藉助AI成為更好的設計師：成為數字囤積者
文章以Google Gemini Omni模型為引，指出AI設計工具因缺乏審美引導導致輸出同質化（“AI垃圾”），並提出解決方案：通過持續收集視覺參考（“數字囤積”）培養個人品味，並將其編碼為AI可理解的格式，從而引導模型產出獨特且具有品味的設計。
文章情報
要點
- Google推出Gemini Omni模型，標誌着AI從純文本向多模態推理轉變，但當前多數AI設計工具仍侷限於文本輸入，導致輸出千篇一律。
- 要擺脱“AI垃圾”，設計師需要培養品味，並將品味通過視覺參考庫（數字囤積）編碼，讓模型能夠模仿。
- 持續積累視覺靈感並分析其吸引力模式，是構建個人“審美庫”的關鍵，未來AI將直接理解視覺輸入，但審美庫的積累仍然不可或缺。
- 文章還介紹了三則本週資源：2026年AI設計報告、改進人機協作的開源工具Roughdraft、以及大規模項目中運行編碼代理的經驗帖。
為甚麼重要
這條新聞值得關注，因為Google推出Gemini Omni模型，標誌着AI從純文本向多模態推理轉變，但當前多數AI設計工具仍侷限於文本輸入，導致輸出千篇一律。
技術影響
可能影響模型選型、推理成本、產品能力和評測基準。
上週，Google在其年度I/O大會上發佈了眾多更新，其中Gemini Omni模型尤為引人注目。該模型能夠從視頻等多種輸入生成內容，體現了AI從單純文本處理向多模態推理的重大轉變。過去，我們習慣於為不同任務選擇不同模型，例如文本用GPT、圖像用DALL·E、視頻用Veo等。但Omni的出現暗示，未來前沿模型將趨向“任意輸入-任意輸出”的統一架構。然而，當前絕大多數AI設計工具仍以文本為中心，導致輸出不可避免地趨於同質化——人們稱之為“AI垃圾”或“AI氣味”，例如斜體標題、氾濫的米色與紫色漸變等。問題的根源在於缺乏有觀點的引導，使得即便最先進的模型也會迴歸到平均化的模式。
要突破這一困境，設計師需要兩樣東西：品味，以及將品味編碼為模型可模仿形式的能力。作者將後者定義為“編碼品味”的技能，而提升這兩者的最佳途徑正是“數字囤積”。所謂數字囤積，就是持續收集任何你發現具有視覺吸引力的東西——圖片、配色、字體、材質，甚至一段動態效果。這並非新鮮事物，設計師在做項目時常用的“情緒板”便是其體現。但關鍵在於，應將這種做法從項目性行為轉變為日常習慣。每次保存素材時，嘗試分析自己喜歡它的原因：是色彩、佈局、字體還是動態？運用“五個為什麼”深入挖掘，或者藉助Claude、ChatGPT等工具解析其吸引力。久而久之，你會逐漸發現模式，豐富自己的審美詞彙，培養出更敏鋭的視覺判斷力。
隨着AI向“全知”（omni）方向發展，你積累的參考庫將變得愈發寶貴。它不僅封裝了你的個人品味，還能直接作為AI生成新內容的原材料。想象你的品味如同一張模糊的圖像，每添加一件對齊的素材，這張“品味圖像”的清晰度就提升一分。當你啓動新項目時，不再需要空洞地要求AI“設計得更現代”，而是能直接提供豐富的視覺參考，從而引導輸出遠離平庸，走向獨特。
當然，當前的多模態模型理解視覺信息的能力已相當強大，但將其轉化為文本依然是必要的步驟。例如，你可以利用視覺分析工具生成TASTE.md或DESIGN.md等系統文件，將抽象的審美固定為具體的描述。Midjourney的“風格創建器”就通過讓用户選擇大量圖片來生成精細的風格檔案。儘管這種從視覺到文本再到代碼的轉換過程會丟失部分信息，但隨着模型越來越“全知”，對文本轉換的依賴將逐漸減少。屆時，模型本身將學會直接品味你的審美，使你能更專注於判斷、策展和創造。但無論如何，構建一個全面的“品味庫”始終是基礎。因此，就像AI模型一樣，你也應該讓自己變得更“全知”——從今天開始建立你的數字品味庫，理解它，併為當今的模型編碼它。
在本週的資源推薦中，文章提到了三則值得關注的內容：一是Ben Blumenrose發佈的《2026年AI設計報告》，據稱是迄今為止最全面的設計與AI現狀綜述；二是Nathan Baschez推出的開源項目Roughdraft，它將註釋和建議修改功能引入Markdown文件，旨在改善人與AI代理的協作體驗；三是Simon Last分享的關於在大規模項目中運行編碼代理的實踐經驗帖，其中包含一些與半年前截然相反的新見解。這些資源為本文的觀點提供了豐富的實踐背景和工具支持。