KeyFrame內部研究專用

The NEW Claude Design - Complete Beginner's Guide

Teacher's Tech·8月3日週一·17 min英文

三句話摘要

Claude Design 工具入門:透過對話式設計創建品牌一致的投影片、網站、文件等視覺作品。 先投資 5 分鐘建立設計系統,之後每個設計都自動品牌一致,並用對話與直接編輯快速迭代——這是讓 Claude Design 從實驗工具升級為實用生產工具的關鍵。 設計系統是核心。上傳品牌標誌、產品圖片和風格說明後,Claude 自動提取色碼、確認字體、甚至從標籤中發現標點習慣。這份設計系統成為後續每個專案的基準,投影片、網站、發票都會自動套用相同色彩、字體、排版邏輯,無需重複解釋。

重點整理

重點
  • 1

    設計系統是核心。上傳品牌標誌、產品圖片和風格說明後,Claude 自動提取色碼、確認字體、甚至從標籤中發現標點習慣。這份設計系統成為後續每個專案的基準,投影片、網站、發票都會自動套用相同色彩、字體、排版邏輯,無需重複解釋。

  • 2

    提問表單比範本本身更重要。Claude 會根據專案類型詢問具體細節(目標對象、色調、內容重點等),填表仔細能大幅減少後續改稿時間。「決定為我」按鈕適合不確定時使用。

  • 3

    直接編輯是日常最高效的改稿方式。點擊元素即時改文字、調色彩、修間距,改完秒保存,無需等待重新生成。對話式改稿適合大幅改動,直接編輯適合微調。

  • 4

    工具內建真實度檢查。設計系統會詢問產品清單、定價等事實,而不像最初的傳單一樣自動編造網址和地址。發現不確定項目會明確提問,確保輸出物符合真實狀況。

實用技巧與重點

乾貨
  • 存取方式
  • cloud.ai/design(網頁版)
  • Claude 桌面應用左側面板 > Design
  • 支援計畫:Pro、Max、Team、Enterprise(Beta,包含在訂閱內)
  • 使用量:從通用池提取,單次生成效率已大幅改進
  • 核心功能
  • 模板類型:投影片、文件、發票、講義、UI 模型/網站、線框圖、行動應用、HTML 電子郵件、履歷、研究、3D 物件、色彩與字體配對、動畫、空白畫布
  • 設計系統建立:手動建立(上傳資產)/ Figma 連結 / GitHub 連結
  • 預設系統:Modernist、Classical、Nocturn
  • 編輯工具
  • Comment:標記設計上的意見
  • Direct Edit:點擊元素直接改動文字、色彩、間距
  • Tweaks:全域切換開關(如首圖多選配置)
  • Conversation:對話式大幅修改
  • Present:全螢幕展示投影片
  • Share:匯出或分享
  • 輸出格式
  • PowerPoint(可編輯)
  • PDF(列印用)
  • 獨立 HTML 檔(雙擊開啟,無需帳號)
  • Canva(直接匯入)
  • Claude Code(進階開發)
  • 使用案例:Basecamp Brewco(山地精品咖啡)
  • 傳單:公告 Ridgeline Espresso 新產品
  • 網站原型:首頁、商店、咖啡介紹、關於頁面,內含購物車、磨豆選項、實照投放區
  • 提案投影片:10 頁、階層化定價(咖啡館 vs 山莊)、講者筆記
  • 發票範本:標誌、色彩、品牌字體
  • 品牌系統自動產出
  • 從一個標誌、數張產品圖、風格說明,Claude 自動生成:
  • 品牌故事與語調規則
  • 完整色盤(從 3 個十六進位色碼推導)
  • 實際 Google 字體與色碼
  • 按鈕、表單、產品卡設計範本
  • 完整首頁模型
  • 模型與效率
  • 預設模型:Sonnet(效率優先)
  • 高階模型:Opus(額外消耗)
  • 效果設定:調整思考深度

