在当今的设计领域，人工智能（AI）正逐渐改变我们的工作方式和创造方式。设计师与AI的协同合作不仅提升了设计效率，还开辟了新的创作可能性。在这个不断革新的生产关系中，设计师的价值逐渐被重新定义，也对我们如何看待设计工作、如何与AI共生提出了新的思考。

　　现有设计流程中，设计师需要负责创意构思，具备提出问题最优解的设计思维和创意能力，还要设计执行，通过熟练的软件技能将这些方案付诸于实际。

　　专业复杂的设计工具通常具有较高的学习门槛，要求设计师投入大量时间进行学习和实践，当无法熟练使用这些工具时，往往会限制优秀创意的呈现效果。

　　因此，软件技能水平成为衡量设计师能力的重要指标之一。

　　然而，随着生成式AI的引入，这一局面正在发生改变。

　　在设计执行阶段，传统图形处理软件（如PS、AI、Blender等）所代表的“技能特权”被无限削弱，问题定义和创意思考重新成为设计工作的核心。

　　此外，以大语言模型为驱动，可自主化完成复杂任务的Agent智能体，必将深度参与到创意构思环节，为解决问题提出自己的想法。

　　根据AI参与深度的不同，设计师与AI的协同逐渐呈现出三种不同的模式。（思路源自Agent相关文章中关于“人类与AI协同的三种模式”的论述）

　　一、Embedding模式

　　通过将AI功能（如智能扩图、一键抠图、文字生图等）嵌入到现有软件界面中，能直接提升设计工具的智能化水平，设计师可以在熟悉的环境和流程中调用这些AI功能，无需额外学习新的工具，轻松获得即时的智能支持。

　　这种内嵌策略应该是让AI最快落地应用的方式之一，例如Photoshop Beta、MasterGo Al都通过这种方式快速实现了产品的智能化升级。

　　但Embedding模式的局限性也是显而易见的，受限于工具现有架构，强大的AI功能多为散点式地存在，无法形成协同效应。

　　这意味着设计师在整体设计工作中，仍然处于绝对主导的位置，只能在特定任务或局部利用AI进行增强和提效，无法享受全面的智能化服务。

　　因此，Embedding模式更像是现阶段应对生成式AI大潮的过渡方案。

　　二、Copilot模式

　　与上一模式不同，Copilot模式下的AI不再局限于设计执行（生图）的环节，借助文本生成、图片生成和语义理解等多方面实力，延伸至整个设计流程，在各个阶段为设计师提供辅助支持。

　　也就是说，当接收到设计需求的那一刻起，Copilot便能够基于强大的知识库和用户数据，对设计需求进行分析，并给出具体的设计建议（如框架布局、内容元素、颜色搭配等），还可以生成参考方案。

　　形态上我们可以参考目前较火的AI搜索类产品，Copilot可能会以插件或者悬浮窗口的方式存在，方便设计师随时调用。

　　调起界面后，用户可以输入自己的设计需求，也可以上传相关需求文档，给AI越多背景资料，结果可能越精准可用，接着是选择自己的生成诉求。

　　开始生成后，基于用户勾选的内容依次生成，除了对于设计需求的分析和文档的解析，还可以利用AI的搜索能力，整理主题相关的延伸阅读材料供设计师参考。

　　在设计分析模块，围绕不同的设计类型生成建议内容，比如我要设计的是一张海报，生成内容就可能会包括标题、版式布局、尺寸、字体、背景等海报设计元素。

　　最后是基于以上分析生成的设计方案，诉求简单的话可以直接下载使用，若需调整，也可一键导入图形处理软件进行修改。

　　这是我所能想到的一类设计Copilot的产品形态，当然，还有许多更轻量的方案，期待大家的分享。

　　Copilot模式可以实现全设计周期的智能支持和创意激发。

　　然而，这一切仍然依赖于设计师的各种指令，最终方案也需要设计师在Embedding模式下的图形处理软件中来完成。

　　Copilot模式对于协同关系最大的改变是，AI不再只是智能化增强的图形处理工具，而是成为与设计师紧密协作的得力助手，助力设计全流程的提质提效。

　　三、Agents模式

　　Agent以大语言模型为核心驱动，具有自主感知理解、规划决策、记忆反思和使用工具的能力，能够自动化完成复杂任务，许多人认为，Agent可以将大模型的能力发挥到极致，成为类人甚至超人的智能实体。

　　在设计领域，Agent可以被视为一个个擅长不同设计能力和拥有不同经验知识的虚拟设计师，支持自由选择、组合或删除，同时我们根据需求所需能力，为Agent外挂各种工具，并能将业务专属的知识数据上传供其学习。

　　有没有发现，整个过程很像是为设计需求量身打造一个专属的“AI设计团队”？

　　设计师的角色因此被彻底改变，更多时候只是站在Leader的视角向AI发出设计需求，然后等待方案的呈现，目标设定，任务拆解和分配、生成设计指令、信息收集、方案生成由Agent全权代理并自动完成，AI成为真正意义上的创作主体，设计工作也将进入“3D打印”的时代。

　　对设计师而言，最重要的不再是创意能力、设计能力，而是审美能力、判断能力和决策能力。

　　Agent以何种形态面向设计师尚未可知。历史经验告诉我们，技术进步推动生产效率提升，进而引发生产组织和社会关系的变革。

　　作为本轮变革的核心驱动力，AI技术具备极强的前瞻性。

　　因此我认为，我们无法通过传统的设计行为模式来预测全新的Agent形态，而需要从源头入手，深入研究Agent的技术特点，进行合理地反向推导，从而逐步勾勒出Agent的“外轮廓”。

　　大概有这样一个思路可姑且一听，信息架构和框架布局受到用户任务流程的影响，而任务流程源自产品/平台所支持的功能范围，功能范围一方面基于用户需求，另一方面则取决于技术的能力范围。

　　因此我认为，传统设计模式无法预测全新的Agent形态，需要从源头入手，深入研究Agent的技术特点，通过反向推导逐步勾勒其“外轮廓”。信息架构和框架布局受用户任务流程影响，而任务流程源自产品/平台的功能范围，这取决于用户需求和技术能力。Agent技术框架通常由记忆、规划、工具和行动四个关键模块组成。记忆负责存储信息；规划包括事前规划和事后反思；工具利用外部资源执行任务；行动实际执行决策。

　　擅长不同设计领域的大语言模型相当于各种设计角色，管理这些角色很重要，功能可能包括角色市场、角色雇佣、设计能力升级和角色组合。记忆模块需要存储自动沉淀的知识和上传的业务材料。规划阶段应避免黑箱操作，任务链可视化有助于提升设计师的掌控感。工具库或工具商城支持各类设计工具和管理服务。行动方面，方案展示需结合文、图、视频内容，图形处理功能与Agent对接。总结核心功能后，思考用户任务路径。以上是我对Agent模式下工具形态的看法，旨在引发思考。比尔盖茨表示，Agent将引发计算机领域的最大革命，或许我们应重新思考设计师角色的意义。