生成图片只是第一步，

设计 Agent 应该交付更多

一个真实的设计任务长什么样？

大多数时候，只靠一句 Prompt 解决不了。老板发的一个产品资料的 pdf、同事扔过来的活动文档和参考素材，客户给的参考案例等等。最后要交的东西也不是一张海报。可能是小红书的六张组图、一个官网 Landing Page、或者是一组嘉宾的海报。而且这些东西还得保持同一个视觉体系。

过去两年，AI 生成工具在「出图」这件事上已经足够强了，但对于交付这件事，做得其实不够深。

在 2025 年的专访里，陈冕对于设计工具的不同阶段，给过一个划分。

1.0 阶段，Midjourney 等产品，图片生成的单点能力直接产品化；

2.0 阶段，ComfyUI 等工作流产品，点连成线，多种模型能力的链接，AI 能做到更多图片创意的任务；

3.0 阶段，Agent，让 AI 参与工作流的规划和执行，进一步降低用户门槛。

这个划分，在今天来看依然是成立的，只是 3.0 阶段，看起来更为复杂了一些。

AI 能规划并执行一条工作流，和 AI 能把这条工作流的最终结果交出来，中间还差一些距离。前者解决的是「谁来串工具」，后者解决的是「串完之后交给你的东西能不能直接用」。

Lovart 中文版的首页

上半年，几家不同赛道的设计产品，也都在朝这个方向走。

Adobe 4 月发布了由 creative agent 驱动的 Firefly AI Assistant，6 月扩展到 Photoshop、Premiere、Illustrator、InDesign。官方对此的定义是：用户描述期望的结果，agent 编排并执行跨应用的多步工作流，覆盖创意构思一直到最终制作。

Figma 在 Config 2026 上开放了 Design Agent，补齐了 Skills、Connectors 和 Attachments。项目的上下文、跑通的流程和工具都接入了进来。Figma 认为，光有 prompt 决定不了 agent 能做什么，工具、上下文和方法才决定。

为什么是现在，因为模型基本上已经把生成图片这件事解决了。应用层只能，而且必须往前更走一步，交付更复杂的结果。

为了测试 Lovart 在「完整交付」上到底走到了哪一步，我们设计了一个品牌物料的实验，给一家新咖啡品牌做一套发布物料。品牌叫「MONO ROAST」，定位独立精品咖啡，风格要现代、克制、有建筑感。目标客群是注重设计的都市消费者。

选择了「品牌设计系统」的 skill 后，直接把这套需求发给了 Lovart，期间经过三次的视觉风格确认：目标市场、核心内容、品牌视觉方向、logo 方向，最终产出了这些东西：品牌主视觉、一组社媒发布图、一个动态版本、一个品牌落地页、以及可以导入 Illustrator 继续使用的矢量 logo。

一套完整的视觉 UI 体系就这样搭建起来了，当然我觉得如果最终生成的没有那么惊艳，应该是卡在我的审美没法给出更专业的意见了。

生成的品牌动画

为了达成这样的交付效果，Lovart 最近做了不少事情。

首先是参考素材的收集和管理。Lovart 上线了一个 Chrome 浏览器插件，用户在 Pinterest、小红书、淘宝、亚马逊、Instagram 这些网站上浏览时，鼠标悬停到图片上会出现一个「收藏到 Lovart」的按钮，一键保存。图集可以批量保存，素材直接进入 Lovart 的项目空间。

插件可以很方便收集和管理素材

而且不限制类别，图片、视频、PDF、Word、Markdown 和网页链接等内容都可以成为 Reference；还会把这堆素材自动分类：哪些是「风格参考」，哪些是「品牌锚点」——比如 logo 和产品实拍图被自动识别为「不能改变的元素」。Agent 还会推测用户的创作目标：是做品牌记忆，还是做电商转化，还是做社交传播，然后据此判断参考图里哪些东西值得借鉴，哪些可以舍弃。

也就是说，过往设计师看参考图时进行的大量隐性判断，借构图还是借配色，保留产品还是只参考环境，这些可能以前必须翻译成 Prompt 关键词才能告诉 AI，现在 Agent 自己可以判断了。

然后是专业 Skill，或者说，这是 Lovart 预置的大约 100 个「专业设计方法包」。覆盖品牌设计、营销套图、电商详情、社媒 Campaign 等场景。跟模板的区别在于，一个 Skill 封装的不是一种视觉效果，而是完成一个设计任务的整套方法，任务怎么拆解、按什么顺序执行、遵循什么专业标准、修改时从哪里入手、交付物要满足什么要求。

