WORK & CREATION / AI

进行中的 AI 项目

记录正在使用或验证的 AI 项目,包括周刊、写作和个人系统。

当前展示 5 个项目 / 更多项目正在构思与构建

RUNNING

已投入使用

已经进入真实使用,但仍保留人工判断,并在每次生产中持续校准。

VALIDATING & BUILDING

验证与构建

人生系统、个人衣橱、UI Skill 和 Design Twin 正处于验证、构建或探索阶段,按当前完成度展示。

01

人生系统

验证中

一套以真实行动和记录为依据的轻量导航系统,通过 Obsidian、日常记录、周计划、周复盘和 AI 协作,帮助我在多条生活线之间做取舍,并逐渐看清自己的选择模式。

实验命题 / HYPOTHESIS

AI + 长期真实记录,能不能帮助我更清楚地理解自己,并在工作、学习、创作和生活等多条线之间做出更稳定的取舍?

核心目的 / PURPOSE

它的核心不是把人生管理得更复杂,而是用真实行动、记录、阅读、AI、创作和项目,把自己慢慢看清楚,并建立一种自主、有节奏、能够持续探索的生活。系统首先应该服务于真实生活和真实项目,而不是为了“搭系统”本身。

为什么做 / WHY
  • 资料散落在 Notion、印象笔记、公众号、小红书、读书笔记、日记和不同项目中,阅读、记录、文章与项目没有形成连接。
  • 收藏过的资料没有稳定转化为自己的判断,过去做某个决定的原因也很容易随着时间被忘记。
  • 工作、阅读、锻炼、英语、内容和 AI 探索同时存在时,很难判断当前最该推进什么。
  • 每次与 AI 协作都需要重新解释自己的背景、目标和长期项目,难以形成连续的协作上下文。
  • 需要避免把“搭系统”本身变成新的大工程,让系统真正推动生活与项目,而不是只增加维护负担。
  • 希望长期记录最终可以自然支持“一人样本”和可视化人生探索等后续想法逐步形成。
实验进度 / PROGRESS
  1. 需求与原则✓
  2. 最小行动层✓
  3. 8 周验证当前
  4. 阶段复盘下一步
已验证
已形成人生地图 0.1,并用“每周唯一成果+每日最小记录+周复盘”持续推进新版个人网站等真实项目。
当前
正在进行第一轮 8 周轻量验证,观察它能否帮助确定每周唯一成果、维持多条生活线,并推动真实项目而非只整理资料。
下一步
完成第一轮 8 周复盘,评估真实帮助与维护成本,删除无效字段并稳定主线、维护线和停车区的边界。
边界
当前只验证低负担行动层;历史资料批量导入、复杂 Obsidian 架构、人格系统、全面自动化与产品化均暂缓。
FuTalk 设计日记公众号二维码微信扫码关注 FuTalk 设计日记

02

个人衣橱

验证中

一个基于真实衣物、身体数据、穿着反馈、生活场景和个人风格的 AI 衣橱实验,帮助我盘活现有单品、判断新衣是否值得买,并逐渐建立不依赖持续购买的个人风格系统。

实验命题 / HYPOTHESIS

当 AI 持续了解我真实拥有的衣物、身体数据、试穿反馈和实际穿着习惯后,能不能比“继续买新衣”更有效地帮助我形成稳定的个人风格?

核心目的 / PURPOSE

它不是为了建立一个更完整的电子衣橱,也不是为了每天推荐更多可以买的衣服。我想验证的是:如果 AI 真正知道我已经拥有什么、哪些衣服会穿、哪些只是看起来喜欢,以及我的身体特点和生活场景,它能不能帮助我把现有衣橱真正用起来,减少重复购买,并逐渐形成更清晰的风格判断。

为什么做 / WHY
  • 衣柜里的衣服已经不少,但实际经常穿的仍然集中在少数单品,很多衣服缺少稳定搭配。
  • 买衣服时很容易单独判断“这件好不好看”,却忽略它和已有衣橱是否重复、是否真的能进入日常穿着。
  • 同一种颜色或类似版型容易重复购买,但真正缺少的可能是搭配关系,而不是新单品。
  • 普通穿搭推荐不了解我的真实衣橱、身体数据、对面料和版型的偏好,建议很容易停留在通用层面。
  • 试穿后的真实反馈,比商品模特图或单纯尺码表更能帮助判断一件衣服是否适合长期留下。
  • 希望最终形成的是一套稳定的个人判断,而不是长期依赖 AI 告诉我“今天穿什么”。
实验进度 / PROGRESS
  1. 衣橱与身体数据✓
  2. 真实穿着验证当前
  3. 搭配关系沉淀下一步
  4. 风格规则稳定后续
已验证
已经开始基于真实拥有的衣物、身体尺寸、尺码数据、试穿照片和穿着反馈进行留退、尺码与搭配判断,而不是只依据商品图推荐。
当前
继续通过真实购买、试穿、退换和日常穿着记录,观察哪些判断真正有效,并逐渐区分“喜欢”“适合”“会经常穿”和“衣橱已有替代品”。
下一步
把已经反复验证有效的搭配、版型、颜色、面料与购买判断逐渐沉淀为更稳定的个人衣橱规则,并减少每次重新分析的成本。
边界
当前不追求完整电子衣橱 App、自动识别所有历史衣物或复杂推荐算法;先验证 AI 是否真的能帮助减少无效购买并提高已有衣物使用率。
FuTalk 设计日记公众号二维码微信扫码关注 FuTalk 设计日记

03

UI Skill

构建中

一个面向真实 UI/UX 工作的 AI 协作方法与长期工具设想,把需求理解、信息结构、界面判断和复盘经验逐步沉淀下来,让 AI 加速分析与初稿,同时由设计师保留方向选择和最终精修。

实验命题 / HYPOTHESIS

设计知识、组件、页面模式、使用规则和项目复盘,能不能被组织成一套 AI 可以稳定理解、检索并调用的 UI/UX 工作能力?

