从一件能被看懂、亲手体验的作品开始。
把好在哪里、为什么修改、最后是否采用，留在同一段工作里。
从专家团的创作实践出发，
看模型的能力如何成为具体的体验。
张贝 / Billie Zhang
专家团案例选集 · 从网页到空间，从信息到互动。
一版强调空间氛围，一版先定义“读数 → 解释 → 比较 → 带走结论”。差异落在视觉重心、媒介分工和连续的操作路径上。
关键数值同屏对齐；空间表达留在受控区域；选择最终进入可带走的摘要。
保留共同任务、两类指导、源码和实验说明，让后续讨论能够回到同一个起点。
阅读实际指导语料 ↗两版是 ChatGPT 生成并修订的策略对照。需冻结模型、工具与预算，独立复跑并盲评，才可判断指导是否带来稳定改善。
能不能把这一次判断，
变成下一次生成时可使用的条件？
把“感觉还差一点”，说成具体的事实、取舍和约束。
让经验从评审现场，进入工具与工作流。
谁在使用、当前任务是什么、时间与技术有什么限制。判断首先属于具体情境。
什么应突出，什么该让位；关系、读数与比较分别交给什么媒介。
能否看清、查证、选择并带走结论；把意见落到产物与任务完成上。
“需要同时比较的信息，不该被拆进不同空间层。”
这句话可以继续变成布局约束、生成指导、评审项，也可以成为复跑时要验证的假设。
已有的提取与匹配工具，连接生成前的指导和生成后的判断。
先形成可检查的最小单元，再校准它是否可靠。
从已有 Demo 提取页面事实、设计原则、适用情境与反模式；按任务匹配指导，把经验转成布局、组件与媒介的构建约束。
3D 表达关系；精确读数回到二维。关键方案同屏比较，手机端重排。
在真实页面上选中元素或热区，对照截图、DOM 与结构事实记录选择和理由；让不同专家围绕同一个对象讨论、复核与校准。
对象 → 页面事实 → 专家选择 → 取舍理由 → 证据位置。证据不足时允许拒答。
组织专家把真实经验转成任务、约束与验收要求。
将作品与生成轨迹放在一起，提出值得验证的改进线索。
首期任务、产物与执行轨迹已留存；正式盲评待校准。
以「零界：从门店地图定位经营异常」为例，将三种模型的真实执行动作归入五个工作阶段。曲线展示各阶段动作在该模型全部动作中的占比，帮助定位投入重心与值得复核的环节。
DESIGNBENCH / Q11 · TRACE JOURNEY
●Astra 验证迭代与信息可读、交付完成最同向；构建只提示高分条件下的效率风险。
●Claude 构建与视觉表现最同向；任务理解仅是相对低点，未见强负向质量证据。
●DeepSeek 构建与视觉表现同向；收口与交付完成的相对短板相关。收口归类 0 次，但已有交付物。
| 模型 | 理解 | 探索 | 构建 | 验证 | 收口 | 合计 |
|---|---|---|---|---|---|---|
| Astra | 6 | 6 | 13 | 26 | 4 | 55 |
| Claude | 1 | 10 | 5 | 15 | 2 | 33 |
| DeepSeek | 1 | 16 | 21 | 21 | 0 | 59 |
动作分布与初审线索用于提出改进假设，不能替代正式专家盲评、模型排名或跨题结论。
验证少，可能是工具受限，也可能是任务简单；收口归类为零，也不代表没有交付。把过程与作品、评审意见交叉核对，区分模型理解、上下文、工具与交互问题，再设计对照。
作品、判断和修改放在同一条证据链里。
让产品、数据与模型团队能够回看、复核，并决定如何使用。
任务要求、业务约束、模拟数据与不可补造的信息。
已有构建、工具调用、检查、自修正，以及最终源码和验证文件。
已有专家为什么选、改了哪里、何时接管；需与模型自修正区分。
待补齐真实用户是否采用、专业质量是否达标、修改是否降低返工。
待校准按证据完整性与授权，分别进入产品修复、评测、Skill 或训练候选。
后续验证熟悉的情境，让人一眼进入；足够丰富的细节，让差异自然显现。
作品可以成为传播的入口，也可以成为持续创作的母题。
同一个人、同一个动作、同一种食物。人物、手、面条与嘴部的关系，都发生在几秒钟里。
这个广为流传的案例，把模型表现变成了无需技术解释也能讨论的画面。我的启发是：让用户记住一道题，再从一版版作品中看见变化。
查看原始发布与制作流程 ↗
把一则魔法世界新闻做成可阅读、可互动的报纸：写出可信的世界观，组织主次信息，让图像与文字互相解释，让动效和交互服务阅读。它既有熟悉的文化入口，也给模型留下了充分的创作空间。
预言家日报的吸引力，来自编辑设计、图文叙事与动态内容共同构成的世界感。一眼被认出，停下来能读，动起来有故事，才有让人保存、分享与再创作的理由。
这也是“魔法日报”母题的目标：将推理与多模态能力组织成一份完整作品，让内容、审美、互动和信息表达在同一个传播载体里成立。
视觉参考：MinaLima《Escape from Azkaban!》 · 版权归原作者所有参考 DesignBench 整体设计质量口径 · 张贝建议分。主分为整体判断，不由维度加权计算；两份原型尚未进行独立盲评。
标题与报道能否自洽？信息是否贴合世界观与读者？
字体、网格、质感与图像，能否形成统一的编辑语言？
动图、翻牌和切换是否有意义，反馈是否清楚？
头条能否被快速找到？长短内容能否形成阅读节奏？
手机、键盘与减弱动态下，是否仍然好读、好用？
固定新闻素材、图像与一段动态素材，分别制作可交互网页与可印刷头版：内容是否自洽，视觉是否统一，跨媒介表达是否仍然清楚。
让同一主题长出不同作品，让每次改进都有可指认的地方。
两份原型为本机既有粉丝向概念创作。建议评分用于讨论设计质量，非正式模型排名；与相关官方出版物无关。复用 WorkBuddy 等执行底座，从一两个有人使用、有人验收的场景开始。
用产品体验承接真实任务，让选择、修改与反馈自然留下。
优先设计到实现、评审到修改等高频任务。冻结目标与验收标准，明确负责人和数据范围。
任务 → 执行 → 纠正 → 验收。尽量在原有操作里保留反馈，只在关键节点补充理由。
看用户是否持续委托、人工返工是否减少、问题是否被采纳并在新任务上改善。
我的重点场景与体验、原型与工具、专家参与机制，把现场判断组织成可复核的证据。
模型 / 算法团队主导能力实验、训练与效果验证，判断改进能否迁移。
AIDATA协同质量标准、授权与数据治理，判断记录的适用用途。
产品与业务提供执行底座、真实任务和最终验收，把有效方式带回持续使用。
先围绕一个共同问题建立小规模验证，
用实际结果决定下一步投入。
是专业质量的目标、真实任务和修改记录，还是反馈进入产品与模型迭代的速度？
选择真实、高频、验收清楚的场景，让专业判断、工具与模型能力在同一题里相遇。
提前约定采用、返工、完成度和复跑证据。有效就沉淀为案例、工作流和评测，无效就调整假设。
从产品体验、金融与 IP，走到 CODING、TDesign 与 AI 设计工程化。连接专业质量、用户理解与工程实现，是这些经历持续积累的工作方式。
腾讯设计及研发专家 · WorkBuddy／CodeBuddy、Miora、Ardot 司内战略共建专家