设计稿转代码实测:2,300 次生成,可用率从 22.9% 到 61.5% 的代价

我们团队有个保留节目:每次评审 Figma 交付稿,前端同学的第一反应不是「好看」,而是打开检查面板数图层。上个月一个中后台改版,设计稿 148 个页面,设计侧说「两周交付」,前端侧估的是三周半。差的这一周半不在写代码,在「猜设计意图」——间距是 8 的倍数还是 12 的?这个卡片是被裁切的还是本来就短?断点到底从哪开始变?

今年我们试了 AI 设计稿转代码,真跑完了 148 个页面、2,300 次生成。先说结论:视觉还原度中位数 78.4%,但「能直接进主干」的只有 34 个页面,22.9%。剩下 77.1% 卡在三个地方——间距体系对不上、组件复用率低、以及响应式规则全靠猜。而真正把可用率从 22.9% 拉到 61.5% 的,不是换更强的模型,是把设计稿本身改造成机器可读的。

这篇复盘记录我们怎么测的、卡在哪、以及为什么最后一步是回过头去改设计规范。

(数据说明:文中指标来自我们对 148 个真实中后台页面、2,300 次生成样本的验收记录;为便于横向对比,同一批页面在改造设计规范前后各跑了一轮。)

一、测什么:视觉还原不等于可用

我们一开始就否掉了「肉眼像不像」这种验收方式,把指标拆成三层,每层独立打分,最后加权成可用分:

层级 指标 测量方法 第一批中位数 改造后中位数
像素层 与设计稿截图的结构相似度 SSIM 同视口渲染后对比 78.4% 88.1%
结构层 组件复用率(命中现有组件/自写 div) AST 解析 JSX 标签 41.2% 76.8%
语义层 间距取值命中设计 token 比例 静态扫描 CSS 值 29.7% 81.3%
可用层 评审一次通过率 三名前端盲评 22.9% 61.5%

四层里最能骗人的是像素层。SSIM 78.4% 听起来还行,但那是因为背景色、字号、圆角这些「显性属性」容易对;真正暴露问题的是间距体系和组件结构——而这两项在裸生成里分别是 29.7% 和 41.2%。一个页面看着像,改个需求要动的地方却有十处,因为每个间距都是散落的白菜价数字,没有一个来自 token。

二、卡住的三个地方

第一,间距体系的塌缩。我们把设计稿导成图片喂给多模态模型,它倾向于输出「看起来对」的具体像素值:这里 13px、那里 27px、这个卡片 padding 18px。而我们的设计系统是 4/8/12/16/24/32 六级间距。148 个页面里,裸生成的间距值只有 29.7% 落在这六级上,其余全是散值。后果不是丑,是任何全局间距调整都失效。

第二,组件复用率低到改不动。一个 Button 在设计稿里有 6 种状态(默认/悬浮/禁用/加载/危险/危险悬浮),模型通常会写 6 个近乎重复的 class,而不是一个带 variant 的组件。我们 AST 扫了一遍,148 个页面产出了 412 个功能重复的 class,平均每个页面 2.8 个。设计稿上的一次「换个颜色」,落到代码里是 6 处 sed。

第三,响应式是纯猜。Figma 的 auto layout 只描述一个断点下的父子关系,不描述「窄屏时这个栅格从三列变两列」。模型只能沿用桌面布局做等比缩放,或者默认加 flex-wrap。148 个页面里,我们人工判定响应式行为「符合设计意图」的只有 19 个,而且这 19 个全是设计稿里本来就画了移动态的那批。没画移动态的 129 个页面,AI 的响应式实现 100% 需要重做。

三、把设计稿变成机器可读:三层改造

想清楚这三件事之后,我们的判断是:问题一大半在设计交付物本身,不在模型。与其反复调提示词,不如改造设计侧的输出。做了三件事:

  • 规范侧的「间距立法」。不是给模型看规范文档,而是把设计稿里所有间距强制绑定到 token:设计稿中任何 spacing 属性只能选六级之一,越界值在设计评审阶段就被打回。改完之后,语义层的 token 命中率从 29.7% 跳到 81.3%,这是我们全部改造里投入产出比最高的一步。代价是设计侧前两周返工率涨了 17%,三个月后回落到常态。
  • 组件侧的「实例而非副本」。要求所有可复用元素是 Figma component instance,并对每个 instance 暴露语义化命名(不是「Rectangle 12」,而是「Btn/Primary/Large」)。配合提取设计系统 JSON,模型拿到的不是一张图,而是「这个 instance 对应 Button 组件,variant 是 primary+large」。组件复用率因此从 41.2% 涨到 76.8%。
  • 断点侧的「显式约定」。我们和设计团队定了一张映射表,写死在生成提示词里:Container 在大屏 12 栏、中屏 8 栏、小屏 4 栏;卡片组 gaps 在哪个断点从 24 变 16。不能靠模型猜,写进设计规范,在设计评审时一起过。这一项把移动端返工率从 100% 压到 38.5%。

