从 Freestyle 到组织级产品设计与体验治理
腾讯云设计系统 Skill：用 AI 开展体验治理，让产品设计更高效、更有序。
你能了解到
整套分享会按章节展开，从背景、能力、路径到规划。
为什么要做腾讯云设计系统 Skills
Part 1腾讯云设计系统 Skills 能做什么
Part 2实现这些功能，我们的技术路径
Part 3腾讯云 AI 设计工具的愿景与规划
Part 4Q&A
Ending为什么要做腾讯云设计系统 Skills
AI 正在重塑软件工程，体验设计环节如何应对？
AI 正在重塑软件工程，体验设计环节如何应对？
体验设计在传统的软件工程流程中位于需求与实现的中间环节，从去年年底我们发现这个持续了近十年的流程，悄然发生了一些变化：
👆 上游：产品经理直接用 AI 手搓原型。
👇 下游：前端借助 AI 和 Figma MCP 还原样式。
👆上游变了：产品经理直接用 AI 手搓原型
产品经理开始不写需求文档了，直接使用 CodeBuddy 等 AI 工具直接生成产品原型，能看到效率大幅提升，从需求到原型从“天”缩短到“小时”。
但问题来了：生成的原型并不完全腾讯云设计规范，体验质量参差不齐。设计团队拿到的“需求”，已经带着有偏差的设计预设。
需求输入端已经提前带入了错误的样式、布局和交互假设，后面的设计校正成本会持续上升。
👇下游变了：前端用 AI （Fimga MCP）还原样式
前端借助 Figma MCP 等工具实现 AI 辅助还原，还原效率大幅提升，视觉上“看起来像”——但实际调用的并非真实的 TEA 组件。
差异藏在细节里，却直接影响用户体验：页面“看上去对”，但用起来体验有偏差，设计验收成本反而升高。
根源在于：AI 没有拿到足够准确的规范上下文，所以生成的只是相似表面，而不是标准实现。
| 维度 | AI 还原的结果 | TEA 组件的标准 |
|---|---|---|
| 交互规则 | 自行实现，行为不一致 | 内置标准交互逻辑 |
| 悬停 / 点击状态 | 样式近似，细节偏差 | 精确的状态规范 |
| 间距 / 圆角 / 阴影 | 视觉接近但非标准值 | 严格遵循设计 Token |
| 无障碍支持 | 通常缺失 | 组件内置 |
| 边界状态处理 | 容易遗漏 | 完整覆盖 |
产品体验：“来不及了！项目先上线，后期再优化🔥🔥🔥”
工具的革新带来了生产力的解放，产品体验作为不阻塞产品发布的环节被直接跳过，我们看到了大量“AI 味”的产品在这半年涌向市场。
但过去 20 年的互联网产品发展告诉我们，产品体验其实必不可少——无论是谁来承担这个环节。
| 角色 | 承担方式 |
|---|---|
| 设计师 | 通过信息架构、界面编排去影响用户的操作行为，让用户感受到好的产品感受。 |
| 产品经理 | 带有体验意识去构建产品需求，他也在做体验设计。 |
| 前端研发 | 带有体验意识去构建功能界面，他也在做体验设计。 |
问题不在于“谁做”，而在于“有没有规范的支撑”。
| 路径 | 结果 |
|---|---|
| 没有规范支撑，各自为战 | 质量失控，设计团队疲于救火。 |
| 规范智能化，赋能上下游 | 无论谁做，都在规范之内。 |
💡 设计团队的探索：腾讯云设计系统 Skills
当上下游的工作流和工具都已经发生改变，设计团队需要做出更符合未来工作方式的演进。
不是用更多人力去“堵漏洞”，而是让腾讯云设计规范可以被 AI 理解和调用，让设计标准成为整个 AI 辅助工作流中的“体验基线”。这就是腾讯云设计系统 Skills 的出发点。
腾讯云设计系统 Skills 能做什么
核心价值：从需求到设计稿，全程 AI 驱动，全程符合腾讯云体验质量与标准。
A1｜一句话需求
最轻量的输入方式。口语化描述，直接出符合 TEA 规范的页面方案，组件选型、布局结构、交互说明一并给出。
实现这些功能，我们的技术路径
核心问题：怎么让 AI 真正学会腾讯云的设计规范？
🔍 我们走过的弯路
做这套 Skills 之前，我们也走过一段弯路。
弯路一：把 Figma 组件库直接丢给 AI
