Stable Diffusion設計如何用在UI靈感生成與提案

Stable Diffusion 可以用來做 UI 設計嗎？

Stable Diffusion 可以用來做 UI 設計靈感生成，適合探索介面風格、版面方向、元件視覺與配色材質，但不適合直接當成可交付 UI 設計稿。

對台灣設計師、產品團隊與接案者來說，Stable Diffusion 設計最有價值的位置在前期發想。它能比單純滑 Pinterest 或 Dribbble 更快產生多種視覺方向，但後續仍需要設計師判斷可用性、資訊層級、互動邏輯與品牌一致性。

這裡只討論 Stable Diffusion UI 設計，不延伸到室內設計、建築外觀、角色設計、動畫製作或純安裝教學。若產出只是漂亮圖片，卻無法被轉譯成真實介面，那對 UI 專案的幫助其實有限。

用途	適合程度	設計判斷
介面風格探索	適合	可快速比較極簡、科技感、柔和、專業等視覺語言。
App 首頁或網站首頁靈感	適合	可看整體氛圍、卡片比例、色彩節奏與留白感。
Dashboard 視覺方向	適合但需篩選	可找密度與層級方向，但資料邏輯仍要人工設計。
完整 Figma 檔	不適合	生成圖通常不可編輯，也缺少元件規格。
RWD、互動流程、可用性測試	不適合	這些需要 UX 判斷、原型與實際測試。

適合用 Stable Diffusion 產出的 UI 靈感

Stable Diffusion 適合產出介面風格、App 首頁方向、Dashboard 視覺、Landing Page 氛圍與元件材質。好的用法是把它當成「視覺方向產生器」，用來比較不同設計語氣，而不是急著把生成圖當完成品。

例如一個健康管理 App，可以同時測試柔和醫療感、運動科技感、日系生活感三種方向。設計師再從畫面密度、資訊層級、卡片樣式與色彩情緒判斷哪一種比較接近產品定位。

不適合直接交給 Stable Diffusion 的 UI 任務

Stable Diffusion 不適合負責資訊架構、互動邏輯、RWD 細節、可用性測試與可編輯設計稿。這些任務需要理解使用者目的、產品限制與開發規格，不能只靠一張高擬真的介面概念圖完成。

Alice Wang 的實務判斷是：如果團隊還沒定義清楚使用者任務，先丟 prompt 只會產生一堆好看的干擾。Stable Diffusion 應該接在需求整理之後，進入視覺探索階段時再使用。

Stable Diffusion UI 設計流程：從需求到可用靈感圖

Stable Diffusion UI 設計流程建議從需求簡報開始，依序轉成 prompt、批次出圖、篩選可用方向，最後回到 Figma 重建成可編輯設計稿。

這套流程的重點不是追求一次生出完美畫面，而是讓每一輪生成都有明確設計問題。接案設計師尤其要避免把 AI 圖直接丟給客戶當成果，否則很容易在修改、交付與授權階段卡住。

Step 1：先定義 UI 任務

開始生成前，先寫清楚這次要探索的是 App 首頁、SaaS 後台、活動頁、商品頁，還是 Design System 元件方向。UI 任務越明確，Stable Diffusion 產出的畫面越有機會回到設計決策。

產品類型、使用情境、畫面類型、品牌語氣

可先整理四個欄位：產品類型、使用情境、畫面類型與品牌語氣。例如「B2B 財務 SaaS」、「中小企業老闆查看營收」、「Dashboard 首頁」、「專業、清楚、低干擾」。這些資訊會直接影響 prompt 的畫面密度、元件選擇與色彩方向。

Step 2：建立參考方向與限制條件

參考方向不等於抄襲特定品牌，而是先定義畫面要靠近哪種設計語言。限制條件越清楚，後續篩選生成圖時越不容易被單純漂亮的圖片帶走。

風格、色彩、材質、版面密度、元件形狀

可以設定風格為企業級、生活感、金融科技、醫療感或內容平台；色彩可描述主色、輔色與對比程度；材質可指定玻璃感、霧面、扁平、輕量陰影；版面密度則影響卡片、表格與留白比例。

Step 3：用 Prompt 生成多組視覺方向

每次生成建議只改一個主要變因，例如只改主色、只改版面密度，或只改元件形狀。這樣才能知道結果變好或變差的原因。

一次只改一個變因，避免結果不可控

若同時改風格、色彩、構圖與模型，很難判斷哪個條件造成結果偏移。比較務實的做法是先固定產品情境與畫面類型，再分批測試「明亮留白」、「高密度卡片」、「深色專業」、「柔和圓角」等方向。

