AI 把做產品變便宜之後：Figma 第 16 期電子報拆 5 個工作流命題

AI 把「做一個產品」這件事的單位成本壓到趨近於零。Figma Make、Cursor、Lovable、Bolt 任挑一個，幾個 prompt 就能把點子變成可點的 prototype。

但 Figma 編輯部第 16 期電子報想講的，是這條路上的另一個側面：產出變快之後，判斷什麼值得做、做出來的東西夠不夠精，反而變成新的稀缺品。整本電子報沿著「方向、執行、循環」這條軸，串起 Yuhki Yamashita 對 tunnel vision 的提醒、MCP 怎麼把設計脈絡帶進 code、Figma Weave 把 prompt 變五種可規模化工作流，以及 design-to-code 雙向循環為什麼正在改寫設計師與工程師的分工。

它不是一篇技術 release note，是 Figma 給「正在學著用 AI 工具的設計師」的一份 reading list。下面把這份 reading list 拆給你看。

Figma CPO Yuhki Yamashita 在 〈What matters when anyone can build〉這篇文章裡丟出一個觀察：AI 工具讓所有 product team 都有能力快速往前衝，但「衝」這件事本身有風險——挑錯方向、跑得越快，離真正能贏的產品越遠。

他用 tunnel vision 形容這個現象。團隊看到 prompt 跑出一版 UI、覺得堪用、就 ship 出去；下一輪 iteration 又繼續基於那個堪用版本往上疊。一年後產品看起來很完整、但邊邊角角都是「將就」的妥協。Yamashita 的回應是：當執行門檻降到所有人都能做，判斷力反而是少數能拉開差距的能力——你必須懂得拒絕「good enough」、知道哪些細節是消費者真的在意的、哪些值得多花一個禮拜重做。

第二篇精選〈The TL;DR on MCP〉用最短的語言講清楚 MCP（Model Context Protocol）的作用：它是一條把 Figma 檔案、design system、決策脈絡餵給 agentic 編碼工具的管線。Cursor、Claude Code、Windsurf 這些 agent 不再只能讀文字 prompt，現在能直接拉你檔案裡的 component 結構、variables、frame 命名規則。

對設計師的意義是：以前你交給工程師的是一份 design spec 或 Figma 連結，他得自己解讀。現在 agent 可以替工程師做這層解讀、把你的 design decisions 直接翻成 code。但前提是——你的 Figma 檔案本身要長得像一份「結構清楚、命名一致、有 design tokens」的設計系統。檔案結構糟，MCP 餵進去的脈絡就是糟的。

〈Turning prompts into five scalable workflows with Figma Weave〉是這期電子報裡最實作導向的一篇。Figma Weave 主打精準的 AI 圖像編輯——文章把它拆成五種可重複使用的工作流：用兩張參考圖建出整套 asset library、把單一視覺套到多個變體上、批次替換場景元素、把草圖轉成成品級插畫、把既有素材重組成新版型。

關鍵在 Figma 把每個工作流都模板化、附 20+ 個可以直接用的 starter file。換句話說 Weave 把 AI 生圖從「每次重新 prompt」變成「設計師可以建立、複製、調整的視覺生產系統」。視覺生產的單位從「一張圖」升級成「一條 pipeline」。

〈What the design-to-code loop unlocks〉是 Figma 工程師 Alex Kern 跟設計總監 Gui Seiz 的對談。兩人主題很集中：當設計可以從 canvas 進 code、又從 code 回流到 canvas，設計師跟工程師的角色都會跟著鬆動。

對設計師而言，意義是「能看見產品真實長相」的時間點往前移。以前設計師交完稿、要等 build 起來才知道哪裡看起來怪。現在 agent 可以把工程師實作出的所有狀態（包括 loading、error、empty state）用 design system component 寫回 canvas——設計師看到的是 implemented reality，不是腦補。對工程師則是反過來：設計師 ship 出去的東西更接近最終實作，少了第二輪解讀，省下大量「demo 跟設計稿到底差在哪」的對話。

電子報結尾 Figma 編輯部丟出三條延伸閱讀，每條都是上面四個主題的具體案例：

第一條是〈Workflow lab: Expanding the canvas with Figma MCP〉，講一個設計師加一個工程師用 MCP 串 Cursor，把 video export 流程的 4 個 frame 補到 14 個 frame——agent 讀工程師寫過的 code，把實際存在的所有 UI state 用 design system 寫回 canvas。

第二條是〈7 tips for using Figma Make credits more efficiently〉，給 Make 重度用戶的省 credits 指南：怎麼把 prompt 寫得更精準、什麼時候該 fork 而不是繼續 iterate、怎麼用 component 取代每次重生。

第三條是〈How to design agentic tools for work〉，Google Gemini Enterprise 團隊談他們怎麼設計多 agent 工作流的介面——讓使用者專注在任務上，而不是花時間管理 AI 在做什麼。這篇對任何正在設計 AI 產品 UI 的人都是案頭必備。

這期電子報的標題叫 Trust the process，但 Figma 編輯部想講的 process 並不是「埋頭做、相信會有結果」這種雞湯。它指的是一套在 AI 時代仍然成立的工作節奏：先把方向想清楚（Yamashita），再把脈絡餵給工具（MCP），用工具做出可重複的視覺生產（Weave），讓設計與工程在同一個循環裡來回校準（roundtripping）。

這四件事本身就是一個 process。讀完整期之後最容易得到的結論是——Figma 在告訴你它的整套產品線怎麼接起來。MCP 是入口、Make 與 Weave 是執行層、Dev Mode 跟 design system 是地基。但更值得帶走的是另一件事：當 AI 把執行成本壓到趨近於零，判斷力、結構感、跟把工作流模板化的能力才是設計師接下來要練的肌肉。