幫產品去除 AI 味的方法：人類應該奉行減法哲學，用品味刪除不必要的產出
Ref 創辦人暨工程師 Matt Dailey 日前分享自己使用 AI 進行產品設計的方法。
他坦言自己「不是設計師，而且討厭 AI slop」，因此整理出一套「de-slop」流程，反過來限制 AI：人類負責定義限制、刪除東西與建立品味，AI 則負責大量探索與執行。
AI 最危險的設計習慣：看到問題就加東西
Dailey 認為，產品設計首先不該從「這個按鈕應該放哪裡」開始，而是先理解整個系統。
廣告 - 內文未完請往下捲動
他引用 Christopher Alexander《Notes on the Synthesis of Form》的概念，將設計拆成三個步驟：
1. 列出所有設計限制（Constraints）
2. 探索多種符合限制的解法
3. 如果發現限制需要增加或移除，就回到第一步
限制可能包括字體、尺寸、使用流程、商業邏輯，甚至產品必須支援的不同狀態。
真正的問題，是很多團隊會跳過第三步。當使用者抱怨某個功能難用，就立刻修改 UI；下一個使用者提出另一個問題，又再補一個按鈕、提示或功能。
Dailey 將這種做法稱為「Design Whack-a-Mole（打地鼠式設計）」。
而生成式 AI 恰好會把這個問題放大。工程師很容易直接要求 Agent：「讓 X 更明顯。」、「加入一個操作 Y 的入口。」
AI 每次都能迅速完成任務，但反覆累積後，產品最終可能變成由大量局部最佳解拼湊而成的介面，反而讓更多使用者困惑。
因此 Ref 會另外維護一份文件，持續記錄產品中的小問題與使用摩擦（papercuts）。
明顯錯誤立即修復，但較小的問題不一定馬上動手，而是在下一次重新設計時一次處理，避免產品被零碎回饋牽著走。
Agent 喜歡一直加東西，人類的工作反而是「刪」
Dailey 認為，AI Agent 在 UI 與程式碼上有一個非常類似的習慣：過度建設。
寫程式時，Agent 可能多包一層 try-catch、重複實作已存在的 utility；做 UI 時，則會不斷增加說明文字、分隔線、Icon 與視覺元素。
結果往往是「比普通工程師自己畫得漂亮」，卻不代表它真的是好的產品設計。
因此他的做法非常直接：
逐一檢查畫面上的元素，問自己：「我真的需要這個嗎？」
如果答案是否定的，就刪掉。
不要直接在正式產品裡跟 AI 慢慢改
另一個常見陷阱則是「Prototype Gravity（原型引力）」。
工程師讓 Agent 直接在既有 Codebase 裡做出第一版介面後，由於程式已經寫好了，接下來最自然的選擇往往不是重新探索，而是在第一版上持續修改。
問題在於，第一個方案因此取得了不成比例的優勢。
Dailey 建議把「設計」與「實作」拆開，在 Figma、Cursor Design Mode、Claude Design 或 HTML Prototype 等環境先探索，並且要求 AI 一次產生 3 至 4 種不同方案。
他尤其推崇 Figma，認為目前仍是快速進行設計迭代最好的工具之一。
這個流程的重點不是 AI 能不能一次做對，而是利用生成成本快速下降的優勢，把 AI 當成「方案生成器」：不要問它最佳答案是什麼，而是讓它一次給你足夠多答案，再由人決定哪一個值得繼續。
建立元件庫，避免產品變成 AI 拼裝車
在實作階段，Dailey 強調 reusable components 的重要性。
如果每次叫 Agent 寫一顆按鈕、表格或輸入框都重新生成一次，即使功能相同，細節也可能逐漸漂移，最後整個產品就像由不同設計師拼裝而成。
Ref 因此維護一個 “/showcase” 頁面。
Agent 會先在這裡建立與測試 UI Component，確認後才接入真正的產品邏輯。如此可以將 View 與 Logic 分離，也讓整套產品共用相同的視覺語言。
AI 做完不代表完成，還要丟進真實資料測試
Dailey 同樣建議大量使用 Preview Deploy。
因為設計稿看起來合理，不代表放進真實產品仍然合理。資料長度、不同狀態、使用者行為與後端資料，都可能讓原本漂亮的介面暴露問題。
Ref 甚至將 Frontend 與 Backend Pull Request 分開處理：後端主要依靠 Unit Test 與 Integration Test 驗證；前端則透過 Preview Deployment，讓人直接打開實際版本檢查。
即使 Agent 100% 完成你下達的需求，也不代表設計就是對的。
「抄」也是 AI 設計的重要能力
Dailey 給工程師的另一個建議非常直接：Steal stuff。
大部分 UX 問題並不是第一次有人遇到。與其讓 AI 從零幻想解決方案，不如先研究其他產品如何解決相同問題。
他觀察，優秀設計師開始專案時，經常會先蒐集大量 Screenshot 與參考案例。
到了 AI 時代，這些 Reference 又多了一層價值：它們可以直接成為 Agent 的 Context。
AI 時代，「品味」反而變得更重要
Dailey 最後談到一個難以量化、卻可能是整套方法最重要的能力：Taste（品味）。
很多產品工程師其實很容易判斷「這個設計不太對」，真正困難的是下一步：那到底應該怎麼改？
專業設計師之所以比較容易回答，是因為長期經驗讓他們腦中累積了大量可調用的解決方案。
而建立這種能力沒有捷徑，只能不斷嘗試、觀察自己的反應，再反思為什麼某個方案有效或無效。
Ref 沒有全職設計師，因此 Dailey 開玩笑形容團隊採取的是一種「農業脫粒法」：把設計丟到中間，所有人拿棍子不斷打，直到大家終於覺得它夠好。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
