一、设计执行逻辑已经被重构
在工作里经常遇到一个很现实的问题：团队采用敏捷开发，2周一个迭代，而设计真正能拿来做需求分析、方案设计的时间，往往只有三四天。
时间一紧，设计师最先牺牲掉的，往往不是“交付”，而是“思考”。
需求来得快、上线压得急，设计师能把方案做出来就已经不错了，更别说反复推敲体验、补足细节、沉淀方法。对团队来说，设计很容易变成一个高速运转的执行环节；对设计师个人来说，也很难有真正的成长空间。
所以那时候，我们开始把 AI 加进设计工作流里，目的很简单：先提效，再谈优化。
到了2026年，AI 对设计的影响已经完全不是两年前的样子了。
前段时间，Claude 的设计总监提到一个判断：我们曾经奉为圭臬的设计流程，现在基本已经死了。
这话我认同一半。
因为现实里，确实有越来越多的环节被 AI 接管了。
调研整理、方案发散、页面生成、数据分析，很多过去要靠设计师一点点做的事，现在 AI 都能很快完成。
但我觉得，真正死掉的不是流程， 而是那种把设计理解成执行工作的旧方式。
流程没死，变的是分工。
AI 越来越像一个超级执行者，而设计师如果还停留在“把页面画好、把流程做顺”，其实很快就会被推着走。
真正变化的，不是设计有没有流程，而是流程里的工作内容变了，人和 AI 的分工变了，设计师的价值重心也变了。
流程框架还在，但执行逻辑已经被彻底重构。
虽然 AI 正在深度介入设计工作，但我认为，体验设计最底层的框架并没有消失。
1）四阶段的底层逻辑，依然成立
无论 AI 自动化程度有多高，设计本质上仍然要回答四个问题
先分析问题，明确业务目标和用户需求
再构思方案，寻找可能的解决路径
然后落地实现，把想法变成可用的设计成果
最后评估优化，持续修正体验问题
这套逻辑，本质上就是设计思维的骨架。
它不会因为工具升级就消失，变得只是每一环具体怎么做、谁来做、做多深。
2）设计的核心价值，始终要由人来把控
设计不是单纯做界面，也不是把信息排整齐。设计的本质，始终是在解决“人”的问题。而只要是和“人”相关的问题，就一定不只是效率问题，还包括：
这些东西，AI 能辅助，但很难替代。
它可以根据数据总结规律，也可以根据已有模式生成方案，但它很难真正理解用户那些没有被明说出来的需求，也很难真正理解品牌想传递的温度和语境。
所以，需求定义、价值判断、创意取舍、体验把控，这些事情，依然是设计师最核心的工作。
如果说前两三年的 AI 更像是设计辅助工具，那到了 2026 年，AI 已经开始接管大量重复、标准、流程化的工作。
这也意味着，设计师的角色正在发生变化。
过去，设计师往往要亲自完成大量具体执行工作：整理信息、梳理逻辑、画页面、补文案、出规范、跟落地。很多时间花在“把东西做出来”这件事上。
但现在，越来越多这类工作，AI 都能先做一轮。
它可以快速整理资料、生成结构、输出方案、补齐文案，甚至直接生成初版页面。很多过去需要设计师一点点堆起来的内容，现在几分钟就能得到一个“看起来已经差不多”的结果。
当执行层的工作越来越容易被加速，设计师的价值又是什么呢？
这也让我想到《设计师跃迁路线图：从战术到战略》里提到的方向：“设计需要从侧重于执行与交付的战术设计，转向精于战略规划。”
设计师真正要完成的，不只是技能升级，而是一次认知跃迁——从战术执行走向更高层级的判断、协同与推动。
这和今天 AI 进入设计流程后的变化，其实非常吻合：当执行层的工作越来越容易被加速，甚至被替代，设计师的价值就会越来越集中在判断、整合与推动上。
于是，设计师的重点不再只是“亲手完成”，而是转向另外几件更重要的事：
换句话说，设计师正在从执行者，转向体验架构师。
你不一定还需要亲手完成每一步，但你必须更清楚整件事该怎么被拆解、被推进、被验证，以及最后如何变成一个真正有效的体验方案。
今天再看设计流程，会发现分析、构思、实现、评估这些环节依然存在，只是每一环里，人和 AI 的分工已经变了。
1）在分析阶段，AI 更像信息处理器
过去，设计师要花很多时间看反馈、整理问题、归纳共性、拉齐信息。
现在，这些工作 AI 可以先快速完成一轮。你只需要清楚每个阶段要做什么，它就能帮助我们更快地发现高频问题、提炼用户反馈、归纳流程中的主要障碍，把原本分散的信息整理成一个相对清晰的输入。
但设计师真正要做的，不再是信息搬运，而是继续追问：
也就是说，AI 负责更快地收拢信息，人负责更准确地定义问题。
2）在构思阶段，AI 更像方案生成器
以前很多方案需要设计师从零开始搭结构、想路径、排优先级。
现在 AI 可以很快给出多种思路：流程怎么拆、页面怎么组织、字段怎么安排、提示怎么补充。
这大大降低了“从 0 到 1”的成本。
但真正关键的，已经不是“AI 能不能给出方案”，而是设计师要判断：
