每個管過 design system 的人都有同一個噩夢：設計師改了 Figma 裡的顏色，code 裡還是舊的。工程師更新了 spacing，Figma 沒跟上。兩邊各自演化三個月，直到上線前 QA 截圖一比——「欸，這個按鈕跟 spec 長得不一樣。」

這個噩夢的根源不是工具不好，是 design context 活在人的腦袋裡，而不是活在工具裡。

Figma 最新這步棋，就是在處理這件事。透過 MCP server，AI agent 現在可以直接在 Figma file 裡面工作——不是亂畫，是接上團隊的 component library、讀 variable、用 auto layout。Figma 之前的 code-to-canvas 只是單向把程式碼轉成設計稿，現在 use_figma 這個新工具讓 agent 雙向操作整個畫布。

但真正有意思的不是工具本身——而是 Figma 選擇不自己做 AI，改開一道門讓所有 agent 走進來。

Clawd 忍不住說：

以前 AI 幫忙做設計，就像請一個完全不認識公司的外包，丟一句「做一個登入頁面」就叫他動手。現在 Figma 等於把這個外包直接拉進 design system、讓他看到所有 component library、讀到 style guide，然後才讓他開工。而且不是 Figma 自己硬幹一個 AI — 他們用 MCP 開了一道門，Claude Code、Codex、Cursor 都走同一個入口。跟當年 plugin 生態一模一樣的策略，只是這次走進來的不是 plugin 開發者，是 coding agent。

舊工具搭新主角：一個拉現實進來，一個在裡面創作

Figma MCP server 裡面有兩個核心工具，關係像助教跟教授。

generate_figma_design 是助教——負責把「外面跑著的東西」帶回教室。Live app 的 UI？它轉成可編輯的 Figma layer。Code 跟 design 不同步了？助教先把現實拉進來，大家看著實際的東西再討論要改什麼。這工具之前就有，但搭上新主角之後用途完全不同。

use_figma 是教授——這次的新功能。Agent 直接在畫布上操作，而且是照團隊定義好的方式來。不是拿空白筆亂畫，是打開 component library、讀 variable 名稱、遵守 auto layout 規則。

搭配起來很自然：助教把 live UI 拉進 Figma 當底，教授用正確的 component 和規則在上面改或做新設計。一個負責「把現實帶進來」，一個負責「用正確的方式創作」。

Clawd OS：

這個分工暗示了一個很深的產品賭注：Figma 不打算讓 AI 從零開始畫圖。它要 AI 在已經建好的系統裡面工作。這跟那些「一句 prompt 生一整個 app」的工具走的是完全不同的路線 — 那些工具把 AI 當創作者，Figma 把 AI 當「團隊裡最聽話的設計師」。哪條路在企業裡比較站得住腳？老闆會不會接受一個跟品牌完全脫鉤的設計，答案很明顯。 ┐(￣ヘ￣)┌

Skills：把不成文的規矩變成 agent 聽得懂的指令

好，agent 進畫布了。但問題來了。

它怎麼知道「按鈕間距都是 8px 倍數」？怎麼知道 primary color 叫 --brand-500 不叫 blue？怎麼知道新 component 該放哪個 page？靠經驗？它沒有。靠猜？猜錯了修的時間比自己做還久。

這就是 skills 在幹的事——markdown 檔案，裡面寫了一堆指令，告訴 agent 在 Figma 裡該怎麼執行特定工作流程。步驟、順序、慣例全部寫死。但巧妙的地方在於，skill 不只是 checklist，更像 onboarding doc 混 SOP——同時告訴 agent「做什麼」和「做得好長什麼樣」。

Anthropic 的 Claude Code 產品負責人 Cat Wu 講得到位：

“Skills teach Claude Code how to work directly in the design canvas, so you can build in a way that stays true to your team’s intent and judgment.”

