首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >设计资产喂给 Agent,为什么总在第三周开始胡说

设计资产喂给 Agent,为什么总在第三周开始胡说

原创
作者头像
Lethehong
发布于 2026-11-21 12:12:38
发布于 2026-11-21 12:12:38
140
举报
文章被收录于专栏:速递日报速递日报

图 1 本文配图:文章主题场景示意

先别急着夸,先看清它解决的是哪一类知识

TaoDesign 这次在 AICon 北京分享的主题,是设计资产怎么变成 Agent 能持续消化的知识。公开报道只给了标题和方向,没有披露具体的检索架构、向量化策略和评测口径。所以下面关于机制的推演,是我基于同类设计系统知识工程的通用规律做的推断,不是他们原文的复述。

我先说判断。设计资产进 Agent,难点从来不在「能不能检索到」,而在「检索到的这一条还成不成立」。一个按钮组件的圆角是 8px,这条知识在三个月前是对的,在上一个大版本改版之后可能只对某几个业务线成立。向量检索不管这些,它只认语义相似。

所以这类项目真正要工程化的,不是嵌入模型,是知识的生命周期。哪条规范还有效、哪条已经被废弃、哪条是某个业务线的特例,这三件事如果没有显式建模,Agent 的回答就会在「看起来很像」和「实际上已过期」之间反复横跳。

这也是为什么很多团队做设计 Agent,Demo 阶段惊艳,上线一个月之后设计师开始不信任它。不是模型变笨了,是知识在腐烂,而检索层没有腐烂的感知能力。

问题不在检索层,在知识的签发环节

我先把链路拆开看。设计资产要变成 Agent 能用的知识,一般要过四道手,资产抽取、结构化、索引、检索注入。大多数团队把精力砸在第三和第四道,因为这两步有现成的工具,向量库一接,RAG 一搭,看起来就通了。

但失真最严重的是第一和第二道。设计稿里的一个组件,导出成 JSON 之后,哪些字段是规范约束,哪些字段是这次设计的临时值,机器分不出来。Figma 的组件属性里,一个叫 state 的字段,可能既承载交互状态,也承载业务状态,还可能只是设计师随手起的名。

图 2 本文示意图:从设计稿到注入上下文,失真最重的两步在抽取和结构化,不在检索

给知识条目补三个字段(示意代码)

到了结构化这一步,如果只是把整段设计说明切成 chunk 做嵌入,那等于把「例外」和「规则」搅在一起。Agent 检索到一段同时包含默认值和特例的文本,它没有办法判断哪句该优先。

这就解释了为什么这类系统在简单问题上表现很好,一碰到「这个场景能不能用这个组件」就开始含糊。因为这类问题的答案不在某一段文本里,在规则的优先级里。而优先级,是签发知识的那个人脑子里的东西,没有被写进资产。

知识要能被 Agent 持续消化,得先有人对它负责

TaoDesign 这个题目里,「持续进化」四个字是重点。持续进化的反面不是停滞,是漂移。一个没有责任人的知识库,每被检索一次,就多一次被误用的机会,而误用的结果又会作为新的上下文被喂回去。

我的判断是,设计知识工程要落地的第一件事,不是搭 RAG,是给每一条规范加三个字段,来源、生效范围、失效条件。来源指这条规范由谁在什么评审里定的,生效范围指它覆盖哪些组件和业务线,失效条件指什么情况下它不再适用。

黑盒验证三步(示意代码)

图 3 本文示意图:四层里只有签发层该回答「这条什么时候失效」,这一层空着,上面三层都在裸奔

这三个字段听起来很笨,但它们决定了检索层能不能做过滤。没有它们,向量相似度就是唯一排序依据,而相似度和正确性在设计规范这个领域相关性很低。两个组件长得越像,规范越容易混。

同类系统里做得比较扎实的,通常会在检索之前先做一层规则匹配,把当前业务线、当前组件版本作为硬过滤条件,再去向量库里找语义最接近的解释文本。硬过滤保证不越界,语义检索负责把话说圆。顺序反了,就会先找到一个很像但已废弃的规范,再想办法自圆其说。

这三个字段不补,后面全是补丁

我把这条链路画成四步,你能看到卡点在哪。资产进来的时候是设计稿和说明文档,抽取之后变成组件描述,这一步如果丢了版本号,后面全瞎。结构化的时候如果只切文本不建关系,例外就淹没在规则里。索引层如果只做向量不做元数据,过滤就无从谈起。

最后注入给 Agent 的时候,如果上下文里规则和例外混排,模型只能靠猜。猜对了是运气,猜错了就是一次不信任。

图 4 本文示意图:左边是搜索框的做法,右边是同事的做法,分水岭在敢不敢标记失效

所以我说,问题不在解析层,在签发校验。签发的时候没人问「这条什么时候失效」,检索的时候就没有依据去排除它。这不是模型能力问题,是知识治理问题。

这里有个细节我想单独说。签发校验不是让你写一份更长的规范文档,是让你在知识条目上多挂三个字段。文档写得再全,机器读不到「这条已经作废」这句话,它就还是会用。字段是给机器看的,文档是给人看的,两件事不能互相替代。

