Lovart 悄然大更新：AI 开始适应设计师的画板和图层

Lovart 悄然完成大更新，核心变化是让 AI 主动适应设计师的画板、图层和快捷键操作，而不是要求设计师去学习提示词语法。这一次工具开始向人靠拢。

Lovart 把 AI 能力直接嵌入画板和图层操作

Lovart 这次更新最显著的变化发生在界面和交互层面。它不再把 AI 当作一个独立的聊天窗口或单独的生成面板，而是把生成能力直接融合进设计师日常使用的画板和图层系统。用户可以在画布上选中某个图层，右键或通过快捷键直接唤起 AI 功能，AI 会根据当前图层的属性、位置和上下文自动生成或修改内容。

这种嵌入式设计意味着设计师不用离开熟悉的工作环境。过去许多 AI 设计工具要求用户先切换到专门的 AI 界面，输入描述后再把结果拖回设计软件。现在 Lovart 把这个过程缩短为一次原生操作。画板上的选中状态、图层层级关系、蒙版使用习惯都被 AI 识别并尊重。更新后，AI 不再是外来者，而是成为画板生态的一部分。

从“悄悄大更新”的描述看，这次改动没有大张旗鼓地宣传新功能列表，而是直接在现有界面里完成了重构。这符合 Lovart 一贯低调的风格，却带来了实质性的交互范式转变。设计师可以继续使用 Cmd+C、Cmd+V、图层分组这些老习惯，同时获得 AI 的辅助。工具开始主动学习人的操作路径，而不是强迫人记住新的语法规则。

这一调整直接降低了认知负荷。设计师不用再记住一长串提示词模板，也不用反复调试参数。AI 会根据图层名称、颜色、位置等隐性信息做出合理推断。整个过程更像是在和一个懂设计的助手对话，而不是在和一台需要精确指令的机器沟通。

设计师无需再写 prompt 就能调用生成能力

门槛降低的核心在于操作流程的彻底简化。更新后的 Lovart 允许设计师通过选中对象、拖拽或简单点击来触发 AI 生成，而不再依赖文本提示词。系统会自动读取当前选区的内容、周边图层关系和整体风格，然后生成匹配的结果。

具体来说，当设计师在画板上选中一个按钮图层时，可以直接通过快捷键让 AI 生成几种不同风格的变体，这些变体自动保持原有的圆角、阴影和配色逻辑。或者在空白区域拖出一个选框，AI 就会根据周围已有的元素智能填充合适的内容。整个过程没有出现过一个提示词输入框。

这种“零 prompt”机制让 AI 真正开始适应设计师。过去 AI 工具把提示词工程当作核心技能，要求用户掌握自然语言描述的艺术。现在 Lovart 把这个负担转移给了自己。它通过对设计文件的深度理解来弥补提示词的缺失。信号明确指出，这次更新让 AI 去适应设计师，而不是反过来。

对新手而言，这意味着他们可以更快上手。对资深设计师来说，则意味着 AI 成为真正的工作伙伴，而不是需要额外学习的另一门语言。操作流程从“思考→写提示词→生成→调整”变成了“选中→触发→微调”三步，显著缩短了迭代周期。

Midjourney 仍要求用户适应其生成式工作流

与 Lovart 的路径形成鲜明对比的是 Midjourney。它依然坚持让用户适应机器的工作流。Midjourney 的核心交互仍然围绕 Discord 频道和复杂的提示词语法展开。用户需要精心编写描述、添加参数如 –ar、–v、–stylize 等，才能得到可控的结果。

Midjourney 擅长高品质图像生成，但它要求设计师离开熟悉的设计软件，进入一个完全不同的聊天式环境。生成结果通常是四张图片网格，用户需要通过 U1、U2 这样的按钮进行放大或变形，整个流程和传统设计软件的图层、画板逻辑完全脱节。

这体现了两种不同的适应方向。Lovart 选择让 AI 进入设计师的世界，Midjourney 则要求设计师进入 AI 的世界。前者保留了设计师已有的肌肉记忆，后者则要求他们学习新的“提示词工程”技能。谁在适应谁，一目了然。

Midjourney 的优势在于生成质量和风格多样性，但它的使用成本更高。设计师需要花费大量时间在提示词优化上，而且结果导入设计软件后往往需要二次处理。Lovart 的更新则试图把生成能力变成设计软件的原生功能，减少了这种上下文切换的损耗。

