全球品牌設計語言當簡報版型!Claude Design搭Refero快速做出專屬簡報,還能大省token
全球品牌設計語言當簡報版型!Claude Design搭Refero快速做出專屬簡報,還能大省token

「我在 Claude Design 上一天燒掉 500 美元」——AI Automation Society 創辦人、YouTube 70 萬訂閱的 Nate Herkelman(@nateherk),在 2026 年 4 月 30 日的 X 貼文上這樣說。

Anthropic 在 4 月 17 日發布 Claude Design 後,他在 Max 20x(月費 200 美元)方案上一天就用掉 30% 的週限額,連續加值好幾次只為了搞清楚「到底怎麼用才不會燒錢」。

順著這個故事往下談。本文接下來借鏡 Nate Herkel 的經驗,探究怎麼把 Claude Design 用得最省;再談如何利用 Refero 這個「世界級品牌設計參考庫」當作捷徑,讓 Claude Design 直接讀大廠的設計語言當模版,做出一套屬於自己的簡報版型。

怎麼搭最省 token?Chat 規劃 + Design 執行

Claude Design 跟 Claude Code 是同一條技術底層,但跑在 Opus 4.7 的視覺能力上:每次出圖後,模型會自己截圖檢查、抓出問題、修好再給你看,這個自我驗證迴圈是真的能用,但代價是 token 吃得兇,而且 Design 的限額和 Claude/Claude Code 是各自獨立的。

最關鍵的心法只有一條:不要在 Claude Design 裡腦力激盪。Design 的工作是「執行已知 brief」,不是「想 brief 該長什麼樣」。每多一分鐘在 Design 裡空轉,都是真金白銀燒進去。

實作上,整個流程拆成三步:

  1. Chat 模式先把需求講清楚:在一般 Claude 對話視窗裡產出市場研究、品牌定位、簡報大綱、用色與字型清單。

  2. 進 Claude Design 填寫資料:把 Chat 裡產出的 markdown 規格、Logo PNG、品牌色 hex code 全部餵進去。

  3. 實作:在 Design 的畫布裡用編輯工具細修,重大方向錯了當下就停。

光是把腦力激盪移出 Design,就能省掉不少週限額。現在談完方法後,接下來看具體如何操作。

第一步:在 Chat 模式裡寫好「設計規格 markdown」

打開一般 Claude 對話視窗(不是 Design 喔!),讓它幫你產出一份 brand spec markdown,目標是涵蓋:使命、TA、配色、字型、語氣、Logo 概念、競品定位。

可以直接複製下面這段 prompt 當起點:

我要為 [品牌名稱] 製作一套品牌設計規格 markdown 文件,預計給 Claude Design 使用。請涵蓋以下章節:

1. Mission(使命,一句話)
2. Audience(核心受眾,含具體職業/情境)
3. Color palette(主色+輔色,附 hex code,共 4–6 色)
4. Typography(標題字型、內文字型,各給 1 個西文 + 1 個中文選項)
5. Tone of voice(3 個關鍵詞)
6. Visual reference(請列 1–2 個我可以參考的世界級品牌的設計語言,例如「Linear 2023 介面感、字距較密」)

請輸出可直接複製到 .md 檔的格式。

實測案例顯示,進 Design 前產出 300+ 行 markdown 並不誇張,標準是進 Design 前已經知道這套品牌長什麼樣。

完整設計規格 markdown 範例請點我

第二步:用 Refero 拉一份「世界級品牌的 DESIGN.md」當參考

到這一步,多數人會卡住:手上沒 Logo、沒設計語言參考。這時候 Refero Styles 就派上用場。

Refero 是一個設計參考資料庫,可以「依品牌、氛圍、配色、字型或網址」搜尋設計風格。每一個風格頁面都會提供:色彩、字型、間距、組件,以及一份 DESIGN.md 規格檔,是設計類 AI agent(包含 Claude Design)能直接讀懂的格式。

操作流程:

  1. 在 Refero 首頁瀏覽 Trending/Popular/Newest 三類,或直接以氛圍/配色搜尋(例如 minimal、bold、editorial)。