AI 可以提供备选答案，但决定“哪个答案适合现在这个场景”的，依然是人。
3）在实现阶段，AI 更像自动化生产搭子
当方向明确之后，AI 已经可以继续帮我们生成页面、补充文案、整理交互状态，甚至辅助还原前端细节。
效率提升非常明显。
但问题也同样明显：AI 生成的内容，通常“看起来合理”，却不一定“真正可用”。
因为真实产品里，很多体验问题并不会出现在表面结构上，而会暴露在细节里：
所以在这一阶段，设计师真正重要的工作，不再只是产出页面，而是校验、修正、补足，把 AI 的初稿变成一个能够被开发实现、被用户理解、被业务接受的真实方案。
4）在评估阶段，AI 更像体验雷达
以前一个方案上线之后，很多问题只能靠数据复盘、团队反馈、用户吐槽，再慢慢修。
现在 AI 可以更快地帮助我们发现异常、识别模式、提示风险，帮团队更早看到问题。
但设计师不能停在表层数据上。
因为数据只能告诉你“哪里出了问题”，却不一定能告诉你“为什么会这样”，更不能自动判断“这个问题值不值得改、应该怎么改”。
所以到了评估阶段，AI 负责更快发现问题，人负责更深理解问题。
说到底，2026 年的设计工作流可以概括成一句话：
AI 负责标准化、重复性、数据化的部分，人类负责情境化、判断和价值把控。
AI 的价值当然很大。
它能帮助设计师更快整理问题、更快生成方案、更快输出结果，也更快发现上线后的体验风险。
但 AI 的局限也同样明显。
它很擅长做“合理”的设计，却不一定能做“真正适合”的设计。
因为它给出的往往是基于已有规律的标准答案，而真实的产品场景，很多时候并不需要一个“最标准”的答案，而需要一个“最适合当下”的答案。
这也是为什么我越来越觉得：
AI 越强，设计师的价值反而越清晰。
因为 AI 能告诉你“通常怎么做”，但设计师要判断的是：
在你这个业务里、这类用户面前、这个具体场景下，到底该怎么做。
在 AI 深度参与之后，设计师不再只是会画图、会做原型、会写规范的执行者，而会越来越像一个体验架构师。
也就是说，你不再需要亲手完成每一步，而是要更清楚地决定：
我觉得接下来，设计师至少要补这四种能力：
1）会定义 AI 的边界
知道哪些事情适合交给 AI，哪些事情必须自己判断。不是为了证明自己“还不能被替代”，而是为了让协作更有效率。
2）会验证 AI 的结论
不是直接接受，而是继续追问：这个结论对不对？完整不完整？是不是只在表面上成立？适不适合当前场景？
3）会在标准答案上继续做体验升级
未来很多“能用”的方案，AI 都能很快生成。但设计师真正拉开差距的地方，在于能不能在标准方案之上，把体验做得更顺手、更清晰、更低沟通成本。
4）会把 AI 产出真正变成可落地的产品能力
谁能把 AI 给出的内容，真正转化为团队可协作、开发可实现、用户可感知的成果，谁就不是会被替代的人，而是最能放大 AI 价值的人。
所以回到最开始那个问题：2026 年，设计流程真的死了吗？我觉得没有。
死掉的，其实不是流程本身，而是那种把设计理解成“按部就班走流程、主要靠手工执行”的旧工作方式。
分析、构思、实现、评估，这些环节依然存在。只是今天，每一环里的工作内容、人机分工和价值重点，都已经被 AI 重新改写了。
AI 可以更快地处理信息、生成方案、输出结果、监测问题；而设计师的价值，则越来越集中在那些 AI 还做不到、或者暂时做不好的地方：
真正重要的，已经不是和 AI 比谁做得更快。
而是学会把 AI 放到对的位置，也把自己的价值放到更高的位置。
因为设计从来都不只是“如何做”。
更重要的是：做什么，为什么做，以及这件事到底有没有在帮助真实的人。
图片来自Behance
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
回溯本账号首个系列文章——《AI 时代，人机交互即将消失？》，我们重访了 HCI 的演进史，探究当机器开始思考时所引发的人机交互变革。在此基础上，提出了面向未来的新生交互形态——人与智能体交互（Human-Agent Interaction Design）。
HAI 旨在以人为中心的前提下，深度整合智能体和服务，交付直观、优雅、简单的设计方案。目标既定，便需探索具体的抵达路径。
技术不断革新，重塑着人机交互的表象，但回归人机交互的第一性原理，人心深处的底层需求其实从未改变，变的只是技术赋能下信息交互的路径与形态。
基于这种“变与不变”的辩证洞察，我们将探索后的路径归纳为一套全新的设计方法模型——HAI 交互设计法。其核心在于：通过 「深度理解」 锚定不变的本质需求，并借由「自然交流设计」顺应变化的技术演进，最终以最自然的形态重塑人与数字世界的连接方式。具体而言：
深度理解
