设计AI进入个人助理时代:Lovart 2.0实测
AI 生图和改图已经很强,却依然救不了双 11 期间疯狂加班的设计师。AI 出图确实快,但出图之外的灵感、沟通协作和反复改稿才是耗时大头:团队要先理解客户品牌调性,换成 AI 仍要反复交代要求,项目一长还怕风格跑偏;下个类似项目,上次磨合好的经验又得从头教。老板和客户看不到这些隐形成本,只会问都有 AI 提速了,交付速度为何没成倍提升。现阶段的设计 AI 让人感觉本末倒置,过去指挥人,现在指挥 AI,该用的时间一点没少。我真正期待的 AI,是在交代清楚需求后能顺着逻辑自己推进,而不是每走一步都像监工一样重新发号施令。

Lovart 刚发布的 2.0 版本,把更新重点放在生成之外的工作上。新推出的个人设计 Agent「Arti」会持续了解用户审美和工作习惯,主动参与设计过程,让每次磨合出的经验在后续项目中继续发挥作用。此前实测 Lovart 时发现,其审美表现已很出色,但最大痛点是缺乏连贯记忆,每开新项目都像面对新同事重新带一遍。Arti 正是为解决 AI 失忆问题而生:首次进入会主动引导建立个人记忆库,后续可用自然语言增删修正,也可导入作品集,或让它从历史项目与对话中提炼审美习惯与背景偏好,作为后续任务底层参考。把 HomePod mini 2 方案交给 Arti 时,它会先调取记忆库整合思考,再针对关键细节主动询问更多信息。

设计项目从来不是单向展现自我风格,而是将过往经验与当下素材融通,结合不同品牌视觉调性,判断流行趋势是否适合客户,并清晰传递设计方向。单纯搜罗素材不够,真正耗费心力的是将海量碎片参考梳理成有逻辑、能支撑决策的深度调研与视觉提案。Arti 像一位经验丰富的设计研究员,能主动开展全网调研:音箱海报生成后,它会在后台到 Google、Pinterest、Behance 等数十个主流设计平台抓取高质量参考,最终交出涵盖溯源链接、深度趋势分析、专业设计建议及情绪板的报告。报告可一键添加回对话框,情绪板图片还能直接拖入画布接入后续创作。这一切支持后台异步运行,切出页面处理其他工作也不占用等待时间。

当画布上飞机稿和方案越来越多,经历几轮改稿后,AI 很容易漏掉最初确认的需求规范,前后视觉风格出现断层,难以维持统一设计语言;团队协作时还可能遇到同事拿粗糙 AI 素材凑数、拉低整体质感。Arti 的「画布巡检」会在后台实时对齐最初项目要求与设计规范,无感做一致性核查,一旦发现偏离主题或细节遗漏便及时预警,好比一位极具品控意识的资深主美在幕后兜底,不必再反复向 AI 强调要求。
Arti 的多人协作也很打动我,很大程度解决以往协作中同事反馈不及时、甲方「不说人话」的问题。团队分享作品时可打开「允许评论」,我接收修改,客户也能在设计稿具体位置留意见。设计被打回返工时,设计师可一键把评论交给 Arti 处理,不用再截图、圈位置再向 AI 解释怎么改。后续修改可在同一链接更新,随时分享客户;哪怕客户最后觉得「还是用第一版」,也能从历史版本找回。在线文档早已普及的打点批注与版本回溯,如今被 Arti 用 AI 方式搬进设计工作,把设计师从沟通磨损中解脱出来。
项目落地后,团队往往通过复盘沉淀经验,但过去 AI 极度缺乏成长性,精心磨合的设计资产用完就被扔在一旁,下次同类需求仍要从赛博角落翻出旧案、重写一堆 Prompt 再教一遍。Arti 的「Skill 自进化」打破这种单点耗损:它能自动从重复劳动中提炼规律,将成熟流程与交付标准封装成可复用 Skill,让积累的设计经验不再用完即弃。开启新项目时,只需带入新素材,就能套用先前磨合出的最佳工作流,不必从零排兵布阵。当「Skill 自进化」搭配「记忆系统」,AI 便具备真正意义上的自我演进能力,先前项目磨合出的经验、习惯甚至手感都会成为后续项目的数字资产,带来滚雪球般的协作复利。往后也许只需一句轻描淡写的需求,就能换来一套系统、高质感的视觉表达。前几天火出圈的「特斯拉会飞」,也能用简单描述快速落地成 KV 加延展视觉。数学家怀特海曾写道:「文明的进步,在于扩大我们无需思索便能完成的重要操作的数量。」Arti 展现出的正是这种潜质,把复杂隐性经验变成无需反复干涉的本能。这些总结出的技能完全透明可控,支持随时查看、管理或关闭,不会带来额外维护负担。Arti 的成长还带着温度,引入成长路径与角色设定,能在一次次协作中根据工作习惯解锁不同形态与默契。
如果说前面解决的是设计流程里的单点痛点,那么 Lovart 2.0 最大的更新是把这些能力整合起来,化身为 24 小时待命的自动化设计团队,即「设计委托」。就像给真实团队下发需求一样,只需明确任务目标、期望交付标准或附上基础素材,就能快速建立专属委托任务。设定好后,Lovart 能按预设节奏自动完成竞品动态监控、每日灵感收集、营销日历内容筹备等高频琐碎工作。为让自动化既省心又安全
更多推荐阅读

