Grok Bot 设计指南:用真实动画资产与 Figma 母版缩短试做循环

John Bai 的四个设计 Agent:探索桌面原型、调动画手感、批量填充生产组件。

作者:John Bai10-10 · 约 10 分钟

Grok Bot 的设计指南,来自 John Bai 用 Grok Bot 设计产品本身的实践。四个常驻 Agent 分担概念试做、动效打磨、Figma 重复生产与工程咨询,让设计师更早接触可以实际体验的版本。

这套方法沿用已有设计工具,也使用真实动画规范和 Figma 母版。Agent 加快制作、体验、修改的循环;选择哪个版本,以及它在日常工作中是否有帮助,仍由设计师判断。


四位设计 Agent 的角色定位与拉通机制

要想让多个 Agent 协同工作而不陷入混乱,首先必须理清每个角色的职责边界。在这套工作流中,4 个 Bot 并不是泛泛的聊天机器人,而是分工严密、各持不同工具链的专项搭档:

四位专项 Agent:Experiments、Motion God、Figma Bro 与 DevBot
四位专项 Agent 头像与分工:各自负责前沿探索、动效打磨、画板规范与工程支撑
  1. Experiments(脑洞试水员):专接不成熟、没想清楚最终形态的前沿想法。它的唯一目标是把概念迅速做成能上手的实物,启动前不需要证明商业价值或技术排期。
  2. Motion God(动效调优师):手握真实动画规范文件,负责在本地启动调试沙盒,听取设计师的感性指令,实时调整微观手感。
  3. Figma Bro(规范搬砖工):接入 Figma MCP(Model Context Protocol,模型上下文协议),以画板中的母版组件和自动布局(Auto-layout)为绝对基准,专门处理批量生成、图标对齐等重复性高精度工作。
  4. Devbot(工程落地顾问):解答底层技术可行性、系统级 API 限制,帮助其他几个 Bot 理解设计概念在实际代码中该如何编写。

这四位 Agent 并不处于割裂的单线问答状态,它们能够「开小会(Huddle)」并互相分工。当一个前沿想法提出时,负责探索的 Experiments 会自主把角色动作与过渡分派给 Motion God,把系统调用与工程问题交给 Devbot,最后再把成果整合为可实际体验的原型。


工作流一:模糊设想的无负担具象化(Experiments 模式)

解决什么问题:打破「只有先论证可行性才能动手做原型」的传统流程,让荒谬或未经验证的交互能够低成本显形。

在探索如何让 Grok Bot 在桌面端随时随地被唤起(Ambient Bot Access)时,团队内部并不知道哪种形式体验最好。John Bai 没有停留在脑暴或画草图,而是让 Experiments 直接构建了三种截然不同的系统级原型:

  1. Mac 屏幕刘海常驻(Notch):把 Bot 嵌在屏幕刘海区域。平时安稳收拢、不抢占宝贵的工作窗口;有事件需提醒时轻微探出;点击时展开成小巧的工作面板。
  2. 桌面角落悬停探出(Corner Peek):平时完全隐藏,鼠标滑过屏幕边缘时探头登场。这种形式弱化了「软件常驻面板」的工具感,更像一个被召唤的角色。
  3. 光标随行伴侣(Cursor Companion):让 Bot 如影随形地跟着鼠标指针,与用户当前的实时操作保持高密度交互。

协作与串联链条

  • 输入:设计师给出纯口语的功能设想(例如:“试试把 Bot 塞在 Mac 刘海里,展开变成小面板”)。
  • 执行动作:Experiments 接单后发现涉及系统底层窗口行为,向 Devbot 咨询桌面行为与实现问题;涉及展开收起的过渡手感,再委托 Motion God 编写动效曲线;最后将各部分组装成本地可运行的应用。
  • 交付成果:不是静态汇报文档,而是安装在电脑上能点、能划、能日常体验的实际 Demo。
  • 人工决定:设计师在全天的日常工作中自然接触每个版本,体会它们在何时带来助益、何时造成干扰,或者介于两者之间。

这三个探索概念最终都没有原样上线。探索的目的并非直接交付上线,而是在真实使用中体会不同交互何时提供帮助、何时产生干扰,并从中获得认知。


工作流二:基于真实生产资产的直觉调优(Motion God 模式)