Step 4：篩選能轉譯成 UI 的結果

篩選 Stable Diffusion 生成圖時，不應只看圖片漂不漂亮，而要看它能不能被轉成真實 UI。可用的靈感圖通常有清楚層級、合理元件比例與穩定版面節奏。

看構圖、層級、元件一致性，不只看圖片漂不漂亮

一張可用的 UI 靈感圖，至少要看得出主要行動區、內容區、導覽區與輔助資訊。若畫面全是發光裝飾、複雜背景或無法辨識的假元件，即使視覺很吸睛，也很難進入實際設計流程。

Step 5：回到 Figma 重建設計稿

Stable Diffusion 產出的圖應該被當成 moodboard 與方向參考，真正交付仍要回到 Figma 重建。Figma 才能處理元件、間距、字級、狀態、RWD 與交付規格。

Stable Diffusion 產出靈感，Figma 負責規格與可交付

較成熟的流程是把生成圖拆解成設計決策：色彩怎麼用、卡片比例是否合適、按鈕狀態如何定義、資訊層級是否清楚。這些判斷進入 Figma 後，才會變成真正可修改、可討論、可交付的 UI 設計稿。

不同 UI 場景怎麼用 Stable Diffusion

不同 UI 場景需要不同 prompt 與控制條件。App 重視流程感，Dashboard 重視資訊密度，Landing Page 重視視覺焦點，Design System 則重視元件一致性。

Stable Diffusion UI 設計最怕所有場景都用同一套 prompt。App、網站、後台與電商頁的成功標準不同，生成前先分流，結果才會比較接近專案需求。

UI 場景	適合生成的方向	要特別控制的條件
App 首頁與 Onboarding	視覺語氣、卡片排列、引導感	畫面簡潔、行動按鈕清楚、避免資訊過載
SaaS Dashboard	資料卡片、圖表區、側邊導覽	層級、密度、元件一致性
Landing Page	首屏氛圍、區塊節奏、產品展示	視覺焦點、轉換路徑、留白
電商商品頁	商品資訊區、推薦區、分類頁氛圍	購買路徑、價格資訊、不要過度裝飾
Design System 元件	按鈕、卡片、輸入框、標籤風格	圓角、陰影、邊框、狀態一致性

App 首頁與 Onboarding

App UI 適合用 Stable Diffusion 探索第一印象、導覽節奏與卡片式資訊呈現。Prompt 要描述使用者族群、產品任務與畫面類型，例如健康、金融、學習或訂閱服務。

如果生成圖的按鈕位置混亂、文字區太小或引導順序不明，就不該直接採用。App 的核心仍是使用者下一步要做什麼，視覺漂亮只是加分。

SaaS Dashboard 與後台介面

Dashboard 適合測試資料卡片、圖表區、側邊導覽與操作區的視覺密度。Stable Diffusion 可以協助判斷畫面要偏乾淨、專業、科技感，或是更接近營運工具的高資訊密度。

後台介面的風險是 AI 很容易生成看似精密、實際不可讀的假圖表。篩選時要看資訊分區是否合理，而不是看圖表線條是否炫目。

Landing Page 與活動頁

Landing Page 可用 Stable Diffusion 探索首屏構圖、產品氛圍、區塊節奏與品牌色使用方式。這類頁面比後台更重視視覺焦點，但仍要保留明確的內容層級。

若是活動頁，可以用 prompt 描述受眾、主題情緒與版面節奏。生成圖適合當成提案討論素材，再由設計師整理成真實區塊與轉換路徑。

電商商品頁與分類頁

電商 UI 可以用 Stable Diffusion 探索商品卡片、分類頁密度、篩選欄與推薦區的視覺方向。它適合做前期風格測試，但不適合產出可直接上架的商品頁。

商品頁的判斷重點是購買資訊是否清楚，例如價格、規格、庫存、評價與行動按鈕。若 AI 圖讓商品資訊被裝飾元素稀釋，就不符合電商任務。

Design System 元件視覺探索

Design System 可以用 Stable Diffusion 測試卡片、按鈕、輸入框、標籤、切換器與導覽列的視覺方向。這種用法的重點是找出元件語言，而不是要求 AI 直接生成完整元件庫。

