Hi，新的一周（2%）即将到来。《无限自然周刊》：专注国内外优质信息源，关注AIGC/产品设计/个人成长，探索个人增长的X因素。

---

🍉好久不见~

最近AI的节奏着实有点快，很容易被卷起来。这个过程有兴奋，也有困惑、纠结，也生产了一些“AI垃圾”。整体感受：还不够深入，泛泛的体验，还带来了一些幻觉，焦虑。希望自己可以平衡好在AI时代，人在里面的深度体验、感受、思考。

🍉最近在做的事：

1. 试用主流AI工具，练练“AI手感”，体验过claude code（太费钱了）、cursor、chatgpt、gemini全家桶；目前openclaw还未尝试
2. 尝试AI在产品设计流程中的应用实践，目前在探索设计系统skill文档的梳理上、原型设计
3. 参加了自己的第三次越野赛，莫干山登山节
4. 爬了一次黄山
5. 用自己写的youtube转阅读版插件，试水小红书，半自动，预计每周投入30分钟，目前粉丝4000+
6. 结合AI工具，终于搭了一个属于自己的个人博客（成了AI垃圾，白买了域名）
7. 忙里偷闲，请假连着端午去了一趟新疆
8. 为了防止在电脑面前坐了太久，注重专注投入，开发了一个浏览器插件（防沉迷助手），时间到了强制弹出久坐跟练视频，结合每天统计的专注、休息数据，一直在用。（没有成为AI垃圾）

1. 「很多时候，让好的信息与美的事物冲刷你、穿过你、流经你，就已经是一种最好的学习了。」——正在用AI设计一个「AI 信息策展引擎」，通过AI筛选优质海外内容，翻译总结，设计排版，每天收到像杂志一样的阅读体验（进行中...）

🍉我的大脑暂存超载了

我的大脑暂存超载了、obsidian文档也暴涨（claudian插件生成了不少“垃圾”）

每周积累下里的“未闭环的事情”越来越多，比如一个待回复的请求、一个短暂的想法、一个需要跟进的项目...这些就像是我们大脑中打开的一个个“心理浏览器标签页”。在这些标签页之间不断切换管理，严重拖慢思维和行动的速度。

而每周复盘是系统性解决这个问题的有效手段：

• 整理笔记，想法，文章，及时分类归档、删除
• 上周3件效果最好的事，如何将其标准化、流程化
• 上周3个问题，如果重来应该怎么做
• 下周首要3件事，应该怎么做

🍉Dan Koe的非线性增长

你是否也陷入了“每天坚持”的陷阱？

Dan Koe的反直觉模型：停止每日坚持

他认为，真正的增长，来自短暂、高强度的爆发。你需要的是一个“强度”和“一致性”交替的循环系统。Dan Koe将其称为“成长的4个周期”，或者说“人生四季”。

四个周期：

1、迷茫期：当你无聊时，留出大块时间、独处空间

2、好奇期：从问题出发，不断尝试，找到重要的事，让你心跳加速的方向

3、强度期：进入心流

4、一致性期：维持下午，寻找下一个

🍉Cursor 招聘设计工程师了:

画像一：AI Design Engineer

定位：

负责把 AI 能力转成可理解、可控制、可验证的产品体验。

传统产品设计师、UI/UX 设计师的 AI 升级版。

典型任务：

• 设计 agent workflow、tool call、执行计划、状态反馈。
• 做真实或半真实 LLM/API 驱动原型。
• 处理 AI 的 latency、streaming、失败、幻觉、权限、回滚、人工确认。
• 和模型、后端、前端、产品一起定义可交互的 AI 产品机制。

