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
产品简介
Ponteo是面向口腔行业的灵活用工智能SaaS平台，搭建三层独立用户体系：诊所PC运营管理端、牙科医师移动端工作台、平台总控Admin运维后台，打通诊所发布临时诊疗工单、医师就近接单、线上排班沟通、营收自动结算、全平台数据监控全业务链路，适配独立牙科诊所、连锁口腔机构、自由执业牙医三类使用人群，实现人力、财务、运维数据一体化可视化管控。
牙科灵活用工四大核心行业痛点
1. 供需匹配低效：诊所急诊、临时缺岗只能线下电话邀约医师，闲置牙医无法精准匹配就近工单，沟通成本极高；
2. 财务对账繁琐：医师出诊收入、诊所营收、平台手续费、退款调整数据分散，人工统计易出错；
3. 排班工单管理混乱：根管治疗、正畸咨询、常规洁牙等订单无统一可视化日程，易出现时段冲突、漏单；
4. 平台运维无集中监控：服务器性能、用户资质核验、订单报错、合规风险分散，故障排查耗时漫长。
二、产品完整分层业务闭环
整套系统按照三类使用者搭建闭环业务流程，数据互通、界面独立互不干扰：
1. 医师移动端链路：资质视频认证→浏览附近工单（列表/地图双视图）→接单预约日程→线上和诊所沟通诊疗信息→钱包查看实时收入与业绩分析；
2. 诊所PC端链路：发布临时用工需求→系统智能推荐匹配医师→查看医师工时利用率、排班日历→统一查看收款流水、月度经营报表；
3. Admin总控后台链路：全局汇总平台订单、活跃诊所、注册医师数据→多维度财务营收拆解报表导出→服务器性能实时监控→异常工单、合规风险统一预警。
三、三大角色核心模块设计拆解
模块1：诊所PC Practice Dashboard 经营总览看板
模块化网格复合布局，一屏整合诊所全部经营维度，兼顾数据可读性与操作便捷度
1. 顶部导航区分首页、医师、订单、消息、数据、财务六大业务入口，支持全局搜索、明暗模式切换；
2. 核心可视化区块：周度营收柱状图表，标注单日峰值收益，直观展示门店业务波动；
3. 关键指标卡片组：本周总营收、接诊患者总量、在岗专科医师数量，同步展示同比增减幅度；
4. 辅助业务分区：医师工时利用率环形进度条、近期收款流水、日程推荐医师板块，同时满足人力调度与财务对账需求。
设计价值：诊所管理者无需切换多个页面，单次浏览即可掌握营收、人力、订单三大核心经营板块，大幅降低管理时间成本。
模块2：牙科医师移动端工作台
轻量化移动端分层页面，适配医师碎片化户外查看场景，四大核心功能分区
1. 个人首页：展示医师资质、用户评分、当日可接单时段、实时预估当日收入；
2. Jobs工单市场：列表/地图双浏览模式，可按距离、薪资、紧急程度筛选根管、洁牙、正畸类工单；
3. 日历排班模块：可视化展示已承接订单时段，区分急诊加急与常规诊疗项目；
4. 钱包财务页面：环形收入进度图表，统计单均出诊收入、最佳营收日期、月度业绩趋势，直观追踪收入目标完成进度。
模块3：Admin平台总控后台，分为两大核心面板
1. 全局业务数据Dashboard：汇总平台总订单、活跃诊所、注册医师、整体营收，多层环形饼图拆分营收构成（诊所分成、医师佣金、平台手续费、退款调整），支持按年/周/月筛选、一键导出经营报表；
2. 系统性能Performance监控页：实时展示服务器响应速度、CPU占用、缓存命中率、在线服务稳定时长，配套独立错误日志控制台，同步同步失败、字段缺失等系统报错预警，运维人员可快速定位故障根源。
四、视觉设计体系：柔和轻量化医疗商务风格
1. 色彩系统
- 基底底色：纯白低饱和浅灰基底，长时间办公无视觉压迫，适配医疗行业温和严谨调性；
