昨天 Anthropic 發(fā)布了一個(gè)新產(chǎn)品 —— Claude Design，歸屬于 Anthropic Labs 實(shí)驗(yàn)室產(chǎn)品線。一句話概括：你可以和 Claude 協(xié)作，生成設(shè)計(jì)稿、原型、幻燈片、單頁(yè)文檔等視覺產(chǎn)出物。
這不是又一個(gè) AI 生圖工具。它瞄準(zhǔn)的是「設(shè)計(jì)協(xié)作」這個(gè)場(chǎng)景。
不是生圖，是設(shè)計(jì)流程
市面上 AI 生圖工具已經(jīng)泛濫了。Midjourney、DALL-E、Stable Diffusion，各有各的生態(tài)位。但 Claude Design 做的事情不太一樣 —— 它不是讓你輸入 prompt 然后等一張圖出來(lái)，而是讓你和 Claude 在一個(gè)協(xié)作流程里，迭代出一個(gè)「可用的設(shè)計(jì)產(chǎn)出」。
設(shè)計(jì)稿、原型、slides、one-pager —— 這些都是工作場(chǎng)景中高頻出現(xiàn)的東西。以前你需要打開 Figma 或 Canva，現(xiàn)在 Anthropic 想讓你在對(duì)話中就把這些事情搞定。
為什么是 Anthropic Labs
注意這個(gè)產(chǎn)品歸屬：Anthropic Labs，不是 Claude 主線產(chǎn)品。
Anthropic Labs 是 Anthropic 的實(shí)驗(yàn)性產(chǎn)品線，類似 Google Labs 的定位。這意味著幾件事：
- 這是探索性質(zhì)的，不一定會(huì)長(zhǎng)期存在
- 它在測(cè)試一個(gè)假設(shè)：LLM 的多模態(tài)能力是否足以支撐設(shè)計(jì)工作流
- 如果數(shù)據(jù)驗(yàn)證了需求，大概率會(huì)整合進(jìn) Claude 主產(chǎn)品
從技術(shù)角度看，這需要 Claude 同時(shí)具備：語(yǔ)言理解（理解設(shè)計(jì)意圖）、視覺生成（輸出設(shè)計(jì)稿）、上下文記憶（多輪迭代修改）。這三個(gè)能力的交叉點(diǎn)，正好是大模型最有優(yōu)勢(shì)的地方。
對(duì)開發(fā)者意味著什么
如果你是前端開發(fā)者或者全棧工程師，這個(gè)產(chǎn)品值得關(guān)注。
短期：Claude Design 可能成為快速出原型的工具。產(chǎn)品經(jīng)理描述需求 → Claude 出設(shè)計(jì)稿 → 開發(fā)者拿到可參考的視覺方案，中間省掉了等設(shè)計(jì)師排期的時(shí)間。
中期：如果 Anthropic 開放 API，設(shè)計(jì)生成能力可以嵌入到開發(fā)工作流中。想象一下：你在 PR 里描述 UI 變更，CI 自動(dòng)生成設(shè)計(jì)預(yù)覽圖。
長(zhǎng)期：設(shè)計(jì)和開發(fā)的邊界會(huì)進(jìn)一步模糊。當(dāng) AI 能同時(shí)理解「這個(gè)按鈕應(yīng)該更突出」和「把這個(gè)組件的 z-index 調(diào)高」，前端開發(fā)的工作方式會(huì)發(fā)生根本性變化。
冷靜看幾個(gè)問題
不過也別太興奮。幾個(gè)現(xiàn)實(shí)問題：
- 設(shè)計(jì)質(zhì)量的天花板在哪？ 能做 slides 和 one-pager 不代表能做復(fù)雜的產(chǎn)品設(shè)計(jì)。Figma 的地位短期內(nèi)不會(huì)被動(dòng)搖
- 協(xié)作深度如何？ 是簡(jiǎn)單的「你說(shuō)我畫」，還是真的能理解設(shè)計(jì)系統(tǒng)、品牌規(guī)范、組件庫(kù)？
- 輸出格式是什么？ 如果只是圖片，價(jià)值有限。如果能輸出可編輯的矢量文件或代碼，那就是另一個(gè)量級(jí)的事情了
這些問題要等產(chǎn)品正式開放后才能回答。但方向是對(duì)的 —— AI 不應(yīng)該只停留在文字層面，視覺協(xié)作是一個(gè)巨大的未開發(fā)市場(chǎng)。
一個(gè)趨勢(shì)
回頭看最近幾個(gè)月，各家 AI 公司都在往「工具化」方向走：
- OpenAI 的 Codex 在做開發(fā)者工具
- Google 的 Gemma 在做端側(cè)推理
- 現(xiàn)在 Anthropic 開始做設(shè)計(jì)工具
大模型的競(jìng)爭(zhēng)已經(jīng)從「誰(shuí)的 benchmark 分?jǐn)?shù)高」轉(zhuǎn)向了「誰(shuí)能嵌入更多真實(shí)工作流」。這對(duì)用戶來(lái)說(shuō)是好事 —— 模型能力的提升最終要落地到具體場(chǎng)景才有意義。
如果你在多個(gè) AI 模型之間頻繁切換，推薦試試 OfoxAI（ofox.ai）— 一個(gè)賬號(hào)搞定 Claude、GPT、Gemini 等主流模型，不同場(chǎng)景用不同模型，切換成本幾乎為零。
