“做一套库存管理后台”是很常见的B端设计任务，AI很容易先排出导航栏、统计卡片和一张数据表，看起来像个后台。但库存预警和普通数据如何区分，筛选条件能否帮助用户快速定位异常，批量操作会不会误伤正常商品，窄屏下表格怎样保持可读，这些都是需要解决的问题。
在WorkBuddy中的连接器市场，搜索连接墨刀AI后，可以通过对话生成HTML交互原型，再到墨刀继续编辑。
下面以“多门店库存管理”为示范任务，讨论产品经理怎样利用AI快速建立页面骨架，又怎样在评审中把注意力放回信息层级、操作风险和设计规范。此处的后台案例是写作示范，配图应使用实际生成或绘制的对应界面。
假设运营人员每天要检查三家门店的库存，他们首先想知道哪些商品低于安全库存，再看缺货趋势、门店差异，最后决定补货或调整商品状态。基于这条任务，可以列出概览页、库存列表、商品详情和补货记录四个页面。
给墨刀AI的指令应该是说明用户要完成的任务、字段和操作边界，例如：
用墨刀AI生成多门店库存管理后台的可交互原型。包含库存概览、商品列表、商品详情和补货记录。列表显示商品名、SKU、门店、现有库存、安全库存、更新时间与状态；支持按门店和库存状态筛选。低于安全库存的商品要能被识别，但不要只依赖颜色。批量补货前提供确认步骤，空列表和加载失败状态也要有页面示例。
这段需求把“异常商品如何被找到”放在视觉风格之前，也给了后续评审具体标准。AI生成出来的表格即便排得整齐，缺了状态列或筛选逻辑，仍无法支持用户完成工作。
第一轮看信息层级
：概览页是否把需要处理的缺货商品放在前面？商品列表能不能让运营人员快速比较不同门店，而不是在一堆数字里反复找？库存预警最好同时使用文字、图标或状态标签，避免仅靠红色提示。
第二轮看交互状态
：筛选后没有结果时，页面要说明当前条件下无数据，而不是留一块空白；批量操作应能看见选中了多少项，并在提交前明确影响范围。商品详情页修改安全库存后，列表中的状态是否随之变化，也需要在可点击原型里走通。
第三轮看设计系统
：表格行高、按钮层级、抽屉宽度和表单间距应有一致规则。墨刀AI可以先生成页面结构，产品经理再把已有组件与规范带入墨刀工作台细调。对于B端界面，稳定且可扫描的信息呈现通常比装饰性视觉更重要。
在WorkBuddy的对话中描述原型范围、核心字段和交互要求，调用墨刀AI生成可预览的HTML原型。若任务返回墨刀在线版，产品可以在墨刀继续调整组件和页面细节；若导入受账号或工作空间条件限制，先以预览结果完成评审，再处理后续编辑。
AI原型设计在这里更像一次快速起稿，它把页面骨架和基本流程摆出来，让团队有共同讨论的对象；产品经理要做的，是拿真实任务去检验这份初稿。比如运营人员能否在30秒内找到低库存商品，能否理解补货操作的影响范围，能否在异常状态下继续工作。这些判断需要场景、数据和团队反馈，无法单靠提示词一次完成。
WorkBuddy与墨刀AI的组合，适合把B端需求快速推进到可评审的原型
。真正决定设计质量的，是生成之后如何筛选信息、补齐状态、统一规范，再把设计稿交给产品与开发共同验证。