被称“最无聊机器人”的Dyna,靠叠衣服找到机器人Scaling Law
《纽约邮报》曾称Dyna Robotics为“全世界最无聊的机器人”,而公司创始人认为这是“对一家机器人公司最高的赞美”。Dyna-1主攻叠毛巾、叠衣服;新发布的Dyna-2让机器人Taku进入洗衣房,完成放脏衣服、操作洗衣机、取出送烘干机、折叠放架等流程。联合创始人Jason Ma表示,机器人真正开始工作本就应是“无聊”的,真实部署是衡量机器人的“唯一评估”;机器人不能落地,不是因为没有腿或手,...
2026-10-20 09:48:01
前剪映负责人做视频Agent获千万美元融资
视频Agent赛道出现新玩家Pexo,与采用画布工作流的产品不同,Pexo将剪辑和视频整合在产品中,支持用自然语言对话创作视频。公司已获千万美元天使轮融资,此前于2025年10月获得数百万美元投资。创始人廖谦曾任生数科技产品副总裁、Vidu产品负责人,也曾在腾讯、字节跳动任职,从技术研发转向AI产品与商业化,先后从0到1搭建火山引擎智能创作云,并在剪映/CapCut发起海外AI内容平台Pippit...
2026-10-20 09:26:14
DeepSeek搜索卷起来后,前负责人创业做全网捞人
近日,DeepSeek开放了自研网页搜索接口,披露该引擎每天处理全球数亿次请求,已收录千亿级网页,正将搜索能力开放给更多开发者。 在搜索对象中,人物信息最为特殊,难点在于把零散线索拼到同一个人身上。Simplex AI创始人张博曾任DeepSeek-VL项目负责人,其团队推出的Lev8主要面向GTM,人物搜索是流程起点。用户用自然语言描述目标,系统即寻找符合条件的对象,结合公开资料判断匹配度,生...
2026-10-20 08:09:15
蚂蚁领投!清华系AI创企熵简科技完成C轮融资
智东西10月19日消息,北京AI金融创企熵简科技宣布完成C轮融资,由蚂蚁集团领投,东方国信与乔贝资本跟投。融资后,蚂蚁集团将与熵简科技在AI金融智能体研发、AI金融垂域模型训练等领域展开深度合作。 熵简科技成立于2017年,主要依托大数据、云计算、人工智能等技术,打造全资产、全流程的端到端智能资产管理平台。公司名称源自热力学第二定律中度量系统混沌程度的“熵”,“熵简”寓意通过AI降低金融投研的复...
2026-10-20 09:26:26
Anthropic预言奇点已至:2030年美国GDP或飙至44万亿美元
在曼谷举行的国际货币基金组织佩尔·雅各布森讲座上,Anthropic联合创始人Jack Clark提出判断称“奇点已经到来”,即技术进步速度已甩开人类理解和跟进的能力。他预测,在奇点驱动下,到2030年美国GDP将升至44万亿美元。按常规推演,该数字为33.5万亿美元,奇点带来15.4%的额外GDP,平均每年约6%的GDP增长;到2030年前后,累积生产率提升与资本积累将把美国年化经济增长率推高至...
2026-10-20 08:36:21
港科大CMU联手开源新模型:KV Cache砍掉99%,单卡吞吐飙6倍
谷歌一篇论文提到KV Cache至少能压缩6倍,曾引发美光等存储芯片巨头股价下跌。几个月后,岩山科技旗下岩芯矩阵联合港科大、CMU等高校发布并开源EdgeRock-4B,对KV Cache的处理更进一步:上下文从4K扩展到256K,KV Cache占用始终固定在72MiB,相比源模型减少99.1%。一张80GB显卡可同时跑512路长推理,输出吞吐达12124 tokens/s,是源模型的6.42倍...
2026-10-20 23:25:26