Промты для UX-копирайтинга и accessibility: как LLM помогает писать тексты интерфейса и проводить аудит доступности

Вступление

Продуктовые дизайнеры и разработчики часто остаются один на один с Figma: нужно быстро создать вайрфрейм, продумать пользовательский сценарий, собрать компоненты, проверить доступность и написать тексты. Без дизайнера в команде это может занять дни. Но LLM уже сегодня способны стать полноценным напарником: они не рисуют в Figma, но генерируют структуру, описания, JSON-схемы, тексты и чек-листы, которые ускоряют работу в разы.

В этой подборке — 12 промтов, проверенных на реальных проектах. Каждый промт содержит задачу, пример запроса и ожидаемый результат. Вы сможете адаптировать их под свои инструменты: ChatGPT, Claude, Gemini или локальные модели.

Ключевая идея: LLM не заменяет дизайнера, но берёт на себя рутину и помогает избежать ошибок на ранних этапах. Главное — правильно формулировать запрос.

Базовые промты: от идеи до вайрфрейма

1. Генерация пользовательских сценариев (user flows)

Задача: быстро описать путь пользователя для новой функции.
Промт:

Ты — UX-исследователь. Опиши пользовательский сценарий для [функция] в [продукт]. Учти 3 роли: новичок, опытный пользователь, администратор. Для каждой роли перечисли шаги, возможные точки отказа и что пользователь чувствует на каждом шаге. Формат: таблица с колонками Шаг, Действие, Эмоция, Риск.

Пример результата: таблица с 10–15 шагами для каждой роли, где отмечены места, требующие подсказок или упрощения.

2. Создание вайрфрейма в текстовом виде

Задача: получить структуру экрана до рисования в Figma.
Промт:

Нарисуй вайрфрейм экрана [название] для мобильного приложения. Опиши расположение элементов: заголовок, кнопки, поля ввода, иконки. Используй ASCII-арт или список с координатами (x, y, ширина, высота). Учти, что экран должен быть интуитивным для пользователя без обучения.

Пример результата: текстовое описание с блоками, которое можно сразу перенести в Figma или использовать как ТЗ для дизайнера.

3. Подбор референсов и паттернов

Задача: найти удачные примеры для вдохновения.
Промт:

Предложи 5 UI-паттернов для [задача, например, онбординг]. Для каждого: название, краткое описание, примеры из известных приложений (не выдумывай!), плюсы и минусы. Укажи, в каких случаях паттерн работает лучше всего.

Пример результата: список с паттернами вроде «прогрессивный онбординг», «интерактивный тур» и ссылками на реальные приложения (если модель знает).

Продвинутые промты: дизайн-система и компоненты

4. Генерация дизайн-токенов

Задача: создать основу для дизайн-системы.
Промт:

Сгенерируй набор дизайн-токенов для [продукт] в формате JSON. Включи цвета (primary, secondary, background, text), типографику (размеры, веса), отступы (4, 8, 16, 24, 32), радиусы. Используй методологию 8pt. Опиши каждый токен комментарием.

Пример результата: JSON-файл, который можно импортировать в Figma через плагины (например, Tokens Studio).

5. Описание компонента для дизайн-системы

Задача: задокументировать компонент, чтобы разработчики и дизайнеры понимали его использование.
Промт:

Опиши компонент [название] для дизайн-системы. Укажи: анатомию (из каких частей состоит), состояния (default, hover, active, disabled), размеры, отступы, правила использования, частые ошибки. Формат: Markdown с таблицами.

Пример результата: готовая документация, которую можно вставить в Figma в виде фрейма с описанием.

6. Аудит доступности (accessibility)

Задача: проверить макет на соответствие WCAG.
Промт:

Проверь макет на доступность по WCAG 2.1 AA. Опиши, какие элементы могут не соответствовать критериям контрастности, размера шрифта, альтернативного текста. Предложи исправления. Формат: список проблем с указанием критерия WCAG и способа устранения.

Пример результата: список с указанием, например, «кнопка с текстом #777 на фоне #fff имеет контраст 4.2:1, требуется 4.5:1 — затемните текст до #595959».

7. UX-копирайтинг для интерфейса

Задача: написать тексты для кнопок, подсказок, ошибок.
Промт:

Напиши тексты для [экран/компонент] в [продукт]. Тон: дружелюбный, но профессиональный. Учти: кнопки — глаголы, ошибки — что случилось и как исправить, подсказки — кратко и по делу. Предложи 3 варианта для каждого элемента.

Пример результата: набор текстов, из которых можно выбрать лучший.

Экспертные промты: handoff и автоматизация

8. Генерация спецификации для разработчика (handoff)

Задача: передать макет в разработку без потерь.
Промт:

Составь спецификацию для разработчика по макету [описание]. Укажи: размеры, отступы, цвета (hex), шрифты, поведение при наведении и клике, адаптивность. Формат: таблица с колонками Элемент, Свойство, Значение, Комментарий.

