Figma 在印度首场 Config 推 Specs 与代码层：给 AI 智能体立设计规矩

新闻原文

10 月 14 日至 15 日，Figma 在其首场印度 Config 活动上宣布一系列面向智能体的新功能。核心是 Figma Specs：一个基于 Markdown 的编辑器，让团队用简单方式定义自己的设计语言，作为设计与智能体共创时的统一参考。

Specs 既可作为 Figma 中的独立文件，也能与画布共存。除了文本编辑，用户还能引用画布元素、嵌入 FigJam 图表、代码层与设计稿；团队可引入设计库、代码库与规范，统一管理设计系统的上下文。

同一周，Figma 将其画布上的智能体（agent on canvas）向更广用户开放，并同步把代码层功能推进到公开测试。代码层让设计稿带上可交互代码，用户可让智能体把设计转成代码、或改动部分代码来迭代原型。

Figma 同时宣布通过 MCP 新增超 20 个工具支持，包括 Open Code、Dia、Grok Bot 与印度 AI 初创 Sarvam。去年收购的开源无头 CMS Payload 也正与 Figma Make 集成，用于动态建站与内容直管，其下载量近一年增长六倍。

企服观察

Figma 这次想解决的，是「AI 生成的设计不可控」这个老大难。设计语言用 Markdown 集中写一份，团队和第三方智能体都来读同一份规矩，等于给非确定性的 AI 加了一道可对齐的锚点。

Specs 的巧妙在于它长在画布上。设计、图表、代码层能被拖进同一份文档再拖出去，属性不丢，人和智能体的评论共用一个线程。这种「上下文就在手边」的体验，比把规范丢进另一个 wiki 强太多。

代码层进公测是个意味深长的信号：Figma 不再满足于「画完交给开发」，而是让设计稿本身就是可运行的代码。设计到开发的翻译成本被压到极低，原型到产品的距离大幅缩短。

但得清醒：代码层仍是公测，Crisan 自己也承认 AI 是非确定性的。Specs 能引导智能体贴近品牌规范，却无法保证输出一定可预测。企业别把它当成「设计即生产」的开关，关键链路仍需人审。

MCP 接入超 20 个工具，说明 Figma 想当智能体开发生态的「上下文中枢」。通过 MCP，Codex 这类编码智能体能读到规范及其链接的设计、代码层、连接片段，Figma 从编辑器变成智能体的数据源。

对设计师与开发的关系，这是一次重新洗牌。过去二者靠交接文档沟通，现在规范、设计、代码在同一个画布流动，协作面被拉平。能同时驾驭设计与代码层的复合人才会更吃香。

印度市场的分量被显著抬高。Figma 称印度是其美国之外最大用户市场，覆盖孟买证交所百强中 40% 的公司。把首场 Config 放在印度，既是市场示好，也是争夺全球南方开发者心智。

一个被反复引用的数据是：代码产量涨了 17 倍，发布只涨 1.3 倍。Figma 借它论证「瓶颈在决策而非生产」——大量代码其实用于探索产品而非上线。Specs 正是想帮团队先想清楚再生成。

对企服与设计协作厂商，Figma 的打法给了一条路：不追更大的模型，而是把「规范—设计—代码」的上下文统一起来喂给智能体。谁先把这份上下文做扎实，谁就掌握 AI 时代的协作入口。

风险在工具碎片化。Specs、代码层、MCP、Payload 集成同时铺开，免费方案用户首发不覆盖，定价也未公布。团队若把所有协作都押在 Figma 上，要评估被单一画布绑定的退出成本。

从产业视角，Figma 正从「设计工具」转向「软件构建的协调层」。它不自己做模型，而是把设计系统变成智能体可消费的接口，这种「做管道不做引擎」的姿势，和当年做平台的逻辑一脉相承。

对国内团队的建议很落地：先把设计规范、组件库、代码片段整理成结构化文档，再接 MCP 让智能体读取；别急着让 AI 全自动出码，先用 Specs 约束风格与边界，逐步把原型迭代权交给智能体。

值得关注的是，Specs 把「需求」重新拉回设计工具的中心。当生成代码变得廉价，真正稀缺的是「该做什么」的判断；Figma 用一份可被智能体读取的规范，把这份判断固化下来，等于在源头给 AI 划定跑道。

对大型组织，Specs 的多人协作与版本对齐能力可能比 AI 功能更实用。分布式团队常在需求理解上产生偏差，把规范放到画布上与设计同处一地，能显著减少「各写各的文档、各改各的版本」造成的返工。

总体判断：Figma Specs 与代码层不是功能堆砌，而是给 AI 时代的「设计—开发」链路立了规矩。它的价值不在某一项多炫，而在于把分散的上下文收拢成智能体可读的单一事实源。