借助AI成为更好的设计师：成为数字囤积者

上周，Google在其年度I/O大会上发布了众多更新，其中Gemini Omni模型尤为引人注目。该模型能够从视频等多种输入生成内容，体现了AI从单纯文本处理向多模态推理的重大转变。过去，我们习惯于为不同任务选择不同模型，例如文本用GPT、图像用DALL·E、视频用Veo等。但Omni的出现暗示，未来前沿模型将趋向“任意输入-任意输出”的统一架构。然而，当前绝大多数AI设计工具仍以文本为中心，导致输出不可避免地趋于同质化——人们称之为“AI垃圾”或“AI气味”，例如斜体标题、泛滥的米色与紫色渐变等。问题的根源在于缺乏有观点的引导，使得即便最先进的模型也会回归到平均化的模式。

要突破这一困境，设计师需要两样东西：品味，以及将品味编码为模型可模仿形式的能力。作者将后者定义为“编码品味”的技能，而提升这两者的最佳途径正是“数字囤积”。所谓数字囤积，就是持续收集任何你发现具有视觉吸引力的东西——图片、配色、字体、材质，甚至一段动态效果。这并非新鲜事物，设计师在做项目时常用的“情绪板”便是其体现。但关键在于，应将这种做法从项目性行为转变为日常习惯。每次保存素材时，尝试分析自己喜欢它的原因：是色彩、布局、字体还是动态？运用“五个为什么”深入挖掘，或者借助Claude、ChatGPT等工具解析其吸引力。久而久之，你会逐渐发现模式，丰富自己的审美词汇，培养出更敏锐的视觉判断力。

随着AI向“全知”（omni）方向发展，你积累的参考库将变得愈发宝贵。它不仅封装了你的个人品味，还能直接作为AI生成新内容的原材料。想象你的品味如同一张模糊的图像，每添加一件对齐的素材，这张“品味图像”的清晰度就提升一分。当你启动新项目时，不再需要空洞地要求AI“设计得更现代”，而是能直接提供丰富的视觉参考，从而引导输出远离平庸，走向独特。

当然，当前的多模态模型理解视觉信息的能力已相当强大，但将其转化为文本依然是必要的步骤。例如，你可以利用视觉分析工具生成TASTE.md或DESIGN.md等系统文件，将抽象的审美固定为具体的描述。Midjourney的“风格创建器”就通过让用户选择大量图片来生成精细的风格档案。尽管这种从视觉到文本再到代码的转换过程会丢失部分信息，但随着模型越来越“全知”，对文本转换的依赖将逐渐减少。届时，模型本身将学会直接品味你的审美，使你能更专注于判断、策展和创造。但无论如何，构建一个全面的“品味库”始终是基础。因此，就像AI模型一样，你也应该让自己变得更“全知”——从今天开始建立你的数字品味库，理解它，并为当今的模型编码它。

在本周的资源推荐中，文章提到了三则值得关注的内容：一是Ben Blumenrose发布的《2026年AI设计报告》，据称是迄今为止最全面的设计与AI现状综述；二是Nathan Baschez推出的开源项目Roughdraft，它将注释和建议修改功能引入Markdown文件，旨在改善人与AI代理的协作体验；三是Simon Last分享的关于在大规模项目中运行编码代理的实践经验帖，其中包含一些与半年前截然相反的新见解。这些资源为本文的观点提供了丰富的实践背景和工具支持。