最强 AI 设计工具不造 Agent：Open Design 10 天 3 万 Star 背后的范式转移

但真正值得注意的不是"又开源了一个东西"。而是它证明了一个反直觉的判断：

最好的 AI 设计工具，不需要自己的 Agent。

Open Design 不造模型，不造 Agent，不造运行时。它做的是一件更难也更聪明的事：把你笔记本上已经安装的编码 Agent（Claude Code、Codex、Gemini CLI、Cursor、Copilot……）接入一套精心设计的 Prompt Stack，让它们从"会写代码的工具"变成"像资深设计师一样工作的引擎"。

这个策略，可能重新定义 AI 设计工具的竞争逻辑。

一个被忽视的前提：Claude Design 引爆的不是技术问题，是控制权问题

2026 年 4 月 17 日，Anthropic 发布 Claude Design（基于 Opus 4.7）。它做了一件此前没人做成的事：让 LLM 不再写文字，而是直接交付可交互的设计作品——落地页、仪表盘、移动端原型、PPT 演示文稿。

它火速出圈。但出圈之后，用户的反馈出奇一致：

离不开 Anthropic 的模型。
离不开 Anthropic 的技能。
离不开 Anthropic 的云。
数据不在自己手里。
没法自部署。
没法换 Agent。

这不是一个技术限制。这是一个控制权限制。

Claude Design 证明了"AI 能做设计"这个命题。但它同时证明了一个更微妙的事实：当设计能力被锁死在一个闭源产品里，它就不是你的能力——是租来的。

Open Design 就是冲着这个缺口来的。

Open Design 的答案：你笔记本上的 Agent 已经够好了

这是 Open Design 最核心的设计决策，也是它和其他所有 AI 设计工具的根本分歧：

它不造 Agent。它复用你已有的。

具体怎么做？守护进程（daemon）启动时扫描你的 PATH，自动检测 16 种编码 Agent CLI：

找到哪个就用哪个。想换？点一下模型选择器，不重启，不重装。

没有安装任何 CLI？它还提供了 BYOK API 模式——贴入 baseUrl + apiKey + model，选择 Anthropic / OpenAI / Azure / Google 任意一家，守护进程把请求标准化后转发。同样的设计循环，少了一层 spawn。

这个策略的好处是显而易见的：

• 零迁移成本。你已经在用 Claude Code 或 Codex？不需要学新工具。
• 永远用最强的 Agent。今天 Claude Code 强就用 Claude Code，明天 Codex 更新了就切 Codex。工具迭代不绑定产品迭代。
• 数据在本地。所有项目文件、对话记录、SQLite 数据库都在 .od/ 目录下。明天不用了，数据还在。

但这个策略也有一个不那么明显的好处：它把竞争从"谁的 Agent 更强"转移到了"谁的 Prompt Stack 更强"。

这才是真正的范式转移。

从"AI 随便画画"到"AI 像资深设计师一样工作"：六层 Prompt Stack

大多数人用 AI 做设计的方式是这样的：输入一段 prompt，AI 生成一个页面，看着不像就重来。

Open Design 认为这是错的。不是 AI 能力不够，是你给 AI 的框架不够。

它用六层可组合的 Prompt Stack 来控制设计质量：

第一层：Discovery 指令（Turn-1）。 每个 Brief 的第一轮，AI 不被允许直接写代码。它必须先输出一个交互式问题表单，锁定表面类型、目标受众、调性、品牌上下文、设计规模。30 秒填完，避免 30 分钟返工。

第二层：方向选择器（Turn-2）。 用户没有品牌？AI 弹出第二个表单，展示 5 种精选视觉方向——Editorial Monocle、Modern Minimal、Warm Soft、Tech Utility、Brutalist Experimental。每种方向都有确定性的 OKLch 色板 + 字体栈，不是模型即兴发挥。

第三层：身份章程。 注入 OFFICIAL_DESIGNER_PROMPT——一个精心设计的"反 AI 审美"指令，要求 AI 像初级设计师一样工作：先问问题，先看参考，先做线框图，再画像素。

第四层：设计系统。 从 129 个内置的品牌级设计系统中选一个激活。每个系统是一个 9 节的 DESIGN.md 文件——颜色、字体、间距、布局、组件、动效、语调、品牌、反模式。AI 读它就像设计师读品牌手册。