解决什么问题:告别以往动效必须甩给人肉动效师、改一次参数等半天的脱节状态,让设计师能够用直觉体感在真实代码资产上调手感。

在传统的动效设计中,设计师画好静态图或粗略序列帧后,通常需要交给专门的工程师去代码中还原。但设计师往往无法预先报出:「这里的转场到底该是 280 毫秒还是 340 毫秒」。手感是对出来的,不是算出来的。

针对推广邮件中一段「Bot 角色登场、注意到应用窗口并弹跳就位」的动画原型,John Bai 没有让 Agent 去从截图重新生成或拼凑近似画面,而是直接把产品代码中真实运行的动画规范文件(Animation Spec File)交给了 Motion God。

Bot 角色入场三个动作关键帧
推广邮件视频序列关键帧示意:角色出现、注意到应用窗口并弹跳就位

核心机制:本地沙盒与双轨调节

  1. 真实环境搭建:Motion God 在本地 localhost 围绕真实的动画规范文件搭建了一个可运行的调试环境(Playground)。
  2. 确定性控制与感性语言并存:
    • 确定性控制:在运行过程中,设计师可以直接手动调节时间(timing)、弹簧参数(springs)、位移距离(distance)、缩放比例(scale)和缓动(easing)。
    • 感性语言调整:设计师也可以给出简短的对比性反馈,例如*“让眼神向左下方多停留一会儿”或“弹跳太夸张了”*。
  3. 即时重放闭环:Motion God 做出修改后,设计师可以立即完整重看整段动效序列。

这种闭环更贴近设计师真实的动效构思方式:设计师通常很难在亲眼看到前凭空确定转场究竟该是 280 毫秒还是 340 毫秒,但能准确用语言描述感觉,并在亲眼看到时判断出手感是否恰到好处。


工作流三:接入 MCP 消灭机械对齐与视觉漂移(Figma Bro 模式)

解决什么问题:把设计师从制作几十张相似卡片、四处寻找矢量 Logo 的体力劳动中解放出来,同时杜绝微小尺寸与样式的隐性累积误差。

在设计新手引导(Onboarding)页面时,团队需要展示一系列开箱即用的「Starter Bot」卡片(如负责日程调度的 Chief of Staff、邮件分流的 Inbox Triage、账单催收的 Invoice Chaser 等)。

Figma Bro 批量填充的 Starter Bot 角色卡片
Figma Bro 批量生产的 Starter Bot 卡片:基于同一个母版组件,统一头像风格、名称与功能描述

随后,页面还需要了解新用户日常使用的工具(What do you use every day?),以便为首个 Bot 配备上下文。设计师创建了页面布局模板,让 Figma Bro 检索对应素材,并按使用可能性(usage likelihood)的预估顺序排入卡片网格。

Onboarding 引导页常用工具 Logo 排布网格
左侧为新手引导界面原型,右侧为 Figma Bro 检索对应资产并按使用可能性排布的工具 Logo 布局

为什么必须用 Figma MCP,严禁肉眼目测?

这些任务虽然创意难度不高,却容易消耗创作精力,也是微小不一致容易成倍累积的地方:Logo 版本选错、引用过时组件、头像来源混杂,或者第 10 张卡片的间距与第 1 张不一致。

John Bai 的要求非常明确:禁止 Figma Bro 凭肉眼猜测(No eyeballing)。

  • 底层检查:通过 Figma MCP,Agent 可以直接检查实际设计文件,杜绝靠截图肉眼猜测。
  • 单一事实源(Source of Truth):若画板中已有现成的 frame 或组件,该结构就是事实源。
  • 高精度属性对齐:Agent 直接读取并使用准确的 x 与 y 坐标、宽度(width)、高度(height)、间距(spacing)、排版文字样式(typography)、填充(fills)、描边(strokes)以及组件层级结构(component structure)。针对内部征集到的 20 条 Starter Bot 描述,设计师只需建立 1 个 auto-layout 组件,Figma Bro 即可批量填充其余卡片;对于常用工具 Logo,则由 Agent 检索正确素材并按使用可能性顺序排入。

这样一来,设计师便不必将注意力耗费在机械的批量重复劳动中,而能专注于更高层级的设计审查与判断。


动态体验:Grok Bot 设计工坊分工与交互演练沙盘

下方沙盘直观还原了这三个工作流中设计师与专项 Agent(Experiments、Motion God、Figma Bro、Devbot)的协作分工。沙盒内参数供教学演示与手感体验,不作为真实生产环境实测数据。你可以切换不同任务,体验参数调节、口语反馈与节点检查:

