大数跨境

Vercel 的智能体如何借助 design.md 构建符合品牌风格的页面

Vercel 的智能体如何借助 design.md 构建符合品牌风格的页面 Levix 空间站
2026-09-06
0
导读:Vercel 的智能体如何借助 design.md 构建符合品牌风格的页面在 Vercel 内部,我们使用编程

Vercel 的智能体如何借助 design.md 构建符合品牌风格的页面

在 Vercel 内部,我们使用编程智能体来设计和构建页面,而这些页面必须让人一眼就能感受到 Vercel 的风格。字体、颜色和构图,都需要体现出与我们亲自发布的页面相同的设计判断。

我们最近介绍过 product-design。这是一个 Skill,用来教智能体在 Vercel 的代码库中工作时,理解我们如何进行设计。它与所管理的代码一起存放在每个仓库中,告诉智能体如何找到并理解我们的设计系统,以及当前产品所对应的设计规范。

智能体在 Vercel 的代码库里工作时,这套方法很好用,因为 Skill 需要的一切都在那里。但报告、提案和临时制作的独立页面又该怎么办?它们同样需要具备 Vercel 的风格,却可能由无法读取这些仓库文件的工具制作。我们的答案是 design.md,一个任何智能体都可以加载的公共文件。

我们如何着手构建 design.md

product-design 能够发挥作用,是因为设计系统和产品规范就放在仓库里,智能体可以直接读取。我们需要让这个环境之外的智能体和工具也能获得同样的知识,让最终生成的页面看起来依然像是出自我们之手。由此产生了两个要求:

  • • 提供一个公共 URL,无论智能体运行在什么环境中,任何人都可以把这个地址交给它。
  • • 覆盖让 product-design 发挥作用所需的全部指导,从品牌、布局和文案,到设计系统、响应式设计与信息架构。

我们最初采用了最直接的办法,把 product-design 移植成一份公共 Prompt,并将这个 Skill 的参考文件压进一个可通过 URL 读取的文件。问题在于,这份 Prompt 虽然可以很好地描述我们的视觉语言,不同模型却会以不同方式理解它。同样的指导,最终生成的页面差异极大。

一部分原因在于设计语言本身就带有主观性。“保持布局简洁”几乎可以指任何事情。到底怎样才算“简洁”?更大的问题来自这份 Prompt 没有带走的东西。在 Vercel 的代码库中,智能体阅读 product-design 时,周围还有真实组件和已经上线的案例,可以对应其中描述的内容。公共 Prompt 没有这些上下文,每个模型只能根据文字重新猜测并搭建我们的风格。

因此,我们需要把原有环境提供的东西提炼进一个文件中。要判断方向是否正确,唯一的办法就是查看实际生成的页面。我们放弃了直接移植的方案,从头开始编写新文件,并使用一套可以反复运行的评测 Prompt 检验每一次修改。

我们编写了 7 个 Prompt。它们来自真实使用场景,并分别配有模拟输入:

  • • 使用情况与性能报告
  • • 续约提案
  • • 基准测试报告
  • • 交互式规划页面
  • • 自建还是采购的决策简报
  • • 安全治理简报
  • • 演示文稿

在 design.md 持续修改的过程中,这些 Prompt 始终保持不变。因此,输出出现的任何差异都可以追溯到指导文件本身。

第一次对比

这些评测让我们可以衡量 design.md 究竟改变了什么,也能观察不同智能体会怎样理解它。第一次测试要回答一个最基本的问题:design.md 是否真的会改变模型的输出?

