可画
AI Visual Design Specialist
AI Visual Design Specialist
发布于 6 个月前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
学历未注明
设计与创意
排版
色彩理论
视觉设计
Ai标注
UI/UX
机器学习协作
生成式AI
AI 估算 · 20k–35k
AI视觉设计专家，新兴领域，需设计与AI理解能力。
职位详情
关于这个职位
这是一个专注于AI与设计交叉领域的前沿职位
你将作为AI原生视觉设计师，运用专业的设计判断力来训练、评估和改进AI驱动的创意工具
核心工作包括对大量视觉数据进行标注和评估，制定视觉质量标准，并与机器学习工程师、产品团队紧密协作，确保AI模型的输出在视觉上卓越、符合品牌调性且以人为本
最低要求
设计基础：扎实掌握构图、色彩理论、排版、布局、视觉层次和叙事原则
作品集：展示在一个或多个领域（平面、产品、UI/UX、插画等）的卓越视觉设计能力的作品集
AI与技术理解：熟悉生成式AI工具（图像模型、大语言模型、设计AI）
理解AI训练数据、标注和质量指标如何影响模型行为
能够精确评估模型输出并给出可操作的反馈
协作与沟通：能够将设计批评转化为结构化、可重复的反馈，提供给技术和产品合作伙伴
具备强大的书面沟通能力，适应文档密集型工作流程
工作职责
视觉评估与标注：标注和标记大量视觉数据（图像、UI布局、构图、图形、照片）
提供与风格、构图、色彩理论、排版和视觉层次相关的高质量标签
评估AI生成输出的准确性、美学质量、可用性以及与设计原则的一致性
识别模式、错误和边缘情况以改进模型性能
设计质量评估：制定视觉评分标准和准则以指导模型改进
审查各种创意格式（插画、品牌、UI组件、营销视觉）的输出
验证输出是否符合用户期望、品牌标准、可访问性指南和道德准则
跨职能协作：与机器学习工程师、研究科学家和产品团队紧密合作，提供设计驱动的反馈循环
将设计概念转化为模型团队可以使用的结构化反馈（例如，风格属性、视觉缺陷、构图规则）
帮助将创意见解转化为技术文档
原型设计与创意探索：使用生成式AI工具创建视觉效果、测试假设和原型化用户工作流程
探索新功能并突破AI辅助创造力的边界
为改进模型输出和面向用户的功能提供创意方向
数据与流程管理：维护标注项目中的数据质量和一致性
参与开发视觉风格、属性和设计模式的分类法
记录标注方法并参与改进标注工具
优先资格
有与工程师、研究人员或技术团队合作的经验
具备Figma、Adobe Creative Cloud或3D工具的使用经验
有数据标注、注释或机器学习运维经验
基本熟悉脚本（Python）、提示工程或数据集工具
了解设计可访问性（WCAG）、可用性启发式方法或用户研究方法
AI 洞察
优缺点分析
优点
- 站在技术前沿：深度参与塑造未来的AI创意工具，工作内容极具创新性和前瞻性，是设计领域与AI结合最紧密的岗位之一
- 技能复合增值：不仅能巩固传统设计能力，还能系统性掌握AI相关知识，成为稀缺的“设计+AI”复合型人才，职业护城河宽
- 平台与视野优势：在“可画”这样的知名设计平台工作，能接触到海量真实设计数据和前沿产品项目，行业视野开阔
- 领域较新，标准模糊：AI设计评估本身是新兴领域，缺乏成熟的方法论和标准，需要在工作中不断探索和定义，不确定性较大
- 适合对AI驱动的未来充满好奇，既拥有敏锐艺术审美和扎实设计功底，又具备严谨系统思维和强大学习能力，并乐于在技术与创意交叉点工作的设计师
缺点 / 挑战
- 工作性质可能重复：大量的数据标注和评估工作可能较为繁琐和重复，需要极强的耐心和细致度
- 跨领域沟通压力：需要频繁与工程师、科学家沟通，必须持续学习技术术语和逻辑，沟通成本和理解门槛较高
角色解读
