AI Skill / 执行型设计翻译器

把商业目标 翻译成 规范卡片 的一次生成。

可挂载到任意 Agent 的 AI Skill。输入商业目标,直出符合 TUX 设计规范、自动引用设计 token、贴合信息流场景的广告卡片。

TUX 设计规范Design Token 自动绑定Dirty Work 自动化 0→1 造 MVP1→N 定向发散Style 系统探索 11 维评分闭环Paper / Figma / HTML TUX 设计规范Design Token 自动绑定Dirty Work 自动化 0→1 造 MVP1→N 定向发散Style 系统探索 11 维评分闭环Paper / Figma / HTML

凭感觉发散
到方法论驱动的执行

把广告样式团队积累的卡片设计方法论,编码为一套可执行的规则系统。

The Problem

翻译损耗 + 重复搬砖

PRD 与商业目标要靠人脑翻译成设计方案;RTL 适配、Dark Mode 切换、真实文案填充等机械工作反复消耗设计师精力,规范也难以稳定落地。

The Solution

可执行的设计翻译器

输入商业目标或上游 ad-format 输出,直出符合规范的卡片;截图后进入评分闭环,不达标自动修复,减少劣质卡流出。

商业目标 规则系统 TUX 卡片
输入商业目标 / 上游 ad-format 输出 / 自然语言描述
输出符合 TUX 规范、自动引用设计 token、贴合信息流场景的广告卡片
闭环截图 → 11 维度评分 → 不达标自动修复 → 交付卡片 + 评分小结

三种使用方式

可挂载到任意 Agent。无论从策略、对话还是迭代进入,都能激活。

01
UPSTREAM

带 ad-format
Design Purpose

已用 ad-format skill 完成策略分析后直接承接。

「根据这个 design purpose 出卡:Problem 是…,Proposition 是…」
02
DIRECT

直接对话

在 Mira 中用自然语言描述需求,Skill 自动激活。

「帮我画一个本地生活到店核销卡,目标 CVR,动机点是距离加优惠」
03
ITERATE

迭代修改

出卡后继续对话式优化,即时反馈修复。

「优惠感不够强,放大折扣表达」
Mira 对话中直接描述需求
方式二 · 对话中直接描述需求
Mira 对话中指出问题自动修复
方式三 · 指出问题,自动修复

4 选 1,按场景

从原生设计工具到高还原代码,覆盖不同交付需求。

●●●●●

Paper

+Agent 原生设计工具,可玩性高
+可发送至 Figma 画布
不支持原型,编辑有限
推荐
●●●●○

Figma Make

+实时修改、原型动画
+实时绑定 design token
公司账号暂不支持,token 消耗大
●●●○○

Figma

+编辑更方便
编译层对 Agent 支持不够
写入质量待提升
●●●○○

HTML

+还原度高、生成快
编辑困难,内容零散
不便管理修改
Paper 实时渲染演示:电影 / 本地生活 / 游戏 / 保健品
Paper 实时渲染 · 电影 / 本地生活 / 游戏 / 保健品

4 类典型场景,
全部跑通

以下案例全部为模型一次性直出,无人工二次调整,覆盖设计师 80% 的日常出卡场景。

Case 01 · Dirty Work

替设计师搬砖

RTL 适配、Dark Mode 切换、真实文案与图片填充等重复性执行工作,自动完成镜像布局、文字方向、间距翻转,直接输出可用变体。设计师精力留给真正的判断。

Prompt
把选中的这个卡片变成 RTL
Coupon Card 英文与阿拉伯文 RTL 版本
选中卡片 → 一键生成 RTL 适配版本
Case 02 · Category 0→1

从零造 MVP

从商业 brief 到可交付 MVP,分钟级完成。自动拆解不同定位的信息优先级差异,分别生成「商品主导」与「折扣主导」变体,每个变体通过评分矩阵校验。

Prompt
帮我做一个电商 coupon card,强调商品优惠。两种定位假设:① 强调商品本身、② 强调折扣力度。创建差异化策略并出稿
商品主导 vs 折扣主导两种卡片变体
2-A · 商品主导 vs 折扣主导
游戏与电影行业样式发散
2-B · 其他行业样式发散
Case 03 · Category 1→N

找新定位

基于已有卡片探索差异化变体匹配更多 context。5 个变体各自对应不同的 context 匹配策略,并自动创建评审 Agent 与 Success Metrics,循环修复直到全部通过;变体之间是定位差异,而非只是视觉差异。

Prompt
基于 ad-format 框架,帮选中卡片创造 5 个差异化变体,maximize CTR×CVR;同时创建专家评审 Agent 与 Success Metrics,反复修改直到通过
五个差异化变体:倒计时 / 进度解锁 / 社交证明 / 优惠叠加 / 刮奖
五个差异化变体,各自匹配不同 context
Case 04 · Format Variation

Style 系统发散

场景定位不变,纯 interface design 维度做视觉探索。从 layout、label、color、space、size、action indicator 六个维度分别探索,每个变体都能说清「在哪个维度做了什么」。

Prompt
基于 v1 flash sale 场景,从 6 个维度创造 5 个变体,maximize CTR×CVR;专家评审 Agent 循环校验
五个视觉差异化变体
同场景 · 六维度视觉变体

三个时间维度

短期提效已验证,中期沉淀质量一致性,长期把方法论变成可复现的知识资产。

分钟级
单卡产出时间
0
一次 brief 产出变体
0%
TUX token / 圆角 / 间距强约束
0
自动评分提升出卡质量
短期 · 已验证

提效

单卡分钟级、一次 brief 产出 5 至 10 个变体、自动评分降低 Review 成本、规范合规率由规则强约束。

中期

质量一致性

TUX token 绑定与圆角、间距规则强制执行;商业到设计的映射标准化,减少翻译损耗;新人无需从零学习方法论。

长期

知识资产化

新规则可直接写进 Skill 成为团队共享知识;每张卡的坐标、Slot 理由、评分 JSON 可追溯;同样输入得到同样结构,可复现。

把从零思考
变成定向执行

每个角色在自己最擅长的环节做判断,重复性执行交给 AI。

PM

定义 problem 与 strategy,生成贴近 PRD 的 concept 图,并据此生成功能描述。

Designer

新场景、新样式、新变体发散,基于方法论框架的系统性探索,替代漫无目的的发散。

Pangle

快速生产投放素材,批量生成符合规范的卡片变体,供素材消耗。

从卡片走向
可上线代码

方法论持续迭代,远期对接 TUX Design System 与 UJ 组件库形成闭环。

当下

小范围使用

推广至 Designer / PM / Pangle 三类角色,沉淀真实场景反馈。

下一阶段

方法论迭代

把实战中新发现的规则持续回写进 Skill。

远期

代码资产

对接 TUX Design System 与 UJ 组件库,实现从卡片到可上线代码的闭环。

输入目标,
直出规范卡片

把广告卡片的设计方法论编码成 AI Skill,让每个人在最擅长的环节做判断,把重复搬砖交给 AI。