关键证据：

• 有能运行的 AI 产品原型，而不是只有 UI mock。
• 展示过复杂状态、异常、边界、权限和失败恢复。
• 能清楚解释“模型能力如何影响交互设计”。

不适合信号：

• 只会把 AI 做成聊天框。
• 只关心 prompt，不关心产品状态和人机协作。
• 无法解释 AI 输出不确定性如何体现在界面中。

画像二：Product UI Craft Engineer

定位：

把关键产品界面做到可上线质量，负责交互、动效、性能和细节手感。

传统动效设计师、原型设计师的升级版。

典型任务：

• 从 Figma 或 Sketch 直接写出高质量 React/TypeScript 原型。

• 打磨 loading、empty、error、success、hover、focus、keyboard、transition。

• 做组件抽象、交互动效、响应式、性能优化。

• 和设计师、产品、工程师一起把“感觉不对”拆成可修复的细节。

关键证据：

• 作品中有真实可操作界面。

• 细节状态完整，不只有 happy path。

• 能解释性能、动效、可访问性和视觉 polish 的取舍。

不适合信号：

• 会写代码但审美粗糙。

• 会做视觉但无法落到真实前端。

• 对交互状态和边界情况不敏感。

画像三：Design Systems Engineer

定位：

建立团队长期复用的设计与前端基础设施。

传统设计系统维护者使用 AI 加强工作流。

典型任务：

• 建立 tokens、components、patterns、docs、Storybook。

• 连接 Figma variables 和代码组件。

• 定义组件 API、可访问性标准、motion token、dark mode、主题系统。

• 让 AI 工具能消费组件、token 和设计上下文。

关键证据：

• 有完整设计系统项目，而不是零散 UI kit。

• 同时展示设计规范和代码实现。

• 能处理组件治理、版本、迁移、文档和跨团队协作。

不适合信号：

• 只会画组件，不懂组件 API。

• 只会写组件，不懂设计语义。

• 过度抽象，脱离真实产品场景。

画像四：Creative Technologist / Motion & Graphics Engineer

定位：

负责产品中的高级动效、实时图形、创作工具、3D/空间交互和生成式视觉体验。

传统技术美术、特效设计、动效动画设计的进阶。

典型任务：

• 做 Canvas / WebGL / Three.js / Rive / Lottie / Shader 原型。

• 设计时间线、关键帧、预览、生成、局部编辑、版本分支。

• 把 AI 生成结果变成可编辑、可理解、可控制的创作界面。

• 探索 Aesthetics 2026 所说的 technical mono、mixed media、3D、nostalgia、texture、glitch 等方向，但保持可用性。

关键证据：

• 有动效或图形交互 demo。

• 能说明动效如何服务信息层级和操作反馈。

• 有审美实验能力，但不牺牲产品清晰度。

不适合信号：

• 只做炫技动效，无法服务产品。

• 只懂静态视觉，不懂时间和交互。

• 3D/图形能力脱离工程实现。

画像五：AI Design Workflow Architect

定位：

不是单点做界面，而是设计团队如何使用 AI、Figma、代码库、设计系统一起工作的流程。

AI 时代的新角色，AI Design Infra，与前面四个画像深度合作。

典型任务：

• 搭建 Figma → token → component → code → docs 的链路。

• 使用 Claude Code、Cursor、v0、Lovable、Figma MCP 等工具形成团队工作流。

• 设计 AI 辅助 UI 生成、组件检索、设计系统问答、自动文档、代码同步。

• 把设计系统变成模型可读的上下文。

关键证据：

• 有自动化或半自动化设计流程案例。

• 能解释 AI 工具在流程中哪里可靠、哪里不可靠。

• 能平衡速度、质量、治理和团队学习成本。

不适合信号：

• 把 AI 工具当噱头。

• 只会“生成页面”，不会维护系统。

• 不能判断 AI 生成结果的设计质量。

📮About

👨‍💻产品设计工程师，探索个人增长的X因素，探索LifeOS，探索小而美。

🙌如果你也认同“<font color="#d83931">建立系统，而非目标。未来属于学习能力+工具调用力+判断力+执行力都Max的人</font>”。希望可以和你有更多的连接。

✨三个愿景：
1️⃣做更好的自己：不断学习去升级认知，保持好奇心，接触新领域，让自己更“全栈”
2️⃣坚持长期主义：尽量让自己远离短期收益的事情，而是投入到运动、阅读、创造、投资等长期复利的事情中
3️⃣持续输出分享：积极分享，去认识更多同频的人。与他们相互学习，建立更多的连接，反过来验证指导自己的方向