深度理解是 HAI 设计的原点。以人为中心的场景化认知框架，解析人在不同场景中的行为，直抵不变的底层需求与场景心智。教会 AI 读懂人心，为自然交流设计指明了北极星目标。
自然交流设计
自然交流设计是 HAI 设计的核心方法。致力于顺应技术的变革，以实现更加自然的交互、更加智能的服务、更加情感化的体验、以及更加安全的设计。
体验验证
聚焦用户对设计方案的体验与感受。既是对设计方案合理性的验证，也是对深度理解的补充与修正。当前阶段主要基于现行的成熟方法（量化数据与定性洞察等）进行验证，模型内将不再展开探讨
本次我们将聚焦「深度理解」。
我们在车上跟 AI 小助手说出目的地，助手在计算大量数据后迅速列出三条路线，用不同颜色标注了时间和拥堵情况，还贴心地推荐了从算法上看最快到达的那一条。
但当我们下意识选择这条路开到一半后，发现不太对劲。
路窄得刚好只能通过一辆车，两旁是随时可能打开的车门和突然窜出的小孩。我们精神高度紧张，不停地抱怨，而助手不为所动。于我这个新手司机而言，AI 小助手推荐的这条最优的道路却成为了最远的路。
——来源：HAI Design《拨云见日：与智能体共建意图》
或许你还记得之前文章中的这个小故事，而它正是变与不变之间的一个矛盾缩影：技术向前，AI 似乎能算天算地，但却往往算不准人心。
那此次，我们延续这段小小旅程，深度探索其所属的场景——探索，这个大家日常鲜有提及的场景，去透视藏在行为背后的人心秘密，并正式开启「深度理解」的首文——《深度理解：探索》。
1911年，阿蒙森首次抵达南极点；1969年，阿姆斯特朗在月球踏下脚印；十多年前，“蛟龙号”在深海亮起光束。
提及“探索”，往往浮现出宏大的、甚至带有英雄主义色彩的画面。也正因如此，探索于我们而言显得如此遥远。
此次聚焦探索，你或许疑惑：“探索是我们日常生活场景的一环吗？”
婴孩时，你伸手抓碰悬挂的玩偶。少年时，放肆冲浪于互联网。如今的你在假期踏上旅行。也许你不自知，但其实这些行为皆为探索。
探索不仅是那些壮举，更是一种与生俱来的本能。它驱动着我们大量的日常行为，是构建完整生活必不可少的场景。
既如此，本次我们重新审视这个日常鲜有提及的场景，解构其定义，探寻底层的驱动因素，透视场景下人们不变的需求，并思考如何去建构 HAI 时代下的探索场景服务，以满足人们持续开展的或大或小的探索活动。
“探索：人类或其他动物在适应新环境时做出的动作。即使没有明显的奖励，探索行为也会发生。”
——来源：APA 美国心理学会词典
基于 APA 释义，探索是适应新环境所做出的主动行为，主要由内在本能而驱动。而基于探索行为领域的研究共识，其底层内在驱动力即为：好奇心。
好奇心并非单一维度的心理因素，根据心理学家丹尼尔·伯莱因（Daniel Berlyne）的分类，其主要可分为四种类型：
1. 感知型好奇心（Perceptual Curiousity）：这是一种由外界新奇刺激引起的直接反应（比如我们会被色彩强烈的画面所吸引），且这种刺激会随着持续接触而减弱；
2. 认知型好奇心（Epistemic Curiousity）：这是一种源于信息鸿沟的求知欲，是人们学习行为的核心驱动力；
3. 特定型好奇心（Specific Curiousity）：是指对特定信息的渴望，是对新奇刺激的详细调查；
4. 分散型好奇心（Diverse Curiousity）：是指对于知觉或认知刺激的普遍渴望。
基于上述分类，基本而言，探索行为是由物理和心理对象的“关联变量”引发的，例如新颖性、模糊性、复杂性以及这些对象在主体身上产生的客观不确定性。而人类满足好奇心的背后，一是为了消除不确定的焦虑与信息鸿沟，二则是受到刺激与愉悦所驱动。就此，也便引发了人们两类主要的探索行为：
1. 审视性探索（Inspective behavior）：该行为通常会包含收集、调查、分析与整合这样一个偏线形流程，有时最后还会包含效用评估的环节，最终以减少不确定性与获取新的特定的或广泛的认知。
通过 AI 入口搜寻资料，便是典型数字生活中的审视性探索
2. 多元性探索（Diversive behavior）：为了缓解无聊或提高兴奋度而寻求刺激/感觉的行为，因此该行为会更加分散与游离。
闲逛摄影扫街，便是典型的现实生活中的多元性探索
结合上述的心理与行为理论研究，可以给予“探索”一个更详尽的定义：探索行为主要是由好奇心所激发的，对环境或信息进行搜寻与交互的过程，以实现认知结构的适应性调整或边界的扩展。
与此同时，“好奇心害死猫”言犹在耳。好奇心所激发的探索行为天然面临大量的不确定性与未知性，甚至是真实的危险。那要如何构建起探索场景下的各类服务以更好地帮助用户开展探索行为呢？
面对探索的未知性，我们通过系统的介入将抽象的好奇心转化为确定性的、可执行的路径，在风险与能力之间建立平衡。
基于这种意图，我们构建了一个细分框架来承载探索活动。该框架包含：探索者、基础资源、工具。