- 技术纵深发展：可以从AI工具使用者，成长为精通提示工程、数据管道甚至参与模型训练策略制定的AI设计专家
- 管理或策略拓展：积累足够经验后，可向设计团队管理、AI产品策略或创意技术总监等方向转型，负责更大范围的AI创意产品规划
- 行业影响力构建：随着AI设计领域成熟，有机会成为该新兴领域的意见领袖，参与制定行业标准或方法论
- 作为AI模型的“教练”和“质检员”，通过标注海量视觉数据（如图像、UI布局）来训练AI，并评估其生成内容的美学质量和设计合理性
- 建立并应用一套视觉评分体系，确保AI产出的插画、品牌素材、UI组件等符合品牌标准、用户体验和伦理规范
- 在设计和工程团队之间架起桥梁，将抽象的设计理念（如风格、构图规则）转化为工程师能理解的结构化反馈和技术文档
- 扎实的视觉设计基本功：必须精通构图、色彩、排版等核心设计原理，并能通过作品集证明在平面、UI/UX等领域的卓越审美和执行力
- AI工具理解与应用能力：需要熟悉Stable Diffusion、Midjourney等生成式AI工具，理解数据标注如何影响模型行为，并能精准评估AI输出
- 结构化思维与跨领域沟通：能将感性的设计批评转化为逻辑清晰、可操作的反馈，并擅长与机器学习工程师、产品经理等非设计背景的同事高效协作
申请策略
- 深入研究公司产品：提前深度体验“可画”平台及其AI功能，思考其优缺点，并在面试中展现出你对其业务和技术的真实理解与见解
- 准备“设计+AI”的思考：面试前准备好你对“AI将如何改变设计行业”、“设计师在AI时代的核心价值”等问题的个人看法，展现你的前瞻性思维
- 突出设计作品集：简历中必须附上高质量作品集链接，并确保包含能体现你构图、色彩、排版等核心设计能力的项目，最好有涉及UI/UX或品牌设计的案例
- 量化AI相关经验：如果有使用AI工具（如Midjourney, Stable Diffusion）进行创作、参与过数据标注项目或了解机器学习基础的经历，请具体描述你的角色、使用的工具和取得的成果
- 强调协作与沟通案例：详细描述你过去与工程师、产品经理等非设计角色成功合作的项目，说明你如何将设计需求转化为对方能理解的语言并推动落地
- 快速上手主流AI工具：如果还不熟悉，立即开始学习并使用如Midjourney、DALL-E、Figma的AI插件等工具进行实际创作，并思考其输出优劣
- 补充基础技术知识：了解机器学习的基本概念（如训练数据、模型、标注）、Python基础或提示工程（Prompt Engineering）的基本原则，这能极大提升与技术团队的对话能力
- 练习结构化表达：尝试将你对某个设计作品或AI生成图的评价，整理成带有明确标准（如色彩搭配、信息层级）和具体改进建议的文档
面试指南
- STAR法则陈述案例：对于行为类问题（如案例分享），使用情境（Situation）、任务（Task）、行动（Action）、结果（Result）的结构来回答，确保逻辑清晰、重点突出
- 展现系统化思维：对于评估类或解决问题类问题，先给出一个清晰的评估框架或解决步骤（如“我会从一致性、可用性、美学三个维度评估”），再展开每个维度的具体考量
- 强调协作与共赢：在涉及跨团队冲突的问题上，回答应体现主动沟通、理解对方立场、寻求创造性解决方案的态度，而非坚持己见
- 请分享一个你运用色彩理论或构图原则成功解决设计难题的具体案例
- 你如何评估一张由AI生成的图片或一个UI界面的视觉质量？请描述你的评估维度和流程
- 假设AI模型生成的一组营销海报风格不统一，你如何将这个问题转化为给工程师团队的结构化反馈？
- 你使用过哪些生成式AI工具？请分享一个你通过优化提示词（Prompt）获得更好设计结果的经历
- 当你的设计审美与工程师实现的技术可行性或产品经理的业务目标发生冲突时，你会如何处理？
职位点评
Watch Jobs