Пример результата: таблица, которую можно приложить к задаче в Jira.

9. Проверка консистентности дизайна

Задача: найти расхождения в макетах.
Промт:

Проанализируй описания трёх экранов [текст]. Найди несоответствия в отступах, цветах, типографике. Предложи, как унифицировать. Формат: список найденных проблем и рекомендации.

Пример результата: список с указанием, где используются разные отступы для одинаковых элементов, и предложением привести к единому значению.

10. Создание интерактивного прототипа (описание)

Задача: описать логику прототипа для Figma.
Промт:

Опиши взаимодействия для прототипа [экран]. Укажи: какие элементы кликабельны, куда ведут, какие анимации использовать (например, slide-in, fade). Формат: список триггеров и действий.

Пример результата: чёткая инструкция, которую можно реализовать в Figma Prototype.

11. Автоматизация ревью дизайна

Задача: провести быстрый ревью макета без дизайнера.
Промт:

Сделай ревью макета [описание]. Оцени по критериям: визуальная иерархия, читаемость, консистентность, доступность. Дай оценку по 10-балльной шкале и рекомендации по улучшению. Будь критичен.

Пример результата: структурированный отзыв с оценками и конкретными правками.

12. Генерация иконок (описание для векторного редактора)

Задача: создать набор иконок в едином стиле.
Промт:

Опиши, как нарисовать иконку [название] в стиле [стиль: линейный, заполненный, двуцветный]. Укажи: размер сетки (24x24), толщину линий, закругления, ключевые точки. Формат: пошаговая инструкция для векторного редактора.

Пример результата: инструкция, по которой можно быстро нарисовать иконку в Figma.

Ключевое различие Базовые промты помогают на этапе исследования и вайрфрейминга, продвинутые — при создании дизайн-системы и проверке доступности, экспертные — для автоматизации handoff и ревью. Начинайте с базовых, постепенно переходите к сложным.

Как внедрить промты в рабочий процесс

  1. Выберите инструмент: ChatGPT, Claude или локальная модель. Для чувствительных данных используйте локальные модели.
  2. Адаптируйте промты под свой контекст: добавляйте детали о продукте, целевой аудитории, ограничениях.
  3. Сохраняйте удачные ответы: создайте базу промтов и результатов в Notion или другом инструменте.
  4. Комбинируйте промты: например, сгенерируйте пользовательские сценарии, затем на их основе — вайрфреймы.
Что проверить первым Всегда проверяйте факты, которые выдаёт LLM: названия приложений, критерии WCAG, значения контрастности. Модель может ошибаться. Используйте официальные источники (например, WCAG Quick Reference).

Заключение

Промты для Figma и UI/UX — это не замена дизайнера, а способ ускорить рутину и избежать ошибок. Начните с 2–3 промтов, которые закрывают ваши текущие задачи. Постепенно расширяйте набор. Помните: чем точнее запрос, тем полезнее результат. Экспериментируйте, сохраняйте удачные формулировки и делитесь с командой.

Если вы хотите глубже прокачать навыки работы с LLM в дизайне, обратите внимание на наш AI-солопренёр или Смена профессии без увольнения.

← Все статьи

Спросить AI по этой статье

Задайте вопрос по этой статье — ASI Biont ответит, опираясь на её текст.

Читайте также

ИИ для повседневной жизни: как построить реальный семейный бюджет с ChatGPT и Claude (без кода, 2026)

27 октября 2026

Как удалить информацию о себе из интернета: инструкция по отзыву согласий и жалобам в Роскомнадзор

27 октября 2026

Цифровая гигиена за вечер: как найти утечки персональных данных и удалить информацию о себе из интернета

27 октября 2026

Юнит-тесты на Python с LLM: 12 промтов от pytest-фикстур до Hypothesis, которые закрывают непокрытые ветки

27 октября 2026

Cambridge Primary English (0058): почему начальные классы решают, будет ли ребёнок когда-либо читать бегло — и как на самом деле работает программа

27 октября 2026

Full-Stack AI Engineer: как RAG-пайплайны, векторные базы данных и развертывание LLM на самом деле работают в продакшене

28 октября 2026

CIPM / CIPP/E — Управление конфиденциальностью и GDPR (IAPP): как статистика правоприменения GDPR превращает риск несоответствия требованиям в статью бюджета

28 октября 2026

Сверка актов вручную или промптом: где LLM экономит бухгалтеру часы, а где создаёт риски

12 ноября 2026

Полный путь в маркетинг: как пройти от исследования рынка до оффера — обзор программы «Профессия: маркетолог с нуля до оффера»

28 октября 2026