本日設計情報|2026/08/08:Claude Code Auto Mode 預設上線、OpenAI 免費用戶解鎖無限對話、Apple 釋出 Figma 官方範本
Claude Code 8/14 起把 Auto Mode 設為預設、OpenAI 免費用戶解鎖無限對話、Apple 釋出 Figma 官方範本,還有 NN/g 的 AI 工具評估框架。
八月第一個週末,設計圈的新聞意外地集中在「誰來決定」這件事情上。Claude Code 把核准權交給分類器,因為數據證明人類早就沒在真的審查。OpenAI 把門檻降低給免費用戶,讓更多人用得起更會思考的模型。Apple 則拿出官方範本,把行銷素材的製作規則直接發給開發者。最後 NN/g 提出一套五字框架,讓你不用再憑直覺判斷一款 AI 工具該不該留。今天四則,一起拆。
🔥 Claude Code 八月十四日起「Auto Mode」預設開啟,你核准的九成七其實都沒在看

八月十四日起,Claude Code 的 Pro、Max、Team 方案,新建的對話會直接以 Auto Mode 啟動。以往每一個指令都需要你按下核准,現在改由一個分類器先判斷這個動作會不會不可逆、會不會碰到工作區以外的檔案,碰到風險才改問你。這個改變的依據跟多數人想的相反:Anthropic 自己的數據顯示,人類過去核准了九成七的權限提示,但真正拒絕的只有百分之三。這談不上審慎,比較像是手指反射。
更直接的證據在這裡:連續核准超過五十次後,人類審查者能提早抓到危險指令的比例,從一開始的一成七,一路掉到只剩百分之五。而分類器在內部測試中攔下八成九的危險指令,一千零五十三位付費測試者組成的人類審查團,只抓到百分之十三點六,且有八成六的時候還直接核准了危險指令。實際上線後,人工核准的 session 有百分之六點三出現非預期的嚴重損害,Auto Mode 只有百分之二點四;用 Auto Mode 的團隊,PR 產出還多了兩成五。
對每天把 Claude Code 當作主力工具的設計工程師來說,這是關鍵的轉折:稽核責任不再是「盯緊每一行指令」,換成「把判斷交給分類器,自己只守最後一關」。想回到舊模式也行,CLI 按 Shift+Tab,桌面版直接切模式選單;Enterprise 客戶則維持預設關閉。
AI 覺醒 · 訂閱制AI 覺醒設計應用攻略了解訂閱 →OpenAI 免費用戶解鎖無限對話,GPT-5.6 Sol 也進化得更會說人話

OpenAI 把付費版的 GPT-5.6 Sol 調得更實用:回答變得更聚焦、根據問題難度自動調整詳略程度,不再一味堆格式,還新增一顆推理滑桿,讓使用者自己決定每次回答要想得多深。官方內部測試針對金融、醫療、法律等需要事實精確度的問題,錯誤率比舊版 GPT-5.5 Instant 低了六成八。
真正的變化在免費層:GPT-5.6 Luna 現在是免費用戶的預設模型,文字對話不再有上限,還多了一顆「Think」按鈕可以手動拉高推理強度。圖片、語音、檔案上傳等功能仍有限額,但光是「文字聊天不再被截斷」這件事,對一直用免費版探路的人就是實質的門檻降低。
對設計師而言,這種細節上的微調比參數量更值得注意:回答開始會判斷該不該糾正你,開始會依照問題調整篇幅,這種收斂比單純堆高分數,更接近一個能長期合作的協作者。
AI 覺醒 · 訂閱制AI 覺醒設計應用攻略了解訂閱 →Apple 開放 App Store「創意素材」,官方直接附 Figma 範本

Apple 八月五日發布提醒,秋季上線的 App Store「創意素材」現在可以開始備料。以往產品頁只能放實際使用畫面,這次開放一套專門用來行銷的圖像系統,可以用來主打品牌、季節活動、新內容,投放位置包括產品頁標題區、搜尋結果、App 內活動等多個入口。
最實用的部分是,官方直接隨最佳實踐指南附上 Figma、Photoshop、Pixelmator 三套設計範本,團隊不用自己拆解尺寸規格。限制也很明確:不管 App 實際分級多高,創意素材一律封頂於 4+,圖中也不能出現價格、折扣、網址等文字。
對接 App Store 還不到十分熟練的團隊來說,這份最佳實踐指南相當於把一套未公開的規則直接發給你。先拿到範本、先熟悉尺寸規則,秋天上線時就不需要臨時拉團隊重新拆一次規格。
COURSE · 線上課程Figma 全攻略看課程 →NN/g 提 PROVE 框架:五個問題決定一款 AI 工具到底值不值得留

NN/g 的 Caleb Sponheim 提出 PROVE 框架,用來抵擋組織裡「先推工具、再找理由」的壓力。五個字母分別是:Problem Alignment(先定義任務再看工具能不能接)、Risk(資料類型適不適合組織授權,避免 Shadow AI)、Output Quality(拿自己目前的實際產出當基準,而非只看 Demo)、Velocity(算入整件事的設定、修改、重新排版時間,不只算生成那一秒)、Experience(區分一次性學習曲線跟反覆發生的交接摩擦)。
文中的實例很誠實:Sponheim 用 Gemini Notebooks 寫週報,Output Quality 評 4 分、Velocity 評 4 分、Experience 只評 3 分,最後結論是先試用一個月,沒有急著擁抱或直接拒絕。這種分項評分的決策方式,比大多數人對 AI 工具的態度都更務實。
對設計團隊而言,PROVE 最實用的一欄是 Velocity:很多工具看起來「生成很快」,但把事後修改、尺寸對齊、重新排版都算進去,總時長反而拉長。真正值得留下來的工具,是這五個字母都站得住腳的少數。
COURSE · 線上課程Figma 全攻略看課程 →