Reddit内部Vibe-Coding工具Proto实战分享

编辑点评 · AI 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）

这是Reddit资深UX工程师Blair Metcalf在Lenny's Newsletter分享其自研工具Proto的实操经验。核心数据是Proto在UX和产品团队实现100%采用，并已生成700多个原型（A·实测）。该工具通过MCP连接设计系统与生产代码，利用真实数据而非模拟数据加速迭代。对搞钱者的意义在于展示了“内部提效工具”的落地路径，证明了AI辅助原型设计在大型产品团队的可行性。下一步可参考其“注释变代码”的工作流，优化团队现有的AI编码流程。

参考MCP映射设计系统到代码的架构设计
利用内部真实数据替换Mock数据提升原型质量
建立“注释转代码编辑”的AI交互工作流
研究高采用率内部工具的推广与反馈机制

Proto 如何在 Reddit 实现 100% 采用

Proto 是 Reddit 内部开发的 AI 原型生成工具，由资深 UX 工程师 Blair Metcalf 主导构建。其核心优势在于通过 MCP 协议直接连接 Reddit 设计系统与生产代码，并在原型中注入真实用户数据而非模拟数据。截至目前发稿，Proto 已在 Reddit 的 UX 和产品团队实现 100% 采用，累计生成超过 700 个在线原型。这一数据表明，当 AI 工具能直接调用真实业务数据且无缝衔接设计系统时，大型产品团队的内部提效具备极高的落地可行性。

为什么 Proto 能取代传统 Mock 数据流程

传统原型工具依赖 Figma 模拟数据，导致设计与开发交接时出现断层。Proto 的解法是通过自定义 MCP 映射 Reddit 的产品语言到生产代码。在 Cursor 中，设计师只需对界面进行注释，AI 即可将其转化为代码编辑指令。这种“注释变代码”的工作流，让原型不仅是视觉稿，而是可运行的功能胶囊（Feature Capsule）。编辑视角来看，消除 Mock 数据与真实代码的语境差，是降低 AI 幻觉、提升原型保真度的关键。对于创业团队，哪怕无法接入真实生产数据，至少应建立从设计组件到代码组件的严格映射标准，避免 AI 生成的界面与现有代码库格格不入。

高采用率内部工具的推广机制

Proto 的 100% 采用并非源于行政命令，而是基于安全与效率的双向验证。Reddit 允许设计师在隔离环境中安全分享原型供高管评审，解决了内部协作的信任痛点。同时，Blair 构建了一个类似“罗塞塔石碑”的转换层，当 AI 生成代码出错时，能通过该层快速定位偏差。数据显示，Reddit 内部最频繁使用 Proto 的并非工程师，而是产品经理。这一现象提示，原型工具的价值在于加速需求对齐，而非替代编码。冷启动阶段，团队可先选取 1 个核心业务模块，接入真实数据源，由产品与设计人员共同测试“注释-生成”链路，验证迭代速度是否提升 30% 以上。

怎么用它赚钱

Proto 架构揭示了“内部提效工具”的项目化潜力，但直接复刻成本极高，更适合转化为服务。1. 企业级 AI 原型咨询：为拥有复杂设计系统的 B 端公司定制 MCP 映射方案，按项目收费（预估 5-10 万元/家），第一步是审计客户现有的 Figma 组件库与代码组件库的映射关系，输出《AI 原型接入可行性报告》。2. 垂直行业数据连接器：针对金融、医疗等对数据真实性要求极高的行业，开发“真实数据脱敏接入”模块，SaaS 订阅制，按月收取 2000 元/团队，首步是找到 3 家试点企业，打通其非敏感业务数据至原型环境的链路。

原文 · Lenny's Newsletter：阅读原文 →

相关工具推荐（推广）：GLM Coding Plan — AI Coding Powered by G…