你让 AI 今天做一个按钮，它按 4 的倍数留间距；明天再做一次，它可能突然改成 13px，甚至绕过现成组件另画一个。问题已经不只是“会不会做”，而是能否稳定复现。设计师 Zelenykh Denis 的判断是：可预测性不来自模型本身，而来自围绕模型搭建的工作流程。
其中最实用的一步，是给 AI 一把能自己使用的尺子。与其说“把仪表盘做得更好”，不如交给它参考截图，要求生成页面、截图比对、列出差异，再修正，循环到差异消失。这样，“看起来完成了”不再是唯一标准。作者还建议把长期规则分层存放：每次都要读的短规则放进 CLAUDE.md；只在特定任务中需要的流程与资料做成 Skill——按需加载的技能文件；必须执行的检查则交给 Hook——满足条件才允许任务结束的自动关卡。
说白了，这属于 Context Engineering：不是反复琢磨一句提示词，而是让 AI 每次都拿到同一套组件、规范和反馈。它与设计系统的思路相同：颜色、间距、圆角和组件都应有明确依据，最好只有一个权威来源。文章给出的是作者一年多使用 Claude 的工作经验，并未提供对照实验；但它指出了一个值得设计团队留意的变化：当 AI 能从设计稿一路写到前端，真正稀缺的开始变成稳定的约束，而不只是生成能力。