我们在相同环境中,用同一个模型把续约提案评测运行了两次。一次不加载 design.md,另一次加载它;两次使用完全相同的 Prompt、数据和视口。

相同的 Prompt、数据、模型和视口。两个版本都只生成一次,没有重跑。

没有 design.md 时,模型生成的是一个通用 SaaS 仪表盘。加载文件后,页面首先给出续约建议,把商业证据集中进同一个网格,将同类数据放在统一刻度上以便真正比较,同时保留支持性细节,又不让它们抢走摘要的注意力。

由此可以判断,这个文件改变的不只是我们最初观察到的视觉样式,也会影响页面结构和信息层级。这已经提供了足够明确的信号,让我们可以沿着这条路线继续构建设计指导,每次增加一条规则。

让这套系统发挥作用的三个部分

在反复测试和重写 design.md 的过程中,它逐渐发展成一个由三部分组成的系统:

  • • design.md 提供判断规则,告诉智能体如何界定读者要完成的任务、怎样组织证据,以及如何选择构图。
  • • 一份公共样式表,提供范围受限且有明确文档说明的类名与 Token。
  • • 一套评测闭环,把反复出现的人工反馈转化为更好的指导规则和确定性检查。

这三层分别覆盖了制作高质量、符合 Vercel 品牌风格页面时所需的不同工作。写入 design.md 的设计判断会指导智能体:

  • • 让页面既适合管理层快速浏览,也经得起详细核查。
  • • 用具体的主张和诚实的限制说明来撰写文案。
  • • 组织信息层级、字体和颜色,让证据与文字相互支持。
  • • 按照 Vercel 的方式发布页面,其中甚至包括 Vercel 字标和三角形 Logo 的素材使用规则。

design.md 还给那些反复出现、又绝不能出现在最终成品中的生成式设计套路起了名字。明确命名以后,智能体更容易识别并避开它们。

design.md 的一段节选。明确命名反复出现的生成式设计套路,有助于智能体识别并避开它们。

我们创建公共样式表,是因为智能体总在自行发明字体、间距和布局。于是,我们干脆把这些决定完全从模型手中拿走。样式表把设计系统中的基础组件打包成 CSS,例如标题、表格、指标条和图表样式,任何页面都可以通过公共 URL 使用。design.md 再对样式表提供的类名和 Token 进行说明,让智能体直接在 HTML 中使用这些名称,不必重新发明一套样式。

这样做还有一个好处。智能体根本不需要读取样式表本身。页面在浏览器中渲染时才会加载 CSS,因此其中的代码不会进入模型上下文,可以为设计指导留出更多空间。

最后,评测闭环让前两部分真正配合起来。确定性检查负责发现机械性问题,例如表格没有利用可用宽度;人类则判断那些无法自动化的主观部分,包括信息层级、构图,以及页面是否真正满足了读者打开它时的需求。

指导规则如何进入文件

design.md 中的每一行指导都必须通过评测闭环证明自己值得保留。我们根据固定场景生成页面,审查产出,把认可的修改编码进系统,再次运行场景,检查修改是否真正生效。因为一种改动可能改善某类成品,却在不易察觉的情况下损害另一类成品。除此之外,没有任何规则可以直接进入文件。

场景与轮次

7 个 Prompt 中的每一个都会成为一个评测场景。Prompt 会与模拟输入和渲染设置一起冻结。例如,续约提案始终使用同一组虚构客户数据和相同的视口设置,确保每次运行之间唯一变化的内容是 design.md。

一个“轮次”指使用当前版本的文件,为每个场景重新生成一张页面。完整轮次会让 Claude Opus 4.8 和使用 GPT-5.5 的 Codex 分别运行全部 7 个场景。

如果想调查某个具体问题,例如只会影响表格的规则修改,我们可以只重新运行受影响的场景或某一个模型,让迭代保持紧凑。

同时生成 7 张页面,也方便把它们并排比较。我们发现,design.md 并没有把所有页面都推向同一个模板。交互式规划页面会把控制项放在最显眼的位置,因为用户打开它就是为了修改数字并查看结果;续约提案则先展示建议,再给出背后的商业对比,因为读者需要据此决定是否续约。

所有页面都使用相同的 Vercel 字体、颜色和间距,但每张页面都会围绕读者真正要完成的任务来组织结构。

不同场景的输出共享同一种视觉语言,同时采用不同的页面结构。

审查每一次运行

为了审查每一轮生成的页面,我们构建了一个本地应用,用于展示整页渲染结果并进行盲测 A/B 对比。它后来成为我们的评测 Harness,负责运行所有场景并保存结果。

