如何用AI生成设计稿？实战案例演示来了！（下）

扫一扫
官方手机版

扫一扫
AI创作程序

扫一扫
木子公众号

扫一扫
AI公众号

上期回顾：

如何用AI生成设计稿？实战案例演示来了！（上）

从 3 月 ChatGPT 火热以来，发现它能够通过文字生成代码，并进一步渲染成页面，展现出了解决部分 UI、UX、测试和前端工作的能力。

一、实际业务中组件库的难题

1. 组件使用要“天时、地利、人和”

组件虽好，却不一定适合你的团队，在使用组件、搭建组件库时，会遇到各种问题，下面列举实际业务中可能遇到的部分问题：

①一开始，建立大而全的组件库：

建立组件库的目的是为了让同事调用，从而去保持产品设计的一致性和性能的优化。

谈到组件库，大部分人都觉得要设置一个大而全的组件库，不然称不上组件库，但是在实际工作的数据中，长期调用的组件只占到 20%，有些组件调用甚至是个位数，一开始把精力放在完善组件库上，投入产出比不高。

第二个容易遇到的问题，团队成员从不用组件到开始用组件，会存在学习成本提升的问题，如果一开始就面对海量的组件，会有畏难心理，在短暂的时间内，他需要花更多的时间去了解组件的挑选和使用，过难会入门即劝退，倒不如刚开始只把业务高频使用的模块给组件化，如按钮、TAB 等，后续随着团队成员的对组件熟悉的增加，再同步补充组件库样式，Figma 有组件库调用的数据，哪些用的多，哪些用的少，都能了解到。

②人员更替，跨团队协作：

团队的人员更替在所难免，当团队成员更替时，新成员可能需要花费大量时间来理解和学习现有的组件库结构。对应的解决措施是做好组件库的新人手册，一劳永逸。

此外，搭建组件库需要耗费大量时间，而且这通常是在项目需求之外的工作。组件库的建立需要进行设计、开发、测试和文档编写等工作，这些工作可能与项目的紧迫性需求相冲突，因此需要额外的时间和资源来完成。

为了成功地建立组件库，团队可能需要领导的支持和认可，包括资源投入、时间安排和人员配备等方面的支持，这可能需要进行有效的沟通和推动。

③了解一些简单技术：

设计团队需要了解 Figma 的基本原理和组件的使用方式，同时要对开发框架中对应的组件形式有一定的了解，以便于能够将 Figma 中的组件转化为可用的前端组件，也可以多跟开发人员沟通，了解他们需要怎样的组件形式，关系好，没有什么是不能解决的。

这些难点，可能在看这篇文章的时候觉得问题不大，能克服，但是到实际项目中，却有可能成为阻塞点。

组件搭建和使用建议：

从常用的组件开始，小成本实验：可以从常用的弹窗、按钮、任务栏等进行尝试。组件设计的目的就是节省大家的时间，提高效率，如果一开始就设计得大而全，且缺少实际的使用场景，那么就不会有同事去调用它。

同时要做好上手介绍，大家都是有惰性的，如果没有组件使用的习惯，那么只会按照自己原来的方式去构建文档，因为这样不会有新的学习成本。

尽量用英文命名，为后续 AI 生成页面提供便利，ChatGPT 对英文的命名更敏感，产出时不易出错。

2. 现阶段 AI To Code /Design To Code 难

我们使用组件和搭建组件库，一方面是为了同事间相互调用，减少重复发明轮子，另一方面，也是为了当 AI 生成页面来临之时，我们有独特的、不可替代的业务组件，去进行页面生成。在这一段落，将讨论 AI 转页面、设计转界面的问题。

嵌套层级难处理：

AI 产生的代码当前仅适用于简单的布局和组件，而对于复杂的嵌套关系和动态逻辑处理则显得力不从心。

在 Figma 中，组件的嵌套层级可能与前端实现中的 DOM 结构不完全匹配，需要设计和开发团队共同协商如何将这些差异解决，以确保组件能够在设计和实现中保持一致。

与实际开发场景不同，AI 产出的一般会是并列关系，实际开发中一般是嵌套关系，举例：有些设计师也很少分组，一个页面就是一个分组，这样对于设计稿转代码会带来困难，会使得 AI 不理解你的页面层级。

同时，其实可以将设计稿的层级，以文字的形式输出给 chatGPT，辅助它输出正确的嵌套层级，这也是一个不错的方法。

补充：当前的部分视觉方案也是基于视觉识别，觉得你这里分割过大，看起来像是 2 个模块，那就是两个模块。通过交集、并集、父子集来判断。

二、组件库和 AI 结合的优势和局限性

1. 优势

减少重复劳动：结合前端组件库和 AI 生成代码的能力，可以大大加速页面开发过程，减少重复劳动，提高生产力。

统一设计风格：通过使用设计组件和 AI 生成代码，可以确保页面设计的一致性。

高可维护性：使用组件库和 AI 生成的代码可以提高代码的可维护性，因为它们遵循一致的结构和设计原则。

2. 局限性

语义理解局限：当前 AI 在理解人工语义方面仍存在局限性，可能无法准确理解所有的语义和业务需求，导致生成的代码不符合预期。

定制化困难：对于某些定制化、特殊化的设计需求，AI 生成的代码可能无法满足，需要手动调整和编写代码，比如运营活动就比较难实现。

设计复杂性：在处理复杂的设计组件和布局时，AI 生成的代码可能无法完全满足设计师的需求，需要人工干预。

综合而言，结合前端组件和 AI 生成代码的能力可以极大地提升页面设计的效率和一致性，但在实际应用中需要克服语义理解、定制化支持、人工干预以及性能，以实现更加智能和高效的页面设计过程。