2026 年最佳产品设计 AI：适配工作流的 10 款工具

2026 年最适合产品设计的 AI，取决于工作流下一步需要什么输出。Virse 和 Vizcom 是实体产品概念与视觉迭代的有力选择；Figma、v0、Lovable 和 Uizard 支持 UI 与数字产品原型设计；Autodesk Fusion 和 Siemens Designcenter 服务于 CAD 和工程工作流。合适的工具应产出可编辑、可审核的成果，能进入下一设计阶段，而不造成过多返工。比较平台的团队还可以查看最佳 AI 设计工具和专门的Vizcom 替代工具，了解各工具适合哪些阶段。

问题在于，许多 AI 工具能生成令人印象深刻的初稿，却在修改过程中失去价值。产品几何形态发生变化，UI 状态缺失，项目上下文需要重新输入，生成的代码或 CAD 仍需专业验证。如果设计师检查、重建、传递和维护输出所花的时间，比在受控工作流中完成工作还多，那么快速生成并不是真正的生产力提升。结构化的从需求简报到交付的 AI 设计工作流和持续保留上下文的AI 设计系统，可以减少部分上下文丢失。

Virse 面向专业团队打造，让 AI 始终与设计流程相连，而不是替代它：无界画布保留参考、概念、变体和反馈的上下文，多个代理则协同开展探索、迭代和素材开发，同时将创意方向、审核和最终控制权留在设计师手中。这种方式既契合AI 设计代理创意工作流，也符合更广泛的艺术指导理念

2026 年最适合产品设计的 AI 是什么？

最适合产品设计的 AI，是能为工作流的下一阶段产出合适交付物，同时不会增加过多验证、重建或交接工作的工具。

我们的推荐分为三类：

• 实体产品概念与可视化：Virse、Vizcom、Adobe Firefly 和 Midjourney
• UI、UX 与数字产品原型：Figma、v0、Lovable 和 Uizard
• CAD 与生成式工程：Autodesk Fusion 和 Siemens Designcenter

这些分类依据两项实用标准：

1. 工具支持的设计流程阶段
2. 工具产出的主要成果类型

逼真的产品概念图、可编辑的 UI 流程、可运行的应用代码，以及工程 CAD 模型，都可能被称为 AI 产品设计成果。但它们解决的问题不同，也需要不同的评价标准。

我们如何评价这些工具

每款产品从四个方面进行评估：

• 输出质量：视觉连贯性、功能完整性、几何形态保留或工程相关性
• 控制能力：参考、局部编辑、组件控制、持续上下文与工程约束
• 工作流适配：协作、版本管理、设计系统支持、项目知识与交接
• 后续可用性：输出能否继续用于展示、测试、代码、CAD、仿真、原型制作或制造

我们没有给出数字评分。如果不凭空设定任意权重，就无法将图像生成器、UI 平台和工程 CAD 系统归结为一个站得住脚的分数。

我们也没有将生成速度等同于整体生产力。即便结果在五分钟内生成，如果设计师还要花数小时修复几何形态、重建缺失状态、纠正代码或反复输入项目上下文，这个过程仍然可能低效。

最适合实体产品概念与可视化的 AI 工具

实体产品概念工作的主要选择包括：用于连通且上下文丰富的探索的 Virse、用于草图转渲染的 Vizcom、用于产品场景编辑的 Adobe Firefly，以及用于广泛视觉方向探索的 Midjourney。

这些工具在以下阶段最有用：

• 创意构思
• 草图深化
• CMF 探索
• 产品可视化
• 概念展示
• 设计评审
• 反馈驱动的迭代
• 产品系列或 SKU 扩展

内部 JTBD 研究将草图转渲染识别为工业设计团队尤其棘手的任务，因为早期概念可能需要先建模和渲染，相关方才能判断其形态、材料和视觉效果。研究还将概念探索、CMF 变化、生活方式场景可视化、设计评审和反馈迭代识别为反复出现的需求。这些发现描述用户任务与痛点，并不证明每款工具都已具备所有被请求的工作流。

Virse：最适合上下文丰富的概念开发与迭代

Virse 最适合需要在同一视觉工作空间中组织参考、比较方向、协调 AI 代理并管理多轮设计迭代的专业设计师和团队。

不同于仅依靠提示词的图像生成器，Virse 将自身定位为围绕无界画布构建的 AI 设计操作系统。设计师可以在空间中排列、连接、比较和编辑资料，AI 代理则利用更广泛的画布上下文，而不只是响应孤立的提示词。

