ChatGPT is most useful to me not only as a code generator, but as a persistent coordination layer between business intent, product decisions, GitHub evidence, and coding agents.
The platform still has production work ahead, but the path is now visible and testable.
I run a small retail brand, and I’ve been using ChatGPT Work as the product and engineering coordination layer for a real project: an AI-native group-buy commerce platform built with Next.js, Medusa, PostgreSQL, and TypeScript. 🧵
The biggest change is that I spend less time re-explaining the project and more time making product decisions.
Each task now has a clear objective, boundaries, acceptance criteria, verification, and a focused branch and commit instead of an open-ended “build this.”
Claude Design 實戰七招:Anthropic 內部設計師 Ryan Mather 的使用心得完整翻譯+解說
Claude Design 昨天跟著 Anthropic Labs 同步推出之後,Anthropic 內部的 verticals team 設計師 Ryan Mather 在 X 上發了一串實戰 tips。verticals team 的意思是一個人同時服務多條產品線,他自己就服務 7 個不同產品,能撐住這個產量的關鍵工具就是 Claude Design。下面把整串 thread 完整翻譯,每一點再補一些脈絡跟科普說明。
Tip 1:先把設計系統跟核心畫面設好
先把設計系統(design system)跟核心畫面設定好,在這個階段花一小時做設置跟調整是值得的。
說明: 設計系統指的是一份定義色彩、字型、按鈕樣式、間距、元件庫的規範文件,產品團隊共用,確保不同畫面視覺一致。核心畫面則是那幾個最常出現的頁面(登入、首頁、設定)。Ryan 的重點是,Claude 跟其他 AI 一樣,第一步給的脈絡越明確,後面產出的品質越穩。先花一小時把 design system 跟核心畫面餵給它,後面每一次生成都會在這個基礎上延伸,視覺一致性自動保持,省掉之後逐張修圖的時間。
Tip 2:跟工程師即時一起迭代
跟工程師即時一起迭代,我通常一個會議裡就能跟一位工程師把新功能設計完,因為 Claude 畫 mockup 超快,我們的對話可以保持在比較高的層次,邊玩概念、邊談限制條件,邊看著東西成形。
說明:傳統的軟體設計流程大致是「設計師畫稿、開評審會、修改、再評審、交給工程師、工程師實作後對稿」,來回通常要一兩週。Ryan 描述的新流程把這段壓到一個會議,兩個人坐在一起,邊討論概念邊看 Claude 即時產出 mockup,討論的層次可以停留在「這個功能要解��什麼問題、有哪些約束」而不是「這個按鈕要放哪」。這代表設計師跟工程師的協作粒度從「文件交接」變成「對話中即時定案」。
Tip 3:用 Comment 工具做快速精準修改
用 Comment 工具做快速精準修改,粗稿出來後可能有幾十個細節想調,用嘴描述所有要改的地方很難講清楚,那就不要用嘴描述了,直接點選元件做評註。
說明:Point and crit 是設計工作室的黑話,指「指著東西評論」的動作,傳統在實體海報或畫布上做。Claude Design 的 Comment 工具把這動作搬進 AI 產品的介面,滑鼠點到哪個元件,評註就附在那個元件上。為什麼這比用嘴講重要,因為自然語言描述 UI 修改的效率極低,你說「右上角那個按鈕再小一點、顏色淡一點、跟左邊那個拉開一點距離」,還要確認 Claude 聽懂的是不是你指的那顆。點選元件直接給指令,資訊損耗幾乎是零。
Tip 4:請 Claude 幫你的點子做影片 demo
請 Claude 幫你的點子做影片 demo,整體來說,Claude Design 幾乎什麼你想得到的事都做得到,老實講,它比較接近 Claude Code 的使用體驗,離一個以畫布為核心的設計工具比較遠。