實務上可以先生成數組不同圓角、陰影、邊框與材質方向，再回到 Figma 建立真正的元件狀態。這比直接從空白畫布開始更容易取得團隊共識。

Stable Diffusion 設計 Prompt 範本

UI prompt 應該包含產品類型、畫面類型、目標使用者、風格、色彩、版面密度、核心元件與排除條件，才能讓 Stable Diffusion 生成可用的 UI 靈感。

Prompt 不只是描述「漂亮的 UI」。對設計工作來說，每個欄位都應該對應一個設計決策，例如畫面密度、使用情境、元件比例或品牌語氣。

通用 UI 靈感 Prompt 結構

[產品類型] 的 [畫面類型] UI 設計靈感，目標使用者是 [族群]，
風格為 [風格方向]，主色為 [色彩]，版面 [密度 / 留白 / 卡片比例]，
包含 [核心元件]，clean interface, modern product design, consistent spacing,
high fidelity UI concept, no readable text

產品類型會決定視覺語氣，畫面類型會限制構圖，目標使用者會影響複雜度，核心元件則讓生成結果更接近 UI 任務。建議保留 no readable text，避免模型硬生出難以使用的亂碼文字。

App UI Prompt 範本

健康管理 App 的首頁 UI 設計靈感，目標使用者是忙碌上班族，
風格為乾淨、柔和、可信任，主色為淺綠與白色，
版面留白充足，包含今日數據卡片、進度圓環、主要行動按鈕與底部導覽，
mobile app interface, clean cards, consistent spacing, high fidelity UI concept, no readable text

這組 prompt 適合探索 App 首頁的情緒與資訊分區。若結果太像插畫海報，可以加上 real product interface、clear navigation、usable mobile layout 來拉回介面感。

Dashboard UI Prompt 範本

B2B 財務 SaaS 的 Dashboard UI 設計靈感，目標使用者是中小企業經營者，
風格為專業、清楚、低干擾，主色為深藍、白色與中性灰，
版面為中高資訊密度，包含側邊導覽、營收卡片、趨勢圖表、任務清單，
web dashboard interface, enterprise SaaS, structured layout, consistent components, no readable text

Dashboard prompt 要明確指定資訊密度與元件類型。我的判斷是，後台介面寧可先生成比較克制的方向，再逐步增加視覺特色，否則很容易變成華麗但不可用的概念圖。

Landing Page Prompt 範本

AI 會議記錄工具的 Landing Page 首屏 UI 設計靈感，目標使用者是新創團隊與專案經理，
風格為現代、可信任、效率感，主色為白色、湖水綠與深灰，
版面有明確 hero 區、產品截圖區、功能卡片與行動按鈕，
modern SaaS landing page, clean hierarchy, product focused, conversion oriented, no readable text

Landing Page prompt 要強調視覺焦點與轉換導向。生成後可觀察 hero 區是否有清楚主軸、產品展示是否突出、下方內容是否有自然延伸。

Negative Prompt 範本

messy layout, unreadable interface, random text, distorted typography,
inconsistent buttons, broken grid, cluttered dashboard, overdecorated,
fantasy art, character design, logo imitation, trademark, watermark, low quality

Negative prompt 的目的不是讓畫面變完美，而是排除會傷害 UI 可用性的元素。常見要排除的包含亂碼文字、破碎網格、不一致按鈕、過度裝飾、角色插畫感與疑似商標元素。

ControlNet 在 UI 設計裡的用途

ControlNet 在 UI 設計裡主要用來控制構圖、輪廓、草圖與風格一致性。它能讓 Stable Diffusion 從隨機發想，變成更接近設計任務的受控生成。

如果只靠文字 prompt，畫面常會偏離原本想要的版面。ControlNet 的價值是把 wireframe、草圖或參考構圖變成限制條件，讓生成結果更接近可用的 UI 靈感。

ControlNet 類型	UI 設計用途	適合場景
Canny	保留線條與畫面輪廓	Wireframe、Landing Page 構圖、Dashboard 分區
Depth	保留前後層次與空間感	產品展示頁、立體卡片、視覺層級探索
Lineart / Scribble	把草圖轉成視覺方向	低保真草稿、快速提案、元件排列
Reference	維持色彩與風格一致性	品牌延伸、系列頁面、Design System 探索

