「我用AI,是為了離開電腦!」SpaceXAI設計師公開Grok Bot工作流:2張截圖、一段語音就能改Figma
「我用AI,是為了離開電腦!」SpaceXAI設計師公開Grok Bot工作流:2張截圖、一段語音就能改Figma

早上8點52分,John Bai還在健身房。他是SpaceXAI旗下Grok Bot團隊的設計師,工作內容就是用Grok Bot設計Grok Bot。這時Slack跳出同事的訊息,要他做一批社群用的設計素材。

John沒有回到電腦前,而是直接用手機把Figma裡兩張還在製作中的畫板截下來,再錄一段語音丟給自己的機器人Figma Bro。兩張截圖、一段語音,就是他交代工作的全部材料。

等他結束健身回頭看,Figma Bro已經交出三組產出。John甚至沒有逐一檢查,只把同事在Slack上的需求貼給它,要求核對是否有遺漏,最後收到一張完成項目的對照表。

這套工作流來自Claire Vo主持的podcast《How I AI》2026年9月14日節目。John Bai與同事Peng Zheng在節目中展示各自如何使用Grok Bot工作,John也曾把自己的方法寫成〈Designing Grok Bot with Grok Bot〉,並公開分享Figma Bro的機器人模板。

Grok Bot是什麼?SpaceXAI設計師把它變成Figma助手

Grok Bot是SpaceXAI推出的AI代理工具,每個Bot都有自己的雲端電腦,可以操作網站、應用程式與檔案,並透過Routine在使用者離線時持續執行任務。和一般聊天機器人不同,它不只回答問題,而是能實際操作工具,把一連串工作做到完成。

John把這種能力接進Figma,讓Grok Bot從「回答設計問題的AI」,變成能直接讀取檔案、修改畫板與批次處理素材的設計助手。

同樣一批圖示要配到十幾個版位上,多數設計師的做法是打開Figma,逐一複製、貼上、對位、換元件。John的做法是兩張截圖加一句話。差別不在機器人比較會做設計,而在他把規格交出去的方式。

延伸閱讀:Grok Bot新手教學!4步驟建「AI代理一人公司」,幕僚團隊如何設定?

Grok Bot如何操作Figma?關鍵是「截圖+MCP」

機器人讀不懂「放在剛才那個位置」,卻看得懂一張已經對好位置的圖。截圖負責指出參考樣式與要動的範圍,精確的位置、尺寸與間距則由MCP直接讀Figma原檔。John在文章裡講得更白:檔案裡既有的畫板或元件才是依據。

Peng Zheng的說法是,這些零件其實都不新,地圖服務、影像生成、網頁渲染本來就存在,機器人真正做的是把點連起來。

Grok Bot × Figma實戰:6步驟建立AI設計工作流

第1步:連接Figma MCP,把固定規則寫進Grok Bot

先在機器人裡建立與Figma的MCP連線(可查Figma官方的MCP目錄),把要動的檔案連結交給它。接著是關鍵的一段:把排版規矩寫進機器人本身的指令,而不是每次下指令才交代。

John的要求是畫板橫向並排、依尺寸間隔50或100像素,人不在電腦前,回來才不會收到一個亂七八糟的檔案。下面這份範本不是John的原始模板,是依他在影片與文章裡提到的要求、加上幾條實務上會用到的規矩重建的,可以直接貼進指令欄再依需求增刪:

你是我的Figma助手,透過Figma MCP存取我給你的檔案連結。

固定規矩(每次都遵守,不必再問):
1. 產出的畫板一律橫向並排,不要上下堆疊。
2. 畫板之間間隔50像素;畫板尺寸較大時間隔100像素。
3. 精確的位置、尺寸與間距以Figma原檔既有的畫板或元件為準,截圖只用來指出樣式與範圍。
4. 一次產出全部版本,完成後列一張表說明各版本做了什麼。
5. 任何一點不清楚,先問我,不要自己猜。

第2步:用兩張截圖告訴Grok Bot哪裡要改

回到健身房那一單。John截的兩張畫板,一張來自圖示庫,一張來自品牌書;前者是圖示已經擺好的樣子,後者是還沒配上圖示的那一組。他的語音指令大致如下:

情況是這樣,我給你一個Figma連結。
左邊這張截圖是幾個圖示,需要照完全相同的位置擺到每一個機器人旁邊。
第二張截圖是還沒有配上圖示的那一組。
請把圖示放大,照其他機器人的相同位置擺上去,
確保位置一致、放大後的比例也一致,讓我拿到完整的一整組。
有任何不清楚的地方,告訴我。