  2. 找到一份接近你目標風格的設計,下載它的 DESIGN.md

  3. DESIGN.md 跟你在第一步寫好的 brand spec markdown 一起,丟進 Claude Design。

但要注意,Refero 的 DESIGN.md 是「設計語言的骨架」,不是「品牌商標的複製版」。把它丟進 Claude Design,你拿到的是配色邏輯、字型搭配、間距節奏這類底層規則,而不是直接抄哪個品牌的 Logo。

Refero Styles
Refero Styles 內提攻的 Design.md 檔,說穿了就是記載設計規範的 markdown 資料,下載下來後,就可以當作參考。
圖/ Claude Design

實作時,建議先把 Refero 的 DESIGN.md 改名(避免 Claude Design 讀檔混淆),並在 prompt 裡標明「以這份 DESIGN.md 為設計語言基礎,套用到我的品牌規格 [貼上你的 brand spec]」。

第三步:在 Claude Design 裡建立「設計系統」並輸出簡報

進到 Claude Design 後,第一件事是建立「Design System」(設計系統)。它會吃進你前兩步準備好的 markdown,產出一份 DESIGN.md,作為這個專案後續所有素材(簡報、登陸頁、行動版設計)的規格依據。

這一步是關鍵動作:設計系統一旦鎖定,後續每一個輸出都會落在同一套視覺風格裡。

完成後的Design System
輸入包括設計規格 markdown、公司logo等資料後,Claude會耗費3~5分鐘生成一套Design System,讓你可以套用在任何生成成品上。
圖/ Claude Design

接著開「Slide deck」模式,逐一上傳:

  • 你的品牌 spec markdown(第一步成果)
  • Refero 的 DESIGN.md(第二步成果)
  • 簡報大綱(請自行在 Chat 模式產出)
簡報製作入口
切換到Slide Deck標籤,並選擇套用指定的Design System,就可以產出特色簡報。
圖/ Claude Design

一個實務提醒:你在第一步寫的 brand spec markdown 跟 Refero 的 DESIGN.md 其實可能會打架——尤其 brand spec 寫得愈細,衝突愈明顯(色票、字型、間距各有版本,Claude Design 不知道該聽誰的)。

生成前建議先在對話框講清楚優先順序、或指定要參考哪些要素,例如「以 Refero 的 DESIGN.md 為視覺骨架,我的 brand spec 只取 Mission、Audience、Tone 三項」,或更精準到欄位:「Refero 只取字型搭配與間距節奏,配色一律以我的 brand spec 為準」。把這層前置,比生成完才回頭修,省下更多後續 token。

Claude Design 會用 Opus 4.7 開始生成。生成中如果方向偏了,馬上停下來——讓 Claude Design 朝錯方向跑十分鐘,是最貴的失誤。

第四步:用「三個編輯介面」省下大量 token

多數人只用 Claude Design 的 chat 對話框改稿,這是 token 黑洞。Design 其實還有三個介面:

  • Edit 工具:直接點擊任何元素改字、改色、改尺寸、改 padding。這是最便宜的編輯方式,不用打 prompt 描述。
  • Draw 工具:在畫面上圈一個區域、留下 comment。Claude 會截圖、看你圈的部分、做動作。適合「這個漸層淡一點」這類非元素性的調整。
  • Tweaks 面板:預製好的變化包(封面樣式、背景紋理、強調色、投影片裝飾)。一鍵切換,整個簡報跟著變。
功能列選項
上方工具列的 Tweaks、Comment、Edit、Draw 是簡報調整選項,可用來微調版面與內容、留下修改意見、編輯投影片元素,或直接在畫面上標註重點。
圖/ Claude Design

總之,省 Token 的鐵則只有一條,能不打 prompt 改的,就不要打 prompt 改。

另一個省 token 的做法是用 Opus 4.7 跑規劃 prompt,調整切到 Sonnet 4.6(在對話框的齒輪icon那邊)。在規格清楚的前提下,簡報跟動畫素材在 Sonnet 4.6 上調整品質差異其實不大。

檢視範例簡報請點我

最後要說的是,工具一字排開誰都能用,差別在於知不知道每個工具的「角色定位」。把 Refero 當設計圖書館,把 Chat 當策略室,把 Claude Design 當執行人;三個工具各司其職,一週限額才有機會撐到下次重置。

延伸閱讀:Codex入門完整教學!10步驟+提示詞範例,打造你的AI專案工作區

資料來源:@nateherk on XRefero Styles

本文初稿為AI編撰,整理.編輯/ 李先泰

往下滑看下一篇文章
把老師傅經驗變成 AI!智穎智能讓射出機從「導航」走向「自駕」,桃園如何助攻技術落地?
把老師傅經驗變成 AI!智穎智能讓射出機從「導航」走向「自駕」,桃園如何助攻技術落地?