动画为教学示意,使用预设 CSS 曲线;没有连接原产品的动画文件,也不模拟弹簧物理。手感与方案由你判断。

🎨 Grok Bot 设计工坊分工与交互演练沙盘

切换三种典型探索任务,观察设计师(人类)如何向多 Bot 分工派发、在本地沙盒与生产资产中闭环推进,并用直觉判断关键体验。

协作与分工机制(Who & How)
人类设计师 给出定性描述:Bot 出现、发现 App 窗口,然后轻巧地弹跳落定到左上角。
Motion God 读取本地原文所述生产资产中的动画 spec 文件,在 localhost 快速搭建可调参数的调试沙盒。
设计师裁决 不靠凭空报出毫秒数值,通过滑块确定性控制或口语反馈(如“回弹太猛了”),直觉把关手感。
实时沙盒与闭环裁决(Playground & Decision)
✦
App 目标主窗口(教学示意窗口)
动画教学预设(非真实物理参数) 标准手感
自然语言直觉指令:
[实时参数更新] 教学预设已改变,当前入场曲线包含明显的弹簧震颤。

可落地的 Agent 配置与提示词参考

如果你正在使用具备代码执行或 MCP 插件权限的常驻 Agent,可以参考以下由我们根据原文工作流编写的配置与提示词示例(并非作者公开的原版系统提示词)。各角色均包含独立的使用条件、系统设定与任务提示词,可直接复制并在实际环境中替换具体路径:

1. Experiments(概念探索与拉通)

  • 使用条件:用于未成熟、未定型的交互设想原型验证;需协调动效与系统实现,启动前无需预先论证路线图排期。
  • 系统设定(System Prompt):
    你是一名专注于前沿交互原型探索的设计 Agent(Experiments)。
    你的职责是将设计师模糊的交互设想转化为可实际体验的原型应用。
    在遇到动效调节需求时,主动将动作过渡分派给 Motion God;遇到桌面窗口行为、系统级 API 等实现问题时,向 Devbot 咨询。
    最终将各模块组装为可在本地运行、供设计师全天体验的原型,重点关注方案何时带来助益、何时产生干扰。
    
  • 任务提示词(Task Prompt):
    我想探索三种让 Bot 能够随时随地在桌面端被唤起(Ambient Bot Access)的原型:
    1. 常驻在 Mac 屏幕刘海(Notch),平时收拢,有通知轻微探出,点击展开工作面板;
    2. 桌面边缘悬停探出(Corner Peek),平时隐藏,鼠标悬停时探头;
    3. 光标伴侣(Cursor Companion),随鼠标指针移动。
    请向 Devbot 咨询系统级窗口调用,向 Motion God 索取过渡动作,组装为我可以在本地实际运行体验的原型。
    

2. Motion God(动效调优)

  • 使用条件:需在本地运行环境围绕真实动画规范文件(Animation Spec File)搭建沙盒,基于已有生产资产调优,而非重新生成近似图片。
  • 系统设定(System Prompt):
    你是一名精通动效实现的调优 Agent(Motion God)。
    你的职责是在本地 localhost 环境围绕产品现有的动画规范文件(Animation Spec File)搭建沙盒。
    你负责直接调节 timing、springs、distance、scale 和 easing 等参数,同时支持设计师简短感性的对比语言指令。
    每次修改后,确保动效能够即时完整重放,供设计师依据视觉手感做出判断。
    
  • 任务提示词(Task Prompt):
    围绕当前推广邮件的动画规范文件启动本地沙盒。角色动效序列为:Bot 出现、注意到应用窗口、弹跳落入窗口位置。
    请保持实时运行状态,允许我手动调节 timing、springs、distance、scale 与 easing。
    当我给出“眼神向左下方多停留一会儿”或“弹跳太夸张了”等感性反馈时,直接调整底层参数并重放序列。
    

