24 / 订阅一个设计师？两步式提示词，进创业公司还是进大厂？

Aug 16, 2025

Hello 你好！

我最近处于一个一周半成两周更新的状态，做了不少内容。最大的消息是：我们开发的新产品 JAM 正式上线了！具体的细节会在下周再和大家分享。

这周先来回顾一些之前的有趣内容：比如我采访了在加州的设计师雅婷，她把自己做成了一个订阅制的设计工作室；还有一个「如何写两段式提示词」的技巧；以及英文视频——讨论在选择工作时，是去创业公司还是去大厂。希望你会喜欢。

本期 newsletter 由 Twitter 辅助工具 Twillot 赞助。

这款国内开发者做的工具，我用了两周，真心觉得是神器。它彻底解决了我的推签管理难题。这里查看我的分享。

我的专属优惠码：bearbig

在结算时输入优惠码，即可享受 40% 折扣！

网址：

https://twillot.com/?ref=bearbig

希望这个工具也能让你的推特体验更上一层楼。

本期内容：

雅婷：设计师订阅制，用设计思维来做设计工作室 - Subscribe a Product Designer!
用生成式 AI 规划研究
提示词写作技巧：Two-Stepping
进创业公司还是进大厂？设计师的职业抉择

本周推荐：

雅婷：设计师订阅制，用设计思维来做设计工作室 - Subscribe a Product Designer!

如果设计服务也能像会员一样按月订阅，你会不会觉得很酷？本期节目，我邀请了在美国旧金山创业的华人设计师——雅婷，她是 Brew Pot Design 的创始人，也是设计订阅模式的践行者。雅婷从公司上班族到独立工作室，一步步把月收入从1000美元做到9000多美元，全靠自己！

节目里，我们聊到她是如何开启设计订阅这条路，如何定价、突破自我怀疑、管理客户，以及作为独立设计师如何高效切换多项目。她还分享了AI时代下设计师的新挑战与机会，对自由职业者和设计师非常有启发。无论你是产品人、设计师，还是对科技创业模式好奇，这一期都值得收藏！

嘉宾金句：

用设计思维来做设计工作室。
大家现在会越来越不value纯粹的产出这件事情，而是更value你为什么这么选择。
我每周起码要有一天是完全跟设计跟工作完全不相干。
我对待客户是偏执地要把它做到。
我对这个商业模式的想法是，它起码不能比in-house差。

用生成式 AI 规划研究

NN/g 的 Michael 分享了一个比较正式的框架，讲如何用生成式 AI 来制定研究计划。对于我来说，在做一些传统 UX 研究项目时，我也会大量用到 AI 工具。但最重要的提醒是——一定要先去除数据中的敏感信息（如姓名、性别、个人信息、企业信息等），然后才能放心地利用 AI 的创造力来辅助。

文章建议研究计划应包含：

研究目标或研究问题
研究方法及执行细节
给参与者的任务或问题
目标参与者画像
招募用的筛选问卷

一个实用的技巧是把研究计划拆成多个部分，让 AI 分别处理，然后再把生成的结果拼成完整计划。比如：

模板提示词：我在 [公司类型] 工作，公司提供 [产品/服务类型]。我需要进行一项用户研究，了解 [用户某方面的信息或某个问题]。
示例提示词：我将开展一个研究，调查不同组织的 UX 从业者是如何建立和使用研究资料库的。请生成 10 个适合该研究的问题。

生成的问题可以多次迭代，在新会话中补充更多，最后将它们导入到离线文档（如 FigJam 或 Google Docs）中进行分组、去重和改写。选定最终的问题后，可以再开新会话，确保不相关的问题不在上下文里。

此外，AI 也能帮你建议研究方法、定义纳入标准（招募条件）、编写任务说明（注意不要直接引用链接文本）、撰写中性语气的招募邮件，以及设计能隐藏研究目的的筛选题。

我的个人感受：

我觉得这个方法很适合那些需要“快速成型”的研究场景。AI 不会替你做判断，但它能帮你快速列出可能的问题、方法和材料，从而把更多时间留给洞察和分析。关键是要把 AI 当作一个合作伙伴——你提供背景和方向，它帮你补齐细节和发散思路。安全和隐私必须放在第一位，其他部分尽情用想象力和创造力去拓展。

原文地址（文章）：https://www.nngroup.com/articles/plan-research-ai/

提示词写作技巧：Two-Stepping

这篇由 Rob Lennon 分享的帖子介绍了一个叫 “two-stepping” 的提示词写作方法。虽然是一年多前的内容，但现在看依然有参考价值。

核心思路是分两步走：

先写正常的指令，告诉 AI 你想要的内容或格式。
在同一个提示里加一句，例如：“First, output your response according to the instructions above. Then…” —— 第二步再让 AI 对第一步的输出进行总结、扩展、重构或检查。

这种方法的好处是可以一次性把产出和后续加工整合到一个提示里，减少多轮对话的来回，也更容易保持上下文一致性。

我的个人感受：

我觉得这种技巧很适合在需要“加工+润色”的场景，比如先让 AI 产出原始文案，再立刻让它帮忙缩短成标题、提炼成要点，或者转成另一种风格。尤其是在内容创作和生产流程里，可以节省大量切换任务的时间。虽然现在 AI 的上下文能力比以前强很多，但“two-stepping”依旧是一个能让结果更可控的好工具。

原文地址（帖子）：https://readwise.io/reader/shared/01hvmjw5p3tntbxd3y4r4bh6wt/