- 主视觉品牌色：渐变紫蓝，用于核心图表、操作按钮、高亮关键数据，代表盈利、活跃正向状态；
- 辅助功能色：浅绿标识完成/稳定状态、浅紫区分工单卡片层级、浅灰代表闲置次要数据，色彩语义统一无冲突。
2. 组件与可视化规范
1. 轻量化圆角卡片：低柔和阴影、纤细分割线，模块分区干净清爽，摆脱传统工业后台厚重压抑的视觉感受；
2. 分层数据图表：柱状图展示时间维度趋势、环形进度条展示工时利用率、环形饼图拆分营收占比，图表样式统一简约，无多余装饰元素；
3. 医师信息卡片：真人头像搭配专科资质标签，直观区分正畸、牙周、全科牙医，快速匹配对应诊疗工单。
3. 文字层级规范
全平台统一无衬线字体，三层清晰信息层级：超大粗体核心营收数字→模块标题文字→辅助说明小字，电脑大屏、手机移动端均可快速抓取关键经营指标。
五、产品商业与用户落地价值
1. 供需匹配效率提升：线上工单智能推荐机制，省去诊所与医师线下反复电话沟通，人力调度效率提升60%；
2. 财务对账轻量化：全链路营收自动统计，分层自动拆分各方分成，大幅减少人工记账、核对账单的时间；
3. 全角色数字化隔离管理：医师、诊所、平台三方拥有独立可视化操作面板，业务边界清晰，互不干扰；
4. 平台运维可视化管控：业务经营数据与服务器性能双维度监控，业务故障、服务器异常提前预警，降低运维人力成本；
5. 低学习门槛柔和界面：轻量化浅色系设计，无数字化操作基础的医护、诊所管理者均可快速上手操作。
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。
转载自优设网
最近在搭建一个需求分析 Skill，这个 skill 的运行逻辑是：我把一份需求文档交给 AI，希望它结合我提前整理设计理论和产品价值观等材料搭建出来的知识库内容，判断这个需求解决了什么问题、是否值得做、还存在哪些风险。
很快，一份有用户、有场景、有结论的分析生成了。只看结果的话，似乎方法已经跑通。但当遇到一些较为棘手的问题时，继续追问 AI，例如“这条判断用了哪项依据”、“为什么这项原则适用于当前需求”时，问题出现了：
这些答案不一定是错的。真正值得警惕的问题是：这一次看起来正确，究竟是方法可靠，还是 AI 恰好猜对了？这成为我持续思考迭代这个 Skill 的起点。比起让 AI 给出更多答案，更重要的是让判断的依据、过程和边界变得清晰。
体验设计经常从一份需求文档开始：
文档通常已经写明要增加什么功能、希望达到什么目标，有时还附带用户反馈和初步方案。我们很容易顺着它继续思考用户流程、信息架构和交互界面等等设计工作的开展，却忽略了一个前提：文档描述的往往是：“团队目前想做什么，不一定等于用户真正遇到了什么问题”。
假设，一份需求写着：
“用户面对的内容太多，希望增加自动摘要功能，帮助用户更快获取重点。”
这句话至少混合了四类信息：
“自动摘要”已经是一个方案。用户真正的困难可能是找不到关键信息、无法比较多份内容，或者不知道怎样做决定。
如果没有拆开这些信息，我们很容易把尚未验证的方案当成需求本身。后面无论把摘要长度、按钮位置和纠错机制讨论得多完整，都可能只是在认真解决一个没有被确认的问题。
因此，需求分析不是设计开始前的机械步骤，而是设计工作的本身。设计师需要继续确认：谁在什么场景下遇到了问题？真正的阻碍是什么？哪些内容已经被证实，哪些只是推测？
把需求拆解看成一座冰山，水面上是产品背景、产品逻辑、产品目标、功能描述；水面下还有用户场景、真实诉求、约束、风险、判断依据等等隐藏信息。设计师的工作不是立刻把水面上的内容做出来，而是先确认水面下的问题是否成立。
不过，看见水面下的信息，并不代表我们已经得到了答案。
