我的第一个 Figma 插件「Rename Helper」上线了！它的核心功能是 「批量重命名图层，高效导出图片」。

交付设计图片的过程，规范的命名是设计师个人素养的体现。但文档一多时间一紧，命名就容易来，文件就容易乱套。这款插件就是为了解决这个痛点存在的。

🧑‍💻插件适用于所有使用 Figma 出图的平面设计和运营 uu 们！特别是有国际化需求的朋友，有批量导出需求的朋友，希望这个小玩意能给你们节约一点时间。

🤙欢迎大家试用 www.figma.com

👩‍🚀使用方法和场景见链接文章，使用过程中有任何问题可直接私信我

最近测试了 AI 生图在电商场景的真实边界后，整理出来一些结论和洞察。
使用 Nano Banana Pro 模型，辅以 AI 写出来的结构化提示词，基本可以在1-2次内抽卡出来一个还原度达到90%的图片，剩下的10%细节还需要人类设计师审查和手工修正。
这是目前模型的物理上限。

请问愚人节的gemini网页端是不是在跟我开玩笑，怎么生图一直生不出来？

最近三个月我都在研究一件事——搞清楚 AI 在设计行业的落地边界到底在哪里。

第一个月研究钉钉的 AI 系统，写了一份深度审计报告，提出了"防御性幻觉"和"康威定律投射"两个判断框架——当一个 AI 产品的设计开始反映组织结构而不是用户需求，它的信任危机就已经开始了。

第二个月调研数名一线设计师，并自己动手测试了当前主流 AI 出图工具，出了一份 AI 生图工具的行业报告。我定义了 P0/P1/P2 三种错误分级，提出"农业生产范式 vs 工业生产范式"来描述两种完全不同的AI使用逻辑。

第三个月，我深入访谈了多名设计师，了解电商广告团队的真实工作流，梳理出三个核心黑洞：抽卡困境、场景枯竭、资产沉淀为零。在自己测试了 Nano Banana 模型的 AI 生图边界后，我得出一个结论：电商场景 AI 生图可达 90% 可用度，剩余10%需要手修，这是目前模型的物理上限。

💡 我发现的核心问题是：大多数设计师用 AI 生图，还停留在抽卡阶段——靠运气，靠数量。但结构化出图可以让单次出图成功率大幅提升，这不是工具的差距，而是方法论的差距。需要特别说明的是，AI生图的完成度高度依赖场景。

电商类项目因为品牌还原和批量一致性的要求，目前上限大约在90%。但创意类项目基本已经有设计师做到 99% 靠 AI 出图，只有调色这种细微边角场景进 PS 手修。

接下来我会继续做这件事，但不只是写报告了。我想找真实在用 AI 做设计的团队，把这套方法验证到可以复制的程度。

如果你也在研究这个方向，或者你的团队正在经历类似的问题，欢迎来找我聊🤓

作为一个很喜欢折腾笔记工具的写作者，我一直在寻找符合自己创作习惯的工具来搭建个人知识库。最近 5 年的主力笔记工具换了又换，从 Bear 到 Notion，再到语雀，再到飞书云文档+Flomo，再到今年的 Obsidian+Flomo。基本每年一换的速度，说明总有新的因素和需求在影响我。

今年决定要整体迁移到 Obsidian 的原因有二：
1️⃣ AI 时代，不管是 chatbot 对话还是 agent 接入，md 格式对 token 的消耗量最友好；
2️⃣ 储存在本地的 md 文件，再加上 obsidian cli 这种主动为 agent 接入做的能力适配，让 obsidian 成为当之无愧的ai时代最强个人知识库基座

在 b 站上看到 up 主「杰森的效率工坊」关于 obsidian cli 的详细使用教程，就从头开始学习了如何使用 ai agent 工具（我的版本是 cursor+cline，但使用 claude code、小龙虾、gemini cli、workbuddy 等等都一样）来读写 obsidian 指定文件夹内（沙盒）的内容，顺便跟随他学习了如何使用 github 来做个人知识库的备份和版本管理。