其已确认的定位包括：

• 用于组织项目资料的无界画布
• 基于更广泛画布上下文的任务理解
• 共享项目上下文的多个代理
• 参考分析与创意探索
• 批量输出与素材变体
• 资料组织与多轮修改
• 从团队偏好、品牌规范和项目历史中学习
• 设计师持续掌控方向、编辑、审核和交付

当项目包含需求简报、竞品、手绘草图、情绪板、CMF 参考、既往迭代、包装方向和营销活动应用时，这种结构尤其重要。

团队无需在多个独立聊天中重建这些上下文，而可以让视觉关系和已批准的决定保持可见。这很重要，因为实体产品设计很少在第一张渲染图之后就结束。团队通常还需要：

• 比较多个方案
• 保留已批准的元素
• 回应相关方反馈
• 探索 CMF 变体
• 将一个方向扩展到整个产品系列
• 准备相关包装或营销素材
• 在多轮工作中维持视觉一致性

Virse 还可以支持不同任务之间的协同工作。一个代理可以分析参考，另一个则开发概念、探索包装或创建相关营销资料。由于代理共享项目上下文，工作流能够保持连贯，而不会变成一组互不相关的输出。

不应将 Virse 视为尺寸 CAD、公差分析、结构仿真、人体工学测试、实体原型制作、面向制造的设计（DFM）或制造批准的替代品。

适合选择 Virse 的情况：项目上下文、参考组织、多轮迭代、代理协调和视觉一致性是工作的核心。

不应将其作为最终工程依据的情况：交付物需要经过验证的尺寸、生产几何、结构计算或正式合规审核。

Vizcom：最适合草图转渲染与 CMF 探索

Vizcom 最适合工业设计师在进入详细 CAD 之前，将草图转成可控的概念渲染图，并探索颜色、材料和表面处理方向。

不同于通用文生图模型，Vizcom 将提示词与设计师的草图结合。其指南说明，草图可以作为主要事实依据，较高的影响权重有助于在应用材料、灯光和渲染风格时保留形态与比例。

典型用途包括：

• 将线稿转为展示用渲染图
• 探索材料与表面处理
• 比较产品配色
• 从一个轮廓开发多个概念
• 传达早期形态决策
• 为内部或客户评审准备方向

实用的工作流是在要求模型增加真实感之前，先定义关键几何：

1. 画出基本轮廓。
2. 标记重要边缘、接缝、控件和开口。
3. 明确组件之间的关系。
4. 添加简洁的材料和灯光提示词。
5. 当保留形态很重要时，提高草图影响权重。
6. 生成数量受控的备选方案。
7. 检查每一处意外的结构变化。
8. 通过 CAD 和工程工作深化选定方向。

Vizcom 将自身描述为粗略想法与可通过传统方法进一步开发的概念之间的桥梁。

其局限是视觉可信度与工程有效性之间的差距。渲染出的铰链可能无法正常转动，无缝外壳可能无法装配，纤细的支撑可能无法承受预定载荷。

获批方向应继续经历：

概念渲染 → 设计评审 → CAD 重建 → 工程分析 → 原型 → 制造验证

适合选择 Vizcom 的情况：在增加真实材料和灯光的同时保留草图，比不受限制的视觉新奇性更重要。

不应将其视为最终 CAD 的情况：需要公差、内部组件、经验证的人体工学、装配逻辑或生产几何。

Adobe Firefly：最适合产品展示效果图与营销变体

Adobe Firefly 最适合已有产品渲染图或照片、需要围绕它创建新场景、背景、营销活动版式和展示素材的团队。

它在产品设计中最大的价值是素材编辑，而不是尺寸与形态开发。Firefly 可以替换背景、生成变体、调整灯光、将图像扩展为新的宽高比，并进行定向修改，而无需用户从空白图像重新开始。

因此，Firefly 适用于：

• 测试产品环境
• 创建电商图片
• 制作社交媒体和营销活动版式
• 开发季节性或区域性场景
• 移除不需要的物体
• 扩展已批准的构图
• 准备零售与展示概念
• 将一个产品素材延展到多个渠道