核心目的 / PURPOSE

我想让 AI 帮忙整理需求、研究资料和生成初稿,方向选择与最后的界面精修仍由设计师完成。项目做完后,再把能复用的组件、页面模式、判断规则和复盘经验留下来,让下一次项目不再从零开始。

为什么做 / WHY
  • 转向自由职业、远程协作和个人产品探索后,需要重新恢复并展示 UI+AI 的综合能力,同时提高一个人完成项目的效率。
  • AI 可以辅助读取 PRD、整理资料、研究竞品、搭建页面结构和发散初稿,但不能替代业务理解、方向选择和专业判断。
  • 真正值得沉淀的不只是最终界面,还包括核心问题、待确认需求、信息结构、采用与舍弃方案,以及反馈和修改原因。
  • 希望把组件、页面模式、设计规范和项目复盘积累为个人 UI 资产,让经验能够被下一个项目复用。
  • 需要探索结构化 Figma 与 MCP、代码生成的衔接,减少设计到实现的还原损耗,但必须先经过真实项目和重复流程验证。
实验进度 / PROGRESS
  1. 方向与边界✓
  2. 第一版流程当前
  3. 伴随验证下一步
  4. 重复后固化下一步
已验证
已整理第一版协作流程、Figma 结构规范,并将重点 UI/UX 案例按设计判断与复盘重新组织。
当前
已定义基础流程、职责边界和个人 UI 资产层,正在新版个人网站等真实项目中伴随式积累与最小验证。
下一步
完成一次代表性的 Figma MCP 转代码测试,并记录真正节省的环节与仍需人工判断的部分。
边界
尚未形成正式 Skill、成熟资产库或稳定的 Figma MCP 转代码体系,不作为独立交付物。
FuTalk 设计日记公众号二维码微信扫码关注 FuTalk 设计日记

04

Design Twin / 个人设计分身

探索中

一个关于“设计师能否训练出自己的 AI 分身”的长期实验,尝试把我的设计判断、项目经验与 UI 方法逐步结构化,并通过知识库、Skill、模型微调与 Agent,让 AI 越来越接近我处理真实设计项目的方式。

实验命题 / HYPOTHESIS

一个设计师长期形成的隐性判断,能不能被 AI 学习,并逐步转化为可以复用、执行,甚至参与真实项目交付的设计能力?

核心目的 / PURPOSE

我想验证的不是 AI 能不能快速生成一张“看起来不错”的界面,而是一个设计师长期积累的隐性经验——如何理解需求、发现问题、组织信息、选择方案和做取舍——能不能逐渐被显性化,并被 AI 学习和调用。我也希望从训练一个小模型开始,先熟悉模型训练的基本步骤,再逐步验证个人设计数据是否真的会影响模型的判断方式。长期目标是探索:以个人身份承接项目时,是否能够拥有一个越来越了解自己的 AI 设计分身,让 AI 承担更多分析、方案和执行工作,而我逐渐把精力集中到方向判断、关键决策和最终质量上。

为什么做 / WHY
  • 当前通用 AI 已经可以生成界面、分析产品,但每次仍需要重新解释我的背景、项目经验、工作方式和设计偏好。
  • 真正影响设计质量的不只是“会不会画界面”,还包括需求理解、业务拆解、信息组织和大量方案取舍。
  • 十几年设计过程中形成了很多隐性的判断,但大部分只存在于经验里,没有形成机器可以学习的数据。
  • 如果这些判断能够被持续记录并结构化,AI 就可能从“调用通用设计知识”进一步走向“逐渐接近我的判断方式”。
  • UI Skill、过往项目、设计讨论、组件规范和项目复盘,已经可以成为 Design Twin 的知识与数据来源。
  • 我想从亲手训练第一个小模型开始,不只停留在调用现成工具,而是在真实实验中熟悉模型训练的步骤,并理解训练数据、模型参数与最终行为之间的关系。
  • 长期希望探索一种新的个人工作方式:一个设计师是否能够借助自己的 AI 分身,提高独立接单和完整交付的能力上限。
实验进度 / PROGRESS
  1. 方向定义✓
  2. 设计数据沉淀当前
  3. Design Judge下一步
  4. 模型微调
  5. 视觉判断
  6. Design Agent
已验证
已明确 Design Twin 不等于从零训练一个通用大模型,它更可能由通用基础模型、个人设计数据、UI Skill、知识库、模型微调和 Agent 共同组成。
当前
开始把真实项目中的设计过程整理为 Design Decision Dataset,重点记录“需求 → 问题 → 备选方案 → 选择 → 原因 → 最终结果”,让原本只存在于经验中的判断逐渐变成可观察、可复用的数据。
下一步
先整理第一批 30–50 条真实设计判断,建立 Design Judge v0.1,并使用小型开源模型完成第一次 LoRA / SFT 微调实验,对比原始模型、微调模型和我的真实判断,观察模型在未见过的新问题上是否开始接近我的决策逻辑。
边界
当前不从零训练基础大模型,不追求直接生成完整可交付 UI,也不声称 AI 已经可以独立替代设计师。第一阶段只验证一件事:AI 能不能真正学到我的一部分设计判断。
FuTalk 设计日记公众号二维码微信扫码关注 FuTalk 设计日记