← 返回文章列表

产品经理从0到1搭建Design System:一份完整的体系化清单

2026-06-17 Design System产品经理AIUI设计设计系统

一个产品经理不用成为设计师,但如果你正在负责产品或打算借助AI把Design System搭起来,这篇文章就是你的完整盘点——7大模块、约60项子内容、6~12个Figma文件、350~760个代码文件、60~80个文档页面。附带工作量和时间估算。

看完这篇文章你会知道

这篇文章不会讲 Figma 怎么操作、React 怎么写——那些是设计师和前端的事。但你会搞清楚三件事:

开始之前:不要从零造轮子

这是文章里最重要的一句话——对没有 UI 能力的 PM 来说,从空白画布开始搭 Design System 是最坏的选择

业界成熟的 Design System 没有一个是真正从零搭的。Atlassian 底层用了 Pragmatic Drag and Drop、Popper 等现成库。Google 的 Material Design 3 开源了完整的 token 体系和组件代码。社区里还有大量高质量起点:

你的策略应该是:拿一套现成的 → 用 AI 定制它的 Token → 只改和你的品牌/产品有关的部分。这样 Phase 2 的 Token 工作量从 2-4 周压缩到 3-5 天,Phase 3 的组件工作量直接砍半——因为你只需要改,不需要建。

这篇文章后续列的「从 0 到 1」清单,本质上是告诉你完整体系里有什么——但实际执行时,你大部分时候是在改而不是在建。记住这个区别。

全景一览:一张表看到底

模块 Figma 文件 代码文件 文档页面 典型工作量
01. Foundations / 设计基石 1–3 ~10(token JSON) ~5 2–4 周
02. Core Components / 核心组件 1–3 80–150 35–45 4–8 周
03. Patterns / 组合模式 1–2 20–40 10–15 3–6 周
04. Icons & Assets / 图标资产 1 200–500(SVG) ~3 1–3 周
05. Content Guidelines / 文案规范 N 语言包 ~5 1–2 周
06. Documentation / 文档站点 1 30–60(MDX) (即站点本身) 3–6 周
07. Governance / 治理运维 ~5 持续
合计 6–12 ~350–760+ ~65–80+ 14–30 周

一个「完整可交付」的 Design System 是 Figma Library + npm 包 + 文档站点 三位一体。缺任何一环,都只是半成品。

模块一:Foundations / 设计基石

这是最底层的东西——所有组件都从这层取值。Design System 质量的上限,在定义 Foundation 的那一刻就已经决定了。

核心是三阶 Token 架构,业界(Material Design 3、W3C Design Tokens Community Group、Atlassian)已经在趋同。2025 年 10 月,DTCG 发布了 Design Token 格式规范的第一个稳定版(2025.10),Style Dictionary v4 已原生支持——这标志着 Token 交换有了跨工具、跨平台的统一标准:

这里补充一个关键来源:这套分层逻辑最早来自 Brad Frost 的 Atomic Design(2013)。他把 UI 拆成 Atoms → Molecules → Organisms → Templates → Pages 五层,Token Architecture 就是 Atomic Design 在「数值层面」的落地。如果你要深入理解为什么 Design System 长这样,Brad Frost 的《Atomic Design》在线书是必读。

这个模块包含 12 个子内容项

设计原则 = 产品原则,PM 必须主导

很多人以为「设计原则」是设计师的事。恰恰相反——设计原则是产品决策的外化。几条典型的设计原则,每条背后都是一个产品决策:

PM 应该主导这 3-8 条原则的定义,它们是 Design System 的「产品需求文档」。设计师和工程师根据这些原则做具体选择,而不是反过来。

关键执行点:Token 命名必须和代码里的 CSS 变量名一一对应。Muzli 2026 文章的核心论断——Figma 里的 layer name 要和代码里的 component name 一致,否则就是两张皮,Design System 一定失败。

PM 实战:怎么把 PRD 翻译成 Design Token

这是全篇最重要的「桥」——PM 不会 Figma,但 PM 会写需求。那怎么从 PRD 走到 Design Token?