第五层：技能定义。 从 31 个内置技能中选一个。每个技能是 SKILL.md + assets/ + references/，定义了产出物类型、平台、场景、保真度要求。AI 读它就知道"这次要做的是 SaaS 落地页，不是移动 App"。

第六层：项目元数据 + 侧文件。 当前项目类型、保真度、是否需要演讲注释、动画、参考素材——加上技能自带的模板 HTML 和参考文档，全部在 pre-flight 阶段自动注入。

这六层叠加后的效果是：AI 不再是"自由发挥"，而是像一个被训练过的、有工作规范的、有检查清单的设计师在工作。

它会在生成前自检，会在完成后跑五维自评（哲学·层级·细节·功能·创新），会把 TodoWrite 计划实时流到 UI 里让你随时介入。

这不是"AI 试着设计点什么"。这是一个被 Prompt 训练出来的设计师。

129 个品牌设计系统：开源社区的惊人速度

Open Design 内置 129 个设计系统。不是粗制滥造的模板——是品牌级的 Markdown 规范。

看看这个列表：Linear、Stripe、Vercel、Airbnb、Tesla、Notion、Apple、Anthropic、Cursor、Supabase、Figma、Resend、Raycast、小红书……

怎么做到的？两个关键设计决策：

设计系统用 Markdown，不用 JSON。 遵循 VoltAgent/awesome-design-md 的 9 节规范（颜色、排版、间距、布局、组件、动效、语调、品牌、反模式），每个系统就是一个 DESIGN.md 文件。想贡献？写 Markdown 就行，不需要学 schema。

技能用文件夹，不用插件。 遵循 Claude Code 的 SKILL.md 规范，每个技能就是一个目录：SKILL.md + assets/ + references/。拖进 skills/ 文件夹，重启守护进程，出现在技能选择器里。

这两个决策的结果是：社区贡献门槛降到了"会写 Markdown 就行"。 不需要编译、不需要发版、不需要审核流程。

10 天，129 个设计系统，31 个技能，93 个媒体 prompt 模板。这个速度不是团队产能的体现，是协议设计的胜利。

对设计师意味着什么：不是被替代，是获得工程能力

Open Design 的出现，引出了一个值得认真想的问题：

当 AI 可以在 5 分钟内生成一个有品牌规范、有设计系统、有交互逻辑的落地页时，设计师的角色是什么？

我的判断是：设计师不会被替代，但设计师的工作方式会被重构。

被放大的是： 判断力。方向选择。品牌策略。用户研究。信息架构。这些是 Prompt Stack 无法自动化的部分——它需要人类告诉 AI"我们是谁""给谁看""要什么感觉"。

被压缩的是： 像素级执行。Figma 里对齐网格。手写 CSS。从零搭建组件库。这些是 Prompt Stack 可以标准化的部分。

被新增的是： Prompt 架构能力。设计系统设计能力（不是用设计系统，而是为 AI 设计设计系统）。AI 输出的审查和修正能力。

Open Design 的 Discovery Form 和五维 Critique 就是这个新分工的缩影：人类填表单做决策，AI 执行生成，AI 自评，人类最终审查。设计师从"执行者"变成了"设计总监"。

这不是坏事。前提是你愿意从"画图的人"变成"管 AI 画图的人"。

什么时候该认真对待 Open Design

Open Design 目前最新版本是 v0.5.0。它还在快速迭代中——0.4.1 到 0.5.0 只用了两天，每个版本都有数十个 PR。

它有一些不能忽视的局限：

• Windows 安装包未签名。SmartScreen 会警告，需要手动放行。
• 不支持 Intel Mac。只有 Apple Silicon。
• Linux 没有 GUI 包。只有 headless 模式。
• 项目只有 10 天历史。虽然社区活跃，但长期维护承诺需要时间验证。

但它有几个明确的优势场景：

如果你是设计师或产品经理，想理解"AI 设计"到底能做到什么程度——Open Design 是目前最好的学习对象。不是因为它最完美，而是因为它的每一步都是透明的。

如果你是技术决策者，想评估 AI 设计工具的选型——Open Design 的"不造 Agent"策略值得认真研究。它可能不是最终答案，但它提出的问题是对的。

下一步建议：

• 想动手试试？去 open-design.ai 下载桌面应用，5 分钟内跑出第一个设计。
• 想理解技术架构？阅读项目 GitHub README 的 Architecture 章节，架构图和协议说明非常清晰。
• 想跟踪动态？关注 @nexudotio 和 GitHub Releases，迭代速度极快。