Lovart 2.0 的 Arti 实测：AI 设计工具开始记住你的风格

Lovart 在 10 月 19 日上线了 2.0 版本，核心变化是加入了个人设计 Agent“Arti”。和之前主要用来出图的 AI 设计工具不同，Arti 把力气花在了出图之前和出图之后：先了解你的审美，再帮你找参考、确认方向，做完之后还能检查一致性，把反复用到的工作方法存下来，带到下一个项目里。

我把一个真实的 B 端 SaaS 官网需求交给它跑了一遍。从设计调研到风格确认，再到多页面生成和 Skill 复用，完整走了一轮。下面按实际使用顺序说，重点放在它确实省了时间的地方，以及目前还不能替你做判断的地方。

先说清楚：Arti 不是“更强的出图模型”

如果只用一句话概括 Arti 和普通 AI 出图工具的区别：普通工具回答的是“你要什么图”，Arti 试图回答的是“你通常怎么做设计”。

它有几项能力是围绕这个目标来的：

• 记忆：第一次使用时，Arti 会引导你填写设计领域、审美偏好、常用资产，也会问“哪些情况不按默认风格来”。这些信息会跨项目保留，不用每次从头交代。

• 设计委托：可以把它理解成一张设计工作单。你写清楚交付物、周期、约束条件，它按排期执行。委托支持设置积分消耗上限，触顶自动停，也支持先试运行再转正式任务。

• 设计调研与画布巡检：前者负责在开工前帮你搜集参考、出趋势分析；后者在生成过程中检查画布，发现风格跑偏或规范遗漏时会提示，并给出可以直接执行的修改建议。

• Skill 自进化：把你反复用到的流程和交付标准保存成可复用的 Skill，新项目可以直接调用。

这几项能力合在一起，才让“像一个设计助理”这个说法站得住。单独拎出任何一项，都还是普通工具的水平。

第一步：让 Arti 先找参考，比直接让它出图有用

做 B 端 SaaS 官网，第一步往往不是画页面，是看别人怎么做的。尤其是 AI 产品、开发者平台、数据系统这一类，官网上的数据展示直接关系到用户信不信你的产品真的能用。

我建了一个设计委托，大意是：每周梳理一批企业级 SaaS 官网案例，重点关注数据看板、指标卡、分析图表在营销页面上的呈现方式，参考 Vercel、Linear、Mixpanel 这类产品的表达习惯，每次给出来源、视觉分析和可借鉴的做法。

这里有一个实际经验：不要只告诉它“找好看的网站” 。告诉它你做什么产品、最终拿这些参考干什么，它返回的内容会实用得多。不然很容易收到一堆视觉冲击强、但和 B 端业务逻辑无关的概念稿。

Arti 返回了一份带来源链接和分析文字的报告。文字部分的质量比我预期好，但它同时也暴露出一个现实问题：报告以文字和链接为主，不会自动把关键页面截图整理到画布上。对于需要看真实产品界面、图表细节和数据状态的设计师来说，这个环节仍然要自己补。它能帮你缩小范围，不能替你完成视觉筛选。

第二步：用一张图确认审美，比反复打字描述高效

找完参考，我给了 Arti 一个正式的页面需求：企业级 SaaS 官网，简洁克制，信息层级清晰，数据视图要像真实产品界面，不要靠装饰撑科技感。

它没有直接生成页面，而是先出了一张视觉风格确认图。

这一步的价值比听起来大。用文字跟 AI 沟通“简洁”“克制”“科技感”，双方的理解经常对不上。你想要的是成熟产品设计语言，它可能理解成深色背景加渐变玻璃卡片。先让它用一张图把理解画出来，你看完说“对，就是这个方向”或者“还是太花，减少装饰”，比反复改提示词快得多。

确认方向之后，我让它生成了第一版官网页面。随后又给了一张参考图，要求保留内容结构，只调整视觉气质。以前用不少 AI 工具改稿，最怕的是让它调颜色，它把布局也一起改了。这一次 Arti 基本守住了原来的结构，改动的范围在预期之内。

第三步：多页面能不能保持一致，才是真正要看的

单张页面好看，说明不了什么。UI 设计真正的难点是：首页、产品页、数据页放在一起，看起来是不是同一套东西。

我继续给了三个页面需求。生成结果在色彩关系、卡片风格、留白节奏和字体层级上保持了比较高的一致性，没有每个页面重新发明一套视觉语言。对于官网视觉提案和前期方向验证来说，这个程度已经能省掉大量重复执行的时间。

但要提前说清楚：视觉一致不等于设计系统一致。页面看起来像一套风格，不代表组件、间距变量、响应式规则和交互状态都符合交付标准。如果真要进入企业级 SaaS 的产品交付，这些仍然需要逐项检查。Arti 目前能帮你把“看起来对”这一步做快，不能替你判断“能不能交付”。

第四步：把风格存成 Skill，换一个项目再试

做到这里，我让它把已经确认的视觉规则和页面生成方法整理成一个 Skill。然后换了一个业务内容完全不同的任务，看它能不能在新项目里复用同一套审美。

结果是我对这次体验最认可的部分。它没有照搬之前的页面，但简洁感、信息密度和色彩关系延续了下来。参考图解决的是“这一次参考什么”，Skill 解决的是“以后按什么方法做” ，两者不是一回事。

这也让我重新理解了一件事：设计师用 AI 的长期价值，不在于每次生成一张更漂亮的图，而在于把自己的判断和方法逐步变成可以反复调用的东西。Skill 和记忆组合起来，才有可能减少“每次开工都重新交代一遍”的损耗。

但它目前还做不到的三件事

第一，找参考仍然需要人工筛选。Arti 能帮你把搜索范围从“全网”缩到“一批相关案例”，但 B 端 SaaS 设计经常要看真实产品截图、交互状态和图表细节，这些它目前不能稳定地自动整理好。

第二，设计系统层面的交付还接不住。视觉方向、页面气质、多页面延展，它已经能参与。组件规范、响应式适配、复杂交互状态和开发可用的结构化文件，不在这次验证的范围内，也不应该假设它已经解决了。

第三，委托任务的积分消耗需要自己设上限。Arti 的设计委托是后台异步执行的，虽然支持设置积分上限作为熔断，但如果你不设，它不会替你判断“这个任务值不值得花这么多积分”。用之前先把预算框住，比事后看账单更实际。

一个更现实的分工方式

这次用下来，我更愿意把 Arti 放在“设计前期和中期执行”的位置上，而不是把它当成一个能独立完成项目的角色。

它适合做的事：找参考、整理趋势、确认视觉方向、生成多页面初稿、检查画布上的风格断层、把跑通的流程存成 Skill。这些事消耗设计师大量时间，但又不直接等于设计判断。

它不适合替你做的事：判断业务信息该怎么组织、数据展示有没有业务可信度、一套页面能不能真正进入开发交付、哪些参考值得留下哪些应该丢掉。

AI 负责收集、探索和重复执行，人负责判断、选择和验收质量，这个分工在现阶段比“让 Agent 自己做完”更可靠。Arti 让我愿意把它留在日常工作流里，不是因为它什么都能干，而是因为它在几个真正耗时的环节上，确实开始像一个能记住习惯的协作者了。