每条保存下来的运行记录都包含 Prompt、输入、模型配置、所使用的 design.md 版本、页面截图,以及评审者留下的反馈。评审者提出的每一项修改,都会与产生问题的那次具体运行绑定。

把修改意见转成规则和检查

评审者记录的每一项修改,都会被放进能够稳定执行它的最小范围中。涉及判断的改动以文字形式写进 design.md;可复用的机械规则进入样式表;能够自动检查的问题则在代码中变成确定性检查。Harness 自身的问题留在 Harness 中。如果只有某一个模型以其他模型不会出现的方式失败,我们不会马上把它写进通用规则,除非同类问题再次发生。

以早期生成的一份续约提案为例。它的商业条款表格被压缩到和正文一样窄,尽管页面明明有足够空间让表格扩大到两倍宽。

将全宽表格反馈写入 design.md 前后的对比。

评审时,我们指出证据表格应该使用全部可用宽度。回看之前的输出后,我们发现这个问题到处都有。因此,这项修改最终进入了两个位置:

  • • 在 design.md 中增加一条规则,说明预期行为。
  • • 在代码中增加一项确定性检查,下次出现相同布局错误时立即捕获。

完成修改后,后续的续约提案 Prompt 就能生成宽度正确的表格。为了验证这类改动,我们会在编码完成后重新运行受影响的场景。到了重要里程碑,我们还会进行更严格的盲测 A/B 轮次,把新版 design.md 与旧版放在一起比较,再决定每项修改应该保留、调整还是撤回。

衡量它是否有效

构建这份文件总共经历了 200 多次运行,其中包括完整轮次、定向检查、试运行和所有走过的弯路。除了人工评审,每轮还会有一个模型评审者撰写批评意见。每一轮收到的反馈都会用于改进下一轮。

为保持简洁,图中每隔 3 次展示一代结果。每一轮都会收到反馈,用于改进下一轮。

完成这些运行后,我们还想知道,已经编码的修改是否真的可以阻止对应问题再次出现。于是,我们选择了 3 个桌面端场景,让使用 GPT-5.5 的 Codex 分别生成两次页面,一次加载 design.md,一次不加载。每次生成都保留第一次结果,不进行重跑。

随后,我们在全部 6 张页面上运行确定性检查,统计每一组中出现了多少次已知问题,例如表格没有使用全部可用宽度。加载 design.md 的页面共出现 39 次这类问题;未加载的页面出现了 91 次。按这次测试计算,问题数量减少了 57%。

这些数字有两个限制。检查只能发现我们已经见过并写进规则的问题,因此这项测试完全不能说明页面的整体设计是否优秀。6 张页面的样本也远不足以对质量或可靠性作出判断。无论是否加载 design.md,每张页面都至少存在一个严重到足以阻止上线的问题。

这项测试能够说明的是,一旦我们为某种问题命名并把它编码进系统,同类问题通常就不会再轻易回来。

design.md 如何保持更新

评测闭环让这份文件得以发布,真实使用则让它持续更新。在内部 Slack 中,员工通过 @design-agent 使用这套系统。这个智能体基于 eve 构建,使用场景从设计点评、替代文案和图标建议,到根据粘贴的数据构建报告网站。员工不必设置 Prompt 或四处寻找源文件,只需在线程中提及智能体。

收到网站制作请求时,它会加载最新版 design.md,使用已经发布的样式表构建页面,再把整页截图和部署 URL 发回 Slack 线程。与固定场景不同,每个线程都会保留一次真实请求、真实输出,以及之后所有反馈和调整过程,让我们看到这些指导规则在实际工作中的表现。

每周,我们都会把反馈集中到一起,其中包括 Slack 线程、GitHub Review 评论和 Figma 反馈。自动化程序会把反复出现的意见归为一组,每一类重复投诉都会形成一项修改建议。随后由人审查每项建议,判断系统是否已经覆盖这个问题,并决定认可后的修复应该进入 @design-agent、product-design Skill、design.md、样式表,还是确定性检查。

