这期对你有两个正面命中:你在做选股看板(数据可视化),又在用 AI agent 做精美 app(交互原型)。Elizabeth 全程在演示怎么用 Cursor 把这两类东西做精致。
StockHelp(选股看板)—— 强命中(数据可视化)
1. 把"难看的理财 dashboard"做到"惊艳"——她的具体清单
- 怎么做的:Elizabeth 现场把一个丑的理财 dashboard 一步步救活:去掉廉价的 drop shadow(投影)、对标 Robinhood/Stripe 的克制风格、搬出数据可视化宗师 Edward Tufte 的理念(少装饰、让数据本身说话);关键纪律是"一次只改一两件事",别让 AI 一把全改导致失控。她还用了个心理学小把戏:让 AI 设想"Apple 顶级设计师会怎么评价这个设计"来抬高输出品味。
- 你可以怎么做:你的 Streamlit 看板正是"信息密集的理财 dashboard"。照搬她的清单:去掉默认投影/花哨边框;在 prompt 里写明对标对象(Futu?Stripe?);把"被低估程度、PE 分位"这种核心信号做视觉强调、次要数据弱化;每次只改一两处、截图对比。
2. 数据可视化"特别适合"用 Cursor 做
- 怎么做的:Elizabeth 和 Claire 都点到,data visualization 是 Cursor 的强项——它本质是"数据 + 代码渲染",AI 能直接写出图表逻辑并实时预览微调。
- 你可以怎么做:StockHelp 现在用 Streamlit(够快但样式受限)。可以让 Cursor 帮你写一两个自定义图表组件(比如 5 年 PE 分位的可视化),跳出 Streamlit 默认控件那股工程师味。Phase 1 只看数据的目标不变,但"看得更清楚"本身就是信号。
app_incubator(7-Agent 造 App 链路)—— 强命中(精美原型工作流)
3. 先问 AI"你会哪些风格",再挑,再用同一 prompt 反复重跑
- 怎么做的:Elizabeth 征集风格的方法很反直觉——不直接说"做个好看的",而是先问 AI"你都会哪些设计风格",AI 列出 Brutalist、Y2K 等,她挑中意的(Brutalist + Y2K 混搭),再用同一句 prompt 反复重跑出变体。
- 你可以怎么做:这正治"老气"——在链路里加一步"风格选择":先让 agent 报菜单、你(或一份偏好配置)选定一个有性格的风格,再生成。把风格从"AI 默认"变成"你显式点的菜"。
4. checkpoint 存档 + Cursor rules + design system 迁移
- 怎么做的:她用 checkpoint(存档点,AI 改坏了一键回退)、Cursor rules(给 AI 定的项目级常驻规则,搭了个 playground)、把一套 design system 在不同原型间迁移复用;还演示了一条 prompt 加音效做交互(钢琴),说明"带声音的交互"现在很容易。
- 你可以怎么做:你的 7-agent 链路可借这几招稳质量——把设计契约做成类似 Cursor rules 的常驻规则;用 checkpoint 思路给每个 app 留可回退节点,agent 跑歪了不至全废。
Personal Thinking(第二大脑)—— 弱命中(可迁移)
Notion 数据库驱动做"自制 Goodreads 书架"
- 怎么做的:Elizabeth 用 Cursor 接 Notion 数据库,做了个数据驱动的书架原型(她的梦想是自制 Goodreads),把 Notion 当唯一可信源、上面套层好看 UI。
- 你可以怎么做:你第二大脑也是 Notion 重度用户(视频/书都上库)。同招可做个"读过的视频/书"可视化看板:拿现有 Notion 库当数据源、Cursor 套个好看前端。不过这是锦上添花,别和主线抢精力。
更深三角度
- 该反着用:Elizabeth 是设计师,手感好、能即兴判断"这版更好";你优势在系统化。她那套"凭手感反复重跑挑最好"的即兴流对你成本高。反过来:把她的成果(去投影、对标 Stripe、Tufte 原则、风格菜单)沉淀成 agent 的固定规则,让系统每次默认产出接近她手调的水平,而不是你每次手调。
- 和你现在做法冲突:她"一次只改一两件事、靠反复重跑试错",跟你"设计稿即工程契约、一次成型"的工程化思路有张力。她容忍混乱、探索性;你要收敛、可验证。也许做精美 UI 的探索阶段,该故意"不那么工程化",留试错空间。
- 对你的镜子:你把"老气"归为能力问题,但 Elizabeth 全场在说——好设计来自"拓宽灵感来源 + 教 AI 你喜欢什么",不是更努力调参。她会丢 K-pop MV、冷门艺术给 AI 当灵感,对抗"所有人都从 shadcn 起步"的同质化。你缺的也许是一个参考库,不是一个更好的 prompt。
One Human Company 新号(2026-07 回填)
"先问 AI 会哪些风格再点菜 + 喂冷门素材"——一篇可实测的 C 类选题
- 怎么做的:Elizabeth 对抗 AI 同质化的两招都很反直觉:一是不说"做个好看的",而是先问 AI"你都会哪些设计风格",让它报菜单(Brutalist、Y2K……)再挑着混搭——把 AI 从"执行器"反着用成"灵感发生器";二是故意丢冷门素材(K-pop MV、它平时不借鉴的艺术作品)给 AI 当参考,专治"所有人都从 shadcn 起步"的撞脸病。
- 你可以怎么做:候选标题《设计师说"别让 AI 直接做,先让它报菜单",我在自己的 App 上试了这两招》——拿 drizzle tech 正在 building 的 App 实测:同一个页面,默认 prompt 跑一版 vs "报菜单点菜 + 喂一个冷门参考"跑一版,贴对比图、记多花的轮次和 token 钱,给出你的判断(哪招值、哪招是玄学)。可抄物是"风格点菜三步提示词"。闸门自检:删掉实测对比就只剩转述 Elizabeth 的技巧,不成立——所以这篇必须等 App 设计环节真跑过再发,能过。顺带 D 类立场句备选:"AI 时代的差异化不是 prompt 写得多好,是你喂了它别人没喂的东西。"
所以呢
- 思维模型:【耐用】"对标 + 减法"——指定一个你认的标杆产品、再做减法(去装饰、突出核心数据),比凭空想好看可靠得多,对看板、app、封面都适用。【会过期】Cursor 的具体功能形态(checkpoint/rules)会变,记"存档回退 + 项目级规则"这个抽象。
- 判断更新:你的看板和 app,差距不在数据/功能,在"有没有一个明确的视觉标杆 + 一套减法纪律"。
- 这周一个赌注:拿 StockHelp 看板做一次"Elizabeth 式重做"——选定标杆(Stripe/Futu),让 AI 按"去投影、突出被低估信号、一次改一两处"重做首屏,和现在的 Streamlit 版对比。一个晚上能见效。