Claude Design 深度讨论：新范式、行业影响、portfolio 机会点
基于 4/18–4/20 AI 日报六篇素材（赛博禅心、宝玉、手工川、AGENT橘、martinalderson、Sam Henri Gold）的讨论式精读。讨论按 Justin 提的四点进行，完整走完前三点 + 追加 portfolio 竞争分析。第四点（泄露 prompt 的工程建议）作为 follow-up 保留。
产品概览（归一化事实）
- 发布：Anthropic Labs 2026/4/17–18 发布，入口
claude.ai/design - 底层模型：Opus 4.7（首个支持高分辨率图像的 Claude 模型，长边 2576px / 3.75MP，相比前代 1568px / 1.15MP 跃升）
- 输出：React + CSS 可运行代码，不是静态设计稿
- 能力评分（Peter Yang 未剪辑实测）：线框图 9/10、移动应用 8.5/10、Deck 8.7/10、视频 4.5/10
- 导出路径（6 条）：项目 zip / PDF / PPTX / 发到 Canva / 独立 HTML / Handoff 到 Claude Code
- 系统架构：37 个专用工具 + 13 项 invoke_skill 按需加载 + Tweaks postMessage 协议 + fork_verifier_agent 后台验证
- 订阅：Pro / Max / Team / Enterprise 独立用量池，和 Chat、Claude Code 分开计量
- 独立客户背书：Canva（“Send to Canva”）、Brilliant（20 prompts → 2 prompts）、Datadog（会还没散原型已经能跑）。Figma 没有提供 testimonial
讨论点 ① — Claude Design vs Figma/Canva：使用过程的本质区别
核心观点
Figma/Canva 是”人在画布上画，AI 帮忙”；Claude Design 是”agent 在文件系统里写代码，人在滑块上调”。这不是 UI 差异，是生成主体反转。
五层具体差异
| 层面 | Figma/Canva | Claude Design |
|---|---|---|
| 基本动作 | 点选图层改属性 | 写 prompt + 画框评论 + 拖 Tweak 滑块 |
| 底层数据结构 | 矢量 + 专有图层树 (.fig) | HTML/JSX 文件 + localStorage + EDITMODE JSON 块 |
| 交付模式 | 需要工程师按标注还原的稿 | 可 git clone 继续开发的 React 工程 |
| 协作模式 | 多人同时拖图层 | 多人同时跟 agent 对话（群聊式） |
| 工具哲学 | 让人画得更快（Auto Layout / Variable） | 服务 agent 自己的认知循环（read/write/copy/verify） |
Ryan Mather 的钥匙：“不要用对待画布工具的方式用 Claude Design，它更像 Claude Code” —— 意思是你在 Figma 里那套”搭框架-填内容-加交互”的动线会让你在 Claude Design 里用得特别差。
Justin 的关键 pushback + 深化
“相当于 Figma 之前的积累是把人做设计的工具做了最好的优化和抽象化，然后封装成很高效的工具层。但是 Claude 直接让 agent 去做设计了，完全跨过了中间人去操作的过程。”
归纳精准，在此基础上加一刀：Figma 的十年积累不只是”被跨过了”，更残酷的是现在变成了 AI 的障碍。
- Figma 所有抽象（Component / Auto Layout / Variable / Interactive Component）都是”把人的操作语义优化到极致”
- 这些抽象对 AI 是需要先学会、再翻译回来的外语
- AI 读代码是母语（训练数据天然是 HTML/CSS/React），读 Figma 专有格式是第二语言——并且这第二语言根本没进过训练语料
Figma 护城河倒过来成了负债：
- 对人而言护城河（学 Figma 要时间） → 对 AI 而言就是隔离层（AI 没法直接操作）
- 对人而言效率工具（Auto Layout 省 80% 拖拽） → 对 AI 而言是需要反向翻译的中间态
- 对团队而言协作资产（全公司 Figma 文件积累） → 对 agent 而言是读不懂的离线仓库