直譯大概是「Skills 教會 Claude Code 怎麼直接在設計畫布上工作，讓能用忠於團隊意圖和判斷的方式來建構。」但這邊的 vibe 更像是在說：團隊那些不成文的規矩，現在可以被寫下來，然後 agent 會真的照做。

最底層有一個基礎 skill 叫 /figma-use，所有其他 skill 都建立在它上面——新人入職前要先讀的 onboarding doc，agent 版。

Clawd OS：

寫 skill 不需要寫 code、不需要做 plugin。這一點非常關鍵——Design Lead 和 PM 也能直接定義「agent 該怎麼做事」，不用什麼都等工程師。某種程度上，skill 就是「可執行的 design guideline」：以前寫完 guideline 只能祈禱團隊照做，現在寫完 skill，agent 就是會照做。人不一定會讀 wiki，但 agent 會。跟 Claude Code 的 CLAUDE.md 概念一模一樣 — 把規則寫成 agent 看得懂的格式，它就乖乖聽。Figma 只是把這套搬到了設計領域。 ┐(￣ヘ￣)┌

九個 Skills 解決的三種痛

Figma 一口氣放了九個 example skills，來自內部團隊跟社群實踐者。但一個一個列沒意思——仔細看會發現，這些 skill 其實在攻擊三種完全不同的痛。

第一種痛：設計資產正在腐爛，而且所有人都知道。

每一個管過 design token 的人都有同樣的噩夢——開頭那個場景。設計師改了 Figma 的顏色，code 裡還是舊的；工程師更新了 code 裡的 spacing，Figma 沒跟上。兩邊各自演化，直到 QA 在上線前發現「欸按鈕怎麼長不一樣」——通常太遲了。Firebender 的 /sync-figma-token 正面攻擊這個問題：在 code 和 Figma variable 之間同步 design token，而且附帶 drift detection。同一條線上，Edenspiekermann 的 /apply-design-system 更直接——那些沒接上 design system 的散裝設計稿，agent 幫忙一個一個接回去。講白了就是自動化的技術債償還。

Clawd 忍不住說：

Design token drift 就像兩個人各自編輯自己那份 Google Doc，一個月後才發現「啊靠，我們在改不同版本」。有了 drift detection，至少每次改 token 都能自動檢查兩邊有沒有飄掉。這不是什麼花俏新功能——這是在止血。 (ง •̀_•́)ง

第二種痛：該做的事情永遠排不進 sprint。

Uber 的 Ian Guisard 做了 /create-voice：從 UI spec 自動生成螢幕閱讀器規範，包括 VoiceOver、TalkBack、ARIA。Accessibility spec 是每個團隊都知道該做、但永遠找不到時間排的東西——因為那個「有空的 sprint」永遠不會來。現在 agent 在每次設計完成後自動補上 a11y spec，不用等人的良心發現。另一個是 /figma-generate-library，方向是 code → design：直接從 codebase 建立 Figma component，專門給那些「code 已經跑了三年但 Figma 裡什麼都沒有」的團隊。以前回補這些是設計師兩週的苦力活，現在 agent 讀完 code 就幫忙建好。

第三種痛：想要更多，但也有點怕。

Augment Code 的 /multi-agent 跑平行 workflow——多個 agent 同時在不同 frame 上動工。聽起來很美好。但如果有跟三個設計師同時編輯同一個 Figma file 的經驗，就知道那種混亂。現在把設計師換成 agent，平行度再乘以三？只能說：大膽。(╯°□°)⁠╯

Self-healing loop：做完了自己檢查，不及格自己重來

前面講的 skill 解決了「agent 怎麼做」的問題。但做出來的東西對不對？

這裡才是整篇最讓人驚豔的設計：skill 不只定義 agent 怎麼生成東西，也定義 agent 怎麼回頭檢查和修正自己的 output。生完一個畫面之後，agent 可以截圖、跟預期的結果比對，然後自己去修不對的地方。

而且因為操作的是真正的結構——component、variable、auto layout——修的時候是在修結構，不只是在修像素。動一個 spacing token 的值，所有用到這個 token 的地方都跟著改。

Figma 在文章裡也坦承了一個重要的現實：AI model 天生是 non-deterministic 的，同一個 prompt 跑兩次可能會跑出不一樣的結果。 Skills 就是要讓這個行為變得更可預測——透過編碼具體的步驟、guideline 和規則來降低隨機性。設計慣例不再是靜態文件了，而是 agent 工作時真的會遵守的規則。

Clawd 偷偷說：

大部分 agent 都是 fire-and-forget：生完就丟過來，好不好是別人的事。Figma 讓 agent 自己跑一個 QA loop，實務上會省掉大量來回修改的時間。有趣的是，Codex 的 sandbox 哲學也在做類似的事 — 讓 agent 在隔離環境裡執行、驗證、再交付。Codex 在 code 層面做，Figma 在 design 層面做。殊途同歸——但 Figma 的版本更狠，因為設計錯誤比 code 錯誤更難被自動測試抓到。截圖比對是目前最實際的解法。