今天这一篇先分享非程序员出身的设计师该怎么认识 github 和使用 github 来进行 obsidian 个人知识库备份&版本管理。

🔹 github 有什么用？
-自己项目的版本控制
-找到互联网上非常优质的知识、电子书、学习资料、共享资源

🔹 如何把obsidian文件同步到github上面？
-在github网站上新建private的仓库
-安装git到本地电脑
-新建.gitignore文件
-然后备份obsidian文件到github仓库
-使用git插件来定时自动同步obsidian文件库到github
-删除文件or文件内容测试利用不同main版本进行回退
-创建新的分支来进行折腾（插件/外观等等），不满意直接删除，满意的话等稳定后再合并主分支

ai有了更多执行的可能性，那卡点在我了。我怎么能做出一个方向正确的决策？市场热门？离钱越近？本身深耕的行业？

我昨天试图用gemini网页端配合cursor+cline+obsidian的工具组合在本地搭建一个修改可视化的有一定复利能力的个人助手 agent。

测试的第一个项目就是让ai每早自动化收集固定信息源昨天发布的ai信息推送给我阅读（比如andrej karpathy的访谈和推文，比如晚点、腾讯研究院、新皮层等研究团队的ai成果文章，比如一泽、归藏、Agent橘等ai自媒体账号的文章和推文）。

在经历了一长串的环境配置、安全闸门设置和api购买之后，我终于实现了cline控制obsidian特定文件夹的历史性握手。但这个自动化项目并没有完全跑成功，x、微信公众号和karpathy本人的博客都没有成功被爬虫抓取。

于是我在即刻ai社区里进行咨询，看看除了cli，有没有非程序员更友好的agent工具。不想选cli有两个原因：1️⃣ 对于无法可视化观测代码修改的前后效果对比有点心里没底；2️⃣ 寻找能够破圈的工具。两位即友给了我一些建议，🙏感谢他们。Arielle_Gao 的建议是 Manus，Coriaxu 的建议是 Codex。
今天试用了 Manus ，使用下来的感受有几个：

1️⃣ 比起低配版（搭载 claude-3.5-sonnet/gemini-2.0-flash 廉价稳定旧模型）的本地 agent，manus 的能力更近一步，以各种更智能的类人的方式去抓x和微信的内容（当然还是没有100%成功我的额度就用完了，两家公司的反爬虫还是很强）。

2️⃣ 跑在云端的agent让它在连接用户现有知识库这件事上有天然的缺陷。它需要在谷歌邮箱做特殊设置才能把ai新闻日报发给我，没有抓取我本地库的信息去做参考/思考的能力。但跳过各种配置和闸门的开箱即用实在是太爽了。

3️⃣ 如果它的定位作为一个面向普通人的工具，感觉能力宣传不到位，但能力执行其实到位了。比如有朋友根本没有听过 Manus，也不知道能拿来干嘛，它跟 GPT 的区别是什么。在听完我的 AI新闻日报的需求后，她开始让 Manus 给她做旅行攻略和收集播客列表。事实上大部份人的需求是一颗俩颗鸡蛋（收集特定信息），而不是一整只下蛋的母鸡（一个可以持续收集特定信息的自动化脚本）。

我开始反思个人对 agent 预期可能太高，可能大部分 agent 只需要执行特定任务流（更聪明的saas工具）就够用了。不是每一个agent都需要成为我的个人助手，变成拥有深度思维可以对话、拥有超强大脑帮我解决工作上80%任务的类人类。
理论上来说，Agent 应该要具备的三大核心能力：主动性，记忆和跨平台、跨软件的交互。但跟随着需求的大小，这三大能力都有极大可调整的空间，比如在设计和搭建 ai agent 的时候，它要求的的记忆是本地文件单次任务执行（用后即焚）的记忆就够了，还是需要日复一日积累的周期性记忆。

纯纯提问🙋：

现在市面上流行的agent，主流是cli 命令行。有没有对非程序员更友好的启蒙方式：

1. 需要可视化，即清晰看到ai是如何思考，如何一步步修改文件

2. 需要每一步的覆盖都让我本人 in loop，人确认后再进行

3. 需要对工具的学习成本比较低

万即有没有好的工具+模型组合推荐？

看anthropic 营销增长岗位一人团队给专业职能ai agent 搭建的一些启发：
1 动手前有足够完整的思考和工作流程梳理
2 一个人用多个agent，每个ai agent 有自己的专职工作
3 工作中重复性的脏活累活是ai做擅长的事情（比如一张图多个尺寸自动化生成）
4 记忆系统和权限，让ai不断学习真实案例，知道什么是好的

obsidian和chrome这样的基建跟上，感觉真的在全流程打通