看一套生产级蓝图：设计系统如何变成 AI 代理可直接消费的基础设施，并换来 10 亿美元业务结果。
Preparing Rocket for the AI era | Config 2026 · Emily
全片 20 分钟·真正值得盯屏约 13 分钟·3 个必看点
- 0:12 – 5:10听
Rocket 是谁：规模、使命与为何非 AI 不可
介绍 Rocket 服务全美 1/6 房主的体量（每年 80 万次聊天、1.6 亿次通话），以及 AI 原生转型的背景与动机。
在这种规模下 AI 不是可选项，而团队交付速度已比两年前快 5 倍。
以口头论述和背景铺陈为主，无关键演示画面，适合当播客听。▶ 跳到 0:12讲者 · Emily - 5:10 – 7:13看
语义 token 与画布注释：Nova 的地基
每个颜色、圆角、动效曲线都以「为何存在」命名为语义 token，配合画布注释固化截图承载不了的开发要求与交互状态。
每个视觉决策可追溯，Nova 才能跨平台、跨主题、跨 AI 代理移植。
310s 起有 token 命名与注释体系的具体画面展示，看实例比听描述更能理解「语义化」到什么颗粒度。▶ 跳到 5:10讲者 · Emily - 7:13 – 12:10看
Figma Make 活原型：全员可做用户研究
用 Make 搭建全员共享的 AI 聊天活原型，两条消息接入新组件，一键发布给研究面板做蓝/绿变体测试，结果嵌回设计文件画布。
研究对象体验的是接近真实的活原型而非静态截图，且整条链路不需要工程师参与。
529s 节点编辑器、590s 两条消息接组件、663s 研究结果回嵌均为连续现场操作，是本段价值所在。▶ 跳到 7:13讲者 · Will Habeck - 12:10 – 14:16看
防漂移与自动交接：Check Designs + MCP 注释
用 Check Designs 在组件上发现脱离 token 的硬编码值并一键修复；自研 skill 通过 Figma MCP 自动为图层生成交接注释，前置暴露图标缺失、可访问性等细节。
人工交接中最容易丢失的细节，被工具在交付前自动抓出来。
738s 与 799s 是两段紧凑的工具演示，悬停定位、自动注释的效果必须看画面才有感。▶ 跳到 12:10讲者 · Will Habeck - 14:16 – 18:06看
代理实现组件：三步 skill 与 Playwright 回验
skill 强制「初稿→按注释调整→替换为设计系统类」三步并自动喂入全部上下文，一条消息生成合规组件；另一个 skill 用 Playwright 截图 Storybook，与设计稿做视觉+代码双重比对。
上下文管理是关键——不能把 Figma MCP 输出一次性全塞给代理，结构化分步才有一次成型的质量。
940s 的一次性生成与 1007s 的自动走查是全片高潮演示，结果对比只能靠看。▶ 跳到 14:16讲者 · Will Habeck - 18:13 – 20:27听
总结：AI 放大的是地基，设计师决定造什么
复盘整条链路带来的业务结果（2026 年 Q1 贡献 10 亿美元增量放款），并落到核心论点：速度不再稀缺，命名、结构与上下文才是 AI 可放大的素材。
当造得快人人都会，设计师的价值在于决定造对什么、什么忠于品牌。
纯观点收束，无演示画面，适合听完整论述。▶ 跳到 18:13讲者 · Emily