Canny：保留 Wireframe 或畫面輪廓

Canny 適合用在已有 wireframe 或粗略版面時。它可以保留畫面區塊邊界，讓 Stable Diffusion 在既有構圖上探索風格、材質與配色。

例如先在 Figma 畫出首頁區塊，再用 Canny 產生不同視覺方向。這比從文字 prompt 直接生成更容易保留設計意圖。

Depth：保留前後層次與空間感

Depth 適合需要前後層次的 UI 視覺，例如產品展示、浮動卡片或有明顯層級的 Landing Page。它可以幫助畫面維持空間關係。

但 Dashboard 與工具型後台不一定需要強烈景深。若使用過度，畫面可能變得像 3D 概念視覺，反而削弱介面可讀性。

Lineart / Scribble：把草圖轉成視覺方向

Lineart 與 Scribble 適合把手繪草圖、低保真 wireframe 或快速構圖轉成多種 UI 視覺方向。它們對接案前期提案特別有用，因為可以保留大致結構，又快速產生不同氛圍。

如果客戶只說「想要更科技感」或「想要比較年輕」，先畫簡單草圖再生成，比直接猜測完整設計更有效率。

Reference：維持品牌風格一致性

Reference 適合在已有品牌色、既有頁面或風格板時使用。它能協助 Stable Diffusion 延續色彩、材質與整體視覺語氣。

使用 Reference 時要避開特定品牌仿作。合理做法是參考自己的品牌資產或已授權素材，而不是要求模型模仿某家知名公司的 UI。

模型、LoRA 與風格選擇：UI 設計要怎麼挑？

模型、Checkpoint 與 LoRA 會影響 Stable Diffusion 的視覺語言。UI 設計應優先選穩定、乾淨、授權清楚的模型，避免只追求華麗風格。

模型選擇不需要變成百科。對 UI 設計來說，只要掌握三件事：基礎模型是否穩定、風格是否可轉成介面、授權來源是否清楚。

選擇項目	適合 UI 的條件	風險
Checkpoint	乾淨、穩定、能生成產品介面感	過度偏藝術或寫實可能讓 UI 失焦
LoRA	強化特定材質、卡片風格或產品視覺	授權不清或過度貼近特定風格
Textual Inversion	輔助固定某些風格語彙	可控性與來源需檢查

新手優先選通用高品質模型

新手做 Stable Diffusion UI 設計，建議先用通用高品質模型，不要一開始就追求大量 LoRA。通用模型比較容易觀察 prompt 本身的效果，也比較不會被特定風格綁住。

UI 風格需要注意「漂亮但不可用」問題

有些模型很會生成發光、玻璃、金屬或未來感視覺，但 UI 可能完全不可用。設計師要看的不是震撼感，而是能不能拆成按鈕、卡片、導覽、表格與狀態規格。

避免使用來源不明或授權不清的模型

商業專案要避免使用來源不明、授權條款不清，或刻意模仿特定品牌與設計師風格的模型。若要把生成圖放進客戶提案，更應保留模型來源、prompt 與人工重建紀錄。

Stable Diffusion 和 Midjourney、Firefly、DALL-E 哪個適合 UI 設計？

Stable Diffusion 適合需要可控與客製的 UI 靈感生成；Midjourney 適合快速漂亮的風格探索；Firefly 適合重視 Adobe 工作流與商用安全感的團隊。

工具沒有單一答案，重點是你要解決哪個設計問題。若要反覆控制版面、接 ControlNet、調模型，Stable Diffusion 會更有彈性；若只想快速看幾種視覺氛圍，其他工具可能更省時間。

工具	UI 設計優勢	適合使用者	限制
Stable Diffusion	可控性高，可搭配 ControlNet、模型與 LoRA	設計師、工作室、需要客製流程的團隊	學習成本較高，需管理模型與授權
Midjourney	美感強，快速產生風格圖	需要快速 moodboard 的設計與品牌團隊	版面與結構控制較有限
Adobe Firefly	整合 Adobe 工作流，商用安全感較高	已使用 Adobe 生態系的團隊	客製模型與深度控制彈性有限
DALL-E / Canva AI	門檻低，文字描述即可開始	品牌方、非設計背景專案負責人	精準控制 UI 細節較困難

想要可控與可客製：Stable Diffusion

Stable Diffusion 適合需要控制構圖、模型、風格與批次變化的 UI 設計流程。若團隊有固定品牌語氣或需要長期建立提案流程，它的彈性會比較高。

想要快速漂亮風格圖：Midjourney

Midjourney 適合快速產生高質感 moodboard。它很適合在前期討論風格，但若要精準保留 wireframe 或控制元件一致性，仍需要額外整理與轉譯。

