Ken Feng

Cursor 招聘设计工程师了，非常令人心动，但我还犹豫着不能行动； 我在字节工作了8年，一直游走在动效设计师和设计工程师之间。最近我的团队（豆包手机团队）也在招聘设计工程师，但是我们需要的方向更多要有一些对 Android 平台的了解，和硅谷大多数设计工程师围绕 Web 展开工作有所区别。 前一阵我也对市面上招聘设计工程师的 JD 做了调研，和 ChatGPT 一起做出以下几个画像，虽然 Title 都是设计工程师，但还是有不同的侧重的： 画像一：AI Design Engineer 定位： 负责把 AI 能力转成可理解、可控制、可验证的产品体验。 传统产品设计师、UI/UX 设计师的 AI 升级版。 典型任务： - 设计 agent workflow、tool call、执行计划、状态反馈。 - 做真实或半真实 LLM/API 驱动原型。 - 处理 AI 的 latency、streaming、失败、幻觉、权限、回滚、人工确认。 - 和模型、后端、前端、产品一起定义可交互的 AI 产品机制。 关键证据： - 有能运行的 AI 产品原型，而不是只有 UI mock。 - 展示过复杂状态、异常、边界、权限和失败恢复。 - 能清楚解释“模型能力如何影响交互设计”。 不适合信号： - 只会把 AI 做成聊天框。 - 只关心 prompt，不关心产品状态和人机协作。 - 无法解释 AI 输出不确定性如何体现在界面中。 画像二：Product UI Craft Engineer 定位： 把关键产品界面做到可上线质量，负责交互、动效、性能和细节手感。 传统动效设计师、原型设计师的升级版。 典型任务： - 从 Figma 或 Sketch 直接写出高质量 React/TypeScript 原型。 - 打磨 loading、empty、error、success、hover、focus、keyboard、transition。 - 做组件抽象、交互动效、响应式、性能优化。 - 和设计师、产品、工程师一起把“感觉不对”拆成可修复的细节。 关键证据： - 作品中有真实可操作界面。 - 细节状态完整，不只有 happy path。 - 能解释性能、动效、可访问性和视觉 polish 的取舍。 不适合信号： - 会写代码但审美粗糙。 - 会做视觉但无法落到真实前端。 - 对交互状态和边界情况不敏感。 画像三：Design Systems Engineer 定位： 建立团队长期复用的设计与前端基础设施。 传统设计系统维护者使用 AI 加强工作流。 典型任务： - 建立 tokens、components、patterns、docs、Storybook。 - 连接 Figma variables 和代码组件。 - 定义组件 API、可访问性标准、motion token、dark mode、主题系统。 - 让 AI 工具能消费组件、token 和设计上下文。 关键证据： - 有完整设计系统项目，而不是零散 UI kit。 - 同时展示设计规范和代码实现。 - 能处理组件治理、版本、迁移、文档和跨团队协作。 不适合信号： - 只会画组件，不懂组件 API。 - 只会写组件，不懂设计语义。 - 过度抽象，脱离真实产品场景。 画像四：Creative Technologist / Motion & Graphics Engineer 定位： 负责产品中的高级动效、实时图形、创作工具、3D/空间交互和生成式视觉体验。 传统技术美术、特效设计、动效动画设计的进阶。 典型任务： - 做 Canvas / WebGL / Three.js / Rive / Lottie / Shader 原型。 - 设计时间线、关键帧、预览、生成、局部编辑、版本分支。 - 把 AI 生成结果变成可编辑、可理解、可控制的创作界面。 - 探索 Aesthetics 2026 所说的 technical mono、mixed media、3D、nostalgia、texture、glitch 等方向，但保持可用性。 关键证据： - 有动效或图形交互 demo。 - 能说明动效如何服务信息层级和操作反馈。 - 有审美实验能力，但不牺牲产品清晰度。 不适合信号： - 只做炫技动效，无法服务产品。 - 只懂静态视觉，不懂时间和交互。 - 3D/图形能力脱离工程实现。 画像五：AI Design Workflow Architect 定位： 不是单点做界面，而是设计团队如何使用 AI、Figma、代码库、设计系统一起工作的流程。 AI 时代的新角色，AI Design Infra，与前面四个画像深度合作。 典型任务： - 搭建 Figma → token → component → code → docs 的链路。 - 使用 Claude Code、Cursor、v0、Lovable、Figma MCP 等工具形成团队工作流。 - 设计 AI 辅助 UI 生成、组件检索、设计系统问答、自动文档、代码同步。 - 把设计系统变成模型可读的上下文。 关键证据： - 有自动化或半自动化设计流程案例。 - 能解释 AI 工具在流程中哪里可靠、哪里不可靠。 - 能平衡速度、质量、治理和团队学习成本。 不适合信号： - 把 AI 工具当噱头。 - 只会“生成页面”，不会维护系统。 - 不能判断 AI 生成结果的设计质量。 --- 上述画像是以技能侧重抽象的，不一定是精准匹配到某类人，甚至大多数设计工程师是在多个画像间交叉的，比如我。 有对豆包手机感兴趣的可以联系我，有对我感兴趣的也可以联系我 😁

