AI 能生成一切，但设计批评才刚刚开始#fCrit 给 Mix设计评论的启发

Mix设计评论 是 Mixlab推出的专注数字与设计领域的批判性专栏。

专栏不教工具操作，不追热点流量，而是追问一个根本问题：当 AI 能生成一切，设计该去向何方？

我们审视每一个设计现象背后的价值判断与文化逻辑。在算法取代手艺的时代，设计比任何时候都更需要批评：一种不依附于品牌、不妥协于效率、不回避争议的公共对话。

让设计评论回归思辨。

fCrit 在做什么：5 agent 协作 + 3 种对话技巧

fCrit 是 Concordia 大学 Vuong Nguyen 和 Gabriel Vigliensoni 2025 年发表的论文。它做的是—— 不生成任何设计，只批评设计。

整套系统跑在 n8n 工作流自动化平台上，5 个 agent 分工协作：

• Command Hub（指挥中心）：中央入口点和编排层；决定应激活哪些代理以确保高效的上下文感知资源分配
• Design Concept Mapper（设计概念映射器）：将用户术语转化为正式的设计评论知识；从知识库中提取视觉概念（例如，对角线、负空间等），为每个提取的概念分配置信度评分，并根据用户的认知水平调整输出结果
• Pattern Recognition Engine（模式识别引擎）：从知识库中提取视觉模式（例如，统一性、对比度、重复性等）；为每次提取分配置信度评分
• Etiquette Classifier（礼仪分类器）：确定合适的语言模式（非正式、详细或专业）；建议回复的长度和正式程度；通过强化共同的语言空间来营造积极的情绪状态
• Dialogue Agent（对话代理）：综合前期组件的见解，以打造以用户为中心的响应，并通过三种技术逐步搭建反思性学习的支架： 重新表述（reformulation）、生成问题（generative questions）、视觉类比（visual analogies）

这个对话代理掌握了 3 种对话技巧 —— 这是 fCrit 真正有意思的地方：

1. 重新表述：用设计相关语言复述用户输入（"我明白了为什么你觉得……"）
2. 生成性问题：促进收敛（"是什么让你想到……？"）
3. 视觉类比：激发发散（"流畅的线条类似于……"）

每一个概念按 5 个维度编码进知识库：

正式定义、感知效果、应用、示例、按认知水平分层的术语。

模型分工也很细：

Claude 3.5 Haiku 做快速输入处理，Claude 3 Haiku 做基础知识检索，Claude 3.7 Sonnet 承担需要更细语境理解的对话代理。

最有意思的是一段 4 轮对话演示。

设计师看着 Thonet M-209 弯木扶手椅，fCrit 先主动问：

"这款椅子的设计最吸引你的是什么？我注意到它优美的弯曲木质元素，从靠背到扶手形成流畅的线条。天然的浅木色调也赋予它一种永恒的质感"。

设计师随口答：

"我被它像面条一样的外观吸引住了。它既俏皮又优雅"

fCrit 抓住"面条状"这个口语表达，直接把它翻译成"曲线性"和"节奏重复"两个形式化概念，并反问：

"你觉得是曲线的平滑度，还是线条的韵律重复赋予了它这种灵动活泼的特质呢？"

第二轮设计师说：

"这些曲线像线性叙事"

fCrit 引入"触觉邀请"这个具身概念扩展分析；

第三轮设计师说：

"还有一种亲切感"

fCrit 把它连接到"渐进性与可预测性的视觉舒适感"。

四轮对话完成，fCrit 的核心批评技巧：

提问优先（先理解视角再分析）

回复长度控制（防止信息过载、建立信任）

以设计者为中心的语言适应（"面条状"→"曲线性"，不强加术语）

具身解释（"线性叙事"→"触觉邀请"，从隐喻扩展形式分析）

生成式提问（"这是否契合了你对这些曲线的一些感受"）

核心原则，通过适应性形式批判进行反思性学习（让设计师从直觉词汇出发，发展出属于自己的分析框架；fCrit 不强加风格分类）。

整段对话体现了 fCrit 的 3 种批评模式（沿用 Deterding 2017 混合主动式创意界面框架）：

• 提问优先：当设计师兴趣不明确时，先理解视角再分析
• 以设计者为中心的语言适应：跟着设计师的"面条状""线性叙事"走，不强加术语
• 具身解释：用"触觉邀请"这种身体感知的概念，扩展形式分析

这种组合让 fCrit 保持"反思辅助"的角色—— 它跳过"判决"，把设计师的直觉翻译成形式语言，让设计师自己看到自己的判断。

fCrit 限制每次交互的范围，以保持清晰度并逐步构建共同理解；一次只引导一个方向，让用户一次探索一个点；系统遵循设计师的思路，仅在正式见解能够丰富当前思路时才提供。

知识库：5 维度 × 多层次抽象

fCrit 的知识库不是简单词表。

它按多层次抽象构建（multi-level abstraction），把视觉概念和模式分两层组织：

• 视觉概念——线条、形状、形式
• 视觉模式——平衡、对比、统一

术语来源是经典的形式批判文献（Hannah 2002、Wong 1993）。

每个概念编码成结构化嵌入（structured embedding），包含 5 个字段：

正式定义、感知效果、应用、示例、特定于感知领域的术语。

最关键的一个原则：fCrit 不关注地域风格或时期标签（"斯堪的纳维亚""维多利亚"等）。

这一点决定了它的设计立场：系统不能通过风格分类限制设计师的创作自由。

这跟很多生成式 AI 工具"先打风格标签再生成"的做法正好相反。

论文演示了"曲线"这个属性的层级表示—— 它从"像面条一样""有趣"这些口语化描述，到"曲线性""节奏重复"这些形式化概念，再到不同感知领域的具体应用—— 一气呵成地把用户的直觉语言映射到设计批评的正式词汇。