最直觉的想法——规范在 Figma 里，直接喂给 AI 不就行了？但 Figma 组件库文件太大，直接撑爆了 AI 的上下文。AI 只能强行压缩，细节在压缩中丢失，生成出来的方案错漏频出。
弯路二：把前端 TEA 组件库直接丢给 AI
换个思路，把前端组件库的代码喂进去——组件定义不就更精确了吗？同样的问题：文件太大，上下文爆掉，AI 处理不完，还是靠猜。问题的本质不是“给 AI 更多内容”，而是“给 AI 它真正能学会的内容”。
关键策略一：建立可以被 AI 学习设计标准规范体系
我们把规范体系拆成三层，从小到大，逐层建立。
第一层｜原子级：解决组件是否标准的问题，确保 Skills 调用的就是真实 TEA 组件。
第二层｜分子级：解决组件怎么用的问题，补充交互细则、状态规则和使用场景。
第三层｜组织级：解决页面和产品整体怎么保持腾讯云调性的问题，提供共性操作、页面模板和导航框架。
第一层｜原子级：搞定基础 TEA 组件
让 Skills 调用的组件，和真实的 TEA 组件保持一致。
这是基础，也是最容易被忽视的地方——很多 AI 工具生成的界面“看起来像”腾讯云，但实际用的是拼凑出来的样式，不是真正的 TEA 组件。组件一致，还不够。组件是对的，用法可能是错的——间距不对、状态缺失、层级关系用反了。
但即使交互细则到位，还会有一个问题。同样是“升配”这个操作，AI 可能拼出完全不同的方案。相同功能，AI 能拼出来，但拼法不一样，调性就散了。
| 方案 | AI 自由发挥 | 腾讯云标准 |
|---|---|---|
| 容器 | 抽屉 / 弹窗 | 侧滑面板 |
| 选择方式 | 步骤条 / 下拉 | 对比表格 |
| 符合规范 | ❌ | ✅ |
共性操作：腾讯云各产品通用的操作模式。页面模板：列表页、详情页、配置页等常见页面类型的标准结构。导航 Shell：顶部导航、侧边栏、面包屑等整体框架规范。有了这一层，AI 生成的不只是“组件对的页面”，而是“有腾讯云调性的页面”。
关键策略二：建立 AI 持续学习、不断进化的机制
建立 AI 持续学习、不断进化的机制。
1. 知识库的设计：写给 AI 看，而不是写给人看
传统规范文档是给设计师读的——有解释、有背景、有排版。AI 需要的是结构化、可检索、无歧义的规则描述。
我们专门设计了知识库的写法：明确的规则条目、结构化的使用场景描述、精确的组件属性定义。
让 AI 每次检索时，都能拿到准确的规范上下文。
2. 子 Skill 反哺机制：每次微调，都在进化
不是一个做完就固定的工具，而是一个会持续进化的系统。
厚积 → 薄发：这源自于设计团队长期的规范建设积累
这源自于设计团队长期的规范建设积累。
腾讯云 AI 设计工具的愿景与规划
AI 时代下，组织级的产品设计与体验治理。
AI 时代下，组织级的产品设计与体验治理
AI 工具确实让产研效率大幅提升——PM 用 AI 搓原型，前端用 AI 做还原，设计师用 AI 生成方案。
但大多数团队的状态是：每个人都在用 AI freestyle。没有规范约束，没有质量基线，AI 帮大家提速了，却也把体验质量的风险放大了。我们在做的事情不一样：用 AI 重塑设计全链路工作流，同时让规范成为这套工作流的骨架。
AI 设计全链路工作流重塑
用 AI 重塑设计全链路工作流，同时让规范成为这套工作流的骨架。
未来工作方式的变化
过去，产品设计是一条流水线；这套 Skills 跑起来之后，工作方式也随之发生变化。
PM 出需求文档，设计师出设计稿，前端做还原。三个角色、三份交付物，串行传递，每次交接都有损耗。
PM 用 Skills 生成原型，设计师在同一份原型上深化，研发直接基于这份原型做最终界面交付。三个角色，共同维护同一个文件。
用户体验与软件工程
AI 让产品设计的门槛大幅降低，但速度之外，质量的标准从未消失。
用户体验
建立组织级体验治理能力，让每一个参与设计的人都站在规范积累的肩膀上。
软件工程
AI 正在重塑软件工程协作方式，推动流程从串行交付走向围绕同一交付物的协同推进。
Thanks
腾讯云设计系统 Skills——立即体验。