Cursor 招聘设计工程师了，非常令人心动，但我还犹豫着不能行动； 我在字节工作了8年，一直游走在动效设计师和设计工程师之间。最近我的团队（豆包手机团队）也在招聘设计工程师，但是我们需要的方向更多要有一些对 Android 平台的了解，和硅谷大多数设计工程师围绕 Web 展开工作有所区别。 前一阵我也对市面上招聘设计工程师的 JD 做了调研，和 ChatGPT 一起做出以下几个画像，虽然 Title 都是设计工程师，但还是有不同的侧重的： 画像一：AI Design Engineer 定位： 负责把 AI 能力转成可理解、可控制、可验证的产品体验。 传统产品设计师、UI/UX 设计师的 AI 升级版。 典型任务： - 设计 agent workflow、tool call、执行计划、状态反馈。 - 做真实或半真实 LLM/API 驱动原型。 - 处理 AI 的 latency、streaming、失败、幻觉、权限、回滚、人工确认。 - 和模型、后端、前端、产品一起定义可交互的 AI 产品机制。 关键证据： - 有能运行的 AI 产品原型，而不是只有 UI mock。 - 展示过复杂状态、异常、边界、权限和失败恢复。 - 能清楚解释“模型能力如何影响交互设计”。 不适合信号： - 只会把 AI 做成聊天框。 - 只关心 prompt，不关心产品状态和人机协作。 - 无法解释 AI 输出不确定性如何体现在界面中。 画像二：Product UI Craft Engineer 定位： 把关键产品界面做到可上线质量，负责交互、动效、性能和细节手感。 传统动效设计师、原型设计师的升级版。 典型任务： - 从 Figma 或 Sketch 直接写出高质量 React/TypeScript 原型。 - 打磨 loading、empty、error、success、hover、focus、keyboard、transition。 - 做组件抽象、交互动效、响应式、性能优化。 - 和设计师、产品、工程师一起把“感觉不对”拆成可修复的细节。 关键证据： - 作品中有真实可操作界面。 - 细节状态完整，不只有 happy path。 - 能解释性能、动效、可访问性和视觉 polish 的取舍。 不适合信号： - 会写代码但审美粗糙。 - 会做视觉但无法落到真实前端。 - 对交互状态和边界情况不敏感。 画像三：Design Systems Engineer 定位： 建立团队长期复用的设计与前端基础设施。 传统设计系统维护者使用 AI 加强工作流。 典型任务： - 建立 tokens、components、patterns、docs、Storybook。 - 连接 Figma variables 和代码组件。 - 定义组件 API、可访问性标准、motion token、dark mode、主题系统。 - 让 AI 工具能消费组件、token 和设计上下文。 关键证据： - 有完整设计系统项目，而不是零散 UI kit。 - 同时展示设计规范和代码实现。 - 能处理组件治理、版本、迁移、文档和跨团队协作。 不适合信号： - 只会画组件，不懂组件 API。 - 只会写组件，不懂设计语义。 - 过度抽象，脱离真实产品场景。 画像四：Creative Technologist / Motion & Graphics Engineer 定位： 负责产品中的高级动效、实时图形、创作工具、3D/空间交互和生成式视觉体验。 传统技术美术、特效设计、动效动画设计的进阶。 典型任务： - 做 Canvas / WebGL / Three.js / Rive / Lottie / Shader 原型。 - 设计时间线、关键帧、预览、生成、局部编辑、版本分支。 - 把 AI 生成结果变成可编辑、可理解、可控制的创作界面。 - 探索 Aesthetics 2026 所说的 technical mono、mixed media、3D、nostalgia、texture、glitch 等方向，但保持可用性。 关键证据： - 有动效或图形交互 demo。 - 能说明动效如何服务信息层级和操作反馈。 - 有审美实验能力，但不牺牲产品清晰度。 不适合信号： - 只做炫技动效，无法服务产品。 - 只懂静态视觉，不懂时间和交互。 - 3D/图形能力脱离工程实现。 画像五：AI Design Workflow Architect 定位： 不是单点做界面，而是设计团队如何使用 AI、Figma、代码库、设计系统一起工作的流程。 AI 时代的新角色，AI Design Infra，与前面四个画像深度合作。 典型任务： - 搭建 Figma → token → component → code → docs 的链路。 - 使用 Claude Code、Cursor、v0、Lovable、Figma MCP 等工具形成团队工作流。 - 设计 AI 辅助 UI 生成、组件检索、设计系统问答、自动文档、代码同步。 - 把设计系统变成模型可读的上下文。 关键证据： - 有自动化或半自动化设计流程案例。 - 能解释 AI 工具在流程中哪里可靠、哪里不可靠。 - 能平衡速度、质量、治理和团队学习成本。 不适合信号： - 把 AI 工具当噱头。 - 只会“生成页面”，不会维护系统。 - 不能判断 AI 生成结果的设计质量。 --- 上述画像是以技能侧重抽象的，不一定是精准匹配到某类人，甚至大多数设计工程师是在多个画像间交叉的，比如我。 有对豆包手机感兴趣的可以联系我，有对我感兴趣的也可以联系我 😁

Gave my personal site some tlc. Each object has behaviours and interactions that mimic their physical counterparts. Also teasing my first project I'm releasing entirely independently!

NVIDIA has announced RTX Spark, a new chip for Windows PCs that combines the CPU, RTX graphics, AI hardware, and memory into a single package. The company says RTX Spark can run modern games at 1440p and over 100 FPS in thin and lightweight laptops. >It is an ARM-based chip that combines a GPU with performance similar to the RTX 5070. >The processor includes a 20-core Grace CPU and 128 GB of unified memory. >It delivers strong gaming performance, offering around 100 FPS at 1440p in modern titles like 007 First Light and Forza Horizon 6. >The chip maintains good performance even on battery power in Windows laptops. >It also features advanced AI capabilities. >The RTX Spark is designed for both laptops and desktops. >It is scheduled to launch in Fall 2026 as a joint effort between NVIDIA and Microsoft.

这是今年我见到最惊艳的一个软件。

just wanna shout out the polestar 6