按需查询（on-demand retrieval）机制进一步约束了 fCrit 的行为：

Design Concept Mapper 和 Pattern Recognition Engine 两个 agent 只在需要时才从基于向量的知识库检索信息，避免认知过载，让反馈更集中。

每次提取的分配置信度评分（confidence score）让系统能持续自我评估—— 既能内省自己的覆盖范围，也让"我不知道"成为一种合法的回应。

关键贡献与边界

fCrit 三个关键贡献，也是 XAI 在艺术领域应该做的事，更是设计批评的核心维度：

1. 主观解读（subjective interpretation）——AI 不追求唯一正确答案
2. 社会互动（social interaction）——批评是设计师与 AI 之间的对话
3. 批判性反思（critical reflection）——AI 帮设计师看到自己的判断

论文对"以人为中心的可解释 AI"（HCXAI）的核心立场很明确 —— fCrit 不取代设计师的判断，只增强它。

这一点和最近一脉的设计 AI 主张完全一致：

可解释性不仅要让 AI 推理过程透明，更要适应用户思考和讨论其设计的方式。

fCrit 三个边界：

• 用户研究未做——论文明确把"通过一项用户研究评估 fCrit"列为 future work，研究对象包括新手和资深设计师，研究内容涵盖其实用性、与设计意图的契合度以及对反思的支持程度
• 仅家具设计领域——架构理论上可迁移到其他设计领域，但论文只演示了家具
• 单一案例演示——4 轮对话围绕 Thonet M-209 一把椅子，没有覆盖多种设计物件

论文的"结论与未来工作"段也透露了下一阶段的方向："推进能够增强而非取代创造性判断的 AI 工具"。

这把设计 AI 的目标重写为"让 AI 帮我看见自己的设计"；"让 AI 替我做设计"被推到了次要位置。

KCC：fCrit 只完成了 1 格

如果借用 Neri Oxman 的克氏创意循环（Krebs Cycle of Creativity，简称 KCC）来看 fCrit，会发现一个清晰的位置—— 4 域首尾相接，每一域的输出都是下一域的输入：

• Science（科学/信息）：设计史、现象学、认知科学
• Engineering（工程/知识）：行业语境、产品语义、材料科学
• Design（设计/效用）：形式批评——fCrit 在这一格
• Art（艺术/行为）：意义生产、价值判断、人文关怀

fCrit 占了 1 格—— 偏 Design → Art 之间的视觉感知节点。剩下 3 格怎么接、对应什么具体动作？

以 M-209 椅子为例展开——

Science 那一栏：M-209 椅子的设计史是什么？Michael Thonet 在 1859 年用弯曲木工艺（Bentwood）解决了蒸汽弯曲技术的难题，让曲线木椅可以大规模生产。这把椅子诞生于工业革命中后期，对应了 19 世纪"形式追随工艺"的设计哲学。

Engineering 那一栏：M-209 用什么工艺？弯曲木工艺、蒸汽弯曲技术、6 把椅子可以装进 1 立方米（节省运费）、1859 年的工业化复制能力——这把椅子能"卖到今天"的关键。

Design 那一格（fCrit 在这里）：曲线、节奏、对比、统一的视觉感知。"面条状"如何被翻译成"曲线性"和"节奏重复"。

Art 那一格：M-209 在用户家里的瞬间是什么？为什么你选它而不是其他椅子？它怎么成为家庭记忆的一部分？fCrit 做的是形式批评，"意义"那一格留白——这部分交给你。

OpenAI Codex 产品负责人 Andrew Ambrosino 2026 年在 Lenny's Podcast 上说了一句让整个设计圈睡不着的话："实施已廉价化，品味才是最稀缺的能力。" 未来 5 年最稀缺的批评能力是"挑得准"—— 是从 1000 个新设计里挑 10 个值得追问的，是从 100 个 AI 工具里挑 1 个改变范式的。

问题

回到 fCrit 的演示场景。

如果你打开 fCrit，输入自己正在做的一把椅子或一张海报 ——

第一个问题：fCrit 会把你的"面条状"翻译成什么？ 第二个问题：翻译完之后，下一步你要做什么？

第一个问题 fCrit 帮得了。第二个问题只有你自己能答。

Mix设计评论

Mix设计评论专栏的初衷，是在 AI 生成内容泛滥的时代，为设计实践重新建立一个思辨的公共空间。我们关注"设计应该去向何方"，追问"做什么"和"为什么做"—— 这两个问题，普通 AI 工具回答不了，设计师自己也必须反复追问。AI 工具的"如何操作"已经普及。专业设计师真正的差异化，在于追问"设计应该去向何方"的能力—— 批判性追问。

fCrit 在 1/4 圈（KCC 4 域循环里）。剩下的 3/4 圈（Science / Engineering / Art）—— Mix设计评论邀请你一起来追问。

附：

fCrit: A Visually Interpretable System for Furniture Design Creativity Support

arxiv.org/html/2508.12416v1

#设计批评 #AI时代 #fCrit #HCXAI