一個入口，九家 agent 排隊進

到這裡，故事的格局開始浮現：這不只是 Figma 多了一個 AI 功能，而是 Figma 正在把自己從「設計師的工具」變成「所有人（包括 AI agent）做產品決策的共享空間」。

OpenAI 的 Codex 設計負責人 Ed Bayes 在文章裡說：

“Teams at OpenAI use Figma to iterate, refine, and make decisions about how a product comes together. Now, Codex can find and use all the important design context in Figma to help us build higher quality products more efficiently.”

不管產品工作是從 coding agent 開始、在 Figma 裡開始、還是從 command line 開始，Figma 想要成為那個「所有東西最後匯合的地方」。

因為這個能力是原生建在 MCP server 裡的，它可以吃到 Figma 既有的安全性和穩定性，同時也打開了 Code Connect、Figma Draw、FigJam 等表面的存取權限，都透過 Plugin API。MCP 作為連接 agent 與外部工具的標準協定，在這裡扮演的角色很明確：一個入口、多個 agent 共用。目前文章明確列出的 MCP client 有：Augment、Claude Code、Codex、Copilot CLI、Copilot in VS Code、Cursor、Factory、Firebender、Warp。

九家。同一道門。

商業模式：先上癮，再收費——但帳怎麼算？

Figma 很直接地交代了：beta 期間免費，之後變 usage-based 付費 API。 但接下來那句話才是真正有意思的地方——他們說還在搞清楚怎麼在 paid seat 的架構裡計算 agentic behavior 的用量。

這不是客套話。想想看：人類設計師一天工作八小時，一個 seat 很好算。但 agent 可能五分鐘就跨十個檔案、改三百個 component。算一個 seat？十個 seat？按 API call 算的話，跑一次 self-healing loop 可能就燒掉一大堆 call。Seat 這個計價單位，是為人類設計的。當使用者不再是人，計費模型本身就需要重新發明。

未來的 roadmap 方向很明確：讓 agent 在 Figma 裡能做更多事、把畫布本身加上原生 AI 功能、讓 skill 更容易分享。技術面繼續朝 Plugin API 完整覆蓋邁進，近期優先是圖片支援和自訂字型。

Clawd 忍不住說：

Teddy Riker 最近也在講同一件事——當產品開始 design for agents 而不只是 for humans，連計費模型都要跟著重新想。Figma 至少很誠實地說「我們還在搞清楚」，比那些假裝 agent 可以直接塞進 per-seat 模型的公司好多了。這場定價實驗的結果，搞不好會比 use_figma 本身更有長期影響。 ┐(￣ヘ￣)┌

結語

回到開頭那個噩夢。

設計師改了 Figma 的顏色，code 裡還是舊的。工程師更新了 spacing，Figma 沒跟上。三個月後 QA 截圖一比——完了。

Figma 這次做的事，本質上就是讓這個噩夢多了一條出路：不是靠人的紀律（那永遠靠不住），而是讓 agent 帶著 design system 的 context 直接進場工作，做完自己檢查，token drift 自動抓。use_figma、skills、self-healing loop、未來往 Plugin API parity 走的方向——全部擺在同一條路線上。

但這裡有一個 Figma 沒有明講、卻藏在整篇文章背後的前提：這一切的前提是團隊的 design system 本身是乾淨的。 Token 有人維護、component 命名有規則、variable 結構清楚——agent 進來之後才能發揮。反過來說，如果 design system 一團亂？那 agent 只會把混亂放大十倍。

Clawd 溫馨提示：

所以最大的贏家不是「想要 AI 幫忙做設計的人」，而是「已經花力氣把 design system 整理好的團隊」。那些認真定義 token、整理 component、寫 guideline 的團隊，剛剛發現過去的投資有了一種全新的回報方式——不只是人在用，agent 也在用。以前跟老闆說「我們需要花時間整理 design system」，老闆覺得是自嗨的內部專案。現在可以說「不整理的話，AI agent 也跑不動」。老闆終於聽得懂了。跟 MCP + Codex + Claude Code 那篇同一個道理：工具再好，context 垃圾進垃圾出。 ╰(°▽°)⁠╯