01
起点：产量上来了，信任没跟上
AI 现在一次能生成十几个界面，但我不敢直接拿来用。远看是对的，细看每一层的命名、层级、类型都可能是随手给的——图层叫 Frame 1、Container、Text，嵌套没有逻辑。人能看，机器不能用：没法批量导出、交接，也沉淀不成可复用的资产。 问题不在于 AI 做得不够快，而在于我没办法快速确认它做得对不对——逐层点开检查，比自己画一遍还慢。我想要的是一道二次校验。
02
定位：管线上的质量门
这一步目前是缺位的。现有插件大多停留在帮你改名字、查样式一致性，没有一个回答这份稿子达没达到可以交出去的标准——而产量越大，人工抽查越不可能。 AssetGate 补的就是这个位置：AI 生成 → AI 按规范整理 → AssetGate 验收。 标准写一次，机器执行一万次，返工发生在交接之前。
03
三个设计决策
信任优先。 每条问题回显它违反的具体标准，点击即跳转定位，界面常驻"只检查，不改动文件"；机器判不了的五类情况写在面板最顶部，不假装能判。 标准由使用者定义。 做的是"定义规范 + 执行检查"的能力，不是某一套具体规范。设定项全是大白话勾选，不需要懂正则。 只做客观可判的规则。 确定违规的计入合格率，启发式判断的只算建议——宁可少报，不可误报。
04
边用边调：三轮把误报清零
规则不是一次想清楚的，是拿 AI 生成的真实文件一轮轮试出来的。 第一版 28 个问题，19 个是误报——文字外面套的同名 Frame 被判"不是文字图层"，emoji 图标被要求改成 txt/。第二版 9 个问题，全是误报。第三版归零。根因是同一个：我在做字符串匹配，而正确的做法是先看这个图层实际是什么。 每一轮都是同样的动作：拿真实稿子跑一遍 → 看哪条报错不合理 → 改规则 → 再跑。工具好不好用是磨出来的，不是一次设计出来的。
05
两级结果：必须修的，和值得看的
结果分两级：必须修的是客观违规，计入合格率；建议看看的是启发式判断，不计分。 同一套界面设计，Figma Make 原始产出 88 层、88 个必须修；把命名规范交给 AI 重新生成后 0 个必须修，但还剩 24 条建议——AI 会严格遵守你写下的规则，但不会做你没说的事，那 24 条全是规范里没写的两件事。 所以哪怕合格率 100%，那 24 条也值得看一眼。机器能判的是"有没有违规"，判不了的是"这样做是不是更好"——把后者留成建议交回给人，比强行计分更诚实。
06
反思与下一步
如果重来，我会把标准前置到生成环节：在提示里就注入命名与结构要求，让 AI 生成时就合规，检查器只做兜底。事后拦截，永远比事前约束贵。 更完整的形态是把链路打通：生成时注入标准 → 自动整理 → 机器验收 → 合格资产打标入库。 现在 AssetGate 只占第三环。下一步接上 Figma Agent，等链路闭合，它就不只是一个插件——这也是我理解的 AI 时代设计工具该走的方向：不是替设计师做决定，而是把设计师定下的标准，变成机器可以反复执行的东西。