最後一句是整段指令裡最省時間的部分。把「不清楚就問」寫進去,等於要求機器人遇到歧義先確認,降低它自己猜一個版本做完的機會。

範例一
John截的兩張畫板,一張來自圖示庫,一張來自品牌書;前者是圖示已經擺好的樣子,後者是還沒配上圖示的那一組。
圖/ YouTube

第3步:先做一個Figma樣板,再讓AI批次套用

錄影當天下午,John要為當天上線的機器人市集趕一批行銷素材。他先在Figma裡親手做好一個版本當樣板,連結丟給機器人:這是需求訊息、這是樣板,用品牌書裡的背景與桌布,比照這個樣式套用到其餘每一個。

省下的是逐一到各頁面抓圖、換元件、換底圖、換文案這一段。有幾張圖片沒更新完,他得回頭再催一次,但他在鏡頭前講的是另一件事:「我在開這通會的同時,工作正在完成。」

第4步:用語音改稿,一次只修改一件事

第一輪產出之後,John沒有進Figma手動調整,而是繼續用語音一次改一項:先整體放大,接著把邊角改圓,最後依回饋調顏色。一次一項的好處是每輪都看得出哪句指令造成哪個變化,出錯時不必整批重做。

第5步:讓Grok Bot先做可操作原型

John另外養了Devbot與Experiments兩個機器人,把臨時冒出來的互動點子直接做成原型。那天他傳進去兩張截圖和一段語音memo,描述想試的分享動畫。

機器人自己去找負責動態效果的另一個機器人Motion God討論轉場,還在測試用的程式碼庫裡重建了幾個元件。John幾乎沒有中途檢查,回來拿到兩個可以點的版本,最後都沒採用,覺得太像iOS截圖那一套。

主持人Claire Vo把這種做法稱為「垃圾桶開發法」:假設做出來的東西丟掉成本極低,就不必為了一個還不確定的點子,先去說服產品經理和排滿技術債的工程師。

第6步:出錯就讓Grok Bot記住修正方式

Peng Zheng的做法是每次把機器人導回正軌後,多加一句請它把這次的修正記起來,下次遇到同樣情況就照上次學到的做,用得愈久愈貼近自己的習慣。

Grok Bot還能做什麼?從網站發布到處理生活雜務

同集裡Peng Zheng把相同邏輯接到個人網站上,輸入從工作截圖換成生活素材,整套流程沒有內容管理系統,也沒有Figma檔:

  • 打卡流程:傳照片、截圖或只打地名,機器人透過Google Places API找出地點與座標,再附一張朋友社群檔案的截圖就會補上同行的人
  • 影像處理:同一張照片產出亮色與暗色兩版(網站切到深色時燈會亮起來)、修正透視、去掉路人、抽出建築立面,轉成3D微縮風格後寫成網站看得懂的資料結構直接發布
  • 生活雜務:另一組機器人買3D列印線材並更新他在Notion的庫存清單,也從對話截圖直接排行事曆

Claire Vo在節目裡的那句話是這些流程的共同點:「我用AI是為了離開電腦,不是為了黏在電腦前。」她也提醒設計師,你的天職從來就不是在Figma裡調漸層。

先把規格變成看得見的東西,再把重複的那一段交出去。

延伸閱讀:Grok Bot排程怎麼用?3步驟設定Routine,每天8點自動整理AI新聞晨報

資料來源:《How I AI》podcast、Designing Grok Bot with Grok Bot、Figma MCP目錄、Grok Bot官方頁

本文初稿為AI編撰,整理.編輯/ 李先泰

關鍵字: #Grok
往下滑看下一篇文章
導航不是愈高階愈好!桃園產官資源如何賦能互宇向量,讓複雜技術真正「用得起、用得上」?
導航不是愈高階愈好!桃園產官資源如何賦能互宇向量,讓複雜技術真正「用得起、用得上」?

當無人機、無人船失去衛星定位訊號,還能繼續完成任務嗎?這道問題不只考驗導航設備的精度,更牽涉不同技術如何搭配,才能兼顧成本、可靠性與實際部署需求。

要理解自主載具如何在衛星訊號中斷時持續導航,得先認識「慣性導航」。互宇向量執行長鍾宏彬拿棒球作比喻:投手把球投出去後,球沒有GPS或遙控器,仍會依照出手角度、力量與旋轉向前運動。慣性導航則透過感測加速度與旋轉變化,持續推算載具的姿態、速度與位置。不過,慣性導航的誤差會隨時間累積,衛星定位訊號一旦中斷,位置推算也可能逐漸偏移。因此,自主載具需要不同定位與感測技術相互配合。2022年成立的互宇向量,便從這項需求切入,協助客戶選擇適合的導航技術,並將系統整合到產品中。

