Uber 设计系统的反直觉一课:数据越多,越要相信“心”
Uber 的设计系统团队做过一个看似正确、却几乎毁掉插件体验的决定:把“自动校验”做成永远开启。数据一度看起来很美,但真正让系统进化的,是他们随后做出的那个反直觉选择。这是一堂所有 AI 从业者都该听的课。
Uber 的设计系统团队做过一个看似正确、却几乎毁掉插件体验的决定:把“自动校验”做成永远开启。数据一度看起来很美,但真正让系统进化的,是他们随后做出的那个反直觉选择。这是一堂所有 AI 从业者都该听的课。
在 Figma Config 的舞台上,Lauren LoPrete 抛出了一个让无数从业者破防的判断:设计系统从来不是 UI 工具,而是一场披着组件外衣的“组织变革”。更反直觉的是,真正决定系统成败的,不是权限、不是 mandate,而是你能在公司里制造多大的“影响力引力场”。这场分享,对 AI 和平台型团队尤其致命。
在这场 Schema 2022 的开场演讲中,Figma 设计系统负责人抛出了一个让全场安静下来的观点:设计系统的目标,从来不是“防止人犯错”。恰恰相反,设计系统一旦过度结构化,最先被杀死的就是创造力。这场演讲,表面在讲设计系统,底层却是在讲所有“复杂系统”——包括 AI 产品、模型平台和组织本身。
这是Y Combinator在Startup School中关于“如何获得并评估创业想法”的核心演讲。它不提供灵感清单,而是给出一整套判断框架:哪些想法更可能成功、哪些是看似诱人却注定失败的陷阱,以及创始人该如何从自身出发,长期打磨一个好问题。
大多数人以为设计到代码的效率,取决于Figma有多强、组件库有多全。但在这场来自 Figma Config 的分享中,创业公司用一套近乎“反直觉”的方法证明:真正决定速度和质量的,是设计师和开发者如何协作、如何管理变化。这套方法,AI产品团队尤其该学。
Y Combinator 合伙人 Hodge Tiger 结合近千位创始人的真实经历,拆解“我是否适合创业”这个被过度浪漫化的问题。他给出的答案不在天赋或动机,而在韧性、可承受的最坏结果,以及通过副项目逐步验证自己的过程。
这不是一场普通的产品演示。Figma 在这场长达40多分钟的 Office Hours 里,几乎不谈“功能参数”,却完整展示了一个事实:高效协作,正在成为 AI 团队真正的生产力杠杆,而且方式和你想象的完全不一样。
这支视频里,YC合伙人罕见地自我反思:为什么那么多创始人在进来之前,根本不知道YC真正提供什么。它不是三个月课程,而是一套长期、隐性的资源网络。理解这一点,可能会直接改变你对融资、创业阶段和创业风险的判断。
很多人以为 Figma 里的视频只是“能放进去播放”。但这个官方教程展示了一件更反直觉的事:视频正在成为交互原型的核心逻辑,而不是装饰素材。从自动播放、悬停预览,到与 Smart Animate 深度耦合,这套能力足以改变你做产品验证的方式。
这场对话串起了有效利他主义从草根实验到关注AI灭绝风险的完整脉络。Holden Karnofsky以个人捐赠困惑为起点,解释GiveWell与Open Philanthropy的方法论转折,并系统阐述为何他认为本世纪可能是决定人类未来的“最重要世纪”。