开源的本质

Open Design创始人 Tom，做客WaytoAGI的“未来硅世界”，关于GitHub与开源项目的几点分享，很有感触：

  1. 开源的本质，是开放协作，是一种共识机制

  2. GitHub不仅仅是备份代码，更重要的是，提供了一种机制，让全球不同国家的人，一起加入进来，共同打造一个伟大的产品

    为什么陌生人愿意协作？因为他们对一个问题形成了共识

  3. 开源项目最重要的，是生命力

    这种生命力如果要通过一个核心指标来体现，那就是“贡献人数”

    这背后，意味着与全球各地的人建立了产品的共识与连接，同时，这也是一种核心竞争力的体现

  4. 正是如此，更多的精力会花在，如何解决用户的问题上，如何让开源产品产生真正的用户价值，如何去校验真正有价值的代码，这些能力非常重要

Open Design，一句话介绍的话，就是用本地 Agent 驱动的设计工具，目标是替代 Figma 和 Claude Artifacts

是一个本地客户端，免费开源，下载即用

它可以做：原型设计、后台系统、PPT、营销落地页和海报、HTML视频等

上线一个月左右，获得了60k star，以及338位贡献者协同

这个数据非常厉害，在GitHub，60k star全球应该是200个左右，一个月60k star，全球差不多10个左右

Open Design能在如此短的时间获得这样的成绩，既有偶然，也有它的必然

信任资产

晚上和朋友吃饭，他分享了一个有趣的故事

他在推进一个项目，与CEO直接对接

在关键环节，卡住了，无法进一步往前推进

过了一段时间，这位CEO突然找他

说在抖音看到了一个IP的短视频，在介绍一篇论文，其中作者之一就是他

在得到肯定的答复后

CEO说，咱们赶紧推进后面的协议，接下来就非常顺利了

这背后，反映了一个现状，对于很多合作，很多CEO并不是不想推进，而是缺少一个可以让自己放心拍板的理由

解决了信任、权威这种问题后，很多决策就容易很多了

这就是信任资产

信任有时候来自沟通，更多的，则是来自外部信号，比如权威人物的背书、你的作品、你的各种输出等

反AI味设计指南

image.png

在Open Design的GitHub仓库，有一个文档很不错：反AI味设计指南

一些原则总结如下：

  1. 不要用AI最爱用的紫蓝色，要用产品自己定义的品牌色
  2. 不要动不动就搞紫蓝渐变Hero区，真正高级的第一屏，不一定靠渐变撑场面，更应该靠清晰的信息、字体、留白和真实产品表达
  3.  不要拿emoji当功能图标，真正产品化的设计，图标应该有统一风格，比如线性SVG图标，尺寸、粗细、颜色都统一
  4. 不要乱用字体，AI经常会默认写Inter、Roboto、system-ui这些通用字体
  5. 不要做那种“圆角卡片+彩色左边框”，圆角和左边框，至少去掉一个
  6. 不要编数据，有真实来源就写，没有来源就别装。可以写占位符，但要明确标注是占位
  7. 不要用填充文案凑页面，空白本身就是设计问题，需要通过结构、节奏、内容优先级来解决
  8. 不要所有页面都长一个样
  9. 不要滥用强调色和占位图
  10. 要给设计加一点“人的判断”，作者给了一个比例：80%用成熟模式，20%做独特选择

AI设计最大的问题，是太像模板，它表面完整、颜色顺滑、组件规整，但缺少真实产品场景、真实用户细节和设计者的取舍

反AI味设计指南文档地址：

Anti-AI Slop Design Guide

三个老人的小故事

3个老人的小故事

第一个

韩国一位81岁的独居老太太，有一个Hyodol的AI机器人，这个机器人会提醒她吃药、吃饭，也会在她回家时说“奶奶你回来啦，我想你了”