Adobe 的产品摄影工作流专门展示了如何通过描述位置、材料、灯光和场景类型的提示词，将单独的产品放入 AI 生成的环境。

Firefly Custom Models 还可以生成与组织视觉素材保持一致的图像变体。Adobe 列出的支持用途包括生活方式摄影、静物摄影、产品拍摄背景、插画和品牌表达探索。

不过，风格一致性不等于精确几何，也不等于自动符合品牌要求。团队仍需检查：

• 标志
• 法规文案
• 产品比例
• 按钮和控件
• 接缝和紧固件
• 材料表现
• 反射和阴影
• 配件和包装内容物

适合选择 Firefly 的情况：获批产品素材需要编辑、本地化、扩展或适配更多视觉应用。

不应依赖它的情况：要求精确产品几何、工程准确性、多视图一致性或法规标签的准确还原。

Midjourney：最适合早期视觉方向与形态探索

Midjourney 最适合早期构思阶段，帮助设计师获得广泛的视觉语言、氛围、材料、环境和前瞻性方向。

其 Moodboards 功能通过精选图像集合，帮助用户传达更广泛的审美方向；Style References 则应用更具体的视觉特征。Image Prompts 和 Editor 提供更多引导与修改结果的方法。

适用的产品设计场景包括：

• 比较不同设计语言
• 构建视觉情绪板
• 探索表面与材料方向
• 将设想中的产品类别可视化
• 营造展示氛围
• 测试生活方式场景
• 激发新的草图方向

家具团队可以先比较整体式、轻量化、模块化和仿生视觉语言，再将选定想法发展为受控草图。消费电子团队可以探索某一品类在居家、医疗、户外或奢华环境中的呈现方式。

Midjourney 的优势是广度，而不是尺寸精度。参考可以引导内容和风格，但不能保证精确比例、组件、界面或标志在不同输出中保持不变。

适合选择 Midjourney 的情况：项目需要广泛创意、氛围探索和陌生的视觉方向。

不应依赖它的情况：产品必须在多个视图中保持精确形态、尺寸、控件或组件关系。

最适合 UI、UX 与数字产品原型的 AI 工具

数字产品设计的主要选择包括：用于协作且可编辑工作流的 Figma、用于 UI 转代码开发的 v0、用于具有功能的全栈概念的 Lovable，以及用于易上手线框图设计的 Uizard。

评价这些工具不应只看截图质量。生成的仪表板可能看起来精致，却仍缺少：

• 空状态
• 加载状态
• 错误情形
• 权限
• 可访问性
• 响应式行为
• 真实的数据逻辑
• 可复用组件
• 可维护代码

我们对公开报告的工作流进行审阅后发现，设计师经常用 AI 处理会议摘要、PRD 分析、界面文案、备选用户流程、早期原型和功能演示。一个反复出现的顾虑是，验证与修正可能抵消最初的生成速度优势。

Figma AI 与 Figma Make：最适合协作式数字产品设计

对于重视可编辑性、设计系统连续性、协作与原型交接的成熟数字产品团队，Figma 是我们的首要通用推荐。

Figma Make 将 AI 聊天、可运行的应用预览和可编辑代码结合起来。团队可以附加 Figma 画框、设计稿、PDF、图像、音频和其他上下文资料。Figma 还支持评论、标注、点选编辑、可复用模板，以及 AI 和人工编辑的版本历史。

Figma Make 还可以使用设计系统包和指南，使生成的应用更符合组织已有的视觉与技术标准。

实用工作流如下：

1. 附上需求简报、支持文件、已有屏幕和设计系统参考。
2. 生成不同的流程结构。
3. 在共享工作空间中比较方向。
4. 检查加载、空白、错误、成功和权限状态。
5. 将首选方向构建成功能原型。
6. 结合上下文收集反馈。
7. 需要时恢复早期版本或从中创建分支。
8. 准备更清晰的设计到开发交接。

