WorkBuddy 的边界在哪：从制造业合成数据想到的，关于设计工具的另一种可能

这几天我一直在想一个问题。前两天刷到一篇制造业生成式AI工具的盘点，里面提到OV Auto-Defect Creator Studio，说它能用少量真实缺陷图像生成几百个合成变体，把模型训练时间从几周压缩到几小时。我盯着那段描述看了很久，不是因为它跟我做UI设计有什么关系，而是它让我意识到一件事：AI工具在工业领域已经往“生成训练数据”这个方向走了，而我们这些做设计的，还在跟AI反复拉扯“这个按钮的圆角是多少像素”。

我最近在试WorkBuddy，老实说，用了一周不到，但已经对它产生了某种复杂的感情。不是那种“哇好厉害”的崇拜，而是“你明明可以做得更好，为什么偏要卡在这里”的烦躁。我上周写过一篇对比WorkBuddy和千问办公的帖子，说选前者不是因为它更聪明，而是因为它更“听话”。到今天这个判断我依然站得住，但“听话”这个优点背后，其实藏着一个更大的问题：它听话的前提是，你得先知道怎么“说”。

我的工作流大概是这样的。我先把设计规范整理成一份PRD，用Markdown写，把颜色、间距、字体层级、阴影这些都写成结构化的描述。然后用WorkBuddy来生成组件库。第一次跑的时候，出来的东西让我差点把咖啡泼键盘上，—按钮的圆角是8px，我规范里写的是4px。间距全乱了，阴影的偏移量和模糊值跟我定义的不一样。我当时的第一反应是“这破工具是不是没读文档”，后来冷静下来检查，发现是我自己的规范写法有问题：我把阴影描述写成了“阴影用 rgba(0,0,0,0.1)”，但没指定是 box-shadow 还是 drop-shadow，也没写偏移方向和模糊半径。WorkBuddy 不是没读，它是读得太认真了，但我的文档本身不够精确。

这段经历让我意识到，WorkBuddy 本质上是一个“执行器”，不是“思考者”。它不会像一个人那样猜你心里想的是什么，你说“阴影用这个颜色”，它就真的只给颜色，不给你偏移。这跟我在制造业那篇文章里看到的逻辑很像：OV Auto-Defect Creator Studio 需要你上传真实缺陷图像，它才能生成合成变体。如果你只给一张良品图，它也能生成缺陷，但那些缺陷的分布大概率不是你想要的。AI 的“思考”能力，在被当作生产力工具使用时，其实非常脆弱。它需要输入是干净的、结构化的、有明确边界的。

所以我现在对 WorkBuddy 的态度，可以用一句话概括：它是我见过最接近“工业级”的办公AI，但前提是你得接受它不是一个“万能助手”。它更像一个装配线上的机械臂，你给它写清楚G代码，它就能精准地重复动作。你给它的指令模糊，它就给你一堆废品。我上周在写那篇《别再让AI猜你的意图》的时候，其实已经踩过这个坑了。当时我试图让 WorkBuddy 一次性生成整个页面的布局，包括导航栏、卡片列表、侧边栏，结果出来的东西让我觉得这设计师大概在大学里只会画像素画。后来我学乖了，一个组件一个组件地生成，甚至一个按钮的不同状态（默认、悬停、点击、禁用）都分开写指令。效率反而上来了，大约节省了40%的重复劳动时间。

但问题来了。这种“拆解”思维，对UI设计师来说其实不算太陌生，我们做设计系统的时候本来就要定义每个组件的状态和属性。但对一个普通用户，比如市场部同事，或者刚入行的新人，他们很难接受这种工作方式。他们想要的是“帮我做一张海报”，而不是“请先定义你的设计规范，然后告诉我主色调、字体层级、间距系统，再告诉我要放在哪个场景下”。WorkBuddy 的入门门槛，其实比很多人以为的要高。它不是那种“打开就能用”的工具，它是那种“你得先学会怎么用，才能用得爽”的工具。

我对比了一下 Pixso AI 和 FigmaMake。Pixso AI 的问题在于它太“聪明”了，聪明到会擅自帮你做决定。你告诉它“蓝色”，它给你十种蓝色，但没一种是你的品牌色。FigmaMake 则相反，它太依赖你的实时操作，你在画布上改一个东西，它就重新生成，没有“锁定规范”的概念。WorkBuddy 走的是另一条路：它把规范写在PRD里，然后让AI严格按照规范执行。这条路的好处是，一旦你配置好了，后续的生成错误率很低。坏处是，配置过程本身就很痛苦，而且一旦规范变了，你得重新写PRD。

我试过用 design-tokens.json 来替代 PRD Markdown，想看看能不能让 WorkBuddy 直接读取 tokens 文件。结果不太理想，它似乎对 JSON 格式的解析没有对 Markdown 那么友好，有些层级关系它会读错。也可能是我对 tokens 文件的写法还不够标准，毕竟我才接触它一天不到。但这让我想到制造业那篇文章里提到的另一个点：Siemens NX 的生成设计模块，它的输入是设计目标、重量目标、材料约束，输出是优化后的几何形状。整个流程是非常清晰的“输入-约束-输出”模型。WorkBuddy 其实也是这个逻辑，但它的“约束”定义目前还不够灵活。如果它能像 NX 那样，支持更复杂的条件判断（比如“当屏幕宽度小于768px时，这个组件的间距缩小到0.75倍”），那它的可用性会提升一个档次。

我现在的做法是，把 WorkBuddy 当作一个“组件生成器”来用，而不是“页面生成器”。我每天花大约半小时维护我的 PRD 文档，然后让 WorkBuddy 生成一个个组件，再手动拼到 Figma 里。这个过程听起来不“智能”，但实际效果比我之前用其他AI工具直接生成整页要好得多。因为生成的组件是符合规范的，我只需要关心布局和交互，不用再纠结“这个颜色是不是4px的误差”。我这边测下来，一个中等复杂度的页面，从设计规范到最终成稿，时间大约从原来的6小时压缩到3小时，其中WorkBuddy 贡献了大约1.5小时。剩下的时间我花在手动调整布局和微调交互细节上。

但我也很清楚，这个工作流对大多数人来说太“硬核”了。不是每个人都能接受用 Markdown 写设计规范，也不是每个人都愿意花时间去调试一个AI工具的输入。所以我给身边朋友的建议是：如果你是一个对设计规范有强迫症的人，或者你的团队已经有了一套成熟的 design tokens，那 WorkBuddy 值得你花一个周末去配置。如果你只是想快速出图，那它可能不是你的最佳选择。它的上限很高，但它的下限也很低，取决于你喂给它的东西有多干净。

最后回到制造业那篇文章给我的启发。OV Auto-Defect Creator Studio 之所以能成为制造业十大生成式AI工具之一，不是因为它的AI有多聪明，而是因为它解决了一个真实痛点：缺陷数据不够。它不是在“替代”质检员，而是在“赋能”质检员，—让质检员有更多数据来训练模型。WorkBuddy 的定位也应该类似。它不是来替代设计师的，它是来帮设计师把那些重复的、规范的、机械的部分自动化掉的。它的价值不在于“生成一个漂亮的界面”，而在于“生成一个符合规范的组件，让你不用每个按钮都重新画一遍”。如果你能接受这个前提，那它就是你工具箱里最趁手的那把螺丝刀。如果你期待的是“一键生成整站设计”，那它只会让你失望。

说实话，我到现在都觉得 WorkBuddy 的界面丑得像个隔夜的拿铁，配色突兀，布局混乱。但它的功能，我愿意给它加两分。