TikTok Platform Design 分享
上下文窗口限制 + AI 的本性,同一套 Prompt 可能导致完全不同的结果
AI 编程时容易破坏已有组件嵌套关系,甚至覆写线上全局样式,陷入无限 Debug
严苛的指令约束 (Skill) + 绝对安全的运行沙盒 (Mockup),通过这种方式限制 AI 的自由发挥。对于设计来说,Skill 的意义是让 AI 在我们限定的设计风格 / 系统内产出。
结构化 Prompt,本质是一套模块化提示词
就像一份 SOP,教 AI "怎么想" 和 "怎么做"
把人类专家的决策流程,拆解成机器能理解的线性步骤
通过 MUST NOT 红线,防止 AI 在设计规范之外自由发挥
一次撰写,团队共用;有规律、重复执行的任务最适合包装为 Skill
Skill 作为大脑,调用包含 MCP 在内的所有工具,遵循标准工作流完成产出
决定何时调用哪个工具、如何按规范思考和执行
通过标准协议插入,操作 Figma、组件库、外部数据库等
由 IDE 直接提供,无需额外安装,Linter 检查、代码格式化等
Skill 对初始产出质量有明显提升,尤其在 页面结构、组件选择和视觉一致性方面 —— 3 个 Case 中使用 Skill 后结构崩坏和明显风格偏移显著减少
Skill 对初始产出质量有明显提升,尤其在 页面结构、组件选择和视觉一致性方面 —— 3 个 Case 中使用 Skill 后结构崩坏和明显风格偏移显著减少
遵循 2 级结构(文件夹—文件),不要再深了
每个目录各司其职,合理分工控制 Token 消耗,提升 AI 注意力精度。
遵循 2 级结构,不要再深了。
为了让 Skill 跨平台可用,推荐 Markdown + JSON + 伪代码混合
文本过长时 AI 抓不住重点,Markdown 用标题结构划定优先级
约定输出结构,防止字段遗漏,拒绝 AI 输出额外废话
自然语言过于含糊,用代码逻辑强制阻断 AI 自由发挥
--- ① 元数据 name: semi-component-builder description: Build Semi Design React components from Figma or screenshots --- # Role You are a senior Design Engineer. Generate Semi Design React components that match our design system. # Workflow ② Workflow 1. Read references/tokens.json 2. Call Semi MCP → get component API 3. Map design to components 4. Use assets/template.tsx skeleton 5. Run scripts/check_linter.sh # MUST NOT ③ MUST NOT - Never use inline styles - Never hardcode hex colors - Never use non-Semi UI libraries - If uncertain: STOP and ask user # Output Format ④ 输出格式 { "reasoning": "why this", "imports": ["Semi comps"], "code": "tsx here" }
name + description 始终加载进 Context,写清楚触发条件,让 AI 知道何时自动启用。
用序号强制执行顺序,引用具体文件路径,让 AI 知道去哪里找规范。
红线规则。每次发现 AI 出现新的坏习惯,回来这里加一条——这是调优最有效的手段。
JSON Schema 约束输出结构,AI 必须按格式返回,不能夹杂额外废话。
首先明确:谁在什么场景下使用,典型输入是什么
将 Figma 设计高质量还原成代码,关注组件映射与 Token 落地
在复杂后台产品中做正确的设计决策,关注信息架构与组件选型
防止业务系统在持续迭代中违背设计规范,强制复用优先策略
方便 AI 在缺少具体细节指引时,能通过宏观价值观推导出正确设计方向,避免跑偏。
无需手动整理,让 AI 直接从 Figma 画板读取并生成结构化 .md 文档
Figma MCP 写权限目前只对 Codex 和 Claude Code 开放,Trae 可使用只读模式生成文档。实际使用时需人工核查提取结果是否完整。
上下文窗口有限,Skill 不是越大越好
全量放入导致 Token 爆炸,AI 易幻觉出不存在的 Icon Name。
Button、Input 等 API 极其繁多,名称不匹配时直接编译崩溃。
字数过多后 AI 注意力下降,精简才是关键。
路由配置、权限枚举等静态放入会频繁失效。
截图 → 手动描述 → AI 靠猜 → 反复对齐 → 人工核对 Token
AI 直接读取 Figma 节点 → 获取真实 Token → 映射到组件库 → 一次性输出
// 可用的设计工具 MCP
// 导入 Trae 的步骤
AI 自动调用 design-skill-specifier,进入诊断阶段
同一需求 Prompt,输出质量差异一目了然
个人 Skill → 团队资产的三级演进路径
本地 .md 文件,服务自己的工作流,快速迭代不影响他人
Git 仓库管理,PR Review 确保质量,版本化迭代有据可查
bnpm 包发布,统一版本管理,一键升级,权限隔离
对齐设计规范,组件样式选型正确,设计决策合理
边界场景支持好(长文本、高密度、错误状态);模糊 Prompt 支持好
同一 Prompt 输出质量稳定;小改动只带来小影响
能对每一个设计决策给出合理说明
开箱即用,无需复杂指令;易于对齐新业务规范,迭代成本低
skills.bytedance.net
内部优质 Skill 汇总
VoltAgent / awesome-design-md
社区最佳实践
aime-app.bytedance.net
用户声音驱动的 Skill 模板
bytedance.larkoffice.com
TikTok 设计团队沉淀的 Skill
bytedance.larkoffice.com
Skill 系统参考模板
zhuanlan.zhihu.com
skill-create 自动测试原理
TikTok Platform Design