Step 1:从 PRD 里提取「视觉关键词」

假设你在写一个 SaaS 后台的 PRD,里面有一句:「整体风格专业简洁,暖色为主,不要太冷冰冰的企业软件感觉。」

提取关键词:专业 简洁 暖色 非企业软件

Step 2:喂给 AI,让它生成 Token JSON

给 Claude 或 ChatGPT 这样的 prompt:

我要为一款 SaaS 后台产品搭建 Design System。
视觉关键词:专业、简洁、暖色、避免传统的冷蓝灰企业软件风格。
品牌主色是 #c96442(陶土色/暖珊瑚色)。

请生成一个三阶 Token 体系(Primitive → Semantic → Component),
以 JSON 格式输出,覆盖:
- 色彩(主色/辅色/中性色/状态色/文字色/背景色/边框色,含 Light 和 Dark 模式)
- 字体(字号阶梯 H1-H6 + body + caption,字重,行高)
- 间距(基于 4px 网格)
- 圆角
- 阴影

所有 Token 使用命名规范:<类别>/<用途>/<变体>,例如 color/bg/primary。
输出可直接作为 CSS 变量的 JSON 文件使用。

AI 会在 30 秒内给你一份 100-300 行的 JSON。

Step 3:PM 审核清单——不会设计但会审

拿到 AI 生成的 Token 后,不需要设计能力,检查三件事:

模块二:Core Components / 核心组件

Design System 的"血肉"。每建一个组件必须覆盖 至少 7 个交互状态:Default / Hover / Active / Focus / Disabled / Loading / Error。

表单与输入类(约 12 个组件)

Button(含 primary/secondary/ghost/danger 变体 + sm/md/lg 尺寸)、Input / TextField、Textarea、Select / Dropdown、Checkbox、Radio、Toggle / Switch、DatePicker、ColorPicker、Form / FormGroup、Search、Slider / Range

展示与反馈类(约 16 个组件)

Avatar、Badge、Tag / Chip、Icon(整库 200–500 个图标)、Label、Link、Divider、Spinner / Loader、Progress Bar、Skeleton、Tooltip、Toast / Snackbar、Alert / Banner、Modal / Dialog、Drawer、Popover / Popup

导航与数据展示类(约 13 个组件)

Tab / TabBar、Breadcrumb、Pagination、Menu / DropdownMenu、Stepper / Steps、Sidebar / Navigation、Card、Table(排序/筛选/分页/行选择)、List / ListItem、Tree、Empty State、Comment、Code Block

状态与通知类(约 4 个组件)

Notification / 通知中心、Timeline / 时间线、Progress Indicator、Spotlight / 引导

合计:核心组件约 40–50 个,每个 1–3 个代码文件(组件 + 样式 + Story),代码侧约 80–150 个文件

参考数据点:Atlassian Design System 公开约 60+ 组件。Supernova 统计显示按钮独占 Design System 组件使用量的 23.6%,前十组件加起来才覆盖 53%。

模块三:Patterns / 组合模式

多个核心组件拼接成的业务场景块(Organisms + Templates)。这部分是多数 Design System「从能用变成好用」的分水岭。

包含约 12 种常见模式:Page Header(标题+面包屑+操作栏)、Filter Bar(多条件筛选面板)、Data Table 完整版(表格+工具栏+分页+批量操作)、Form Layout(分栏/分组/校验汇总)、Card Grid、Detail Panel(侧边详情)、Wizard / Multi-step、Dashboard Widget、Comment / Timeline、File Uploader(拖拽上传)、Login / Register 页面模板、404 / 500 Error 页面模板。

代码侧约 20–40 个文件。这些模式如果不在 Design System 里统一,每个产品线会自己发明一套,看起来都"差不多但就是不一样"。

模块四:Icons & Assets / 图标与资产

独立 Figma 文件 + npm 图标包。通常包含:

这部分如果手动做耗时最长也最枯燥。AI 可以直接生成统一风格的图标集和插画,这是 ROI 最高的 AI 赋能场景之一。

模块五:Content Guidelines / 文案规范

纯文档层面,不占 Figma 文件,但产品经理最应该关注——因为文案乱是产品经理的锅。

模块六:Documentation / 文档站点

Design System 的「产品界面」。zeroheight 2026 报告里,文档是连续多年排名第一的痛点,也是 AI 最被看好的应用方向。

每个组件文档页至少包含:名称与描述、Anatomy 拆解图(标注每个子区域)、完整 Props 表格、可复制代码示例、引用的 Design Token 名称(不是写死 hex 值)、Do / Don't 对比、可访问性要求、关联组件链接。

文档站点本身约 30–60 个 MDX 页面。好消息是:AI 能从组件代码自动提取 Props 表、生成 Anatomy 图、写 Do/Don't 示例——这几乎是当前 Design System 领域 AI 最成熟的应用场景。

