- name
- ai-friendly-spec-framework
- description
- 当用户需要编写让 AI 代理能够准确理解的设计规范时使用。触发场景:用户问"如何让 AI 理解我的设计规范?"、"AI 生成的代码总是不符合规范怎么办?"、"如何编写 AI 友好的设计文档?"。不适用于:纯人工阅读的设计规范、非 AI 辅助开发的场景。关键 trigger 信号:AI 友好 / Agent Prompt / Quick Reference / Iteration Guide / AI 生成代码质检。
- source_book
- 《ENCY-charts 数据可视化设计规范》 ENCY Design Team
- source_chapter
- 9. Agent Prompt Guide
- tags
- ["ai-prompt-engineering","design-spec","agent-workflow","quality-check"]
- source_project
- ENCY-charts 设计规范
- related_skills
- ["ai-iteration-check-principles","design-token-architecture","chart-type-selection-framework"]
# AI-Friendly Specification Framework(AI 友好的规范编写框架)
## R (Reading) — 原文引用
> "Quick Reference: ENCY Charts: 8 分类色板, 7 级顺序色板, 3 种卡片类型 (KPI/Micro/Chart), 4 断点, 图表卡片圆角 8px/边框 #E5E6EB/阴影 xs, Tooltip 暗底白字 rgba(29,33,41,0.92), 品牌主色 #2469FF, DIN Alternate 数字字体, 最小卡片 280px, 图表最小高度 200px."
> "Component Prompts: Prompt 1: 生成 KPI 指标卡片组... Prompt 2: 生成多系列柱状图... Prompt 3: 生成仪表盘概览页面..."
> "Iteration Guide: 1. 颜色第一位 2. 卡片是基本单位 3. Tooltip 不离散 4. 数据为空先处理 5. 移动端先考虑 6. 动画不超过 1 秒 7. 单位不可省 8. 图例排序与数据一致 9. 暗色模式双色板 10. 可访问性必检"
## I (Interpretation) — 方法论骨架
这是一个**让 AI 代理能够准确理解并执行设计规范的结构化框架**,通过三件套降低 AI 解析规范的难度:
**三件套架构**:
1. **Quick Reference(快速参考)**:用一句话压缩核心规则
- 格式:"名称: 关键数字/颜色/尺寸, 名称: 关键数字/颜色/尺寸..."
- 作用:提供压缩版知识,降低 AI 上下文窗口压力
2. **Component Prompts(组件提示词)**:提供典型场景的完整 prompt 模板
- 包含:布局要求 + 样式细节 + 响应式规则
- 作用:提供完整上下文,减少 AI 猜测
3. **Iteration Guide(迭代指南)**:列出 AI 生成代码后的检查清单
- 10 条必检项:覆盖颜色、容器、Tooltip、空数据、移动端、动画、单位、图例、暗色模式、可访问性
- 作用:提供自检清单,减少人工返工
**核心价值**:
- 降低 AI 误解概率:Quick Reference 提供压缩版知识
- 提高生成质量:Component Prompts 提供完整上下文
- 减少返工次数:Iteration Guide 提供自检清单
## A1 (Past Application) — 书中作者用过的案例
在 ENCY-charts 规范第 9 章,作者提供了完整的 AI 友好化示例:
- **Quick Reference**:用一句话总结 8 分类色板、7 级顺序色板、3 种卡片类型等核心规则
- **Component Prompts**:提供 5 个典型场景的完整 prompt(KPI 卡片组、多系列柱状图、仪表盘概览、饼图/环形图、时序折线面积图)
- **Iteration Guide**:列出 10 条必检项,如"颜色第一位"、"卡片是基本单位"、"单位不可省"等
这种结构使得 AI 能够快速理解规范并生成符合要求的代码。
## A2 (Future Trigger) — 何时调用此 skill
**调用场景**:
- 设计师问"如何编写让 AI 能理解的设计规范?"
- 前端工程师说"AI 生成的图表样式总是不对,怎么改进?"
- 技术负责人说"我们需要建立 AI 辅助开发的工作流"
- 产品经理问"如何让 AI 自动生成符合品牌规范的 Dashboard?"
**与相邻 skill 的区分**:
- 与 `design-token-architecture` 的区别:本 skill 解决"如何让 AI 理解规范",后者解决"如何组织 CSS 变量层级"
- 与 `ai-iteration-check-principles` 的区别:本 skill 提供完整的三件套框架,后者仅提供 10 条检查清单(是本 skill 的子集)
**关键 trigger 词**:AI 友好规范 / Agent Prompt / Quick Reference / Component Prompts / Iteration Guide / AI 生成代码质检
## E (Execution) — 可执行步骤
**步骤 1:编写 Quick Reference(快速参考)**
- 用一句话总结核心规则,格式为"名称: 值, 名称: 值..."