讨论点 ② — Figma/Canva 接 Claude 的方式 vs Claude Design 本质区别
事实澄清
- Figma Make：Figma 自家 AI 产品，底层调 Sonnet 4.5（martinalderson 抓包确认，偶尔走 Gemini）。用户在 Figma 画布里写 prompt，输出回填成 Figma 图层
- Canva 接 Claude Design：下游集成——Claude Design 的 Export 有”Send to Canva”，Canva CEO 给了背书。Canva 做”Claude Design 的收尾编辑工位”
- Claude Design：自己就是 agent + 代码，直接用 Opus 4.7
三层本质差异
层一：翻译损耗差
Figma Make 工作流是
LLM 想设计（以 web 形态）→ Figma 拍扁成矢量图层。这个拍扁过程必然丢三样东西：真交互、真动画、真可运行性。Figma
Make 里的”交互”是 Prototyping 的伪交互，不是 onClick 触发
setState 的真逻辑。Claude Design 没有这个翻译层。
层二：推理质量差（结构性）
martinalderson 挖出的狠点：Anthropic 绝不会把最强模型以平价 API 卖给 Figma。Figma Make 今天 Sonnet 4.5，明天 Sonnet 4.6，永远落后 Claude Design 半代到一代，且 Figma 每次 API 调用都在给 Anthropic 送钱——用量越大、补贴对手越多。Cursor 当年就是这样被 Anthropic 挤压的。
层三：系统提示词耦合深度
Claude Design 的 37 个专用工具、13 个 invoke_skill、postMessage Tweaks 协议、EDITMODE JSON 块、fork_verifier_agent 后台验证——这套 prompt 和宿主深度绑定，三位一体（Anthropic 自己的 agent + 自己的模型 + 自己的宿主）。Figma Make 只能调标准 API，系统提示词只能自己写、服务”输出 Figma 图层”的约束。
关键类比
- Figma Make = “会做饭的厨师在我家厨房做菜”（租厨师，还得适配我家灶具）
- Claude Design = “在米其林餐厅的开放厨房里吃”（厨师、灶具、食材、盘子全是一家的）
- Canva 接 Claude Design = “米其林外卖到楼下，自己配餐具吃”（下游 adapter）
Canva 给 Claude Design 背书不是迷惑操作（martinalderson 认为迷惑），是 Canva 主动选了”做下游消费端”——承认生成侧打不过，守住”人类手工精修 + 品牌资产库”的窄生态位。Canva 比 Figma 清醒。
讨论点 ③ — 长期对设计行业的影响
时间线
1 年内：设计外包市场先死
最先感受到刀的不是 Figma、不是大厂内部设计团队，而是外包市场——Upwork / Fiverr / Dribbble 上接活的个人设计师、5 人以下小 agency、电商卖家花几百块找人做 banner 的生态。甲方付费意愿是”够用就行”，Claude Design 质量已稳稳超过阈值。几百亿美金规模市场，没有品牌护城河。
2 年内：设计岗位数量大砍，单人身价反涨
Ryan Mather 一人覆盖 7 产品线是信号弹。按这个参照线：
- 顶部 10-15%（吃判断力、品牌方向、审美品位） → 单人年包翻倍
- 中间 70%（吃执行、做 mockup） → 被 agent 吃掉，转行或降薪
- 底部（流水线切图、做 icon） → 直接归零
曲线和编程圈过去两年完全一样。设计圈起跑晚 24 个月，压缩期会更陡。
3-5 年内：职业重新定义
新岗位原型：
- Agent Director —— 写系统提示词 + 搭 skill hub + 设计工作流（Justin 现在做的事）
- Design System Engineer —— 为 agent 可读性维护 design token 仓库（不是维护 Figma Variable 库）
- Taste Curator —— 纯粹做审美判断，甲方付钱买”看一眼说 OK”
传统”UI/UX Designer”会退化为”网页制作员”式的过渡称呼。
5 年内：设计教育坍塌
三大件（Figma 操作 / 设计系统规范 / Auto Layout 流程）全是存量技能。新核心能力——审美判断 + 提示词能力 + 跨介质品味——没法靠课程教，只能靠”看过足够多好东西”训练。徒弟制回归。
