氛围编程是当前AI行业的热门词汇,让你只需通过自然语言与聊天机器人对话就能创建应用程序、游戏和网站。现在Google希望你能通过Stitch——Google Labs的AI用户界面设计平台来实现这一点。不过别称之为氛围编程:Google更倾向于称之为"氛围设计"。
上周发布的最新版Stitch带来了新功能,承诺让你无需任何技术知识就能轻松设计自己的移动或网络应用程序。
你不必使用传统的线框图构建,只需说出你希望应用程序的外观,描述你想要设计产生的感觉或情绪,甚至提供你的商业目标。无论你如何描述,Stitch都会理解并开始为你生成设计。
这种灵活性让你能够激发创意,而无需过于精确。不过,一个扎实的提示会大有帮助,你可以选择任何方式与Stitch协作。
Stitch是多模态的,意味着你可以使用文本或语音进行设计。通过Gemini模型,你可以在编辑时使用自然语言,如果你不熟悉设计术语,这会很有帮助。智能体会实时提供设计批评,让AI成为过程中的协作伙伴。
不喜欢设计中某些元素的位置或颜色?只需告诉Stitch"把按钮移到另一边"或"将菜单颜色改为橙色",就完成了。Stitch目前处于测试阶段,可能不总是完美执行,但它在设计过程中可能节省的时间令人印象深刻。
Stitch现在也更加灵活,你可以将设计应用到在Stitch中制作的其他项目。Google表示你可以从任何URL提取设计系统,或使用DESIGN.md——一个智能体友好的markdown文件来导入和导出你的设计规则。
Stitch在几分钟内创建了一个精美的网站
我决定尝试Stitch,让它创建一个随机网站,结果令我印象深刻。我不是设计师,也不会说自己有"设计师的眼光",但我要求Stitch创建一个植物药剂师网站,展示不同植物,采用维多利亚哥特式风格设计。
我不确定会有什么结果,但不仅它构建多个页面或移动应用程序或网站"屏幕"的能力给我留下了深刻印象,整体布局和对我原始提示的遵循也让我惊讶。虽然主要是由AI生成的图像和文本组成的填充内容,需要用你自己的内容替换,但生成的网站看起来很棒。也有一些我认为不太必要的页面,但这可以通过更具体的提示来改善。编辑或删除单个元素或整个页面也很容易。在创建设计时,会出现"屏幕"向你展示在应用程序或网站的特定视图中看到的内容。
Stitch生成了一个我不太喜欢的调色板,所以我要求它使用我选择的颜色创建另一个。它很好地创建了新调色板,但问题开始显现,展现了其"测试版"状态。
新屏幕会卡在"生成中"状态,有时新屏幕会使用旧调色板。所有这些问题都很容易修复,但显然仍需要解决一些问题。
我没有深入了解所有功能——甚至不知道从哪里开始——但Stitch给人的感觉像一些DIY网站构建器,但有AI加持并以设计为核心。Google宣布后Figma股价暴跌并不令人意外。如果这是测试版的Stitch,谁知道完全构建后会有多好。
Q&A
Q1:Google Labs的Stitch工具是什么?它有什么特别之处?
A:Stitch是Google Labs开发的AI用户界面设计平台,它最特别的地方是支持"氛围设计"——用户只需用自然语言描述想要的外观、感觉或商业目标,Stitch就能自动生成网站或应用设计,无需任何技术知识。
Q2:使用Stitch设计网站需要掌握专业的设计技能吗?
A:不需要。Stitch支持多模态交互,可以使用文本或语音进行设计,通过Gemini模型支持自然语言编辑。即使不熟悉设计术语,也可以用简单的指令如"把按钮移到另一边"来修改设计。
Q3:Stitch目前的使用体验如何?有什么局限性?
A:Stitch目前处于测试阶段,基本功能表现出色,可以快速生成精美网站设计并支持灵活编辑。但仍存在一些问题,比如新屏幕可能卡在"生成中"状态,或新屏幕使用旧调色板等,这些问题虽然可以修复但需要进一步优化。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。