本日設計情報｜2026/09/12：Figma 資料落地日本、Webflow 拿 Claude 尬 Codex、臺中綠美圖長出移民花園

今天五則新聞，有一半藏在使用者看不到的地方。

Figma 把資料放進日本本土機房，為的是那些擠不進頭條的合規需求；Webflow 找 Claude Code 和 Codex 對打，測出同一套工具在不同 AI 手上會有天壤之別的表現。WhatsApp 把 iPad 的導覽列換成跟 Mac 一樣的側邊欄，介面語言正在往同一個方向收斂。NN/g 用 Cursor 跟 v0 把三週的原型做成三天，逼出靜態稿看不出來的問題。臺中綠美圖屋頂上，一整座花園正在長，主角是越南新住民帶來的九層塔跟無花果樹。

🔥 Figma 把資料留在日本：搞定三分之二日經 225 企業的合規紅線

Figma 這次的公告，沒有新面板、沒有新快捷鍵，只有一件很不性感的事：日本客戶的檔案，現在可以留在日本本土機房，不必再跨境存放。

日本是 Figma 全球前五大市場，截至今年六月底，約三分之二的日經 225 企業已經在用 Figma。這些企業裡有公部門、醫療、金融——每一個都有「資料不能出國」的硬規定。Figma 日本區總經理 Hiro Kawanobe 說得直白：客戶要的就是能把資料留在國內管理的能力。

這個功能可以疊加在既有的 Governance+ 之上，多一層存取管控。對台灣團隊來說，這條新聞的意義不在於「我們用得到」，而在於它示範了一家設計工具公司要打進保守產業，光靠介面好用是不夠的，還得把機房也搬到客戶信任得了的地方。

閱讀原文 →

Webflow 拿 Claude Code 尬 Codex：同一套 MCP 工具，兩種 AI 打出天壤之別

Webflow 工程團隊發現一個大部分做 AI 整合的公司都忽略的問題：MCP 工具測試通過，不代表 agent 真的會用。傳統測試只驗證回傳的 JSON 格式對不對，卻沒人問過，agent 會不會照正確順序挑對工具、把任務做完。

他們造了一套評測框架，讓 Claude Code 跟 OpenAI 的 Codex CLI 對打，跑真實、可拋棄的 Webflow 網站。結果很打臉：同一份提示詞，Claude Code 五戰五勝，Codex CLI 五戰五敗——直到把提示詞改得更嚴謹才拉平。過程中還挖出具體的工具缺陷：某個建構工具不接受多個根元素，逼 agent 把三段內容拆開、還得反著順序插入；某個樣式工具一次回傳超過 71 KB，agent 只好呼叫 Bash 自己解析；Webflow 遇到 class 命名衝突會自動改名（.hero 變成 .hero-1-2-3），完全不通知，直接打斷 agent 的意圖。

這篇文章的價值不在案例本身，在於它把「工具能不能用」跟「agent 用得順不順」拆成了兩件事——前者是及格線，後者才是決定 AI 整合成不成功的真正戰場。

閱讀原文 →

WhatsApp 把 iPad 導覽列換成 Mac 版側邊欄，Liquid Glass 界面語言持續收斂

WhatsApp 把 iPad 版的底部標籤列換掉了，改用一個跟 Mac 版一模一樣的側邊欄，聊天、動態、社群、通話、Meta AI 全部收進左側。這是 Liquid Glass 改版的下一步——今年稍早 WhatsApp 已經先在 iPad 上鋪過一輪 Liquid Glass 風格的分頁、按鈕跟選單，當時底部標籤列還留著，這次才真正把導覽邏輯換成跟桌面一致的側邊欄結構。

對做介面設計的人來說，這是一個很具體的訊號：蘋果生態系裡「大螢幕用側邊欄，小螢幕用標籤列」的分野，正在被越來越多 App 主動打破。iPad 正逐漸被當成縮小版的 Mac 來設計，放大版 iPhone 的老思路已經退場。

當一家日活躍用戶數以十億計的 App 也做了同樣的選擇，這條路線就從蘋果自己的美學堅持，變成一套其他團隊也該認真評估的介面慣例。

閱讀原文 →

臺中綠美圖屋頂長出一座花園：SANAA 建築裡，種著新住民的思念

臺中綠美圖五樓的「文化之森」，是 SANAA 設計來讓美術館跟圖書館訪客交會的屋頂空間，通透、開放、沒有明確邊界。九月六日起，這裡多了一個新展覽：越南藝術家 Tuấn Mami（阮英俊）的《無界花園》，展期一路排到 2027 年底。

三十二座土丘沒有固定動線，也沒有中心，種的是越南新住民帶來的家鄉植物——九層塔、紫蘇、無花果樹。其中一棵無花果樹，背後是一位越南移工帶著故鄉記憶落地台灣、又跟不同社群共享收成的故事。植物在這裡，是身分認同的容器，不只造景而已。

這檔展覽免費入場，也是一個提醒：好的公共建築設計到最後，決定它有沒有靈魂的關鍵，往往在於願不願意把空間讓給說故事的人，而非量體多氣派。

閱讀原文 →

NN/g：AI 原型把三週壓成三天，抓出問題的還是那一次真人測試

NN/g 這篇文章的核心主張很簡單：AI 原型工具讓你能在幾天內做出高擬真的互動原型，也就能把可用性測試提前到設計週期的更早階段。

文章給了具體流程：先確定原型要驗證什麼問題，把版面跟互動的設計決策講清楚，準備真實或合成的測試資料，寫出夠精確的提示詞餵給 AI 原型工具，最後親自檢查並修正輸出，才拿去測試。案例也很扎實——Ramp 的設計師 Pavan Garidipuri 用 Cursor 花三週做出一個對話式的政策編輯器原型，測試才發現「編輯紀錄怎麼顯示」讓使用者一頭霧水，這種問題在靜態稿上完全看不出來；普渡大學的研究團隊則比較了 Figma 靜態線框稿跟用 v0、Bolt 做的互動原型，後者拿到的回饋明顯更具體、更能直接拿去改。

文章也提醒一個「擬真度陷阱」：做得太精緻的 AI 原型，會讓人誤以為已經可以上線，其實裡面藏著沒被檢查過的假設。速度是原型工具給的禮物，省下來的時間，該拿去多測一輪、別急著收工。

閱讀原文 →