这门设计课不教“灵感”，却在训练一种AI时代最稀缺的能力

在这场来自 Figma Config 的课堂分享里，老师几乎没有谈“创意爆发”，而是反复强调一件事：系统思维。更反直觉的是，他们不是从界面、工具或风格教起，而是逼学生先理解关系、结构和约束。这套方法，对今天做 AI 的人，杀伤力极大。

最反直觉的一点：好设计不是“个人表达”，而是系统协作

视频一开始就抛出一个在设计课堂里并不讨喜的观点：设计不是“每个人站在自己世界的中心”，而是要把注意力放在系统本身。老师给出的系统思维定义非常克制——不是宏大叙事，而是训练学生看到组件之间的关系、信息如何流动、决策如何互相牵制。

这恰好戳中了很多 AI 从业者的盲区。我们习惯优化单点：一个模型、一个指标、一次推理速度。但在真实世界里，问题往往出在系统层面：数据来源、反馈回路、协作流程。课堂里反复强调的不是“你这个想法够不够酷”，而是“它放进系统后，会发生什么变化”。

教学方法的核心：先搭系统，再谈形式

在课程结构上，这门设计课刻意延后了“好不好看”的讨论。学生首先要做的是建立内容结构：信息从哪里来？如何被组织？用户如何一步步走到目标？视频中提到，只有当内容和结构站稳了，才进入视觉和交互层面的迭代。

这套顺序，对做 AI 产品的人尤其熟悉又容易被忽略。很多团队一开始就冲着 Demo 效果去，却在规模化时崩盘。课堂里的做法更像是在训练一种工程直觉：先把系统搭稳，再通过迭代不断逼近最优解，而不是一开始就追求“看起来很聪明”。

用真实项目逼学生面对复杂性

视频后半段展示了一些仍在进行中的学生项目。刻意展示“未完成”，本身就是教学设计的一部分。学生需要在左侧面板中不断拆解问题，决定从哪里开始、先解决什么、暂时放弃什么。

老师特别强调总结与回溯：每个阶段结束，都要提炼发现，而不是直接进入下一个设计动作。这种反复“做—想—再做”的循环，本质上是在训练学生与复杂系统相处的能力。对 AI 从业者来说，这几乎就是模型迭代、产品试错的日常翻版。

为什么这套设计教育，对AI行业是个信号

这门课真正有价值的地方，不在于它教了什么工具，而在于它默认了一个前提：未来的问题，一定是系统级的。无论是多模型协作、人与 AI 的分工，还是产品在真实环境中的演化，都不是靠灵感解决的。

当设计教育开始系统性地训练这种能力，其实也在向行业释放信号：单点天才的时代正在退场，能理解复杂系统、能在约束中做决策的人，才会成为稀缺资源。

总结

如果你在做 AI，这个视频最大的启发可能不是“设计怎么教”，而是“能力该怎么练”。下次遇到问题，不妨强迫自己后退一步：这个问题所在的系统是什么？有哪些看不见的约束？哪些反馈回路正在放大或削弱你的努力？当你开始用系统视角审视工作时，你会发现，很多看似技术的问题，其实是结构问题。

关键词： 系统思维， 设计教育， AI产品， 复杂系统， 迭代方法

事实核查备注： 需要核查：视频的具体时长；课程所属院校名称（片段中提到 design studio 和 fit）；是否明确给出“systems thinking”的原始定义表述。