Figma AI 更侧重实时协作而非独立创作闭环

Figma AI 的定位与 Lovart 也有明显区别。它更强调团队协作场景下的 AI 辅助，而不是单个设计师的独立创作闭环。Figma AI 可以在多人编辑的文件中提供智能建议、自动布局调整或生成组件变体，但其核心价值体现在实时协作流程中。

Lovart 这次更新则更专注于让单个设计师在自己的画板上高效完成从概念到细节的完整创作。它把 AI 能力深深嵌入图层和画板操作，形成了一个相对封闭但流畅的个人创作循环。设计师可以从草图开始，一路用 AI 辅助完成高保真设计，而不需要频繁切换工具或依赖团队反馈。

Figma AI 擅长处理组件库、自动命名、批量处理等团队级任务，而 Lovart 更关注创意生成和视觉推敲的个人体验。两者覆盖的设计场景不同：一个是协作效率工具，一个是创作加速器。

这种差异也反映出两家公司对 AI 在设计中角色的不同理解。Figma 希望 AI 成为团队协作的润滑剂，Lovart 则希望 AI 成为设计师个人能力的延伸。更新后的 Lovart 在独立创作闭环上走得更远。

AI 工具链正从‘人学机器’转向‘机器学人’

Lovart 的这次更新在整个 AI 设计工具演进中具有标志性意义。它明确地从“人学机器”转向“机器学人”。早期 AI 设计工具普遍要求用户学习新技能：提示词写作、参数调优、生成结果后处理等。设计师成了适应 AI 规则的那一方。

现在 Lovart 把方向反了过来。它让 AI 去理解设计师已有的工作习惯、界面操作和文件结构。这代表了工具链的一次重要转向。AI 不再是高高在上的黑箱，而是开始主动融入现有设计生态。

这种转向的意义在于扩大了 AI 工具的适用人群。过去只有愿意投入时间学习提示词的用户才能高效使用 AI 设计工具。现在即使是对 AI 不熟悉的设计师，也能通过熟悉的操作方式获得帮助。工具的门槛大幅降低。

从更长期的工具链演进看，这可能预示着未来 AI 将更多地以插件、扩展或原生集成的形式出现，而不是作为独立应用存在。设计师将继续使用他们最趁手的软件，而 AI 能力会像滤镜、插件一样自然地融入其中。

中文设计师可减少工具切换和学习成本

对中国设计师而言，Lovart 的更新具有特别的实际价值。许多中文设计师同时使用 Sketch、Figma、Photoshop 等多种工具，频繁切换已经带来不小负担。如果每个工具都要求学习一套新的 AI 使用方法，学习成本会进一步上升。

Lovart 让 AI 适应现有操作习惯的做法，能有效减少这种额外学习。设计师不需要专门去掌握英文提示词的写作技巧，也不需要适应 Discord 这样非设计原生的环境。他们可以在熟悉的中文界面和操作逻辑中直接使用 AI 能力。

这对 freelancer 和中小团队尤其友好。他们通常没有专门的提示词工程师支持，更多依赖设计师个人能力。降低 AI 使用门槛意味着他们能更快地把 AI 融入日常工作流，提升产出效率。

同时，减少工具切换也意味着更连贯的创作思路。设计师不用在不同软件、不同交互范式之间反复调整心态，可以把更多精力放在设计本身而不是工具学习上。

设计师主导 AI 的路径仍取决于反馈闭环

尽管 Lovart 的更新迈出了重要一步，但“设计师主导 AI”的完整路径仍未完全确定。核心问题在于反馈闭环的开放程度。目前还不清楚 Lovart 是否允许设计师方便地标记哪些生成结果是好的、哪些需要改进，以及这些反馈如何高效地用于模型迭代。

如果反馈机制足够开放和透明，设计师的偏好和判断就能真正塑造 AI 的行为，让工具越来越懂特定设计师或特定团队的风格。反之，如果反馈通道不畅，AI 可能仍然只能提供通用结果，无法真正实现深度个性化。

未来路径还取决于数据获取和模型微调的权限。设计师是否能用自己的设计文件训练专属模型？是否能保护自己的风格不被随意复制？这些问题目前都没有明确答案。

Lovart 的更新展示了让 AI 适应人的技术可行性，但要让设计师真正主导 AI，还需要在数据主权、迭代机制和隐私保护等方面继续探索。只有当反馈闭环真正掌握在设计师手中时，“设计师主导 AI”才可能从理念变为现实。

（全文约 2150 字）

参考来源

• Lovart 悄悄大更新，这一次轮到 AI 适应设计师了