让 AI 自己审自己的设计稿，两个月工期压到两小时
The metacognitive design loop ft. Jenny Au & Mike Green | Config 2026 · Mike Green
全片 19 分钟·真正值得盯屏约 7 分钟·3 个必看点
- 0:12 – 2:07听
守门员这个岗位正在失效
开场抛出问题：设计团队长期靠人工守门来保证一致性，但 AI 大批量产出界面之后，这条防线开始崩。
问题不出在 AI 画得不够好，而出在人工审查这个环节本身跟不上产出速度。
这一段基本是讲者站着讲问题背景，画面只有标题页，边做别的事听着就行。▶ 跳到 0:12 - 2:07 – 4:20略
四十亿种组合：QA 在数学上就不成立
现场打开他们的设计系统，用数字说明治理规模：50 多个组件、200 多个 token、100 多条规则，组合空间约 40 亿，而 QA 人力比大约 1:100。
治理还有个「失败的钟摆」——管太严流程瘫痪，管太松就被上千个微小不一致慢慢拖偏。
屏幕上是设计系统的组件面板和几组数字，扫一眼把量级看清即可，逐字听没有额外收获。▶ 跳到 2:07讲者 · Mike Green - 4:20 – 7:15看
元认知闭环：让 AI 在你看到之前先自查
提出核心方案，在规划与构建之后插入一个自我审查环节，AI 对照设计系统规则反复修正直到全部通过，每次修正都以一次代码提交固化成新规则。
系统会越用越聪明，因为同一个错误的修法被沉淀下来，而不是每次重新讲一遍。
闭环各环节之间的先后与回路关系全在那张图上，图里的箭头走向就是这套方法的说明书，光听会散。▶ 跳到 4:20讲者 · Jenny Au - 7:15 – 10:10听
两道防线：一道护代码，一道护策略
介绍自建的 Core UI 连接层直连 Figma 的实时 token 和最新组件目录作为唯一事实来源；另一条线是需求文档智能体，用结构化访谈产品负责人、翻译成确切组件、显式批准后交接的三步流程。
最糟的时刻是开发开始之后才发现做错了东西，所以质量检查要挪到流程最前端。
这一段主要在讲两条防线各自负责什么、为什么这样切分，画面只是配合文字的要点页，属于口头论述。▶ 跳到 7:15 - 10:10 – 12:29看
同一个组件，两个名字
现场演示搭建组件映射文件时暴露的问题：一个顶部导航在代码里和在设计文件、组件文档里叫法完全不同。
命名统一不是审美洁癖，而是提示词能否稳定生效的前提，这个坑他们真踩过。
两套命名并排出现在屏幕上的那一下最有说服力，讲者也在直接指着屏幕说，不看画面基本感受不到问题的严重性。▶ 跳到 10:10讲者 · Mike Green - 12:29 – 14:18看
翻车样本：被拆成两半的表格
展示一个失败案例，AI 把表头和数据行当作两个独立的布局问题分别处理，导致列错位、栅格断裂。
没有治理的智能体流程不只是产出错误，还可能把整体一致性拉到比开工前更低的水平。
错位到底错在哪、断在第几列，只有看那张歪掉的表格才能直观感受到，讲述再细也补不上这个画面。▶ 跳到 12:29讲者 · Mike Green - 14:18 – 19:26听
两小时交付，和你明天就能开始的四步
给出成果数据与可复制路径：过去两个月的构建加质检压缩到两小时且没牺牲精度；四步是把质检提到需求阶段、让设计与代码共用一套语言、让闭环自检自纠、用辅导的方式把修正编码成规则。
小团队起步只要三件事——把设计系统当代码管、遇到问题先问 AI「你为什么这么做」而不是「改好它」、把每次修正写成规则。
收尾部分讲者主要在口头总结蓝图和角色转变，屏幕上没有需要盯着看的演示，听清那三件事和四步顺序就够。▶ 跳到 14:18