本日設計情報｜2026/08/31：AI agent 抓不準時間、阿里 Qoder 對話生軟體、Arc'teryx 示範循環設計
今天的設計情報：AI agent 對時間毫無感覺的研究、阿里把 Qoder 重做成人人能對話出軟體的工作台、Claude 走進美國中小學教室、Arc'teryx 用一件外套示範循環設計，以及 NN/g 對 AI 使用者研究的提醒。
不必寫程式，不必挑到最貼近的 Skill——這幾天 AI 工具開始自己抓時間、自己接需求、自己找退場機制。The Decoder 追出一份研究：Claude Code、Codex 這類 coding agent 對時間完全沒感覺，猜錯的幅度是三倍到十倍。同一週，阿里把 Qoder 重新做成「說出來就能生出軟體」的工作台，Anthropic 把 Claude 直接送進美國中小學教室。Arc'teryx 則用一件外套，回答什麼叫真正的循環設計——材料用到壞，還能換一種身分回來。NN/g 最後提醒做研究的人，AI 能幫忙把便利貼分類分堆，分不出使用者到底在氣什麼。
🔥 研究發現：AI agent 對時間完全沒感覺
The Decoder 整理一份新研究，測了 Claude Code、Codex 這類 coding agent 在兩百多個程式任務上的表現，發現它們對「這件事要花多久」完全沒概念——不管任務難或簡單，兩支 agent 幾乎都猜落在九十分鐘上下，Claude 平均偏差三倍，Codex 最誇張差到六到十倍。
更妙的是，它們對自己做得好不好也一樣沒把握，自評分數平均比實際結果高出約二十個百分點。但研究團隊補一刀測試：只要給 agent 一個能回報「現在經過了幾分鐘」的工具，準確度立刻幾乎完美。
會卡住的關鍵，是 agent 天生少了時間這個感官，跟聰不聰明沒有關係。把設計稿丟給 agent 跑生成或原型之前，比起一直要求它抓準一點，乾脆幫它接上一支真的時鐘更管用；agent 敢不敢交出東西，跟做出來的東西好不好，是兩回事。
AI 覺醒 · 訂閱制AI 覺醒設計應用攻略了解訂閱 →阿里把 Qoder 重做成人人能對話出軟體的工作台
阿里 8 月 27 日把 Qoder 整個重做一輪，從原本主打工程師的 AI IDE，改口號成「面向所有人」的智能體工作台。介面砍掉程式碼優先的邏輯，改成任務為中心——不用先寫一行程式，直接用自然語言講清楚要做什麼，Qoder 自己調用 coding 能力和工具去完成開發、做原型、跑資料處理。
展示案例裡，有人光靠對話就生出一套完整的連鎖咖啡店門店管理系統，員工端能查班表申請調班，店長端能審核排班、看五家店的營業額和客單價；也有人直接請它讀懂一個既有的 3D 太陽系專案架構，接著加新功能進去。背後跑的是自家 Qwen3.8-Max 等多款模型，靠 Auto 機制依任務難度在效果、速度、成本之間自動配置。
這對設計師的意義，在於原型驗證的門檻又往下降了一階，跟工程師會不會失業沒有太大關係。需求描述得夠不夠精準，正在變成一項要練的設計能力，跟畫線框圖一樣重要。
COURSE · 線上課程Framer 網站設計課看課程 →Claude 走進美國中小學教室
Anthropic 8 月 28 日把「Claude for Teachers」全面開放給美國中小學（K-12）學校與學區，內容鎖進學習科學的教學技巧，並直接對齊全美 50 州的學科標準，不是一個通用聊天視窗改個名字。跟 Learning Commons 合作開發的新功能，包含備課工具和「檢查學生是不是真的懂了」的提問輔助，另外加強了教材的無障礙版本。
學校端能用單一登入和角色權限做集中管理，符合資格的單位只要在 2027 年 6 月 30 日前申請，就能拿到一整年免費使用。資料保護走 FERPA 合規協議，學生資料不會被拿去訓練模型；底特律公立學校學區這個秋天會先跑一輪試點。
把 AI 放進 K-12 教育現場，最容易踩的坑是「工具好用」跟「教得動」是兩件事。Anthropic 這次把重點放在對齊既有課綱上，沒有急著重新發明一套教學法，這個順序本身，就是把 AI 工具落地到真實場域時值得參考的一種節制。
AI 覺醒 · 訂閱制AI 覺醒設計應用攻略了解訂閱 →Arc'teryx 用一件外套，示範什麼叫真正的循環設計
Arc'teryx 把「System 0」端出來——一套把設計、材料、維修、製造、退役回收全部串在一起的循環生態系，把「顧客買走」從故事的終點，往後延長成一段還沒結束的關係。旗艦款 Sperro SV 硬殼外套用 ECONYL 再生尼龍紗，搭配跟 Gore-Tex 共同開發的三層壓膜布料，壞掉之後這塊布還能繼續被回收，不是一次性材料。
它拿下 Arc'teryx 第一張 TESTEX Circularity 認證，評分項目是耐用度、可維修性、可回收性三件事；每件外套內裡雷射刻一個 QR code，掃了就看得到序號、用了哪些材料、在哪裡做、怎麼保養——材料的身分證，直接印在衣服上。損壞的拉鍊靠模組化 YKK 結構就能單獨更換，走 ReBIRD 維修計畫，還附三年不限次數保固。CEO Stuart Haselden 說得挺實在：「不是我們已經找到完整答案，是我們真的在認真找。」
對做產品設計的人，這件外套示範的重點在於，把可維修、可追蹤、可回收這三件事從一開始就寫進結構設計裡——壞了能修、修了能查、查完材料還能再變成新的東西，循環要從第一筆線稿就想清楚，等外套壞掉才補，已經太晚。
COURSE · 線上課程Figma 全攻略看課程 →NN/g：AI 分得了便利貼，分不出使用者在氣什麼
NN/g 這篇文章把話說得很直白：AI 可以幫你整理已經收集好的研究，生不出真正的使用者洞察。問題出在 AI 只會生產「聽起來很合理」的內容，它沒辦法接觸到使用者真實的處境，或是產品真正出包的那個瞬間。
文章拿兩句話對照，一句是 AI 生成的：「希望 app 在換掉我的商品前先問我一聲」；另一句是真實訪談記錄：「它把我的燕麥奶換成全脂牛奶，還在我看到通知前就先扣款了」。差別一目了然——真實資料帶著具體細節和證據，捏造出來的內容再合理也是空的。
AI 能做的事很明確：幫忙把便利貼分堆、把散落各處的引言摘要成重複出現的模式、整理已經做完的研究。它不該做的事也一樣明確：捏造使用者的話、行為、情緒去填補研究的空缺。拿 AI 編出來的資料做同理心地圖，最後只會讓團隊很認真地，設計給一個不存在的使用者。
COURSE · 線上課程Figma 全攻略看課程 →