我们将基础资源与工具这两大核心要素带入旅程这一典型的探索场景，去透视不变的人心。
Resfeber(瑞典语词汇)：
形容旅程开始前那种兴奋、期待和焦虑交织的复杂情绪。
关注出票状态、准备签证、银行卡、证照等，繁杂但又重要。渐渐地，焦虑与倦怠取代了最初的兴奋。这种对于资源确认的焦虑，正是阻碍探索的第一道门槛。
对此，数字产品已普遍采取集中式的资源中枢策略。以 Apple Wallet 为例，从 Passbook 演变至今，实现将卡券、证件、银行卡及旅行 ETA 等所有涉及许可与价值的资源尽数聚合。
Apple Wallet 对外传递的 Slogan
而这种底层逻辑，是帮助用户构建全局的资源视图。通过基础资源完备的确定性，满足用户对基础资源轻松掌控这一不变的需求。而这种确定性，正是迈出探索的底气。
环境混沌嘈杂。工具作为可信中介，将复杂信息抽象、简化，转化为能够轻松理解的信息，以消除未知，将不确定性转化为确定性。据此，我们可以更好地决策或采取行动。
如温度计，将我们对于气温的模糊体感凝练为了直观数字，辅助决策出行的各项事宜；地图，能理清自身定位与目的地之间路径等。
通过工具构建可信的连接
两位游客听信 AI 的旅行建议，满心期待地奔赴秘鲁安第斯山中「圣胡曼塔伊峡谷」，花了 160 美元车费，长途跋涉，来到了偏远山区地带，然后发现—-这个峡谷并不存在。
——来源：BBC 的一则报道
AI 旅行规划平台：圆周旅行
据早前统计 24% 的旅行者已在尝试借助智能工具规划探索，这使得探索场景下的信息与服务的获取门槛被大幅拉低。然而，如 BBC 所报，AI 的“胡说八道”却让本该为可信中介的工具成为了探索中最大的障碍。
技术推动着工具升级，但探索时所面对的外部环境始终复杂流动。而 AI 进一步加剧了信息爆炸与污染，让探索者面临着更高的风险。这引发了新的思考：探索场景下的工具应该如何建构，才能帮助探索者应对重重复杂性？
提供系统级实时精准服务，建立与外部环境的实时连接。如天气、地图、钱包等典型的探索场景工具，构建起聚焦的、持续更新的，以内容数据至上的窗口，让用户得以窥见并理解外部的动态数据流，指引当下的行动与后续的决策。HCI 时代，依托基础定位与网络能力，现行工具已初步实现了这种连接。而进入 HAI 时代，随着多模态感知能力的增强、世界模型的建立等，工具将更精准、更实时地感知并连接探索者当下的动态环境。这种演进回应了用户在探索场景下不变的需求——与环境建立可信连接。
Apple 部分探索场景工具
回看 Apple 之前的设计演变，即便 iOS 整体趋向扁平，天气、钱包与地图等工具却反其道而行，愈发趋近真实的物理世界。基于真实的动态数据，天气工具模拟雨滴、雷鸣和云层的流动等，直观地传递“探索旅程受阻”的信号。这种数据驱动的真实感无限地缩短用户与环境信息间的距离，同样也为了帮助用户与环境建立可信连接。
通过工具帮助专注探索
在探索活动中，用户时刻处于流动的、甚至高负荷的情境中（如行走、驾驶等）。无论是过地铁闸机时的“哔”声即过，还是锁屏上静候的航班信息，亦或是走错路时导航的即时重绘与提醒，探索工具将复杂的业务逻辑转化为近乎本能的自然动作，或是基于意图的主动服务。这便是由情境驱动的主动服务。
而当 AI 注入其中，工具将具备更敏锐的感官与意图捕捉能力。它能在系统层面根据情境更主动地服务用户与规避风险。只有工具不成为注意力的掠夺者，才能满足探索者专注探索本身这一不变的需求。
工具契合多样化探索模式
旅行之中，既有明确的打卡，也有无目的的闲逛探索。数字世界的探索亦然。这正是对应由好奇心驱动的两类天然行为模式——审视性探索与多元性探索。
构建工具服务的最后一环，便是思考如何承载这种多样性。浏览器、地图等服务的搜索框或 AI 超级入口，提供了精准搜寻路径，满足了前者；同时，基于内容间关联的自由跳转，则允许用户在信息间自由穿梭，满足了后者。本质上，这种以内容对象为中心的“内容驱动的信息架构”，正是对人们多样化探索这一不变的本能行为模式的回应。
我们既乐此不疲地在复杂世界中去探索普世的规律，同时，又人为地设定大量的边界或指导，让我们在框架内去开展探索。这背后便是最后一块隐形的特殊要素拼图——规则。
规则作为正式或非正式的指导与边界，塑造并约束着探索活动。它引导我们能更有效地构建意义或目标，并帮助我们规避风险——无论物理世界探索伴随的有形风险，还是数字世界的信息性或心理性风险。
《南极条约》划定的禁令，或“16 岁及以下无法访问社交媒体”的数字限制等规则，在探索开启前便直白地告知边界，限制或引导探索模式。
澳洲社交媒体 16 周岁限制
更多的规则往往被内化于工具之中，融入探索过程，自然地传递给用户。例如导航工具将限行政策（单双号禁行等）通过算法消化，自动生成可合规前行的探索路线。
