Figma 把“提示工程”塞进设计工具后，原型这件事彻底变了

如果你还以为提示工程只是给大模型写几句英文，那这场 Figma for Edu 的工作坊会让你大跌眼镜：从一句话到可玩的游戏原型，从设计稿到可交互逻辑，设计正在被“实时生成”。更反直觉的是，Figma 并没有让设计师变成程序员，而是把“提问能力”变成了新的基本功。

最反直觉的一点：不是先学设计，而是先学“怎么提需求”

工作坊一开始就抛出了一个很不传统的观点：在真正开始你的设计旅程之前，先去“找设计机会”，而不是先画界面。这背后的潜台词是——在 AI 介入设计之后，决定结果质量的，不再只是你会不会拉框、配色，而是你能不能把脑子里的想法，用足够清晰的语言说出来。

在 Figma Design 和 Figma Make 里，设计的起点变成了一段 prompt。你输入的是“我要一个什么样的东西”，而不是“这个按钮多大”。而且最关键的是，你能实时看到系统如何理解你的描述、如何一步步生成原型。这种即时反馈，直接把提示工程从“玄学”拉回了“手艺活”。

这也是为什么讲者反复强调：要刻意寻找设计机会。因为当工具能帮你快速生成形态，真正稀缺的就变成了判断力——你是否知道该做什么，而不是怎么把它画出来。

从一句话到可玩游戏：原型第一次变成“即兴创作”

工作坊里最抓人的演示，是用一个简单的 prompt，直接生成一个可运行的小游戏原型。讲者先给出需求，再让系统“开始构建”，你能看到它如何逐步生成结构、界面和交互。

更夸张的是，这个原型并不是一次性的死物。讲者随后展示了一个已经完成的太空射击游戏，并明确说：它只是一个起点。接下来，无论是想换一个新的火箭飞船风格，还是想让游戏节奏更紧凑，都可以回到 prompt 层面继续迭代。

这意味着什么？原型不再是“验证想法之前的草稿”，而是一个可以被不断重写、不断修订的动态对象。设计开始更像即兴音乐：先有一个主题，再不断即场发挥，而不是一开始就写死乐谱。

设计稿、代码和交互，第一次站在同一个对话框里

另一个容易被忽略但极其重要的点，是设计与代码之间的边界正在变得模糊。讲者一边操作，一边直接切回去查看生成逻辑，讨论“这是怎么被创建出来的”。你不需要真的去写代码，但你可以理解系统是如何组织页面、如何理解层级的。

更有意思的是，你既可以从 prompt 开始，也可以从一个已有的 Figma 设计开始，再让系统基于它继续生成。这种双向入口，意味着设计师不再被迫选边站：要么纯视觉，要么纯逻辑。

当你发现哪里不对劲时，你可以直接说一句：“它之前是能用的。”然后让系统回溯、修正。这种对话式修复，本质上也是提示工程的一部分——不是一次性写完，而是持续协商。

真正的门槛：不是 AI 能不能，而是你说得够不够具体

贯穿整场工作坊的核心经验只有一句话：要明确、要具体。无论是按钮颜色突然全变成橙色，还是某个交互“出了点岔子”，问题往往不在模型，而在上下文。

讲者展示了一个很实用的技巧：在 context 文件里补充额外背景，让系统“知道你在干嘛”。当你意识到 prompt 需要调整时，不要犹豫，直接改，而且要明确指出你想要的交互方式。

这也是为什么提示工程在这里不再是噱头，而是一种新的设计素养。你越清楚自己想要什么，工具就越像你的延伸；你越模糊，它就越像一个不靠谱的实习生。

当原型可以无限继续，设计师的价值正在迁移

在问答环节，有人直接问：能不能一直在一个 Figma 文件里持续原型？答案是肯定的。这听起来只是一个功能点，但背后是一个更大的变化——设计不再有一个清晰的“完成时刻”。

当你可以不断叠加交互、不断微调过渡、不断重写逻辑，设计师的角色就从“交付文件的人”，变成了“引导方向的人”。你不再只是把东西画出来，而是在持续判断：哪些是重要的，哪些可以被系统自动处理。

AI 并没有取代设计判断，反而把它推到了台前。

总结

这场 Figma for Edu 的工作坊真正厉害的地方，不在于展示了多少酷炫功能，而在于它悄悄改变了“设计从哪里开始”。当一句 prompt 就能生成原型，设计师、产品经理、AI 从业者都需要重新审视自己的核心能力：你是否能把问题说清楚？

对你来说，最直接的行动建议只有一个：把提示工程当成基本功，而不是 AI 时代的临时技巧。下次做原型时，先写一句你真正想要的体验描述，再动手。这可能会是你第一次感受到，工具真的在“跟你一起想”。

关键词： Figma for Edu， 提示工程， AI 原型设计， 设计与生成式 AI， 交互原型

事实核查备注： 需要核查：视频具体时长；Figma Design 与 Figma Make 的正式功能名称；是否明确提到 AI credits 的数量与适用范围；示例游戏是否为太空射击类型的官方演示