Figma 联手 Claude，把“画图”这件小事变成 AI 协作的下一战场

大多数人以为这只是一场 FigJam 的新功能演示，但真正炸裂的点在于：Figma 和 Anthropic 正在用 MCP 把 AI 从“只会回文本”，推进到“直接参与团队协作”。这场 Live Demo，几乎把 AI 在产品、工程和日常决策中的下一种形态提前演给你看。

真正的反转：AI 不再是“聊天窗口”，而是团队里的那块白板

如果你还把 AI 当成一个更聪明的搜索框，那这场 Figma Live 一开始就会让你出戏。Megan 和 Nile 没有急着秀功能，而是先抛出一个更底层的判断：AI 的下一步，不是更长的回答，而是更自然地嵌入人类已经在用的协作工具。

这正是 Figma 和 Anthropic 合作的背景。过去一年，Claude 在“理解长上下文”上的优势已经被反复讨论，但这次它不再停留在文本层，而是直接进驻 FigJam —— 那块产品经理、设计师、工程师每天吵架、对齐、改方案的白板。

反直觉的地方在于：他们没有从“生成 UI”或“自动画原型”切入，而是从最不起眼的图表开始。流程图、时序图、状态图、甘特图——这些老掉牙的东西，恰恰是团队理解复杂系统时最脆弱、也最依赖人工翻译的部分。

MCP 是什么？它解决的不是模型能力，而是“谁来接住 AI 的输出”

视频里最“工程师味”的部分，是对 MCP（Model Context Protocol）的介绍。MCP 并不是一个新模型，而是一个开放协议：让外部应用可以把自己的上下文、安全边界和交互方式，明确地交给大模型。

换句话说，MCP 解决的不是“AI 会不会画图”，而是：AI 画出来的东西，能不能被真正用起来。

在没有 MCP 的世界里，AI 输出 Mermaid 代码，你复制、粘贴、报错、重来；在 MCP 的世界里，Claude 可以直接把“图”交给 FigJam，由 FigJam 负责渲染、编辑、协作和权限控制。

这一点非常关键。它意味着：
- 模型不需要知道 FigJam 的所有细节
- FigJam 不需要内置一个大模型
- 两者通过协议解耦，却在用户体验上无缝连接

Nile 提到，这只是从 FigJam 图表开始，但 MCP 的目标是可扩展到任意外部工具。这句话的信息量很大：今天是白板，明天就可能是 IDE、监控面板，甚至是生产系统。

四种图表，击中的是产品团队最痛的四个时刻

Megan 在中段系统讲解了 Claude + FigJam 目前重点支持的四类图表，每一种都不是随便选的。

• 流程图：典型场景是新手引导、业务流程。她直接把一份 PRD 丢给 Claude，让 AI 先“挑刺”，再生成 onboarding 流程图。这一步非常真实——很多 PRD 的问题，只有在被迫画成流程图时才会暴露。

• 时序图：Nile 用 Git 的技术设计文档做示例。复杂系统的交互，用文字读是折磨，用时序图看是解脱。AI 在这里的价值不是“画得多好看”，而是几分钟内把别人一周写的文档，翻译成你能一眼看懂的结构。

• 状态图：适合描述对象生命周期、权限变化。这类图通常最容易被忽略，但一旦出 bug，代价极高。

• 甘特图：生成同一份 PRD 的项目排期和资源规划。这里的重点不是预测准不准，而是让团队更早看到“时间冲突”和“不现实的期望”。

一个隐藏的共性是：这些图表，本质上都是“把隐性假设显性化”。 而这正是 AI 擅长、但人类懒得做的事。

提示词不是魔法，真正决定质量的是“你给了多少上下文”

在进入连续 Demo 之前，Megan 特意花时间讲了一件“老生常谈但依然被低估”的事：上下文。

她反复强调三点：
1. 不要只给一句指令，要给背景材料（PRD、设计文档、代码）
2. 明确你要的是“讨论草图”还是“可执行产物”
3. 理解 AI 生成图表时，底层依赖的是类似 Mermaid 的结构化表达

这在后面的演示里被不断验证：
- 上传 PRD，Claude 不只是画图，而是先指出逻辑漏洞
- 用同一份上下文，可以切换生成流程图、甘特图
- 从时序图，进一步推导出组件级流程图

这里的金句其实是隐含的：“提示词工程的尽头，是上下文工程。” 谁能把上下文整理得更好，谁就更容易从 AI 那里拿到高质量输出。

从滑雪旅行到真实代码库：AI 开始参与“理解复杂性”

为了避免整场演示过于“企业味”，他们还用了一个生活化例子：选择滑雪旅行的 Airbnb。用决策树把价格、距离、设施等条件展开，轻松但不幼稚，说明这种能力并不只服务于产品经理。

但真正让工程师坐直的，是后半段：
- 把 Git 的技术设计文档生成时序图
- 再从时序图抽象成组件级流程图
- 最后，直接用 Cloud Code 分析真实代码仓库，生成依赖关系图

这一连串操作传递的信号非常明确：AI 不只是帮你“写代码”，而是开始帮你“理解代码”。

对新成员来说，这意味着入职第一周不再是“读不懂文档的孤独”；对老成员来说，这是发现系统复杂性和重构机会的全新视角。

总结

这场 Figma Live 真正值得记住的，不是某一个炫酷 Demo，而是一个方向性的变化：AI 正在从“个人效率工具”，进化为“团队协作基础设施”。MCP 让模型走出聊天框，FigJam 给了 AI 一个被人类真正使用的舞台。

对 AI 从业者来说，最现实的 takeaway 有三个：第一，把精力从“调一句完美提示词”，转向“构建高质量上下文”；第二，优先关注能嵌入真实工作流的 AI 能力，而不是孤立工具；第三，开始思考——如果 AI 能自动把复杂问题画出来，你的核心竞争力还剩下什么？

接下来的半年，很可能会看到更多“AI + 协作工具”的组合出现。这一次，先动手的人，会比只围观的人走得远得多。

关键词： Figma， Claude， MCP， AI应用， 提示工程

事实核查备注： 需要核查：1）视频具体发布时间是否为 2026-01-30；2）MCP（Model Context Protocol）的正式名称与定位描述；3）演示中提到的 Cloud Code 是否为官方工具名称；4）Claude 在演示中支持的图表类型列表。