基于车牌自动规避限行路段
而随着 AI 智能体作为工具逐步取代传统浏览器成为探索入口，规则的运作方式发生了微妙而深刻的逆转。
一次搜寻资料的典型对话
看似简单的探索行为，我们却不得不预先撰写详尽的指令，为 AI 制定需要遵守的规则。这个过程中，用户的身份逐渐从规则的遵守者，转变为了制定者。这使得原本应专注于探索本身的精力，被悄然转移到对工具交互过程的“管理”之上。
针对这一现状，未来的 HAI 设计还应致力于让工具真正理解并内化用户所制定的规则，精准响应其背后真实的探索意图与目标。让规则再次隐形，让用户能够回归到更纯粹、更专注的探索本身。
至此，我们便集齐了所有核心要素拼图，并解构透视了探索场景下的人们行为背后的本质需求——对资源的轻松掌控、与环境的可信连接、专注多样化探索本身。
最后，让我们回到原点的命题：在探索场景下，我们构建的服务究竟要为用户交付何种核心心智？
聚合的资源中枢、可信的工具与主动的服务、规则的自然传递乃至规则制定角色的再转变等，这一切策略最终的汇聚点，就是：从容。
这便是探索场景下，我们试图建立的核心心智。帮助探索者在面对未知多一分从容，能更加从容地与这个世界对话、互动。
个体的轨迹难以预判，我们也无法精准捕捉流动世界的每一个走向，但我们可以锚定那些深植人性、不会轻易变迁的底层需求。「深度理解」仅是 HAI 交互设计法的起点，它探究了「变与不变」中的那个”不变”。技术向前，人机交互的形态也正在经历改变。当 AI 赋予了机器更为强大的能力，我们应该如何顺应这种变化，并将这份「深度理解」转化为更契合用户本质需求的交互体验？
转载：人人都是产品经理
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
北京兰亭妙微 UI 设计公司，成立 16 年来，始终保持着对国内外优秀设计作品的学习与研究。我们持续追踪全球前沿的 UI/UX 设计趋势，从中提炼可落地的设计方法论，分享给同样热爱设计的你。
一、项目定位与行业现存痛点
Tera 是一款面向现代农业管理场景的智慧农业 Web 平台，集成农田地图可视化、农机车队管理、灌溉系统控制、数据统计分析等核心功能，帮助农场管理者实现农田、农机、灌溉的全链路数字化管理。
当下农业管理工具普遍存在以下行业短板：
农田信息分散难管理：地块位置、面积、作物状态、土壤数据分散在不同记录中，农场主无法一屏掌握所有农田状况；
农机调度效率低：农机设备的位置、工作状态、作业进度缺少实时监控，调度依赖人工经验，效率低下；
灌溉控制不精准：灌溉系统缺少智能化管理，无法根据地块需求和天气数据自动调节，水资源浪费严重；
户外使用体验差：农业管理工具多在户外使用，传统浅色界面在阳光下反光严重，数据辨识度低。
本项目以「深色沉浸式主题 + 卫星地图可视化 + 农机车队实时监控 + 灌溉智能控制」为核心设计逻辑，搭建农田管理、车队调度、灌溉控制、数据统计完整平台体系，让农业管理从经验驱动升级为数据驱动。
二、完整智慧农业业务闭环
农田卫星地图总览 → 地块信息详情查看 → 农机车队实时监控 → 灌溉系统智能控制 → 数据统计分析决策
整套链路覆盖从全局农田态势到单地块精细管理的全流程，深色界面适配户外强光/暗光环境，数据可视化直观高效。
三、四大核心模块分层体验拆解
1. 卫星地图可视化模块（全局态势核心）
中间区域以卫星地图为核心，实时展示农田地块分布，悬浮地块信息卡片显示面积、作物状态、土壤数据等关键信息。地块以荧光绿高亮标注，在深色地图上格外醒目
地图支持缩放、平移操作，搭配"DETAILS"详情按钮，用户可从全局态势快速下钻到单地块详情，解决农田信息分散的痛点。
2. 农机车队管理模块（设备调度核心）
左侧车队状态区以卡片形式展示各农机设备名称、位置和状态百分比，搭配状态标签区分自动/手动模式。用户可实时查看每台设备的工作进度和位置。
底部设备列表支持快速筛选和跳转，搭配导航栏的 FLEET 入口，用户可集中管理所有农机设备，提升调度效率。
3. 灌溉智能控制模块（资源优化核心）
导航栏设置独立 WATER 入口，灌溉系统支持按地块智能控制，根据作物需求和天气数据自动调节灌溉量。
数据卡片展示灌溉用水量、覆盖面积等关键指标，帮助农场主精准管控水资源，解决传统漫灌浪费的问题。
4. 数据统计分析模块（决策支撑核心）
底部数据统计卡片横向排列核心数据指标，以荧光绿大字号数字突出展示，搭配趋势标识，用户可快速了解农场运营状况。
深色暗绿+深灰配色方案搭配荧光绿数据高亮，在户外强光/暗光环境下均保持高辨识度，适配农业管理的特殊使用场景。
四、视觉与组件体系设计特色
色彩系统：深色暗绿+深灰基底搭配荧光绿数据高亮，沉稳专业且科技感强，荧光绿在深色背景上辨识度极高，适配户外各种光线环境；