老太太出门时也会把它背在身上，就像背着一个孩子

对她来说，Hyodol已经不只是一个设备，更像是家人，填补了独居生活中的孤独感

故事原文：restofworld.org

第二个小故事

澳大利亚一家养老院搭建了一节仿真火车车厢，里面有真实的座椅、餐桌和用餐体验，窗外则通过VR和屏幕呈现旅行风景

老人们换上正式服装，坐进车厢，一边喝下午茶，一边“看见”阿尔卑斯山等远方景色

这个设计让老人重新体验旅行的快乐，有人感慨，仿佛回到了年轻时周游世界的日子

原文：cha.org.au

第三个小故事

来自我和向阳的AI课的一位学员，年近70岁

最近学会了vibe coding，迭代多版后，上线了一个公益护眼网站

上周还分享过她的故事：x.com

前几天，她又分享了下她一周的流量，非常不错：

image.png

image.png

老人除了需要陪伴与被照顾

其实还有创造的需求，借助AI，把自己的审美、经验，实现更好的创造力与生命力，这种状态，还是挺值得学习的

Skill设计五步法

最近写skill的一些心得，总结了一个Skill设计五步法：

  1. 定义结果

    创建skill之前，想清楚到底想要啥，包括结果的标准是什么？

  2. 对齐标准

    为了想清楚这个标准，会和AI做不少交流和探讨

  3. 深度研究

    知道对于结果的标准后，会让GPT 5.5 Pro帮忙做一份深度调研，包括理论原理、相关案例、设计思路等

    如果是大量的内部资料，也会通过AI做一轮系统性的梳理，同时再调研外部资料

  4. 消化成方法论

    学习和理解这份报告，理解背后的逻辑、原则、流程、核心方法等内容

  5. 用meta-skill固化为Skill

    把这个作为参考资料，再通过yao-meta-skill来进行创建，将skill的相关补充说明给到codex或cc进行创建

如此完成的第一版Skill，质量就会高很多

写Skill，很像是一种高强度的“以教促学”

是一种很不错的快速学习的过程，在这个过程中，需要自己去深度理解目标和过程原理、流程和方法，当Skill完成后，对这个事情的理解，也就差不多七七八八了

专家Skill

提到专家，有两个特质让我很有感触

一是边界与定义的能力

二是可以在模糊或背景信息极少的情况下，快速做出相对准确的判断

如何快速了解一个行业？

核心在于能否在短时间内建立一套可解释、可验证、可迁移的行业认知结构

一个合格的行业专家，需要同时具备五种能力：界定行业边界，理解行业结构，识别关键变量，判断变化方向，能把复杂行业讲给外行听

这个skill的逻辑

  1. 输入任意行业或话题，AI会先确定边界，再拆分类、价值链、玩家、政策、风险和机会，最后生成一份可学习、可复述的专家报告
  2. 学习报告融入了价值链分析、竞争结构、行业生命周期、政策与壁垒、关键词教学卡、专家学习教程、费曼自测题等逻辑与核心能力

通过这个skill，可以帮助我们自己，能快速的对一个新的领域有一个全面、系统性的了解，提升自己的判断力与认知水平

截图为测试的一个GEO的学习报告，效果很不错，对我理解GEO也有不少新的视角和参考

GitHub地址：

yao-expert-skill

Skill的参考理论与设计资料：

yao-expert-skill reference materials

skill的案例报告：

GEO demo report

关于问题与建议

发现问题很容易，理解问题很难

指出别人的问题、给别人建议，看似是帮助，很多时候只是低成本表达

尤其是在不了解上下文、不理解约束、不清楚历史原因的情况下，这种建议很容易变成一种不负责任的判断

在工作中这种现象还挺普遍的

我们经常会看到团队的问题、流程的问题、协作的问题，然后本能地想去改造它

但一个问题能长期存在，背后一定有原因

它可能来自人的能力，也可能来自组织结构；可能来自主观懒惰，也可能来自客观限制；可能真的是问题，也可能是当前条件下的次优解

一般而言，对待问题要有一定的克制

可以发现它，但不用急着指出它；可以意识到它，但不用马上改变它

先感受它，理解它，追问它为什么存在

只有当理解了问题背后的原因、代价和约束，我们提出的建议才可能是负责任的，才可能真正接近现实

也才更有可能获得改变

也就是，没想清楚之前，就好好多想想