design.md：Google 推出的設計 token 規範與文件架構，幫助在 AI 開發能有更一致性的設計

Google Labs 在 GitHub 上提出的 design.md，是一種專為 AI（特別是 LLM 與 Agent）設計的設計系統格式。其核心目的在於解決傳統設計文件「人看得懂、AI 卻難以準確理解」的問題，透過結構化資料與自然語言說明的結合，讓模型能同時掌握精確數值與設計意圖。

從定位來看，design.md 並不是單純的設計文件，而是一種「機器可讀 + 人類可讀」的雙層規範格式。它試圖建立一個標準，讓設計系統可以被 AI 正確解析、引用與應用，進一步降低在生成 UI 或品牌內容時出現偏差（例如顏色錯誤或風格不一致）的情況。

在核心結構上，design.md 採用明確的雙層設計：

首先是「機器層」，也就是 YAML Front Matter，放在文件最上方並以 --- 包裹。這一層定義所有精確的設計 token，例如顏色、字體與間距，提供 AI 可直接使用的結構化資料。常見內容包括：

• colors：使用語意化命名（如 primary、secondary），搭配十六進位色碼
• typography：字體家族、字級、字重、行高與字距等完整設定
• spacing / rounded：間距與圓角的尺度系統
• components：元件級 token，支援引用其他 token（如 {colors.primary}）

這一層的重點在於「準確性」，確保 AI 在生成內容時有明確依據，而不是依賴推測。

接著是「人類層」，也就是 Markdown Body。這部分使用自然語言描述設計理念與應用情境，並且規範需按照固定的 8 個章節撰寫：

• Overview（品牌與整體風格）
• Colors（色彩角色與情感）
• Typography（排版風格）
• Layout（版面與留白策略）
• Elevation & Depth（層級與陰影）
• Shapes（形狀與視覺語言）
• Components（元件設計規範）
• Do's and Don'ts（設計使用原則）

這一層的角色在於補足「語意與脈絡」，說明設計「為什麼這樣做」以及「應該如何使用」。

整體來看，design.md 的關鍵設計在於：
token 提供可執行的數值標準，而 prose（文字）負責解釋設計意圖與使用方式。
兩者結合，使 AI 不僅能套用正確數值，也能理解品牌風格，降低錯誤生成的機率。

除了文件格式本身，專案也提供對應的 CLI 工具鏈（@google/design.md），讓這套規範能實際應用於開發流程中。其主要功能包括：

• lint：檢查結構是否正確、WCAG 對比度是否符合標準，以及 token 引用是否完整
• diff：比較不同版本的 design.md，找出 token 或描述上的變動
• export：將設計 token 匯出為 Tailwind 設定或 W3C DTCG 標準格式（tokens.json）
• spec：輸出完整規範內容，可直接提供給 AI 作為上下文

這些工具讓 design.md 不只是文件格式，而是能整合進設計與開發流程的實用規範。

從使用情境來看，design.md 特別適合用於 AI 驅動的 UI 開發、設計系統管理，以及需要讓模型生成品牌一致內容的應用。例如在自動生成前端介面、設計稿或品牌素材時，AI 可以直接讀取 token 並理解設計語境，減少人工修正成本。

實際應用上會發現，這種雙層結構的價值在於「降低模糊空間」。傳統設計文件多半偏向描述性，AI 容易誤解；而純 token 又缺乏語意說明。design.md 則透過結構化與語意說明的結合，讓兩者互補，提升整體可用性。

整體而言，design.md 的定位是一種面向 AI 時代的設計系統新格式。它將設計規範從「文件」轉變為「可被機器理解與執行的資料結構」，對於需要結合設計與生成式 AI 的開發流程來說，提供了一種更精準且可擴展的解決方式。