玻璃拟态数据卡片：数据卡片带有轻微玻璃拟态效果，半透明设计不遮挡底层地图信息，信息获取与态势感知同步进行；
紧凑专业文字体系：无衬线字体，数据数字大字号加粗，文字说明简洁干练，适配农场管理者在户外快速读取数据的需求。
五、产品商业与用户综合价值
卫星地图可视化让农场主一屏掌握所有农田状况，全局态势感知效率大幅提升；
农机车队实时监控提升调度效率，减少设备闲置和重复作业，降低运营成本；
灌溉智能控制精准匹配地块需求，节约水资源，降低灌溉成本；
深色主题适配户外各种光线环境，全天候保障数据辨识度；
数据统计分析为农场经营决策提供数据支撑，从经验驱动升级为数据驱动。
图片来自Behance
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
转载：优设
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
最近在平台的用户观察中，我们发现一个典型现象：用户对左侧的“节点库”几乎不感兴趣。
而在传统设计软件中，图层/画板列表是高频操作区——设计师几乎每分钟都要点开它。
为什么？
因为用户变了。AI 工具的用户，不再是“会用 Photoshop 的专业人士”，而是“有创意想法但不想学软件的大众”。
认知模型对比：从“实现模型”到“心理模型”
表层的行为差异背后，是深层认知模型的根本不同。
传统设计软件用户被迫理解软件的“实现模型”（Implementation Model）——即软件如何工作的内部逻辑，如图层堆叠、节点连接。而AI工具新用户则遵循更自然的“心理模型”（Mental Model）——他们只关心目标状态（“我想要一张海报”），而非实现路径。
AI 产品设计，正是将界面呈现模型无限贴近用户的心理模型，从而消除不必要的认知复杂度。
三、设计范式的三次变革
从“图层思维”到“任务思维”的转变，并非孤立现象，而是人机交互设计范式演进中的关键一跃。
传统软件设计遵循“专家路径”：功能齐全、可定制、高效，但学习曲线陡峭。
要让“新大众”用户形成稳固的产品心智，需系统性构建三个维度的价值感知：
未来的 AI 原生应用，可能需要两套并行的交互体系：一套为人优化的 GUI（图形用户界面），一套为 AI Agent 优化的 CLI（命令行界面）或 API。如同钉钉的 RealDoc 系统，文件操作、版本管理、原子化读写都将为 AI 的高效调用而设计，实现从“为人操作的文件系统”到“为 AI 操作的工作台”的转变。这预示着，软件的价值层正在从炫酷的界面，转向高效、精准的任务理解与执行能力
基于上述认知差异，产品设计应从单点的界面优化，升级为系统性的响应层级设计。
在评审任何 AI 功能特性时，可迅速通过以下问题检验其是否符合“任务思维”：
AI 正在把“专业能力”变成“通用能力”。未来的工具，不再是为“会用 Photoshop 的人”设计的，而是为“有想法的人”设计的。
作为产品经理与设计师，我们需要忘记自己“懂设计软件”的背景，蹲下来，用新用户的视角重新审视每一个界面元素：
最终的哲学转向是：当工具足够聪明，用户不需要“学会”它，只需要“想要”什么。从图层到任务，我们正见证设计从“赋能专业”到“释放本能”的终极回归。
图片来自Behance
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
北京兰亭妙微 UI 设计公司，成立 16 年来，始终保持着对国内外优秀设计作品的学习与研究。我们持续追踪全球前沿的 UI/UX 设计趋势，从中提炼可落地的设计方法论，分享给同样热爱设计的你。
一、项目定位与行业现存痛点
Quillr 是一款以 AI 技术为核心的医疗报告生成 Web 平台，面向医生和医疗记录人员，集成模板创建、语音输入、AI 报告生成、报告验证、免提模式等核心功能，帮助医疗从业者高效完成医疗报告的撰写与审核。
当下医疗报告撰写场景普遍存在四大行业短板：
报告撰写耗时低效：医生需要手动录入大量患者信息、诊断结果、治疗方案，报告撰写占据大量本应用于诊疗的时间；
双手操作不便：临床场景中医生需要同时操作电脑和检查患者，双手被占用时无法高效录入报告内容；
报告质量参差不齐：不同医生的报告格式、用语规范不统一，缺少标准化模板和 AI 辅助校验，报告质量难以保证；
工具学习成本高：医疗软件操作复杂，医生需要花费大量时间学习工具使用，反而降低了工作效率。
本项目以「语音驱动输入 + AI 智能生成报告 + 标准化模板体系 + 免提操作模式」为核心设计逻辑，搭建模板选择、语音录入、AI 生成、报告校验完整工作流体系，让医疗报告撰写从手动录入升级为语音驱动的智能创作。
