Vercel научила AI-агентов понимать продуктовые решения, а не только копировать код

Vercel a publié une description détaillée de son système product-design — un ensemble d'outils qui aide les agents IA non seulement à copier les styles et les modèles, mais à comprendre pourquoi un composant, une phrase ou une interaction particulière est devenue la norme du produit.

Les agents ne comprennent pas le « pourquoi »

Les agents de codage modernes gèrent rapidement les tâches : ils écrivent une UI fonctionnelle, copient les styles visuels, répètent les modèles du référentiel. Le problème se situe ailleurs — ils ne comprennent pas le raisonnement derrière ces décisions. La logique d'un composant spécifique, d'une formulation ou d'une interaction est généralement stockée dans les fils Slack, les commentaires de design review, les remarques dans les PRs et dans la mémoire des personnes qui étaient à cette réunion.

Pour un agent, ce contexte n'existe pas : il ne fonctionne qu'avec ce qui est entré dans la base de code. Vercel a abordé le problème radicalement : toutes les décisions de produit acceptées vivent maintenant dans le référentiel aux côtés du code. Elles sont examinées lors de modifications et sont automatiquement disponibles pour n'importe quel agent travaillant sur le projet.

Ce qui se trouve à l'intérieur du système

Le système se compose de trois composants. La skill vit dans `.agents/skills/product-design/` juste à côté du code qu'elle gouverne.

À l'intérieur se trouvent deux sections clés. `references/` contient la documentation sur les décisions de produit, la qualité de l'interface, la résilience, la rédaction, un glossaire de termes, et `coverage-gaps.md` — une liste des domaines où la norme ne s'est pas encore formée.

`exemplars/` documente les décisions des PRs précédentes qui méritent d'être répétées et les erreurs à éviter. Les linters vérifient automatiquement tout ce qui peut être vérifié par machine. Tout ce qui peut être vérifié sans intervention humaine doit l'être sans elle.

Le cycle de mise à jour recueille les signaux de Slack, Figma et GitHub, les agrège et prépare les mises à jour des directives pour approbation finale par l'équipe.

Comment la skill achemine les tâches

SKILL.md fonctionne comme un routeur. D'abord il détermine le mode de requête : shape, implement, review, copy ou harden. C'est fondamental — un audit ne doit pas se transformer en édition, et une tâche de rédaction ne doit pas s'étendre en redesign. La skill ignore également les tâches sans impact visible sur l'UI : logique backend-only, télémétrie, fichiers générés. Après avoir déterminé le mode, la skill achemine vers les sources appropriées en fonction du type de tâche et de la surface spécifique :

• Les modifications des matériaux d'interface chargent `product-judgment.md` et `interface-quality.md`
• Le travail avec du texte mène à `copy.md` et aux formes verbales canoniques du produit
• Fenêtre modale — modèles pour les actions destructrices et verbes canoniques
• Formulaire de paramètres — étiquettes, validation, progressive disclosure, orientations sur accessible-name

La skill ne duplique pas les sources : Component API, règles de design-system et critères d'accessibilité restent avec leurs propriétaires — la skill ne fait que les référencer.

«

Le code montre aux agents ce qui a été lancé — mais pas pourquoi ce composant ou cette interaction particulière est devenue la norme, » — de la documentation de Vercel.

Ce que cela signifie

Vercel a démontré une méthodologie concrète pour mettre à l'échelle les connaissances produit dans les équipes avec agents IA. Au lieu de compter sur l'agent pour « deviner » les intentions des designers et des managers, l'entreprise les a codifiées et en a fait partie du référentiel — avec historique des modifications, examen et vérifications automatiques. Selon les auteurs, n'importe quelle équipe peut construire la même structure autour de ses propres normes.