一人時尚品牌，
如何把 AI 變成
技術合夥人

PART 1

不是「用 AI 做時尚」，而是重排一人公司能做什麼

How I AI 在這集訪談 Yana Welander。她正在打造 AI-native 時尚品牌，並把 ChatGPT、Codex 與生成影像工具接進設計、網站與營運。她說，過去若要做網站，通常會找工程團隊；現在她把需求交給 Codex，讓它協助建立網站，AI 因而更像技術合夥人，而不只是寫文案的工具。

這個說法描述的是她的工作方式，不是「一個人已經能取代所有專業」。影片真正展示的改變，是原本成本高、協調慢的探索工作，可以先由一個人快速做出可討論、可修正的版本。

本頁依據 How I AI 於 2026 年 8 月 17 日發布的訪談與完整逐字稿整理。受訪者分享個人品牌的實作經驗；工具能力、成本、產出品質與商業結果，會隨模型、資料、帳號權限與供應鏈條件而改變。

PART 2

手繪草圖先定方向，提示詞再把衣服說清楚

Yana 的設計不是直接向模型索取一張「漂亮洋裝」。她從手繪草圖開始，再使用自己逐步發展出的 fashion prompt。這個提示詞會描述輪廓、比例與量感，布料如何垂墜、如何表現，結構細節、移動方式，甚至衣物可能的聲響。

把這些判斷寫下來，讓提示詞成為一套設計語言。模型可以依語言產生變體，設計者則能比對它是否仍符合原本的剪裁、材質與角色，而不是只在一堆圖裡選一張看起來最像潮流的結果。

PART 3

影像可以快速迭代，製版仍是最難跨過的一段

影片也保留了一個未解問題：如何讓 AI 根據設計產生能用於實物製作的 patterns。Yana 明確說，這仍讓她「撞牆」。她目前讓人類製版師與 AI 並行，觀察誰能更快把設計推到可製作的下一步。

這裡的重點不是人與 AI 的競賽，而是把工作拆開。概念、視覺探索與網站原型可以快速迭代；布料的行為、尺寸、結構、公差和生產責任，則需要可檢查的專業判斷。當工作牽涉成品、消費者或供應商，速度不能取代驗證。

PART 4

讓 AI 進入流程，不代表把判斷外包

受訪者的例子把 AI 放在「任何合理的位置」。這是一個流程問題：哪裡適合先擴張選項，哪裡需要人類確認，哪裡必須留下可追溯的規格。若把模糊的工作直接交出去，工具只會更快產生模糊的結果。

對小型品牌或個人工作者，較好的起點是選一個可逆的環節：把草圖轉成設計描述、把產品需求轉成網站原型、整理供應商提問。每次修正後，回頭更新描述與檢查點。這讓工具累積的是可用的工作記憶，而不是一次性的驚喜輸出。