拿品牌设计的 Skill 来说。在给出「MONO ROAST」的基本信息之后，不是直接生成一张 logo。它先拆了任务：品牌调性定义、logo 方向探索、主视觉确认、辅助图形延展、社媒规格适配。然后按这个顺序一步步来，前一步确认了才走下一步，每一步之间的视觉元素保持一致。

Skill 尝试解决的，是设计领域一种特殊的知识：procedural knowledge（程序性知识）。

LLM 有大量的视觉知识和风格理解，但一个有经验的设计师拥有的远不止这些。他知道做一套品牌要先确认什么、一组品牌符号的内容应该包含哪些模块、品牌视觉从包装延展到门店和社媒时什么可以变什么不能变、参考图里哪些可以借鉴哪些会构成简单模仿。

Lovart 的 Skill 是一次尝试，把这些经验编码成 Agent 可以反复执行的工作方法。

而且用户自己的成功创作过程也可以一键保存为个人 Skill——你做出了一套满意的品牌方案，整个工作流程可以存下来，下次做另一个品牌的时候直接调用，Agent 会沿用同一套方法但根据新品牌的信息调整内容。好的设计决策不再是一次性的。

这可能也是今年 Agent 赛道最值得关注的一个方向：垂直 Agent 的竞争，正在从「谁接了最强的模型」走向「谁积累了最多专业工作方法」。

既然要交付更完整的结果，生成的素材种类上，自然也不再是一张图片或者一组海报，比如刚才的咖啡品牌的测试，单图、组图、Motion 动效、视频、HTML 网页和 SVG 都有了。

可以很方便的生成和编辑 gif 素材

现阶段 SVG 还没法编辑，只能导入到 Illustrator、Figma 等工具中使用。但整体链路很清晰了，Lovart 想把 Agent 的 action space 从「生成一张图」扩大到「交付一整套设计物料」，同时让 AI 的输出能够接入后续的专业设计流程。

这也是他们所说的，回归到设计本身，让设计重新成为主角。

回头看 Lovart 这次的品牌主张，「Just Design」——少研究 AI，多专注设计。

其实在表达一个产品层面的判断：AI 工具走向成熟的一个标志，可能是用户越来越少需要意识到 AI 本身。

过去两年 AI 创作工具的交互模式，绝大多数都把 AI 放在最显眼的位置。选择模型，输入 Prompt，调参数，看 token 消耗，对生成结果不满意就换个 seed 重新跑。用户需要理解 AI 的工作方式，才能让 AI 帮自己工作。

这有点像计算机发展的早期阶段，用户需要理解文件系统、命令行、甚至内存管理，才能完成日常任务。后来操作系统把这些东西藏到了底层，用户面对的是文档、照片、视频，而不是文件路径和进程管理。

设计 Agent 也在经历类似的转变。灵感采集解决了「下载、上传、整理」的复杂度，Reference 解决了「分析参考图、翻译成 Prompt」的门槛，Skill 在尝试解决「拆解任务、决定执行顺序、维护品牌一致性」。

Agent 在底层处理的是搜索什么、理解什么、调用哪个模型、选什么工具、按什么步骤执行。用户只需要考虑「我要做什么设计」。

Just Design 的「Just」，与其说是「只需要做设计」，不如说是「终于可以只做设计」。

Adobe 那篇官方博客的标题是《The age of creative agents—and the rise of the creative director》，创意 Agent 的时代，和创意总监的崛起，描述的其实是同一件事。

技术在变复杂，但用户侧应该变得更简单。

Design Agent 的终点越来越不像一个更强的做图工具。它更接近一个能理解 brief、采集灵感、整理参考、调用专业方法、组织多个模型和工具、在不同媒介之间保持一致性、最后把设计任务做完的创作执行系统。

留给设计师的，应该是重新回到他们原本就应该做的事情：找灵感、定义问题、判断审美、选择方向、修改作品。当所有人都能生成，这些能力不会贬值，恰恰相反，它们会变得更稀缺，也更值钱。

陈冕在罗永浩的播客上也曾表达过类似的观点，AI 可以超越技能，但在审美、调性和灵感涌现上，人类仍然不可或缺。