Figma 的主要优势是连续性。AI 输出保留在设计师已经用来编辑组件、比较版本、收集反馈、制作原型和与开发者沟通的环境中。

其局限是看似完整的假象。生成的界面可能在产品逻辑、可访问性、安全性、内容架构和技术可行性尚未验证时，就已显得很可信。

适合选择 Figma 的情况：多位团队成员需要在共享环境中设计、审核、迭代、制作原型和交接工作。

不应将 AI 初稿视为最终结果的情况：产品包含复杂角色、权限、可访问性要求、受监管内容或特殊技术行为。

v0：最适合快速 UI 生成与前端原型

v0 最适合需要可运行代码而非静态效果图的产品设计师、创始人和前端团队。

v0 可以根据提示词、截图、效果图或 Figma 设计生成 Web 应用。用户可通过 Design Mode 迭代、直接编辑代码，并应用设计系统来更好地维持品牌一致性。

它尤其适用于：

• 仪表板
• 落地页
• 新用户引导流程
• 内部工具
• 数据录入界面
• 交互式产品演示
• 早期 MVP

一个公开报告的工作流先用大语言模型整理会议笔记，再用 v0 生成界面，最后通过 HTML 转 Figma 流程将结果送回设计环境。报告声称大幅缩短了用时，但没有披露项目范围、审核投入、可访问性、代码质量或维护成本。它说明这种工作流可行，而不说明相同的生产力提升是普遍结果。

用于生产之前，团队应检查：

• 语义化 HTML
• 响应式行为
• 可访问性
• 身份验证
• 权限
• 错误处理
• 安全性
• 数据架构
• 性能
• 组件复用
• 测试覆盖率
• 长期可维护性

适合选择 v0 的情况：下一步有用的成果是可运行的 Web 原型或前端实现。

不应将生成代码视为可直接生产使用的情况：应用涉及敏感数据、复杂架构、严格的可访问性要求或长期维护责任。

Lovable：最适合具有功能的全栈产品概念

Lovable 最适合需要将明确想法转化为可运行全栈 Web 应用的创始人、产品经理和混合技术团队。

Lovable 将自身描述为全栈 AI 开发平台，可通过自然语言构建、迭代和部署应用，同时产出真实代码。

其项目与工作空间知识功能可以保留：

• 产品目的
• 受众
• 领域术语
• 架构决策
• 数据库结构
• 偏好的库
• 安全要求
• 设计与交互标准

Lovable 在生成修改前，会读取项目知识、工作空间知识、代码和已连接的指令文件。

合理的工作流如下：

1. 定义用户和核心问题。
2. 记录产品与技术约束。
3. 规划最小可测试流程。
4. 生成一个边界明确的功能。
5. 审核行为与数据处理。
6. 通过视觉操作或指令编辑。
7. 逐步添加后端功能。
8. 运行安全检查。
9. 进行可用性与技术审核。
10. 只在适当验证后发布。

Lovable 包含自动安全分析，可识别常见数据库访问问题、不安全模式和依赖漏洞。但自动扫描并不能免除专业安全与架构审核的需要。

适合选择 Lovable 的情况：目标是验证具有前端和后端行为、可以运行的产品概念。

不应假设结果已可规模化的情况：产品需要复杂基础设施、受监管数据、正式安全控制或大量定制工程。

Uizard：最适合初学者的线框图与原型

Uizard 最适合需要可编辑 UI 概念，又不想先掌握复杂专业工具的创始人、产品经理、顾问和初级设计师。

Autodesigner 可以根据文本提示词生成多屏设计稿。Screenshot Scanner 将现有界面图像转为可编辑设计稿，Wireframe Scanner 则将手绘线框图数字化。

因此，Uizard 适用于：

• 相关方研讨会
• 产品经理的概念构思
• 基础 Web 与移动端流程
• 将纸上草图数字化
• 重建参考界面
• 创建简单可点击原型
• 在专业设计师加入前传达想法

其主要价值是易于上手。它缩短了从想法到可审核界面的距离，而不要求代码或高级设计系统知识。

代价在于深度。成熟产品团队可能需要比 Uizard 所提供的更多控制，包括组件、变量、交互状态、响应式、可访问性和开发交接。

适合选择 Uizard 的情况：眼前的需求是快速传达并迭代早期 UI 想法。

不应将其作为最终事实依据的情况：产品依赖复杂设计系统、详细交互逻辑或高级开发交接。

最适合 CAD 与生成式工程的 AI 工具

对于易于上手、约束驱动的生成式设计，Autodesk Fusion 更合适；Siemens Designcenter 则更适合企业级 CAD、拓扑优化、自动化和相互连通的工程工作流。