重視商用安全與 Adobe 工作流：Firefly

Adobe Firefly 適合已在 Adobe 工具內工作的團隊。若品牌方對商用來源比較敏感，Firefly 通常較容易被內部接受，但 UI 結構控制仍不能取代設計流程。

想要簡單文字生圖：DALL-E / Canva AI

DALL-E 與 Canva AI 適合低門檻嘗試，尤其是專案負責人想先整理方向給設計師討論時。它們適合溝通概念，但不適合承擔精細 UI 規格。

Stable Diffusion 生成圖可以用在客戶 UI 設計案嗎？

Stable Diffusion 生成圖可以用在客戶 UI 設計案的提案靈感與方向討論，但最終交付前應檢查模型授權、避免品牌相似性，並由設計師人工重建。

商用風險不能用一句「AI 生成所以可以用」帶過。客戶案牽涉模型來源、LoRA 授權、素材參考、合約揭露與最終交付格式，設計師要把邊界說清楚。

可用於提案靈感，但不要直接當最終設計稿

生成圖適合放在風格探索、moodboard、內部討論與初期提案中。它可以降低溝通成本，幫客戶更快看懂「專業感」、「科技感」、「溫暖感」之間的差異。

但最終設計稿仍應在 Figma 等工具中重建，包含字級、間距、元件狀態、互動流程與開發標註。這是專業交付的基本線。

檢查模型與 LoRA 授權

使用任何 Checkpoint、LoRA 或素材參考前，都要看清楚來源與授權條款。若授權不允許商用，或條款不明確，就不適合用在客戶案。

避免模仿特定品牌、設計師或商標

Prompt 不應要求 Stable Diffusion 模仿特定品牌、設計師、商標或可識別的商業視覺。比較專業的做法是描述抽象風格條件，例如「低飽和」、「高留白」、「企業級」、「柔和圓角」。

交付前要人工重建、整理規格與保留決策紀錄

交付前要把 AI 靈感轉成可編輯設計稿，並保留 prompt、模型來源、篩選理由與人工修改紀錄。這些紀錄有助於和客戶說明設計不是隨機生成，而是經過判斷與重建。

常見失敗圖與修正方法

Stable Diffusion 做 UI 設計常見失敗包含文字亂碼、元件不一致、比例奇怪、畫面過度裝飾與不像真實介面。修正重點是讓 prompt 回到可用 UI。

生成失敗不一定是工具不好，很多時候是 prompt 沒有描述 UI 任務，或篩選標準只看美感。下面這張表可用來快速診斷問題。

問題	可能原因	修正方式
畫面很美，但不像真實 UI	prompt 太偏概念藝術或視覺海報	加入 product interface、usable layout、clear navigation
文字變成亂碼	模型不擅長生成可讀文字	加入 no readable text，文字回到 Figma 製作
元件比例與間距不一致	缺少 grid、spacing、component 描述	加入 consistent spacing、structured grid、consistent components
畫面過度裝飾	風格詞太強或模型偏藝術感	降低 fantasy、cinematic、glowing 等描述
Dashboard 不可讀	只要求複雜圖表，沒有定義資訊層級	指定 data cards、sidebar、charts、task list 的分區

畫面很美，但不像真實 UI

這通常是 prompt 太偏視覺概念，缺少介面任務。可加入 web app interface、mobile app screen、real product UI、usable layout，讓模型回到產品介面語境。

文字變成亂碼

Stable Diffusion 不適合負責最終文字。UI 靈感圖可以保留文字區塊感，但可讀文案、字級、行距與語意應回到 Figma 或設計系統中處理。

元件比例與間距不一致

如果按鈕、卡片、表格比例忽大忽小，代表 prompt 需要更明確的 grid 與 spacing 條件。可加入 structured layout、consistent spacing、8pt grid inspired、component based interface。

風格太像概念藝術，不像產品介面

概念藝術常有強光、複雜背景與戲劇化構圖，但這些元素不一定適合 UI。要修正時，降低 cinematic、fantasy、dramatic lighting，增加 clean interface、product design、clear hierarchy。

設計師該如何把 Stable Diffusion 放進日常工作流？

設計師最適合把 Stable Diffusion 放在 moodboard、風格探索、提案前期與內部討論階段，再由人類設計師完成 wireframe、prototype、design system 與交付規格。