文档工具推荐:Storybook 是 Design System 领域的事实标准(Atlassian 有专门的 Storybook addon,Carbon、Polaris 等主流 Design System 都用它做组件文档)。团队小的话直接 Storybook,不需要自建文档站点。

模块七:Governance / 治理运维

让 Design System 活下来的不是组件本身,是这套持续运转的机制。纯流程文档,不占 Figma / 代码文件。

包含:版本策略与发布节奏、组件新增/修改评审流程、废弃策略与迁移指南、Issue Triage 流程、Adoption Metrics(使用率、覆盖率追踪)、Figma ↔ Code 同步管道(Token 自动导出 → CI/CD 发布)、团队分工与 Ownership。

工作量估算:一个人 + AI 能做多少?

以下是基于「1 个 PM + AI 辅助」的场景估算。zeroheight 2026 报告显示:61% 的 Design System 团队觉得自己人手不够,28% 的团队只有 1–2 人。你不是一个人在"人不够"。

阶段 产出 传统周期 +AI 辅助 AI 能帮什么
Phase 1 盘点 UI 元素清单 + 不一致点报告 1–2 周 3–5 天 截图→自动识别组件、生成清单
Phase 2 Tokens 150–400 个 Token + 三阶架构 + npm token 包 2–4 周 1–2 周 根据品牌色自动生成色阶、Token JSON、同步脚本
Phase 3 核心组件 10–15 个高频组件 4–8 周 2–4 周 生成组件代码(React/Vue)、自动生成 Stories
Phase 4 补齐生态 完整 40–50 组件 + Patterns 8–16 周 4–8 周 批量生成、自动化文档、一致性检查
Phase 5 文档+治理 文档站点 + 流程规范 4–8 周 2–4 周 自动生成组件文档页、Changelog
合计 19–38 周 10–19 周

核心结论:AI 不是帮你"省掉所有活",而是把重复劳动(写 CSS、写文档、做一致性检查)的时间砍掉一半以上。人的时间应该花在「定义设计原则」「判断组件行为」「做设计决策」这些真正需要判断力的事情上。

2026 年的一个新趋势是 "vibe coding"——设计师和 PM 直接用 AI 工具(Cursor、Claude Code、v0)描述想要的效果,AI 生成代码,人不用写一行 CSS 也能做出可用的界面。zeroheight 2026 报告里这叫 "vibe coding",Supernova 2026 趋势报告则称之为 "Agentic AI"——AI 不再是单次问答工具,而是能跨 Figma → GitHub → Storybook 自主完成多步骤任务的智能体。

如果你从现成库(ShadCN/Ant Design)起步而不是从零搭,Phase 2+3 的总时间可以再压到 3-5 周。

AI 在每个环节具体能做什么(带实操 Prompt)

下面是 PM 可以直接用的操作指南,不需要设计能力。

1. Token 生成:从品牌色到完整 Token JSON

工具:Claude / ChatGPT / Cursor

Prompt 模板

我有一组品牌色,请生成三阶 Design Token JSON。
品牌主色:#c96442
辅助色:待你建议(偏暖、专业的配色)
中性色:需要 10 级灰阶(#000 → #FFF)

要求:
1. Primitive 层:原始色值(如 blue-50 到 blue-950)
2. Semantic 层:语义映射(color/bg/primary, color/text/muted 等)
3. 覆盖 Light 和 Dark 模式
4. 命名规范:<类别>/<子类别>/<变体>(如 color/bg/primary-hover)
5. 所有颜色需通过 WCAG AA 对比度检查

输出 JSON 格式,可直接作为 CSS 变量文件导入。

AI 会在 30 秒内输出完整 JSON。你打开 WebAIM Contrast Checker,抽查 3-5 个关键配色(主色+白底、文字+背景),确认对比度 ≥ 4.5。

2. 组件代码生成:从 Token 到 React 组件

工具:v0(vercel.com/v0)/ Cursor / Claude

Prompt 模板

基于以下 Token 体系,生成一个 Button 组件:

Token:
- color/bg/primary: #c96442
- color/bg/primary-hover: #d97757
- color/text/on-primary: #ffffff
- radius/md: 8px
- spacing/sm: 8px
- spacing/md: 16px

组件要求:
- React + TypeScript
- 变体:primary / secondary / ghost / danger
- 尺寸:sm / md / lg
- 状态:default / hover / active / focus / disabled / loading
- 支持 asChild(可渲染为 

AI 会生成完整组件。你需要检查的:按钮有 hover 效果吗?disabled 状态下鼠标指针变了吗?loading 时文字还在吗?