如果员工开始要求一种从未测试过的页面,这类请求就会变成新的评测场景。

为了判断整个系统是否有效,我们会统计同一类意见在类似工作中随着时间出现的频率。修复被编码后,这个数字应该开始下降。如果没有下降,就说明修复本身存在问题。可能是规则写得不够清楚,可能是需要时没有成功加载,也可能是样式表缺少能够表达这项要求的基础组件,或者这个问题更适合用确定性检查处理,而不是继续增加文字说明。

构建你自己的版本

你也可以建立同样的闭环,从一种经常制作的成品和一次人工对比开始。

1. 选择一种会重复制作的成品

挑选最近的一项任务,它应该有真实读者和真实输入,例如提案、性能报告、基准测试或微型网站。不要使用“让它符合品牌风格”这类宽泛目标。

生成任何内容之前,先写一份简短的评分标准。好的标准会检查输入的事实是否得到保留、读者需要作出的决定是否清晰,以及那个一直需要人工反复修正的问题是否真的解决了。

2. 先保存基线

在不加入任何新设计上下文的情况下生成一次页面,并保存 Prompt、输入、配置和截图。即使第一版看起来很粗糙也要保留,除非 Harness 本身运行失败。没有修改前的版本,就无法判断新上下文是否带来了改善。

3. 从最近十次修改意见开始

收集你在设计评审、Pull Request 或 Slack 中不断重复提出的反馈,再把每一项改写成可以观察和验证的要求。例如,写成 让证据表格使用全部可用宽度,不要写成 让表格看起来没那么拥挤,因为只有前一种说法可以被检查。

把这些决定放进同一个文件,按适用范围、读者与任务、可观察的决定和可用基础组件分节组织。这就是你的第一份 design.md。

4. 约束可以重复执行的机械规则

如果输出总在自行发明字体、间距或布局,就发布一份样式表,并写明智能体可以使用的准确类名与 Token。把设计判断留在文字规则中,把可以重复执行的机械部分交给 CSS 或确定性检查。

5. 进行一次条件完全一致的对比

使用相同输入、模型和视口再次生成页面,这一次加载你的文件。把新版本和基线打乱,在不知道哪个版本加载过设计文件的情况下,根据评分标准为两者打分。

起步时不需要自动运行器,也不需要模型评审者。一次测试已经足以暴露那些巨大而明显的问题。如果需要衡量可靠性,就进行多次相互独立的首次生成测试,并报告同一结果能够重复出现的频率。

6. 把修改意见编码进系统

结合为了修正页面而不得不追加的 Prompt 审查输出,然后回答下面几个问题:

  • • 用户不得不重复说明或手动引导了什么?
  • • 是否缺少某条规则,或者现有规则不够清楚?
  • • 样式表能否表达这项修改?
  • • 这个问题是否足够机械化,可以直接在代码中检查?
  • • 这项修改能否推广到当前成品之外?

应该更新指导文件,而不是手动微调当前生成的页面。下一次对比会告诉你,智能体的第一版输出是否真的改善了。

人工闭环开始产生价值后,再加入工具:

  • • 同时加入指导规则应该生效和不应该生效的场景。
  • • 编辑规则时保留一小组隐藏测试。
  • • 记录模型版本和指导文件版本。
  • • 自动运行机械性检查。
  • • 使用多位盲测评审者。

无论自动化程度多高,最终修改都应由人审核。

接下来,让这个闭环持续运转。按固定节奏收集反馈,并观察每类问题在修改指导规则后是否真的减少。如果人们在生产工作中仍然反复修正同一个问题,那么一次通过的评测并没有太大意义。

如果需要可以直接使用的案例,我们的文件已经公开。我们每天都会在 v0、Codex 和 Claude 等工具中加载 design.md,生成带有 Vercel 风格的成品。公开的 eve design agent template 则可以帮助你搭建一个与我们内部版本类似的 Slack 设计智能体。


【声明】内容源于网络
0
0
Levix 空间站
1234
内容 58
粉丝 0
Levix 空间站 1234
总阅读0
粉丝0
内容58