曾是台灣製造業重要根基的塑膠射出產業,如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者,老師傅退休、新人才接不上的現況,更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具,許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出,全球塑膠射出市場規模超過 3000 億美元,每年仍以約 3% 至 4% 的幅度成長。需求並未消失,只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉,老師傅數十年累積的經驗卻很難複製。

這道人才缺口,正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發,歷經近十年研究與工廠驗證,嘗試把老師傅腦中的射出經驗,轉化成可以計算、保存與持續學習的 AI 模型,解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI,射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備,不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後,生產現場仍得依產品、材料與機台特性,調整溫度、速度、壓力、位置等條件;即使使用同一種塑料,不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處,不只是記住參數,而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的,就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後,第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統,工廠只要輸入材料、機台規格、產品尺寸等資訊,sMolding 便能計算第一組成型參數;若試模後出現產品缺陷,再由 sTroubleshooting 提供修正建議。

用手機即可查看系統狀況
圖/ 智穎智能提供

「它就像導航。我今天告訴你要從 A 點到 B 點,但不知道路怎麼走,導航會把路徑算給你。」張詠翔說。對射出成型而言,這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例,傳統方式需 7.5 小時,導入系統後縮短至 2 小時,材料使用量從 23 公斤降至 8.7 公斤,整體試模成本降低 64%。

但找到正確參數只是第一步,真正進入量產後,工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損,都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組,透過射出壓力數據持續監控品質,並依生產狀態自動補償關鍵參數。換言之,AI 不只在試模階段提供一條正確的「導航路徑」,進入量產後還能因應製程變化持續修正,進一步朝「自駕」邁進。

從產線驗證到海外布局,桃園如何助攻智穎智能跨過0到1?

但要讓 AI 真正走進工廠,智穎智能採取 SaaS 訂閱模式,將核心運算留在雲端持續學習與更新,降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備,因此智穎智能的方案既能導入既有設備,也能與射出機、控制器業者合作,在新機出廠時直接整合。「一個工廠不會只有一個廠牌,就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言,AI 真正走進製造現場的關鍵,在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言,降低導入門檻還不夠,更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言,桃園不只是公司所在地,也提供了技術走向市場的第一塊試驗場。「對新創來說,第一個就是要經費、要人才、要場域,再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期,團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源,降低早期研發與營運負擔。更重要的是,桃園密集的製造業聚落,本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業,智穎智能在創業初期接觸到位於桃園的「良器」,成為公司第一個客戶。從概念驗證、產品調整到實際導入,合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言,第一個願意開放場域的客戶,意義遠超過第一筆營收。

如今,從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次,完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示,透過市府帶領團隊前往日本神戶,智穎智能接觸當地官方與企業資源。在市府引薦下,團隊成功對接了神戶知名加速器,更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局,為下一階段海外市場拓展做準備。

智穎智能在 TaipeiPLAS 2026 台北國際塑橡膠工業展,展示 AI 智慧製造成果,現場商洽氣氛熱烈,成功吸引產業關注。
圖/ 智穎智能提供

AI 解決「怎麼生產」後,下一步是「替誰生產」

當 AI 開始解決「怎麼生產」,張詠翔看到的下一個問題,是「替誰生產」。部分製造商提高生產效率後反過來問他,如果我的產能多了 20%,但沒有多 20% 的訂單,我何必要做那麼快?

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家,品牌要在海外重新尋找符合特定規範與製程能力的供應商,也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商,讓品牌端能依條件尋找供應商,也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務,初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究,到桃園工廠提供第一個實際驗證場域;從把老師傅經驗變成 AI「導航」,再走向能自行修正製程的「自駕」,智穎智能試圖數位化的,是製造業最難被保存的資產:人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散,這套從桃園工廠磨出的 AI,下一步不只要替老師傅找到數位接班人,也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源,將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去,讓外界看見桃園豐沛且具實戰力的創新動能。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