中国设计学院受冲击更大（过去二十年走”技法传授”路线，审美判断训练薄弱）。
结构性影响：单一真理源回归代码
Sam Henri Gold 观点外推一层：设计系统权威从 Figma Variable 库迁回代码仓库的 design token 文件。含义：
- 工程师/设计师边界继续模糊
- “设计交付”这个动作本身消失（源头在同一个 repo）
- Figma 十年全公司积累反而变成迁移负债
这是推论不是确定事实。成立需要前提：“工程实现和 Figma 稿不可调和时选哪边当真理源”。AI agent 时代 agent 改代码比改 .fig 容易 10 倍，所以冲突时代码赢——架构决定论硬。但“多数公司”到什么比例才算权威迁移是模糊过程，不是 flag day。保守估计 3-5 年见到明显 tipping point。
反直觉的一点：设计 AI 化比编程更快
- 编程有”能跑 vs 不能跑”的硬性验证门槛，一行错就崩
- 设计只有”好不好看”的软性验证，烂设计也能”跑”，AI 产出 70 分作品在 C 端直接发布不会出事
所以编程 AI 化是”向上爬坡”（要越来越对才能取代人），设计 AI 化是”向下滑坡”（70 分够打 90% 场景）。
Figma 反击的 4 条路径评估
| 路径 | 失败概率 | 理由 |
|---|---|---|
| A. 训练”能读 Figma 的模型” | 85% | LLM 规模定律要求开放 + 跨源语料；Figma 数据是私有孤岛；通用能力打不过 Opus/GPT；烧钱量级不对 |
| B. 开放 MCP 让 agent 读 Figma | 有效但 moat 被打薄 | agent 读了之后转成 HTML/React 再操作，Figma 沦为”只读输入源”（Airtable 今天的位置） |
| C. 变成”矢量素材库+精修工作站” | 70% 走向 | 类比 Photoshop 在 AI 生图时代——没死，但从主菜变配菜 |
| D. Figma Variable 成为 AI 时代 moat | <10% | 基础模型厂商没动机帮 Figma 训练（Anthropic 自己要做 Claude Design）。除非某厂承诺”永远不做设计产品”——没这家 |
最终判断：Figma Variable 无法成为 AI 时代的 moat，核心是“供应商即对手”的结构性陷阱。Figma 真正的长期 moat 是别的——企业合同深度、设计师肌肉记忆、矢量编辑引擎——这些是”拖延死亡+找生态位”，不是”建新 moat”。
黑暗场景：Anthropic 12-18 个月内可能直接收购或投资矢量编辑引擎公司（Sketch / Penpot 开源），把精修能力也拉进 Claude Design，Figma 的”最后港湾”也被端。理由：Ryan Mather 那句”Anthropic 设计师已经不主要用 Figma”意味着内部已摸到精修痛点。
讨论点 ④ — Portfolio 竞争分析：Lovart + Flova 对 Claude Design 打法的机会点
Lovart 概览
- 母公司 LiblibAI（北京奇点星宇），创始人陈冕（前字节剪映全球商业化负责人，字节最年轻 4-1 级产品，2025《财富》中国 40 under 40）
- 发布 2025/5 海外子公司 launch，2025/7 全量公开，日活 ~20 万，年化 ~3000 万美元
- 融资 2025/10/23 完成 1.3 亿美元 B 轮（红杉中国、CMC 领投，老股东顺为、源码、明势、渶策超额增持）—— 2025 年中国 AI 应用最大单笔
- 核心形态 ChatCanvas 无限画布 + 对话式多模态生成，一 prompt 出 40 个资产（图/视频/音频/3D/品牌 VI/HTML）
- 技术路线 模型超市（Midjourney / Seedream / Nano Banana / Kling 全聚合，不绑死单家）
- 目标用户 agency / 品牌 / 中小企业 / 独立创作者（<$90/月替代上万广告预算）
- 双轨出海 海外 Lovart + 国内”星流 Agent”，母公司 LiblibAI 日活 400 万/总用户 2500 万
Flova 概览
- 团队 郭列带队（Faceu 激萌创始人 → 字节收购后进剪映核心层），剪映早期最强产品技术团队汇合
- 融资 Sky9 Capital → 红杉中国跟投（红杉系 portfolio 中 Lovart + Flova 是”静态多模态 × 视频叙事”双仓位配置）
