标提供共同基础,品类和渠道的特点则影响具体表达。线上商品图、详情页和线下零售也需要逐步形成连贯的品牌体验。
在这次阶段复盘时,BrandBook V1.0 与品牌人格、影像语言仍在推进。方向探索需要经过真实项目和跨部门使用验证,长期的品牌识别也需要持续积累。
体系建起来以后,更困难的是让它持续运转
这六个月也让我看到自己的不足。一些难题仍然依赖我直接推动,组长的主动判断与责任边界需要更清晰。规范和工具建设较快,但执行监督、效果验证和长期运营还需要跟上。面对集中上新的业务高峰,提前预判和资源规划也有改进空间。
接下来的重点,是把个人推动逐步转成团队自驱,让已经建立的体系在日常工作里持续运转。
面对大量设计需求,我们需要继续完善分级投入。战略级产品投入更深入的研究与原创创意,重点商业产品结合成熟规范做针对性优化,常规需求则更多使用标准组件和 AI 生产,保证准确、稳定和高效。不同品类还需要发展适合自身用户和产品特点的视觉策略。
组长也需要更深入理解业务,掌握重点新品、用户、渠道、竞争优势和设计短板。围绕这些问题,与业务共同形成设计计划,明确目标、投入资源、改善动作和验证方法,逐步具备主动提出方案的能力。
人才培养则需要多种路径共同发展,包括理解业务并能带领团队的管理者,在创意、材质、影像和用户洞察上持续深耕的专业专家,以及能够将方法转化为工具和工作流的 AI 技术人才。
把效率释放出来的时间用在哪里
下一阶段评估工具的价值,我会更关注高频流程是否真正打通,例如产品标准图、多平台素材适配和详情页标准模块。优秀案例要经过验证,再提炼为节点、模板与 Skill,让团队更容易调用。
技术效果需要同时看交付时间、合格率、返工和综合成本,把模型费用与人工投入放在一起计算。功能数量和生成图片数量,都不足以单独说明平台的价值。
AI 带来的效率,还应该为用户洞察、核心创意、竞品研究和复盘释放时间。设计师有时间思考用户为什么需要产品、购买前担心什么、怎样的画面能够帮助理解和建立信任,设计质量才有机会继续提升。
这六个月,我们在保障交付的同时,逐步治理质量、建立工具与方法。下一阶段,我希望优秀经验能够进入每个团队的日常工作,让更多人具备判断、复用和继续改进的方法。