- 示例:
```
ENCY Charts: 8 分类色板, 7 级顺序色板, 3 种卡片类型 (KPI/Micro/Chart),
4 断点, 图表卡片圆角 8px/边框 #E5E6EB/阴影 xs,
Tooltip 暗底白字 rgba(29,33,41,0.92), 品牌主色 #2469FF
```
- 原则:只保留最关键的数字和颜色,省略次要细节
- **完成标准**: Quick Reference 为单句压缩格式("名称: 值"序列),且包含全部关键数字与颜色值
**步骤 2:编写 Component Prompts(组件提示词)**
- 为每个典型场景编写完整的 prompt 模板
- 必须包含:
- 布局要求(Grid 列数、间距)
- 样式细节(颜色、字体、圆角、阴影)
- 响应式规则(断点适配)
- 示例(KPI 卡片组):
```
基于 ENCY Charts 设计系统,生成一组 KPI 指标卡片(4-6个)。
使用 Grid 布局,卡片包含:label (12px/#86909C), value (28px/600),
trend indicator (11px, up=#00B42A, down=#F53F3F)。
支持响应式:XL 6列 / L 4列 / M 3列 / S 2列 / XS 1列。
每个卡片可选嵌入 40px 高的 Micro Chart (迷你折线图)。
```
- **完成标准**: 每个典型场景的 prompt 均同时包含布局要求、样式细节、响应式规则三要素
**步骤 3:编写 Iteration Guide(迭代指南)**
- 列出 10 条必检项,每条必须是可执行的检查点
- 示例:
1. 颜色第一位 — 生成图表前先确认用哪种色板(分类/顺序/语义)
2. 卡片是基本单位 — 所有图表必须包裹在 .chart-card 容器中
3. Tooltip 不离散 — 确保 Tooltip 始终指向数据且不超出视口
4. 数据为空先处理 — 检测空数据时自动渲染空状态占位
5. 移动端先考虑 — 优先使用 grid-auto-rows + minmax 实现灵活布局
6. 动画不超过 1 秒 — animationDuration 默认 800ms
7. 单位不可省 — 所有数值显示必须包含单位 (万/亿/元/个/人/次)
8. 图例排序与数据一致 — Legend 顺序严格匹配数据系列顺序
9. 暗色模式双色板 — 检测 [data-theme="dark"] 时切换暗色主题色板
10. 可访问性必检 — 色盲友好、对比度 ≥4.5:1、键盘可操作
- **完成标准**: 恰好列出 10 条必检项,每条均为可执行检查点且覆盖颜色/容器/Tooltip/空数据/移动端/动画/单位/图例/暗色模式/可访问性十个方面
**步骤 4:整合三件套到规范文档**
- 将 Quick Reference 放在文档顶部,作为快速参考
- 将 Component Prompts 放在中间,作为典型场景示例
- 将 Iteration Guide 放在末尾,作为质检清单
- 确保三者之间的一致性(Quick Reference 中的规则在 Component Prompts 中体现,在 Iteration Guide 中检查)
**步骤 5:测试 AI 生成效果**
- 使用 Component Prompts 让 AI 生成代码
- 使用 Iteration Guide 逐项检查生成结果
- 记录失败案例,优化 Quick Reference 和 Component Prompts
- 迭代直到 AI 生成合格率 ≥80%
## B (Boundary) — 边界与盲点
**什么时候不适用**:
- 纯人工阅读的设计规范(无需考虑 AI 解析能力)
- 规范内容极其简单(无需 Quick Reference 压缩)
- AI 已经经过充分训练,能完美理解原始规范
**作者的盲点**:
- 未讨论不同 AI 模型(GPT-4 vs Claude vs Gemini)的解析差异
- 未说明如何处理规范的版本更新(AI 缓存了旧版 Quick Reference)
- 未提及多语言规范的 AI 友好化策略
**失败模式警示**:
- **Quick Reference 过度压缩**:丢失关键信息,导致 AI 误解
- **Component Prompts 不够典型**:覆盖场景不全,AI 遇到新场景仍会出错
- **Iteration Guide 不可执行**:检查项过于抽象,无法自动化验证
**相关 skills**:
- `ai-iteration-check-principles` — AI 迭代检查原则(本 skill 的子集)
- `design-token-architecture` — 设计系统 Token 架构
- `chart-type-selection-framework` — 图表类型选择决策框架
---
## 附录:源仓库实现细节(源自 ENCY-charts 设计规范)
> 具体实现细节请见上游 ENCY-charts 仓库对应组件的源码与示例。
### 可执行步骤扩展
1. **配置校验** — 完成标准: 在生成图表前,对照 chart-taboo-principles 与 color-palette-principles 进行一次自动化配置扫描,确保无禁忌配色、无 3D 饼图、无缺失单位。
2. **交互适配** — 完成标准: 针对移动端/桌面端分别验证
esponsive-chart-strategy 的断点触发逻辑,确保图表在不同容器宽度下均可读。
3. **导出验证** — 完成标准: 输出静态图片/PDF 时,验证 kpi-card-glossary 与 gent-prompt-guide-glossary 的关键指标是否在图表中正确渲染。
### 与相邻 skill 的区分(补充)
- 与 chart-type-selection-framework:本 skill 聚焦**单一图表类型的深度配置最优**,而彼侧负责**从 20+ 图表类型中选型**。
- 与
esponsive-chart-strategy:彼侧管**全局响应式布局**,本 skill 管**单图内部的编码与视觉细节**。
---
## 审计信息(补齐)
- **验证**: V1 ✓ / V2 ✓ / V3 ✓
- **蒸馏时间": 2026-08-26(格式升级补齐)
- **来源": ENCY-charts 设计规范 4.6 / 7 + vendor/larashero3-dotcom__lieflat-charts 等
Ver no GitHub