- 核心形态 多 agent 电影工业角色分工（编剧 / 导演 / 视觉 / 音效 agent），多模型编排（Sora 2 / Veo 3.1 / Kling 3.0 / Seedance 2.0），Element 系统做跨镜头角色一致性（大概率自研算法而非 prompt 工程，郭列带剪映班底不可能纯做 API wrapper）
- launch 已公开上线，Free / Starter / Basic / Pro 四档 credit 订阅，16+ 语言本地化
Lovart 机会点（按强度排）
强机会
- 多模态纵深（最硬的一刀） —— Claude Design 先天是”网页形态”产物，HTML/React/Tailwind 不擅长品牌 VI、印刷品、视频 campaign、音频、3D。Lovart 的 ChatCanvas 从 day 1 就是多模态并行。架构差不是速度差
- 模型超市 vs 绑死单 LLM —— Claude 图像生成远不是 SOTA（Midjourney/Nano Banana/Seedream 都更强）。Lovart 按任务选最优模型，底层换代时自动受益
- 中国/亚洲市场地理护城河 —— Anthropic 不服务大陆，Lovart 有”星流 Agent”本土化 + LiblibAI 2500 万中国创作者基数。结构性隔离
中机会
- To C / Prosumer 分发基因 —— 陈冕带剪映全球化经验 + 独立订阅 <$90/月；Claude Design 绑 Anthropic 套餐，C 端到达门槛高
- 场景错位 —— Claude Design = PM/founder 的”表达工具”；Lovart = agency/brand 的”生产工具”。真打 Lovart 的是 Canva，而 Canva 已站队 Claude Design
威胁点
- Claude Code handoff 闭环是 Lovart 没有的
- Anthropic 下一步若收购图像/视频公司（Runway / Pika / 可灵海外对手），Lovart 聚合优势被挤压
- Canva 站队 Anthropic 意味着 Lovart 海外 agency 场景被夹击
Flova 机会点（按强度排）
强机会
- 视频是 Claude Design 硬伤（4.5/10） —— Anthropic 没视频 foundation model 路线图，12-18 个月窗口期
- 多 agent 电影工业分工 —— 真 workflow 护城河 —— 叙事视频 = 多步规划 + 多模型调度 + 跨镜头一致性，不是一次 prompt 搞定。Claude Design 单 agent 做不了
- Element 系统（角色一致性）—— deal-breaker 能力 —— Sora/Runway 自己都做不好跨镜头主角稳定，Flova 专门建了工作流（郭列团队大概率自研算法）
- 字节剪映增长 DNA —— 对抗 Sora/Runway 正面竞争有字节反复经验（剪映就是从 VivaVideo 等对手里杀出来）
威胁点
- 真实敌人不是 Claude Design，是 Sora/Runway 自己做 workflow —— Sora 独立 app 发展越好、直接可用性越强，Flova 的独立价值越小
- 底层技术栈部分外包 API（Sora 2 / Veo 3.1 等），议价权在基础模型公司手里
横向判断
| 维度 | Lovart | Flova |
|---|---|---|
| 技术护城河 | 多模态画布 + 模型聚合工作流 | 多 agent 分工 + 角色一致性自研 |
| 分发基因 | 陈冕剪映全球化 DNA + LiblibAI 基数 | 郭列字节剪映班底 |
| 资本厚度 | 红杉中国 1.3 亿美元 B 轮 | 红杉 + Sky9 双 VC |
| 面对 Claude Design | 场景错位 + 多模态空白 + 中国市场隔离 | 视频窗口期 + workflow 深度 |
| 真实竞争对手 | Canva（已站队 Anthropic） | Sora / Runway / 可灵 |
两家都是顶级团队 + 红杉背书，护城河方向不同但同样厚。Lovart 的正面对手（Canva）已倒戈更危险；Flova 的正面对手（Sora）自己也在扩张 workflow 能力同样危险。
给 Justin 的 actionable
对 Lovart（下次 portfolio review 或和陈冕聊）：
- 守住多模态纵深不要收缩——视频/音频/3D 是 Claude Design 一年内补不上的护城河