二、完整医疗报告业务闭环
选择报告模板 → 语音输入患者信息 → AI 智能生成报告初稿 → 报告验证与修改 → 最终报告输出
整套链路将传统手动撰写报告升级为语音驱动+AI 生成的智能工作流，医生只需口述关键信息，AI 自动完成报告撰写，效率提升数倍。
三、三大核心模块分层体验拆解
1. 语音驱动输入与 AI 生成模块（核心效率模块）
平台核心区域集成语音输入功能，医生通过语音口述患者信息和诊断内容，AI 自动识别并转化为结构化医疗报告文本。
底部语音输入控制栏支持语音开关、模式切换，搭配"Hands-free Mode"免提模式，医生在检查患者时无需触碰键盘即可持续录入信息。AI 生成过程以步骤标签形式展示进度，用户可实时查看报告生成状态。
2. 标准化模板与报告校验模块（质量保障核心）
左侧模板创建/选择区提供多种医疗报告模板，覆盖初诊、复诊、手术记录、出院小结等常见场景，医生可按需选择对应模板，确保报告格式规范统一。
"Report Validation"报告验证开关开启后，AI 自动校验报告内容的完整性、术语规范性和逻辑一致性，标注潜在问题供医生审核，解决报告质量参差不齐的痛点。
3. 功能分区与用户管理模块（体验优化核心）
中间核心功能区分三个功能卡片展示主要操作入口，右上角用户菜单下拉包含语言设置、教程入口等辅助功能，"Update Report"操作按钮位于显眼位置，一键触发报告更新。
整体界面采用暖黄色+米白色配色，柔和温暖，降低医疗工具的冷硬感，让医生在高压工作环境中感受到界面的友好与舒适。
四、视觉与组件体系设计特色
色彩系统：暖黄色主色调搭配米白色背景、深灰色文字，整体色调柔和温暖，区别于传统医疗软件的冷蓝色调，传递友好、亲和的工具气质；
扁平化功能卡片组件：核心功能以圆角矩形卡片呈现，搭配浅淡几何线条纹理背景，增加细节层次的同时保持界面简洁；
清晰层级文字体系：标题加粗大字号，功能文字适中，辅助说明浅灰色小字，层级分明，医生在快节奏工作中可快速定位目标功能。
五、产品商业与用户综合价值
语音驱动+AI 生成将报告撰写效率提升数倍，释放医生更多时间用于诊疗，提升医疗服务质量；
免提操作模式适配临床双手被占用的场景，医生边检查边录入，不中断诊疗流程；
标准化模板体系确保报告格式规范统一，提升医疗机构的文档管理效率；
AI 报告校验降低人为错误率，提升报告质量和合规性；
温暖友好的视觉风格降低工具使用压力，提升医生的日常工作体验。
图片来自Behance
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
今天的内容依然是关于“排版微调”的续集啦。这次内容主要是把纯文字信息转换编排为具有图形化的设计表现。特别是在电商类的海报设计中，单纯的文字往往缺乏吸引力，而将文字图形化，则是提升信息传达力和视觉表现力的重要手法之一。
所谓“图形化”，并不是让文字失去可读性，而是通过形式语言的转化，让文字具备图像特性，例如通过图标式、盖章式、对话框、爆炸等视觉图形化的形式进行编排，让文字自己“说话”。这样做不仅能提高阅读体验，还能强化设计的细节质感，避免一堆单纯文字堆叠带来的视觉疲劳。
所以，别忽略文字的可视化，把关键信息进行图形视觉化，能够让受众在一眼看过去，就可以快速读懂、记住促销的卖点，从而产生认同和购买的冲动。
那么，关于“排版微调”的系列案例，我会不定时更新这系列。希望今天的内容能给你带来灵感～
转载：优设
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
转载：人人都是产品经理
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
本文聚焦搜索团队“一定橙”IP设计案例，深入剖析其从传统IP制作流程向AI驱动制作流程转型的核心动因与实践路径，结合真实案例拆解AI赋能IP设计的核心价值。
同时，立足AI技术深度渗透的行业发展趋势，抛出设计师如何维系自身不可替代性的深层思考，为行业同类IP转型及设计师职业发展提供参考。
大事件运营与长线激励活动是撬动业务指标增长的关键。
IP 作为视觉符号，不仅是活动强化产品辨识度、打造专属的记忆点，更是沉淀资产、降本增效的核心利器，能为长线运营持续赋能。
传统 IP 生产工序多、高度依赖 3D 人员、长周期等痛点，已难以匹配业务的快速迭代需求。
从2025高考项目出发，搜索设计团队借助AI工具在25年以全年为目标重构 IP 生产，既是为了满足运营物料的质与量，更是为了突破场景限制、降低资源依赖，实现团队产能的跃迁。
AI 工具的普及不是设计行业的 “终局”，而是认知重构的 “开端”。