我自己会怎么验这套东西有没有真落地

公开信息没有给评测方法,我只能说如果是我,会怎么验。第一步,拿二十条历史上被废弃的设计规范,混进知识库,看 Agent 会不会在相关问题里把它们捞出来。捞出来不扣分,捞出来还当成现行规范用,就是硬伤。

黑盒验证三步(示意代码,用三个提问检验知识库有没有做失效治理)

第二步,构造五组「长得很像但适用范围不同」的组件对,比如两个业务线各自的卡片组件,问 Agent 在某个具体业务场景下该用哪个。正确答案依赖业务线这个元数据,而不是语义相似度。

第三步,看它会不会说不知道。设计规范领域里,「这条没有明确规定」是合法答案。一个从来不说不知道的设计 Agent,基本可以判定它的检索层没有做置信度控制。

这三步不需要看他们的代码,只需要黑盒提问。如果三步都过,说明知识治理那一层是真做了,不是只搭了个向量库。

我得说清楚,这三步是我自己设计的一套黑盒检验思路,没有在 TaoDesign 的系统上跑过,也没有拿到他们的接口。它检验的是「知识治理有没有做」这个共性命题,不是给 TaoDesign 打分。

今天要动手的话,先动元数据,别动模型

如果你也在做内部的设计或文档 Agent,优先级我建议这么排。今天就能做的,是给现有知识条目补三个字段,来源、生效范围、失效条件。哪怕先手工补最常用的五十条,检索质量的变化也能立刻感知到。

这周做的,是在检索链路里加一层硬过滤,把业务线和组件版本作为必填条件传进去。向量检索只在上一步筛完的子集里做。这一步不需要换模型,也不需要重建索引。

做不到硬过滤的过渡办法,是在提示词里显式要求模型先判断问题属于哪个业务线,再回答。这个办法不可靠,但比没有强,而且能帮你收集模型判断业务线的准确率,作为后续做元数据的依据。

给知识条目补三个字段(示意代码,演示签发层元数据长什么样,检索前先做硬过滤)

暂时别做的事,是急着上微调。知识在腐烂的情况下微调,等于把过期的规范焊进权重里,后面清理成本更高。

再往下排一步,是给知识库加一个每周的失效复核动作。不用多,每周挑十条最常被检索到的条目,问一句「这条还成立吗」。这个动作不产出新知识,只负责把旧知识标死。标死的成本远低于纠错的成本。

如果连手工补五十条都排不进这个季度,那就先做一件事,把已废弃的规范从索引里物理删掉。删掉比留着安全,因为留着它就是一个随时会被捞出来的错误答案。

有一块我确实没查到

TaoDesign 这套实践具体用了什么检索方案、知识条目怎么建模、有没有做人工审核闭环,公开报道里都没有。所以上面关于四层链路的拆解,是基于设计系统知识工程的通用做法做的推断,不是对他们实现细节的描述。

另外一个我没法验证的点,是「持续进化」到底指模型侧的迭代,还是知识侧的迭代。这两个方向工程代价差很远。如果是知识侧,那核心工作量在治理流程,不在算法。如果是模型侧,那要看他们有没有稳定的评测集,否则进化无从度量。

还有一层我够不到的地方,是他们内部的设计资产到底有多少条、跨几个业务线、历史包袱有多重。这三个数字决定了知识治理的实际难度,公开信息里一个都没有。所以我说的「补三个字段」,在十个组件的小团队里是半天的事,在几百个组件的组件库里可能是几个月的事。

等后续有更细的分享材料,这两块需要修订。在那之前,我给的判断只对「设计资产进 Agent」这一类问题成立,不能直接套到所有知识工程场景。

知识工程的终点,是让 Agent 学会说这条不算数

我越来越觉得,企业内部 Agent 的上限不取决于模型多强,取决于知识库敢不敢标记失效。一个只会检索有效知识的系统,和一个知道哪些知识已经作废的系统,前者是搜索框,后者才是同事。

TaoDesign 这个方向值得看,不是因为它把设计资产接进了 Agent,是因为它把「持续进化」放进了题目里。持续进化的前提,是承认今天对的东西明天可能不对。

如果你的知识库还没有失效标记,那它现在给出的每一个自信回答,都在透支下一次的信任。

写在最后

设计资产进 Agent 这件事,真正的工程量不在把文档变成向量,在把「这条什么时候不算数」变成机器能读的字段。做不到这一点,Agent 越像人,越容易用一句自信的错话换走设计师最后一次信任。

以上,既然看到这里了,如果觉得不错,随手点个赞、在看、转发三连吧,如果想第一时间收到推送,也可以给我个星标⭐~

谢谢你看我的文章,我们,下次再见。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 先别急着夸,先看清它解决的是哪一类知识
  • 问题不在检索层,在知识的签发环节
  • 知识要能被 Agent 持续消化,得先有人对它负责
  • 这三个字段不补,后面全是补丁
  • 我自己会怎么验这套东西有没有真落地
  • 今天要动手的话,先动元数据,别动模型
  • 有一块我确实没查到
  • 知识工程的终点,是让 Agent 学会说这条不算数
  • 写在最后
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档