結論

結論

先投資 5 分鐘建立設計系統,之後每個設計都自動品牌一致,並用對話與直接編輯快速迭代——這是讓 Claude Design 從實驗工具升級為實用生產工具的關鍵。

完整解析

詳細

Claude Design 的核心邏輯是「描述→生成→精修」的反覆循環,目標是讓非設計師透過自然語言快速產出品牌一致的視覺作品。

工作流程從提示開始。無論是簡單傳單或複雜網站,使用者先在提示框打入需求(例如「製作宣傳 Ridgeline Espresso 的單頁傳單」),Claude 不會立即生成,而是回應一份問卷。這份問卷是整個工具中影響成敗最大的環節。以傳單為例,Claude 會問目標客群、產品細節(價格、風味描述)、行動號召、色調風格,甚至是否要撕下式條紋。每一題都攸關最後的設計質量。這也是講者特別強調「決定為我」按鈕的原因——不確定時選它,Claude 會自動判斷;但如果花一分鐘仔細填表,後續改稿時間能節省一小時。

第二個大轉折是設計系統。最初生成的傳單雖然排版不錯,但完全是虛構——網址、街道地址、風格全是 Claude 當下編造。如果明天再做一份傳單,生成的設計可能面目全非,導致品牌毫無一致性。設計系統解決這個問題。使用者在設計系統分頁建立品牌檔案:上傳標誌、產品圖片、風格說明文字(如「溫暖友善,不走企業風格,代表產品是 Ridgeline Espresso」),Claude 會自動提取色碼、確認字體、甚至從標籤中發現標點習慣(影片案例中是產品描述間的小點)。這份設計系統成為後續每個專案的基準——投影片、網站、發票都會自動套用相同的色彩、字體、排版邏輯。講者強調「真實範例勝過規格說明」,一張成品設計比色碼表更能教會 Claude 品牌風格。

精修階段有四種方式。第一是對話式改稿,適合大改:例如「白空間太多,標題放大,整體色調要溫暖舒適」,Claude 會分解成三項改動並重新生成。第二是直接編輯,點擊任何元素,實時改文字、顏色、間距,改完秒保存,最快速。第三是評論,在設計上標記建議(「這是唯一真實產品,應該是段落焦點」),Claude 會集中回覆。第四是調整切換,例如首圖有三種配置選項,可用開關快速切換找靈感。

具體案例是 Basecamp Brewco 的網站模型。使用者選 UI 模型範本、指定設計系統、上傳談話大綱,Claude 提問「各頁重點」「是否要交互式原型還是靜態模型」。使用者選互動模型,要求保留真實產品與價格、內建購物車、提供 2-3 種首圖選擇。生成出來的不是圖片,而是真正可點擊的原型——導覽列、購物車選單都能互動,咖啡頁面講產地故事,關於頁面生成了品牌起源。最後還有圖片投放區,使用者可拖入實照片。遇到 Bug(如標誌在深色標題列消失)時,只要說「標誌沒出現」,Claude 會檢查截圖、推斷原因、改成圓形徽章搞定。

投影片用途是向在地咖啡館與山莊推銷 Ridgeline Espresso。講者上傳談話大綱檔案,Claude 讀懂內容後提問定價表格、視覺配置。特別的是,Claude 發現談話大綱提到「per kg 價格」但沒給數字,它沒有自動編造,而是直接提問。這是核心哲學:在真實度有疑慮時做出確認,而不是編造。生成的投影片有標題頁、融合故事、階層化定價、結尾訂購資訊,還附帶講者筆記。全套色彩、字體、排版都源自設計系統。

輸出路徑多元。PowerPoint 可編輯、PDF 印列用。最強大的是獨立 HTML 檔——下載、雙擊開啟,任何人無需帳號或軟體就能看。對於網站原型,還有一條路徑:直接匯出到 Claude Code,後續可加資料庫、支付功能,從原型變真實網站。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。