当 AI 成为设计流程的标配，如何让技术服务于核心需求而非束缚创意，如何在效率提升的同时，守护 IP 设计的原创性与情感温度，这不仅是设计师的个人命题，更是整个行业在 AI 时代的生存之道。
那么，以2025年高考的IP“一定橙”案例分析，看看我们在2025年全年做了什么？
流程创新： “多工种线性生产” 到 “任务模块化协同”
过去，IP 设计是一条 “2D 立绘→三视图→2D 转 3D→静态转动态→多端适配” 的线性流水线，每个环节都靠单一设计师扛，跨团队协作难、效率低，还容易出现风格 “断层”。
我们的流程创新主要走了两条路：
一是把设计任务模块化拆解，用 AI 实现多环节并行生产，打破时序限制的同时，保证风格全程统一；
二是靠 AI 一键转换 + 批量生成的能力，实现 “一次设计，全域适配”，不仅优化了团队的技能配置、降低了人力成本，更把跨场景适配的时间和成本压到了最低。
技术创新：“手工绘制” 到 “多模态 AI 生成”
传统 IP 创作的核心是 “手绘 + 基础软件”，设计师的手绘能力和软件水平直接决定了作品的上限，不仅效率低、创意容易被个人能力束缚，还很难批量产出。
而 AI 赋能下的技术创新，核心是用多模态生成技术替代手工创作，打造一条从 “文本描述” 到 “视觉呈现”，再到 “3D 建模、动态效果、衍生物料” 的全链路自动化生成通道。
从 “有限试错” 到 “无限可能性”
运用AI在前期创意探索周期可压缩 90% 以上，可通过文生图、风格迁移、元素融合等能力，在分钟级生成数千张不同风格、形态概念图和动画Demo，快速筛选出高潜力方案，验证创意可行性。
从 “重复劳动” 到 “精准高效”
传统 IP 制作里，2D 转 3D 是个大工程，又费时间又费人；而 AI 能一键实现 2D 转 3D、静态转动态、图文转视频，直接省掉大量成本。
到了后期做衍生内容，三视图、表情包、海报这些标准化物料，传统模式下又累又容易走形。
但只要用 LoRA 训练专属模型，再用 ControlNet 锁定 IP 的核心比例、色彩和质感，AI 就能批量生成完全符合规范的内容，效率直接提升 10 倍以上。
通过AI生成-抽帧-后期流程形成优质 IP 样本（如 30 张核心形象图）训练专属 LoRA 模型，锁定 IP 的核心比例、五官、色彩、质感。在后续的概念生成、多媒介适配、系列化创作中，调用 LoRA 模型即可快速生成符合特征的 IP 内容，确保一致性。
通过 LoRA+ControlNet 控制技术，误差≤2%，导入 IP 核心形象图，选择控制类型（如骨骼、深度、姿态、表情），即可精准控制 IP 的比例、姿态、角度。
首帧+标准化提示词可以稳定控制IP形象输出灵动细腻的动画。
通过 AI 风格迁移模型，输入 IP 核心形象图与目标风格参考图，即可一键将 IP 形象迁移至多种风格（如 3D 转简笔插画）。
在转换过程中严格保留 IP 核心特征，确保风格统一、输出稳定，满足业务素材与物料的快速迭代需求。
一定橙 IP 形象贯穿 2025 年多项核心活动，包括高考及渠道推广物料、暑期走路赚钱、组队赚钱、开学季等场景。
通过 AI 实现全链路 IP 渗透，在保障视觉质量的前提下，整体效率提升 50% 以上。
AI 技术与设计创意的深度共融，本质是技术为创意赋力、人文为技术锚向的双向奔赴，而非单向度的工具替代。
它正在重构设计产业的全链路流程：既彻底解放了设计师的基础生产力，更打破了创意表达的固有边界，最终让设计真正回归 “以人为本” 的核心本质。
长期以来，设计师近 80% 的精力，都被消耗在机械重复的执行落地、素材拼接、参数调整等低价值事务中，创意的火花往往被繁琐的执行磨平。而 AI 的规模化介入，彻底消解了这一行业痛点，让设计师的核心精力得以真正回归到用户洞察、创意构思与价值创造本身。
随着 AI 在设计领域的深度渗透，行业内也涌现出诸多悲观论调：
有人说 AI 终将彻底取代设计师，商业设计的全流程都可由 AI 独立完成；
有人担忧设计行业将迎来大规模裁员，普通设计师会彻底失去市场立足之地；
更有人断言，AI 的零门槛创作会抹平专业设计的壁垒，设计师的个人创意与审美表达将不再具备商业价值。
但在我看来，AI 能替代的，永远只是「术」层面的标准化执行与重复性劳作，永远替代不了「道」层面的用户洞察、创意思考、审美决策与人文价值创造。
对设计师而言，真正的核心命题从来不是对抗技术浪潮，而是在 AI 时代锚定自身的不可替代性 —— 以人文为内核，以创意为核心，以技术为工具，在时代的洪流中始终保有前行的底气与主动权。
转载：人人都是产品经理
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
蓝蓝设计的小编 http://www.lanlanwork.com