3. 文档自动生成

工具:Claude / Cursor(读取组件源码后生成文档)

Prompt 模板

读取这个 Button 组件的源码,生成组件文档页。

文档需包含:
1. 组件名称和一句话描述
2. Anatomy 结构说明(标注每个子区域)
3. Props 完整表格(参数名/类型/默认值/说明)
4. 每个变体的渲染示例代码
5. Do / Don't 使用建议
6. 可访问性说明(键盘操作/ARIA)
7. 关联组件链接

输出 MDX 或 Markdown 格式。

4. 一致性审计

设计侧:Figma AI 的「Check Designs」功能(FigJam AI → 选中设计稿 → 自动检测字体大小不一致、Token 硬编码等问题。注意:此功能为 2025 年底 Figma 官方发布,具体可用性取决于你的 Figma 版本)。

代码侧:ESLint 插件 + Stylelint 插件(Atlassian 开源了它们的 Stylelint 插件,Carbon 也有类似工具)。

5. 图标与插画

工具:Midjourney / DALL·E / Figma AI(生成统一风格图标集)

Prompt 示例

生成 20 个 UI 图标的 SVG 图标集
风格:线性图标,2px 描边,圆角端点,24×24px 画布
图标列表:home, search, user, settings, bell, mail, calendar, 
         upload, download, edit, delete, add, check, close, 
         arrow-left, arrow-right, menu, filter, share, lock
主色:#c96442

6. Design ↔ Code 同步

Figma Variables 导出 JSON → 写入 GitHub → CI/CD 自动发布 npm token 包。MCP 协议(Model Context Protocol)让 Claude / Cursor 等 AI 工具可以直接读取 Figma 里的设计变量——这是 2025 年底 Figma 官方发布的 MCP Server 能力,目前仍在快速迭代中。

PM 不会设计,但必须会审核

没有 UI 能力的 PM,拿到 AI 生成的 Design System 产物后,怎么判断好不好?以下是 PM 级的审核清单——不需要任何设计技能,全部基于产品经理的功能验收思维

Token 审核(对着 PRD 检查)

  • [ ] 主色和品牌色一致吗?(打开你的产品官网/Logo,肉眼对比)
  • [ ] 所有颜色的对比度过了 WCAG AA 吗?(用 WebAIM Contrast Checker 抽查 3-5 个)
  • [ ] Token 命名能看懂吗?(color-primarycolor-blue-500 好,让一个没看过文档的同事看一遍)
  • [ ] 有 Dark 模式吗?(如果你的 PRD 写了支持暗色模式)

组件审核(对着 PRD 里的功能清单检查)

  • [ ] 每个交互组件有 disabled 状态吗?(对着 PRD 里的权限/状态逻辑过一遍)
  • [ ] 每个按钮有 loading 状态吗?(提交按钮、保存按钮——PRD 里应该写了这些操作)
  • [ ] 错误状态有对应的 UI 吗?(表单校验失败、网络错误——PRD 的异常流部分)
  • [ ] 空状态有对应的 UI 吗?(列表为空、搜索无结果——PRD 的边界情况)
  • [ ] 用键盘 Tab 能走通主要操作路径吗?(打开页面,只用键盘,能完成核心任务吗)

整体审核(对着产品定位检查)

  • [ ] 和 PRD 里描述的风格一致吗?(「专业简洁」vs「花哨装饰过多」)
  • [ ] 和现有产品看起来是同一个东西吗?(如果现有产品已经有 UI,新旧对比)
  • [ ] 信息密度对吗?(数据密集型后台 vs 内容消费型前台,密度完全不同)

这份清单的本质是:Design System 质量 = 它对 PRD 的覆盖率。PM 不需要「审美判断」,只需要「需求覆盖判断」。

零基础 PM 启动清单:打开电脑,第一步做什么

如果你从来没打开过 Figma,没用过任何设计工具,下面是你的 Day 1 操作清单:

  1. 注册 Figma 免费版(figma.com)——免费版足够用来搭 Design System
  2. 截屏你的产品——所有主要页面,每个页面截全屏,存到一个文件夹
  3. 用 AI 做第一轮 UI 盘点——把所有截图拖进 Claude 或 ChatGPT(支持多图输入),让它输出「UI 元素清单」,列出所有按钮、输入框、卡片、标签的样式差异
  4. 确定品牌色——从产品 Logo 或官网取主色(用浏览器的取色工具或直接截图给 AI 让它识别)
  5. 选一个现成组件库作为起点——推荐 ShadCN(灵活但需要前端基础)或 Ant Design(开箱即用更适合快速启动)
  6. 用 AI 生成第一版 Token JSON——把品牌色喂给 AI,用上面 Token 生成的 Prompt 模板
  7. 在 Figma 里创建一个新文件,把 Token 录入为 Figma Variables——如果你不会操作,直接让 AI(Cursor/Claude)给你写 Figma 操作步骤,或者用 Figma 的 Variables Import 功能导入 JSON
  8. 先做一个 Button 组件——这是最简单的组件,但能验证你的 Token 体系是否好用

这个清单不需要任何设计能力,全部依赖 AI 翻译和生成。

PM 视角的搭建路线图:5 个阶段,别一步到位

业界共识是不要追求一步到位。Muzli 2026 文章指出了最常见的死亡模式:「三个月搭完组件库 → 设计师 detach 因为更快 → 工程师自己重写因为对不上 → Design System 变成没人用的博物馆。」

Phase 1:盘点现有资产(1–2 周)

截屏所有产品页面 → 列出所有在用的 UI 元素 → 标记不一致(同一个按钮出现了 4 种颜色、3 种圆角、2 种字体)。PM 可以做这个——这是产品走查,不是设计走查。

产出:UI 元素清单 + 痛点报告。AI 可辅助从截图中自动提取组件,不需要手动一个个数。具体做法:把所有截图扔给 Claude/ChatGPT,让它输出一份 Markdown 表格。

Phase 2:Tokens 先行,不发组件(2–4 周)

先建三阶 Token 架构,只发 Token 文件,不发组件。具体产出包括:

  • Figma 变量文件
  • Token JSON(可直接导入为 CSS 变量或 npm 包)
  • Token 导出/同步脚本(Figma → GitHub → CI/CD,保证 Token 更新自动同步到代码)

逼团队用 Token 重写现有样式——这一步就验证了 Token 体系是否好使。如果你选了现成组件库起步(ShadCN/Ant Design),这一阶段可以压缩到 3-5 天——因为只需要替换 Token,不需要从头定义。

Phase 3:先做 Top 10 组件(2–4 周)

按使用频率做:Button → Card → Checkbox → Input → Select → Tab → Badge → Radio → Avatar → Modal。这 10 个覆盖了超过一半的实际使用场景。 如果你是从现成库起步,这个阶段的工作是「用 AI 改 Token 定制组件样式」,而不是「从零写组件」。

产出:10 个核心 Figma 组件 + 对应代码 + Storybook 文档。AI 批量生成,PM 用审核清单做验收。

Phase 4:补齐生态(4–8 周)

扩展到 40-50 个完整组件 + 12 个 Patterns + 文档站点上线。

Phase 5:治理闭环(2–4 周)

版本发布流程 + 贡献指南 + 使用率监测 + Figma ↔ Code 同步管道。从这一刻起,Design System 才真正「活」了。

写在最后

Design System 不是设计团队的专属玩具,它是产品的基础设施。产品经理不需要亲自建每一行 Token 或每一个组件,但必须知道:

  • 完整的体系里有什么
  • 每部分的工作量大概多大
  • AI 能在哪里帮你——以及具体怎么帮
  • 先建什么、后建什么
  • 最重要的:从现成的改,别从零搭

搞清楚这些,你在和设计师、前端、管理层沟通时,就不是在说「我们建个 Design System 吧」,而是能拿出一张清晰的蓝图,告诉他们:我们需要建 7 个模块、约 6–12 个 Figma 文件、350+ 个代码文件,第一步选一个现成库做起点,第二步定制 Token,第三步先做 Top 10 组件,预计 6–10 周。这就是产品经理的价值。

参考资料:Brad Frost《Atomic Design》(2013)、zeroheight Design Systems Report 2026、Material Design 3 Token Architecture、Atlassian Design System、Supernova State of Components 2023、Claus Nisslmüller Figma Design System Architecture 2025、Figma Blog Design Systems 102、Muzli Blog 2026、Figma MCP Server(2025)