3. Figma Bro(Figma MCP 资产填充)

  • 使用条件:需配置 Figma MCP 服务连接目标设计稿,且这个批量填卡示例以已有 Auto-layout 组件作为事实源(Source of Truth)。严禁截图肉眼猜测。
  • 系统设定(System Prompt):
    你是一名负责 Figma 生产排版的设计 Agent(Figma Bro)。
    你通过 Figma MCP 访问设计文件,严格禁止基于截图肉眼估算(No eyeballing)。
    若画板中存在现成的 frame 或 auto-layout 组件,该结构即为唯一事实源。
    你必须直接读取并严格匹配 x/y 坐标、width、height、spacing、typography、fills、strokes 和 component structure。
    
  • 任务提示词(Task Prompt):
    请读取当前 Figma 页面中已由设计师建好的 Starter Bot auto-layout 组件作为事实源。
    严格继承其尺寸、边距、字阶与描边属性,将内部征集的 20 款 Starter Bot 描述文本与头像逐一注入并生成卡片。
    随后在 Onboarding 工具选择网格中,检索正确的日常工具 Logo 资产,并按预估的使用可能性(usage likelihood)顺序排入网格。
    

4. Devbot(工程落地支持)

  • 使用条件:用于为其他设计 Agent 解答底层工程可行性、系统窗口管理与开发接口约束。
  • 系统设定(System Prompt):
    你是一名负责工程落地咨询的研发 Agent(Devbot)。
    你的职责是协助 Experiments、Motion God 等设计 Agent 理解底层系统行为(如 macOS 窗口层级、全局快捷键、桌面事件监听),并提供可行的技术方案与代码支持。
    
按本篇工作流改写的配置示例:动效微调与沙盒搭建
用于让具备本地工具执行权限的 Agent 直接绑定代码库中的真实动画配置,在 localhost 启动调试页,并支持双轨直觉反馈。
你现在的角色是负责动效原型的专项 Agent [Motion God]。
工作目标:不要根据截图凭空画图或生成近似演示,必须基于我们产品代码库中实际运行的真实动画文件进行微调。

【环境与输入】
- 目标动画规范文件:[本地文件路径,例如 src/animations/character_enter.json 或 spring_config.ts]
- 目标宿主窗口组件:[目标界面组件路径,例如 src/components/AppWindow.tsx]

【执行步骤】
1. 在本地启动一个轻量调试沙盒(例如运行在 localhost:[端口号]),将上述真实动画资源与宿主容器渲染出来。
2. 保持持续监听状态,等待我给出感官反馈与手感评价。
3. 当我提出“让眼神向左下方多停留一会儿”或“回弹有点太夸张了”等感性指令时,请直接换算并调整对应动画规范文件中的时间轴关键帧、弹簧刚度 (Stiffness)、阻尼比 (Damping) 或位移曲线。
4. 每次调整后立即热重载沙盒,让我能完整观看整段序列。

给想把常驻 Agent 引入实际工作的团队的建议

把这篇指南的经验剥离出工具表象,可以看到一套非常清晰的现代设计协作法则:

  1. 别做一个包打天下的万能 Bot:把职责切碎。让专门的 Agent 守着动效环境,让专门的 Agent 对接 Figma。这种分工让每个角色专注自己的制作环节,具体输出仍需在原型与设计稿中检查。
  2. 以真实生产资产为基准:无论是产品代码里的动画规范文件,还是 Figma 中已有的 Auto-layout 组件,让 Agent 直接对接生产源与底层数据结构,而不是基于截图或粗略生成重新拼凑,能有效减少偏差与信息损耗。
  3. 探索的价值在于尽早获得真实体验:建立像 Experiments 这样的专项探索机制,不必等概念完全成熟或排入路线图才动手。把想法尽早做成可实际上手体验的原型,在日常使用中观察其助益与干扰,有助于更早做出取舍。
  4. Agent 收紧反馈循环,设计判断仍在人:AI 并没有替代人类的设计判断,而是让循环变得更紧凑(Keep the loop tight)。通过减少重复性生产环节的消耗,设计师能更早将想法具象化,并在高保真版本之间专注于关键的设计决策与直觉裁决。
来源
Designing Grok Bot with Grok BotJohn Bai·查看主材料
↑ 正文结束
✓ 本篇全文免费开放

会员可复制、下载全文 Markdown,还能让你的 AI 订阅和提问。

阅读原文 ↗
📮 新解读第一时间进邮箱

读完觉得有用?留个邮箱,每篇新解读发布就送达,随时退订。