產業應用現況、流程地圖，與三個學生回去就能用的關鍵詞。
先把一個誤會講清楚：AI 不是設計師「即將要會的工具」，是 2026 年互動設計工作室的日常標準配備。從第一次開會的腦力激盪，到最後交付的程式碼，每個環節都已經有 AI 介入。
把一個專案從開始到交付拆成六個階段，每個階段對應的 AI 介入點都不同。同一個工具（譬如 Claude）在不同階段，要設定的角色、給的關鍵字、要求的輸出格式也都不一樣。
不同類型的工具有不同的擅長場景。重點不是「用哪一個最好」，而是「在哪個情境用哪一個」。
「圖像生成」這件事在實務上不是一件事，是五件事。每一種圖的目的不同、容忍度不同、給 AI 的素材精度也不同。
這是實務上最關鍵的判斷：你給 AI 的原始素材要定義到多清楚？答案取決於三件事——成果的細緻度、正確度、最終要呈現的尺寸。
以下三個詞，是天工開物日常工作裡，最常被驗證有效的 prompt 關鍵字。從前期、中期到製作各階段一個。學完今天就能用，回去打開任何一個 AI 都能立刻測試效果。
一般人問 AI「請幫我設計一個展覽的觀眾體驗」，AI 通常會回給你一個功能清單、流程步驟、區域配置——這些都對，但都是「執行表」，不是「體驗」。
ENA 這個關鍵詞會強迫 AI 用「敘事架構」來思考體驗，產出立刻會有情緒、有節奏、有起承轉合。
對展覽、活動、互動裝置、品牌空間這種「需要觀眾走過一段旅程」的設計類型特別有效。也很適合在前期幫你把模糊的概念，變成可以對齊團隊與客戶的故事骨架。
問題的本質：自然語言描述視覺，會出現「形容詞地獄」——很多形容詞、AI 各自解讀、結果隨機性高。
用 YAML 結構化描述視覺需求，AI 的輸出穩定度會大幅提升，
而且每一次微調都可以精準控制。
這個方法對「需要多次迭代」的場景特別重要：你想換光線方向、改鏡頭高度、換主色調，都可以只改 YAML 裡一行。AI 會自動把其他條件保留下來。
散裝指令是 AI 寫程式最大的問題來源——你想到一個改一個，結果整體邏輯被改得亂七八糟。
給 Claude Code 一份完整的 PRD，產出的程式品質、一致性、可維護性會遠勝零碎指令的累積。
PRD 不是給工程師看的——是給 AI 當「世界觀設定」用的。它告訴 AI 這個產品是什麼、為什麼存在、有什麼邊界、什麼能做什麼不能做。AI 之後寫的每一行程式都會對齊這份文件。
下一個階段不是「換更強的 AI」，而是「多個 AI 之間怎麼串起來工作」。設計師要學的不再是單個工具，是工作流。
AI Agent 的真正意義不是「更聰明的對話框」，而是它可以自己讀檔、自己跑、自己改、自己交付。設計師的工作不再是「按按鈕」，而是「定義任務 → 派工 → 驗收」。
AI 不是用看的、不是用學的，是用試的。今晚回宿舍，挑一個你正在做的作業，把今天三個關鍵詞中的任何一個丟下去，看看 AI 給你的回應有什麼不一樣。
關鍵詞、提示語、結構化思考——這些東西不是設計工作的替代，是設計師接下來幾年最重要的新基本功。