AI UI 設計工具真正節省的是「看見更多可能性」的時間，不是省掉設計判斷。成熟工作流會讓 Stable Diffusion 負責發散，讓設計師負責收斂。

工作階段	是否適合使用 Stable Diffusion	建議用法
需求訪談後	適合	把產品類型、受眾與品牌語氣整理成 prompt。
Moodboard	很適合	快速比較多種視覺方向。
Wireframe	不建議取代	仍應由設計師處理資訊架構與流程。
客戶提案	適合但要標示邊界	用於方向討論，不當成最終稿。
Design System	可輔助	探索元件視覺，再回 Figma 建立規格。
最終交付	不適合直接使用	需人工重建、檢查授權與整理標註。

適合放在 moodboard 和初期方向探索

Stable Diffusion 適合在專案早期產生不同風格方向，幫團隊快速討論哪種視覺語氣接近產品定位。這比口頭描述「高級一點」、「活潑一點」更有效。

不適合取代 wireframe、prototype 和 design system

Wireframe 要處理資訊架構，prototype 要驗證互動流程，design system 要定義可重複使用的元件規格。Stable Diffusion 的生成圖無法完整承擔這些責任。

最佳做法：AI 出方向，人類做判斷與規格

最穩定的做法是讓 AI 產生方向，設計師負責判斷、取捨與落地。Stable Diffusion 最有價值的位置，是幫設計師更快看見不同 UI 方向，再由人類把方向轉成真正可用的介面系統。

Stable Diffusion 可以做 UI 設計嗎？

可以，但比較適合用在 UI 靈感生成、風格探索與前期提案，不適合直接產出可交付設計稿。真正的 UI 仍需要在 Figma 等工具中重建元件、間距、字級與互動狀態。

Stable Diffusion 適合新手設計師使用嗎？

適合用來練習視覺方向判斷，但不適合拿來跳過設計基礎。新手應先學會版面、層級、留白、字體與元件規格，再用 Stable Diffusion 加速發想。

Stable Diffusion 生成的 UI 圖可以直接放進 Figma 嗎？

可以作為參考圖放進 Figma，但不應直接當成設計稿。生成圖通常不可編輯，也沒有真實元件、文字樣式、互動狀態與 RWD 規格。

Stable Diffusion 和 Midjourney 哪個比較適合 UI 設計？

如果重視可控性、ControlNet、模型調整與批次流程，Stable Diffusion 較適合。若只是想快速產生漂亮的風格圖，Midjourney 通常更快，但版面精準控制較有限。

ControlNet 對 UI 設計有什麼幫助？

ControlNet 可以保留 wireframe、草圖、輪廓或參考風格，讓生成結果不會完全隨機。UI 設計中常用於控制版面分區、元件位置與視覺一致性。

Stable Diffusion 生成圖可以商用嗎？

不應直接假設可以商用。是否能用在商業專案，要看模型、LoRA、素材來源與平台條款。客戶案建議只把生成圖作為提案靈感，最終交付前人工重建並保留授權檢查紀錄。

為什麼 Stable Diffusion 生成的介面文字常常是亂碼？

因為 Stable Diffusion 主要生成視覺圖像，不擅長穩定處理可讀文字。UI 圖中的文字應視為佔位，正式文案、字級與排版要回到設計工具中處理。

用 Stable Diffusion 做 UI 設計需要會寫程式嗎？

不一定需要會寫程式，但需要理解 prompt、模型、negative prompt 與基本生成參數。若要深度使用 WebUI、ControlNet 或批次流程，具備一點工具設定能力會更順。

設計師會被 Stable Diffusion 取代嗎？

不會因為能生成 UI 圖就直接取代設計師。Stable Diffusion 能加速視覺探索，但產品理解、資訊架構、使用者判斷、元件規格與客戶溝通仍需要設計師負責。

Stable Diffusion 適合做 App、網站還是 Dashboard？

三者都可以用於靈感生成。App 適合探索首頁與 onboarding，網站適合探索首屏與區塊節奏，Dashboard 適合探索資訊密度與卡片視覺，但都需要人工轉成可用設計稿。

Prompt 要怎麼寫才比較像 UI 設計？

Prompt 要包含產品類型、畫面類型、目標使用者、風格、主色、版面密度與核心元件。也建議加入 clean interface、consistent spacing、high fidelity UI concept、no readable text 等限制。

Stable Diffusion 產出的圖和真正 UI 設計稿差在哪裡？

Stable Diffusion 產出的是視覺概念圖，真正 UI 設計稿則包含可編輯元件、文字樣式、間距規格、互動狀態、RWD 邏輯與開發交付標註。兩者用途不同，不能混為一談。