先定義任務,再決定導航規格

「以終點當起點。」鍾宏彬如此形容互宇向量的產品開發原則。相較於先提供設備、再由客戶自行整合,互宇向量在開發初期便參與討論,了解客戶要完成什麼任務,再決定性能、材料、演算法與預算。這套方法稱為「前端部署」。

以無人機精準投送為例,客戶希望載具不只抵達指定區域,還能接近建築物完成投送。飛行距離、定位精度、是否有人遙控,以及衛星訊號中斷後需要自主運作多久,都會影響系統設計。互宇向量必須先釐清這些條件,再選擇感測元件、調整導航架構,而不是直接套用既有產品。

互宇向量的技術涵蓋光纖陀螺儀(FOG)、慣性量測單元(IMU)、姿態與航向參考系統(AHRS),以及GNSS/INS融合導航方案。團隊曾與產業夥伴在實際水域驗證無人船導航系統,也透過觀音山隧道測試,觀察衛星訊號中斷時的導航表現。

對客戶而言,驗證的重點在於系統能否在任務要求的時間內維持足夠精度。互宇向量也不一定選用最高規格的零組件,而是依照需求調整演算法、材料與系統配置,必要時整合其他供應商的技術,減少客戶自行開發、測試與整合的時間及成本。

從光纖陀螺到系統整合,互宇向量把技術推向可部署的產品

鍾宏彬2010年投入光纖陀螺核心技術研究,2016年共同創辦極星光電。當時核心元件的客戶多具備自行整合能力,應用市場相對有限。他逐漸意識到,若想讓技術接觸更多使用者,就不能只停留在零件,還得往感測模組與完整系統發展。2022年成立互宇向量後,鍾宏彬延續過去累積的技術,採取合作設計製造(JDM)模式,讓團隊從產品開發初期便參與設計與驗證。

他把這種服務形容為「高階料理包」:客戶不必自行採購所有原料、研究怎麼煮,而是由互宇向量協助整合適合的技術,完成產品部署。公司不走低價、拚量路線,而是選擇與少數具有長期需求的專業客戶深入合作。目前團隊服務約12家核心客戶,透過持續參與產品開發,累積技術與合作經驗。

航太市場考驗的不只是技術,還有供應鏈與驗證能力

航太是互宇向量積極拓展的市場。目前約四成業務聚焦航太應用;2023年,團隊也與國家太空中心(TASA)展開策略性合作,推進MIOC與FOG技術的太空應用。

航太產業尤其重視「飛行履歷」(Flight Heritage)。鍾宏彬打趣地說,普通杯子就是杯子,但如果真的上過太空,「它就變成太空杯」。設備即使通過完整的地面測試,仍不等於經歷過發射與太空環境。對國際航太客戶而言,實際飛行驗證是評估設備可靠性的重要依據。鍾宏彬回憶,團隊過去花了兩、三年尋找海外企業客戶,始終不得其門而入。後來有國際業者得知互宇向量與國家太空中心合作,反而主動找上門。這段經驗讓他體會到,進入航太供應鏈除了技術能力,還需要讓國際客戶看見合作經驗與可信度。

從中央大學到蘆竹,桃園產官資源如何成為互宇的產業支點?

互宇向量與桃園的淵源,早在公司成立前就已開始。鍾宏彬從中央大學求學、攻讀博士到投入研究,一路留在桃園;第一次創業落腳楊梅,互宇向量則從青埔搬到蘆竹,建立廠辦空間。他笑稱,自己就像桃園「生出來的baby」。

桃園及北部地區聚集電路板、電子製造與機械加工等供應商,具備成熟的產業基礎。不過,部分業者長期專注既有市場,未必想過自身技術還能延伸至無人載具與航太應用。鍾宏彬舉例,互宇向量曾與傳統機械加工業者合作,協助對方了解航太供應鏈的品質驗證與製造要求,探索跨入新市場的可能。對這些業者而言,挑戰未必是技術能力不足,而是過去缺乏接觸航太應用的機會,不熟悉相關規格與驗證流程。

創業過程中,互宇向量也持續接觸桃園市政府青年事務局及相關局處、育成體系,參與創業交流與產業展會。鍾宏彬看重的是這些場合能讓團隊認識不同領域企業,拓展未來合作的可能。包括Meet桃園+在內的創業輔導與產業交流平台,也為在地新創提供接觸產業資源的機會。

從光纖陀螺核心元件走向完整導航系統,再延伸至航太合作與海外市場,互宇向量逐步建立從任務規劃、技術整合到系統驗證的能力。接下來,如何運用桃園既有的電子製造與精密加工基礎,找到更多能共同開發產品的夥伴,將是團隊拓展國際市場的重要課題。

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
一次搞懂工業AI
© 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