这些系统应依据工程输入与后续有效性进行评价，而不是看输出是否逼真。

Autodesk Fusion：最适合约束驱动的生成式设计

Autodesk Fusion 最适合需要根据保留区域、障碍区域、载荷、约束、材料和制造方法探索 CAD 方案的产品设计师与工程师。

保留几何定义必须维持尺寸与形状的区域。障碍几何定义生成材料不得出现的空间。团队还可以提供初始形状、材料选项、载荷工况和制造约束。

实用工作流如下：

1. 定义所需连接点。
2. 标记必须保留的几何。
3. 标记必须保持空置的空间。
4. 施加符合实际的载荷与约束。
5. 选择合适材料。
6. 定义允许的制造方法。
7. 生成备选方案。
8. 使用相关工程指标比较结果。
9. 导出并细化选定结果。
10. 通过分析和实物测试进行验证。

Fusion 尤其适用于：

• 支架
• 支撑件
• 框架
• 夹具
• 轻量化结构
• 载荷工况明确的制造零件

生成式设计结果的质量取决于研究定义。错误约束、不完整载荷工况、不适当材料或不现实的制造假设，都可能产生误导性结果。

生成式工程也无法独立解决主观的工业设计问题，例如产品是否让人感到可信、舒适、高端、亲切，或是否符合品牌。

适合选择 Fusion 的情况：问题可以通过几何、载荷、约束、材料和制造要求来表达。

不应将其用于替代：工程判断、DFM、公差分析、装配审核、原型测试或安全验证。

Siemens Designcenter：最适合企业级 CAD 与工程优化

Siemens Designcenter 最适合需要高级 CAD、拓扑优化、自动化、协作和产品开发连续性的大型工程组织。

2026 年 6 月，Siemens 将 Designcenter NX 更名为 Designcenter。当前产品组合整合了 AI 驱动的生产力、云端协作、数字主线连续性和沉浸式工程能力。

相关用途包括：

• 复杂参数化 CAD
• 大型装配体
• 拓扑优化
• CAD 自动化
• 产品生命周期集成
• 考虑制造要求的开发
• 跨领域工程
• 企业协作
• 修订与产品数据的连续性

Siemens 还推广 Designcenter CAD 内的 AI 分析、优化和生成能力，其拓扑优化功能则建议在满足强度要求的同时减少材料使用的几何形态。

其价值不只是软件能够生成或优化几何。企业团队需要让设计信息在工程专业、供应商、修订、仿真、制造和正式审批流程之间保持连通。

代价是复杂性。只想快速制作概念渲染图的独立工业设计师，通常难以从企业工程环境中受益。其价值随着产品复杂度、组织规模及对连通产品数据的需求增长而提升。

适合选择 Siemens Designcenter 的情况：高级 CAD 与优化必须在更广泛的企业工程和产品数据环境中运行。

不宜为以下用途选择它：情绪板、快速草图渲染、轻量 UI 原型，或缺乏工程资源、无法有效使用它的团队。

应该选择哪款 AI 产品设计工具？

选择 AI 产品设计工具时，应从必须交付的成果及其必须达到的专业标准倒推。

按任务与输出选择

• 选择 Midjourney，用于广泛视觉方向和氛围探索。
• 选择 Vizcom，用于草图转渲染和受控 CMF 探索。
• 选择 Virse，用于基于画布的参考组织、相互连通的概念开发和反复的团队迭代。
• 选择 Adobe Firefly，用于产品场景编辑与获批图像的扩展。
• 选择 Figma，用于协作式、可编辑的数字产品设计。
• 选择 v0，用于可运行的 UI 与前端原型。
• 选择 Lovable，用于具有功能的全栈概念。
• 选择 Uizard，用于易上手的线框图和早期原型。
• 选择 Autodesk Fusion，用于约束驱动的 CAD 方案探索。
• 选择 Siemens Designcenter，用于企业级工程优化。

