从传统 AI 编排工具转向 AI Native Web IDE——
让 AI 负责降低门槛,让 Code 负责抬高上限。
| 角色 | Design Management Owner |
| 所属公司 | ByteDance · 扣子 Coze |
| 平台 | Web |
| 项目阶段 | 0-1 |
| 类型 | 产品设计 AI 体验 设计管理 |
扣子编程是扣子从「编排平台」走向「AI Native Web IDE」的一次关键产品转型。它不再只是面向少数专业开发者的工作流编排工具,而是试图覆盖从零基础用户、AI 爱好者,到专业开发者的更完整人群层级。
这个判断直接决定了产品形态不该停留在传统低代码平台,而应该走向 AI 与 IDE 深度融合的方向。原有扣子开发平台的核心问题是「下限高、上限低」——小白进不来,专家留不住。
最终我们明确,扣子编程要做的不是另一个「流程搭建器」,而是一个真正面向 AI 时代的 Web IDE——既让更多人能「从想法到实现」,也让专业用户在 Web 上完成更完整的开发闭环。
设计一个真正可用的 AI Native Web IDE:既让零基础用户敢于开始,也让专业用户愿意留下。
这个命题的难点不在于做一个「更像 Cursor」的界面,而在于怎么在一个产品里同时处理好三组矛盾:
这也是为什么这个项目里,设计不只是输出界面,而是要参与产品形态判断、节奏拆解和协作机制设计。
这是一个节奏非常紧、依赖高密度协作的 0-1 项目。我的角色不是单点设计执行,而是作为设计管理 Owner,确保项目能在短时间内完成方向判断、框架收敛、团队分工和高质量落地。
先定义边界,再放团队并行;靠高频校准,而不是靠最后收口。
AI 负责下限— 扣子编程的产品定位
Code 负责上限
这个项目有一个很重要的特点:我们不只是设计一个 AI 产品,也在用 AI 重构自己的设计流程。策略总结为三件事:AI 做竞品分析、AI 生成设计原型、AI 搞定设计系统。
在产品初期,借助 AI 辅助分析了三类产品,核心价值不只是信息收集,而是更快形成产品定位判断。
| 类型 | 代表产品 | 核心洞察 |
|---|---|---|
| Web 编排工具 | Coze Studio、Dify | 门槛高,上限受限 |
| Web IDE | Replit、Lovable、v0 | AI 驱动,协作云端化 |
| 本地 IDE | Cursor、Trae | 上限高但单机,协作弱 |
项目里用 AI 生成过多个 Demo,用来快速判断界面结构和交互节奏。让我们在正式进入精细化设计之前,先看见产品雏形,减少纯静态稿阶段的判断误差。
借助 AI 去理解和应用 Shadcn 体系,结合主题变量和原子组件,快速完成了一套适配产品的组件库和主题能力。从通过 AI 理解 Shadcn,到按规则配置变量,再到创建原子组件,完成主题制作。
设计团队在 AI 产品里,不应该只是设计 AI 的外壳,也应该用 AI 重塑自己的工作方式。
扣子编程首页的设计核心不是展示信息,而是帮助用户快速开始。拆成三个关键区域:
首页的本质不是门户,而是一个把用户从想法带到行动的起点。
IDE 的核心结构由两部分组成:
左边负责「过程理解」,右边负责「结果确认」——既保留了自然语言驱动的低门槛,又保住了专业用户对结果和代码的可控性。
扣子编程从一开始就需要考虑商业化闭环。商业化界面包含完整的付费体系和用量管理链路。
扣子编程上线后取得了比较直接的业务结果,不只是「发布了一个新界面」,而是真正完成了一次从旧平台到新产品形态的迁移。
尤其是部署转化率和留存数据,说明用户不仅会来试,而且愿意继续使用、并把结果真正部署出去。整个项目零设计事故、无设计类负反馈。
如果从作品集表达的角度总结,我在这个项目里的价值,不是某一个页面画得有多好,而是作为设计管理 Owner,在高复杂度、短周期、多模块并行的 AI 产品里,完成了几件关键事情:
AI 时代的设计管理,不只是管理设计师,而是在管理「判断、节奏、协作方式」和「人与 AI 的新型生产关系」。当产品本身就在重构生产方式时,设计团队自己的工作方式也必须同步升级。