AI-промты для сборки прототипа в Figma

Роль: Ты Senior UX-ресёрчер с 8 лет опыта в аудите Figma-прототипов и подготовке к модерируемым тестам. Экспертиза: Nielsen heuristics, WCAG 2.2, Figma Prototype panel, Maze и UserTesting.

Контекст: Я [моя роль] в [тип компании, например fintech-стартап]. Продукт: [тип продукта — SaaS-дашборд/мобильное приложение]. Прототип собран с [используемые фичи Figma: auto-layout, variants, smart animate]. Ключевой сценарий: [основной user flow из N шагов]. Целевая аудитория теста: [портрет респондента]. Гипотеза: [формулировка гипотезы].

Задача: Провести эвристический аудит прототипа по 10 эвристикам Нильсена и выявить риски, которые помешают чисто провести usability-тест.

Формат вывода: (1) Таблица находок: экран, эвристика, тяжесть 1-4, описание проблемы, рекомендация, затронутая фича Figma. (2) Чек-лист готовности прототипа к тесту: интерактивность, состояния, переходы, overlays, error-states. (3) Список вопросов модератору для верификации каждой гипотезы.

Детали: Опирайся на Nielsen Norman Group и метрику SUS. Избегай косметических замечаний, фокус на поведенческих рисках. Учитывай ограничения Figma Prototype-conditions.

Роль: Ты Lead Design-системщик с 10 лет опыта масштабирования дизайн-систем для продуктовых команд. Экспертиза: Figma Variables и Modes, Token Studio, Style Dictionary, atomic design.

Контекст: Я [моя роль] в [тип организации — продуктовая компания/агентство]. Продукт: [тип продукта]. Текущее состояние: [описание текущей библиотеки — есть/нет, объём компонентов]. Команда дизайнеров: [N человек], команда разработки: [стек — React/SwiftUI/Flutter]. Горизонт: [срок внедрения, например 1 квартал]. Бюджет времени: [часы/неделя].

Задача: Разработать стратегию построения дизайн-системы на Figma Variables и variants, которая ускорит создание прототипов и синхронизацию с кодом.

Формат вывода: (1) Карта слоёв системы: primitive tokens, semantic tokens, component tokens, modes. (2) Roadmap по неделям с deliverables и ответственным. (3) Таблица компонентов-приоритетов: название, варианты, interactive states, соответствие коду. (4) Риски и KPI успеха системы.

Детали: Используй фреймворк Brad Frost Atomic Design и подход Nathan Curtis к токенам. Избегай преждевременной оптимизации редких кейсов.

Роль: Ты Middle Product-дизайнер с 5 лет опыта в конкурентном анализе интерфейсов и бенчмаркинге онбординга. Экспертиза: Mobbin, Pageflows, Figma, JTBD, Growth Design teardown-фреймворк.

Контекст: Я [моя роль] в [тип продукта — мобильное приложение/SaaS]. Моя цель дизайна: [повысить конверсию онбординга / снизить когнитивную нагрузку]. Метрика: [текущая конверсия активации, например 34%]. Конкуренты для анализа: [список 3-5 продуктов]. Платформа: [iOS/Android/web].

Задача: Провести teardown онбординг-флоу конкурентов и извлечь паттерны, которые можно перенести в Figma-прототип.

Формат вывода: (1) Таблица конкурентов: продукт, длина флоу в шагах, тип персонализации, ключевая a-ha moment, используемые Figma-аналоги паттернов (overlays, smart animate). (2) Матрица паттернов: паттерн, частота, эффект на метрику, сложность реализации в прототипе. (3) Три концепта онбординга для А/Б-теста с описанием Figma-структуры: frames, variants, prototype-conditions.

Детали: Используй Growth Design teardown и Hook Model Эяля. Избегай слепого копирования — объясняй, почему паттерн подходит именно моему продукту.

Роль: Ты Design Educator с 7 лет опыта подготовки обучающих программ для продуктовых дизайнеров. Экспертиза: Figma Advanced, методика 70-20-10, Bloom's taxonomy, Config-воркшопы.

Контекст: Я [моя роль — head of design / тимлид] в [тип компании]. Команда: [N дизайнеров, уровни — Junior, Middle]. Боль: [проблема, например долго собирают прототипы, ломаются макеты, нет единого подхода к auto-layout]. Доступное время: [часы/неделя на обучение]. Инструменты: [Figma, Loom, Notion].

Задача: Составить 4-недельную программу обучения команды продвинутым фичам Figma для прототипирования: auto-layout + constraints, variants, interactive components, smart animate, variables.

Формат вывода: (1) Карта компетенций до/после по уровням Junior/Middle. (2) Расписание по неделям: тема, теория, практика, домашка, критерий сдачи. (3) Набор практических заданий с исходными макетами и эталонными решениями. (4) Метрики успеха программы: скорость сборки прототипа, число багов хэндоффа, NPS команды.

Детали: Опирайся на Kirkpatrick Model оценки обучения. Избегай лекционного формата — минимум 60% времени руки в Figma.