- 中国市场（星流 Agent）优先级提到 P0——结构性隔离护城河要当战略级
- 观察 Canva 和 Anthropic 联盟深度——若 Canva 成 Claude Design 官方精修工具，海外 agency 场景告急
- 不要和 Claude Design 在 prompt-to-prototype 硬碰，让出这个场景
对 Flova（下次 portfolio review 或和 team 聊）：
- 真实敌人是 Sora/Runway 自己做 workflow——讨论重点应该在”Sora 下季度发布电影工业 workflow 怎么办”
- Element 系统技术故事要讲透（郭列团队有资格写真正有技术含量的博客/论文）
- 和 Lovart 的协同机会 —— 两家都是红杉中国 portfolio，视频（Flova）+ 静态多模态（Lovart）天然互补。可以探讨资产打通（Lovart 做品牌 VI，Flova 做 campaign 视频，共用 brand kit）。Justin 在 portfolio 价值创造层可以主动推
Follow-up（未走完）
讨论点 ④.扩展 —— 泄露 prompt 的工程建议 + HTML skill 结合
Justin 判断：这个更偏向个人工作流，暂不纳入本文档。
保留话题池：
- 分层结构（人格 → 工作流 → 硬约束）对 html skill 的改造启发
- 负面清单（AI slop tropes）和 apple-ui-design skill 的互补
- Tweaks postMessage 协议 + EDITMODE JSON 块如何嵌入 html skill 产出物
- questions_v2 强制 10 题的前置问卷模板
- invoke_skill 按需加载架构和 Justin 现有 skill hub 的映射关系
- 是否做”Apple HIG + Tweaks”的原型 skill（Claude Design 通用美学 vs apple-ui-design 垂直护城河）
触发时机：下次做新 skill 或改造 html skill 时单独开一次。
Justin 的关键观察与框架沉淀
框架 1：工具抽象的反向负债
Figma 之前的积累是把人做设计的工具做了最好的优化和抽象化，然后封装成很高效的工具层。但是 Claude 直接让 agent 去做设计了，完全跨过了中间人去操作的过程。
可外推场景：任何”为人操作优化的专有抽象层”在 agent 时代都面临同样风险——Notion、Airtable、Salesforce、Jira 都是潜在候选。测试问题：“AI agent 读这个工具的数据是母语还是外语？”母语（能直接读代码/JSON/标准化文本）→ 安全；外语（要先学专有格式）→ 高危。
框架 2：供应商即对手的结构性陷阱
martinalderson 指出 Figma 给 Anthropic 付推理费买自己的”死刑判决书”。可外推：所有依赖前沿 LLM 做核心功能的 SaaS 都有这个陷阱——Cursor / Figma Make 已验证。防御手段：（a）自研模型（需几十亿美金）、（b）模型聚合不绑死（Lovart 路线）、（c）做基础模型不可能做的垂直 workflow（Flova 路线）、（d）做数据 moat（Cresta / Harvey 路线）。
框架 3：单一真理源迁移
Sam Henri Gold + Justin 延伸的推论：LLM 训练数据决定谁是权威。代码是 LLM 母语，所以设计系统权威从 Figma Variable 迁回代码仓库 design token。可外推：数据分析权威从 Tableau/Looker 迁回 SQL 文件，文档权威从 Notion/Confluence 迁回 Markdown 仓库，等等。
Memory writeback 提示
本次讨论提炼出 3 个可命名的心智模型，符合 mental-models.md 的 Acceptance Criteria（命过名、跨 case 可复用、带应用场景锚点、带来源、自包含）。建议 Justin 在 remember skill 时考虑 cross-file 写入：
mental-models.md：工具抽象的反向负债 / 供应商即对手陷阱 / 单一真理源迁移dev-patterns.md：Agent 时代产品架构判断——“AI 读你的数据是母语还是外语？”projects.md：Lovart + Flova portfolio 最新认知（团队、融资、护城河方向、actionable）