📰 本日設計情報｜2026/07/05：Claude 把 AI 花費攤在陽光下，科技業集體愛上「桑拿風」木紋牆

企業主管開始盯著 AI 帳單看,Anthropic 乾脆把每一分錢攤開給他們看。Reel 字體的設計師則在思考另一件事:當所有人都在網路上用大寫字母嘶吼,安靜的小寫字母反而更有力量。木紋牆在科技業蔓延成一種尷尬的集體審美,Figma 的設計主管們則在思考,當 AI 把執行的門檻拉到地板,「品味」要靠什麼撐住。uxdesign.cc 用一張圖把 Figma 到程式碼之間的四層迷霧攤開,像是在幫每天被 AI 工具淹沒的設計師找一張地圖。

🔥 Claude 讓 Enterprise admin 把每一分 AI 花費看得一清二楚

Anthropic 這次沒有推新模型,而是把整個焦點放在「錢從哪裡花掉了」這件事上。新版 Analytics 幫 Claude Enterprise 的管理者把每個團隊、每個 App 的用量攤開:誰在用 Claude Code 開 PR、一個 PR 平均燒多少 credit、Cowork 裡的 session 又貴在哪裡,全部變成一張看得懂的儀表板。搭配的還有模型層級的權限設定和花費警報,管理者可以先圈好每個團隊能用哪些模型,超支前就收到提醒,而不是月底看帳單才嚇一跳。

對設計團隊來說這件事其實很實際:當 Claude 已經深度嵌進 Figma 外掛、Code Layers、原型產出的流程裡,「這個功能到底划不划算」開始變成一個可以被回答的問題,而不是憑感覺。AI 工具真的變成日常生產力的一部分之後,能被量化、被管理,才代表它從玩具升級成基礎設施。

閱讀原文 →

木紋牆瘋魔科技業:「桑拿風」美學是清醒還是陳腔濫調?

從咖啡店到 Apple Store,垂直排列的木紋牆最近在科技業的發表會、辦公室、產品包裝上大量出現,社群媒體幫它取了個名字:sauna core。有人截圖 ChatGPT 發表會的舞台背景、Nvidia 的包裝盒、甚至 Hermès 門市的立面,拼出同一種視覺語言——溫潤木紋、細長線條、極簡到近乎冷淡。

這股風潮的邏輯不難理解:AI 產品越來越抽象、越來越難用畫面解釋,木紋作為「有溫度的材質」正好拿來軟化科技的冰冷感,跟品牌近期集體愛用襯線字體的心態如出一轍——大家都想讓 AI 看起來更像人做的。但社群的反應也很誠實,不少人直接吐槽這是「偷懶的美學」,木條便宜、好量產、拍照好看,卻掩蓋不了設計語言正在快速趨同的事實。當一種手法變成每個品牌的預設選項,它離過時可能只剩一步之遙。

閱讀原文 →

當全世界都在網路上用大寫字母嘶吼,這款新字體選擇小寫

大寫字母曾經是「重要」的同義詞,從政治標語到 Instagram 標題,吼得越大聲越有存在感。但字體設計師 Jamie Clarke 觀察到一件事:當每個人都在嘶吼,嘶吼本身就不再有效果,甚至開始讓人覺得有攻擊性。他做的新字體 Reel 沒有放棄大寫字母,而是設計了一套 Flexi-case 系統,讓大寫和小寫可以自由混排在同一個詞裡,同時保留住緊湊字型在螢幕和版面上該有的視覺重量。

Jamie 找了《Linotype》紀錄片導演 Doug Wilson 一起做研究,把「迷戀大寫」這件事一路追溯回 1856 年,證明這是延續了一百多年的排版習慣,不是網路時代才有的產物。他也點出 Taylor Swift、Charli XCX、Bad Bunny 這些藝人最近不約而同在專輯名稱和社群上改用小寫,把「不喊了」變成一種姿態:小寫代表脆弱和真實,在人人都在比誰更大聲的時候,反而成了最誠實的選擇。

閱讀原文 →

Figma 的七個大哉問:AI 時代,設計主管在想什麼

Config 期間辦的 Leadership Collective 聚集了超過 1,300 位資深設計、產品和工程主管,主題只有一個:AI 時代要怎麼帶團隊。整理下來的七個問題很直白——當你自己都還在學怎麼用 AI,要怎麼帶著整個團隊一起變?哪些老派的做法還值得留著?當執行的門檻被 AI 拉到地板,「專業」要靠什麼撐住,答案多半指向判斷力,而不是手速。

其餘幾題也一樣現實:團隊該怎麼重新分工、AI agent 要怎麼練到值得信任、規模做大之後品質要怎麼守住。這些問題沒有一個有標準答案,但光是願意攤開來公開討論,就說明多數設計主管正卡在同一種焦慮裡:團隊還沒想清楚怎麼變,AI 已經先把整個產業往前推了一步。

閱讀原文 →

Figma 到程式碼之間,隔著四層看不見的迷霧

「設計完了,然後呢?」這篇長文把 Figma 到程式碼之間混亂的 AI 工具鏈拆成四層:第一層是 MCP,負責讓 Claude 這類工具真正讀懂設計檔案,而不是對著一張截圖瞎猜;第二層是 MD 檔案,把設計背後的邏輯和決策原因寫下來存成記憶;第三層是 Skill,把重複的工作變成一套每次執行結果都一致的流程。三層疊起來,才終於堆出「一致性」這件事。

這張圖對每天在 Figma 和 Code 之間來回的設計師特別有用:過去 AI 生成程式碼常常每次結果都不一樣,問題往往不在模型不夠聰明,而是設計師沒有把「為什麼這樣做」的脈絡餵給它。當 MCP、文件、Skill 三件事分開處理,而不是全部塞進一個提示詞裡,Figma 到程式碼的路才總算有機會走得穩。

閱讀原文 →