比较工作流总成本，而不只是生成速度

我们审阅公开报告的工作流时发现，一些个别案例中，基于来源资料的 AI 将访谈综合分析从近两周缩短到一个下午，另一个工作流则在数小时内将会议笔记转成生成的界面。

这些报告展示了可能做到的事情，但并非始终披露：

• 项目范围
• 质量要求
• 审核时间
• 错误率
• 返工
• 可访问性
• 技术债务
• 长期维护

不能将它们视为行业平均值。

更站得住脚的衡量方式是：

净节省时间 = 原工作流用时 − 生成时间 − 验证时间 − 修正时间 − 交接时间 − 输出造成的后续维护时间

试用期间跟踪以下指标：

一款快速生成十个方案、但需要大量重建的工具，其价值可能不如一款较慢、却能保留上下文并产出更易编辑结果的工具。

让审核流程匹配任务风险

低风险任务

• 内部情绪板
• 早期措辞选项
• 不具约束力的展示草稿
• 广泛概念探索

这些任务通常能容许更快的生成和较轻量的审核。

中风险任务

• 供相关方评审的原型
• 用于方向审批的产品渲染图
• 研究综合分析
• 用户流程
• 前端概念
• 设计系统建议

这些任务需要记录输入、明确责任，并进行结构化人工审核。

高风险任务

• 生产代码
• 保密用户研究
• 法规标签
• 涉及安全的关键几何
• 工程仿真
• 制造放行
• 可访问性合规
• 安全架构

这些任务需要专家验证，也可能需要组织正式批准。

将研究型 AI 作为支持层

Google 于 2026 年 7 月将 NotebookLM 更名为 Gemini Notebook。它仍是一款基于来源资料的研究工具，可以分析上传的 PDF、网站、视频、音频、Google Docs 和其他项目来源。它的回答包含对所提供资料的引用。

基于来源资料的研究助手可以帮助团队：

• 从冗长 PRD 中提取需求
• 在访谈转录中查找证据
• 比较相关方文件
• 总结技术约束
• 建立可搜索的项目知识
• 将论断追溯到来源

不过，AI 可以重新组织已有证据，却不能通过生成看似合理的人物画像来创造真实用户证据。

在单一工具与连通的工具组合之间选择

以下情况下，单一工具可能足够：

• 任务范围较窄
• 输出不跨越多个专业领域
• 小团队可以审核完整结果
• 项目的工程或保密风险有限

当研究、视觉设计、代码、CAD、工程和营销属于不同阶段时，连通的工具组合更合适。

在这种情况下，需要定义：

• 每项成果由哪个工具负责
• 如何传递获批上下文
• 如何跟踪版本
• 哪些输出需要验证
• 谁拥有最终审批权
• 如何处理保密信息
• AI 输出何时成为正式项目记录

更多 AI 工具不会自动带来更好的工作流。每个平台都会增加培训、订阅、权限、版本控制和上下文传递成本。

常见问题

AI 能取代产品设计师吗？

不能。AI 可以加速研究综合分析、概念生成、草图渲染、UI 原型、设计变体和工程探索。产品设计师仍需定义问题、解读证据、平衡约束、做出取舍、审核输出，并对交付负责。

哪款 AI 最适合草图转渲染？

Vizcom 是本次评测中最专门面向草图转渲染的工具。如果草图探索属于更广泛的画布工作流，涉及参考、多个方向、共享项目上下文、代理协作和反复迭代，Virse 则更适合。两者都不能替代 CAD 或实体验证。

AI 能生成可直接投入生产的 CAD 或代码吗？

AI 可以生成有用的 CAD 结果和可运行代码，但生成的输出并不会自动达到生产就绪状态。CAD 仍需检查尺寸、公差、载荷、材料、装配、DFM 和安全性。代码必须检查可访问性、安全性、架构、性能、测试和可维护性。

一款 AI 工具足以覆盖完整产品设计流程吗？

通常不够。研究综合分析、概念可视化、UI 设计、代码生成、CAD、仿真和营销制作产出不同成果，也承担不同风险。专业团队通常需要受控工作流，其中每款工具角色明确，获批设计意图能够在每次交接中得到保留。

结论

2026 年最适合产品设计的 AI，应为下一设计阶段产出合适成果，同时新增的修正、验证和交接工作少于它所减少的工作。Virse 和 Vizcom 支持不同形式的实体产品探索；Firefly 和 Midjourney 协助产品图像与视觉方向；Figma、v0、Lovable 和 Uizard 覆盖不同层次的数字产品设计与原型制作；Fusion 和 Siemens Designcenter 则处理工程驱动的 CAD。从一项反复出现的任务开始，在真实项目条件下测试工具，同时衡量审核、返工和生成时间，仅在工作流仍然可编辑、可追溯、安全且由人掌控时才扩大使用。