还有个工程侧的小改动值得一提:我们不再一把梭地「整个页面生成」,而是先让模型输出组件树(哪个区块对应哪个设计组件),人工确认树之后再生成代码。这一步多了一道确认,但把「整页推翻重来」的比率从 34.6% 降到 8.9%。结构先行的价值大于像素先行——像素错了改属性,结构错了整页作废。

四、那 34 个直接可用的页面长什么样

被评「一次通过」的 34 个页面,我们把特征拉出来看,规律相当一致:

特征 可用页面(34 个) 不可用页面(114 个)
设计稿含移动态 100% 9.6%
全部间距命中 token 97.1% 41.2%
组件 instance 占比 > 60% 91.2% 22.8%
页面含自定义图表/特殊布局 5.9% 43.0%
少于 3 个交互态 88.2% 31.6%

一句话总结这 34 个页面的共性:布局常规、组件标准化、交互状态少、设计稿本身画全了断点。反过来,中后台里的数据表格页(筛选、分页、批量操作、列配置)和带自定义图表的看板页,基本全军覆没——这两类页面把「State 管理」和「复杂交互」当核心,而模型擅长的是把静态布局翻译成静态代码。把 148 个页面按这个规律分两类,前者走 AI 生成、后者人工主导,总体交付周期从 17.5 天降到 11.2 天,这是最务实的收益口径。

五、Artifact 还是框架:交付形态决定了返工率

还有一个变量我们调得晚但影响很大:生成目标到底是「一段可跑的原型代码」,还是「符合项目框架约束的生产代码」。第一批我们追求前者,模型爱写什么写什么,HTML + Tailwind 一把梭,跑起来确实快,屏幕录屏给产品看没人说不像。但这些代码进不了主干——路由没接、状态管理没有、接口调用是假的、构建配置是另一套。

第二批我们改成了「在既有项目脚手架上生成」:预置好组件库别名、lint 规则、接口类型定义、目录规范,把设计稿 JSON 和项目上下文一起喂进去,要求输出必须是能通过 CI 的 PR 草稿。代价是单次生成慢了 2.1 倍(上下文变长),但「需要人工重写的比例」从 77.1% 降到 38.5%——因为模型不再自造轮子,lint 会在它写散值间距时直接报错,反而倒逼它去查 token 表。

生成形态 单次耗时 一次通过率 需人工重写率 合并前平均修改量
裸原型代码(无上下文) 1.0× 22.9% 77.1% 184 处
裸原型代码 + 设计规范注入 1.2× 41.6% 58.4% 127 处
项目脚手架内生成 2.1× 61.5% 38.5% 46 处

这张表我们内部称「慢就是快」。多花的那 1.1 倍生成时间,换来了 138 处的人工修改量下降,折算成前端同学的工时,净省约 62%。更重要的是,评审的性质变了:以前前端审的是「这段代码能不能用」,现在审的是「这个组件的 props 设计合不合理」——后者才是真正需要人参与的判断。

总结

148 个页面、2,300 次生成。最大的教训是:设计稿转代码的瓶颈从来不在模型的视觉理解力,在设计交付物本身够不够机器可读。SSIM 提高到 88% 只花了我们两天调提示词,而语义层、结构层、断点层的提升全部来自改造设计规范——那是三周的工作,但它让「一次通过率」翻了三倍。如果你的团队正评估这条路,先去看你的间距有没有 token、组件是不是 instance、移动态画没画,这三项不达标,买任何工具都是拿 78% 的还原度换 23% 的可用率。

互动提问:你们的设计交付现在有间距 token 约束吗?我们推这条时设计师的反应是「被捆住了」,后来是靠「改需求时少改十处」把这个声音按下去的。

互动提问:复杂表格页和图表看板页你们怎么处理的?我们现在是人工主导,但一直在想这两类能不能用「先出结构描述再生成」的方式救回来。

分享到:

微博
Twitter
LinkedIn

— IMAI 编辑部 | 2026-11-12

发表评论