說明:這一點可能是整串 thread 最關鍵的定位宣告。以畫布為核心的設計工具指 Figma、Sketch 這類在無限畫布上拖拉元件的軟體,使用者的心智模型是「我在排版」。Ryan 的觀察是 Claude Design 不屬於這個類別,它的心智模型是「我跟一個會做東西的助手對話」,所以除了靜態稿還能做影片 demo、互動原型、甚至客製小工具。把它當 Figma 的升級版會用不出它的力氣,當 Claude Code 的設計版才對味。
Tip 5:用 connector(特別是 docs 跟 Slack)
使用 connector(特別是 docs 跟 Slack),設定好之後,你可以送出像這樣的指令:「請讀一下產品檢討會議的筆記,���一份簡報探索裡面提到的所有問題的不同設計方案」,然後出去散步、呼吸一下新鮮空氣,回來用清醒的眼睛看成果。
說明:Connector 是 Claude 的外部資料源連接器,可以接 Google Docs、Slack、Notion、Linear 等工具,授權之後 Claude 能直接讀取那些地方的內容。Ryan 舉的例子很有代表性,會議紀錄本來是一份只有當事人會回頭翻的 Google Doc,接上 connector 之後 Claude 可以自己去讀,把散落的討論點轉換成一份探索性簡報。這代表「整理會議結論 → 產出設計方向」這段工作從幾小時壓到幾分鐘,人力負擔從「讀、想、做」變成「下指令、散步、驗收」。
Tip 6:請 Claude 臨時做客製的小工具
請 Claude 臨時做客製的小工具,大原則是,不要用畫布工具的思路來用 Claude Design,它是另一種動物,有另一種超能力,大膽實驗、玩開一點,你會發現自己設計的速度會把過去的工作方式甩開好幾圈。
說明:這一點呼應 Tip 4。傳統設計工具的使用場景是「生產設計稿」,傳統設計工具的使用場景是「生產設計稿」,Claude Design 能生產的是「任何解決設計問題的東西」,包含臨時的小工具。舉例來說,如果你在設計一個色彩選擇器,可以請 Claude 先做一個互動的色彩預覽 prototype 讓你自己玩,邊玩邊調整選擇器的規格,而不是憑空想像使用者會怎麼用。這個能力在傳統設計軟體需要工程師配合才做得到,在 Claude Design 裡是設計師一個人就能完成的動作。
Tip 7:知道什麼時候要慢下來、親手做
知道什麼時候要慢下來、親手做,新圖示、小插畫、命名,這些細節永遠會帶來不成比例的衝擊,人很容易被 agentic 設計的超高速吸進去,知道什麼時候要慢下來本身就是一門藝術。
說明:這是整串 thread 的反論,也是最有深度的一點。Ryan 提到的三樣東西都是「小但關鍵」的設計元素,新圖示代表品牌符號、小插畫是產品人格、命名決定使用者第一印象。這類東西的���通點是決策空間極小、但品質天花板極高,AI 能快速生出可用版本,但要做到「讓人記住」還是人在定奪。Agentic designing 指的是大量使用 AI 代理自動執行設計任務的工作方式,速度誘惑大,但他提醒在這三類細節上要刻意降速、親手做、親手改。這不是對 AI 工具的懷疑,是對「什麼適合自動化、什麼不適合」的清醒判斷。
結尾補充
Ryan 在 thread 最後補了四則:
他最喜歡 Claude Design 的一點,是它讓設計過程變得很*愉悅*,可以嘗試更多發散的點子,對每個點子的執著也比較鬆。這句話值得想一下,設計工作的心理負擔往往來自「花了兩小時做的稿捨不得丟」,工具加速讓每個點子的沉沒成本降低,決策更誠實。
他感謝 nateparrott 跟團隊做出這個產品,Nate Parrott 是 Claude Design 的核心開發者,同時也是整個產品氣��的塑造者,Ryan 特別提到 Nate 的 whimsy(奇想)跟玩心帶進整個開發過程,從使用者感受得出來。
P.S. Ryan 自己也貢獻過幾個 PR 到 Claude Design,檔案畫面、指令輸入元件(composer)跟其他一些雜項,只是那些程式碼現在全都被改掉了,他用這件事當自嘲。
最後他預告 Claude Design 正式上線之後會分享更多 tips 跟小技巧,幫大家把工具用到極致。
---
📷 請訂閱我的 Threads / Facebook / 電子報「狐說八道」
#Anthropic #ClaudeDesign #Flomerboy #生成式AI #設計工作流 📷
🚨BREAKING: Someone just solved Claude Code's biggest problem.
It's called Claude-Mem and it gives Claude persistent memory across sessions.
- You can use up to 95% fewer tokens each time.
- Make 20 times more tool calls before reaching limits.
100% Opensource.