接下来还需要判断：哪些信息足以支撑当前选择？已有的设计原则和经验是否适用于这个场景？当用户目标、业务诉求和使用风险发生冲突时，应该依据什么做出取舍？
这意味着，需求分析不仅需要把问题拆开，还需要一套能够被调用和核对的判断依据。公开规范、设计原则和历史经验，都是这些依据的重要来源。
Apple 的 Human Interface Guidelines，就提供了一种组织这类判断依据的参考。它覆盖设计基础、常见模式、系统组件、输入方式和平台技术，帮助设计师理解平台行为与用户预期，再结合具体情境做出选择。
HIG 的价值不在于提供一个可以直接套用的标准答案，而在于说明一项设计原则为什么成立、通常适用于什么场景，以及使用时需要注意哪些条件。
同样，用于提供给 AI 进行需求分析的知识库，不仅仅只是单纯给出设计原则、规范或历史经验、产品价值观。还需要补充说明它们成立的支撑依据是什么、适用条件有哪些、使用的边界情况，等等额外信息。
第一版 Skill 已经包含提示词、判断的知识库资料和基本流程步骤，但没有太多的“约束”。告诉 AI 应该参考什么、输出什么，却没有规定怎样使用依据、哪些过程不能跳过，以及怎样证明检查真正发生过。
AI 很聪明，但也很会“偷懒和欺骗”。
这里的“偷懒和欺骗”，是指它擅长选择最短路径，尽快生成一个符合要求、看起来合理的结果。实践中，常见的偏差有四种：
需求和知识库内容一旦出现相似词语，AI 就把两者强关联起来。结果是不太关联的内容却被关联了起来，且没有确认原则、关联逻辑成立的条件。
AI 可以直接给出结论和理由，但未必说得清结论对应哪条需求信息，又是怎样从依据推导出来的。
AI 自行总结知识库里的内容，在后续输出结论的时候加上引号“”，变成仿佛是来自原文的直接表达。
当资料没有覆盖某个问题时，AI 更自然的选择是用常识继续完成答案，事实、经验和模型推测也因此混到了一起。这种看似可信但实际错误的内容通常被称为幻觉。OpenAI 的相关研究也指出，只奖励正确率的评测方式可能鼓励模型猜测，而不是承认不确定性。
AI 的捷径不一定让答案显得粗糙，反而可能让缺失的过程更难被发现。
第一版真正的问题不是 AI 不够聪明，恰恰是它太会给答案。即使缺少依据，也能把空白补成完整、合理的结果。
后来发现这些问题之后，我采取的一个处理方式是不断在 Skill 中增加提示：给出依据、区分事实和推测、不要编造、列出信息缺口、输出前自检。
但回想后发现，这些要求像一个个补丁，可以修复已经出现的问题，却很难保证下一个需求不会从别处出错。AI 也可以生成“我已检查”的文字，却不一定真的读取了资料；可以列出推理步骤，却可能是在结论之后反向补齐。
因此，真正需要调整的不是提示词长度，而是把判断依据、执行步骤和检查方式拆开，更系统性工程化的角度来重新构建 skill 的骨架。
一次输出看起来正确，只能说明这次结果可用；只有过程能够被重复检查，方法才开始变得可靠。
最初的目标，是想真正“教会”AI，让它理解我们判断需求的方式。
但 AI 不会因为读过一批资料，就像团队成员一样拥有共同经验和产品观。当前更现实的方式，是让它在明确的依据、步骤和边界内工作。
随着问题不断暴露，这个 Skill 的协作方式逐渐被整理成三个部分：
这个阶段聚焦在知识库里，知识库的内容如果按“来源”进行归档，适合保存，却未必适合判断。如果只把大量材料交给 AI，它可能找到相关观点，却不知道这条观点在回答什么问题、何时不适用。
因此，除了内容本身以外，还需要对内容进行“解析”处理：说明成立前提、适用边界、与当前需求的关系，以及如何回到原始来源核对。
原始材料与 AI 生成的摘要也需要分开。摘要可以帮助检索，却不能代替来源。尤其是引用，必须能够回到原文核对，不能把 AI 的概括伪装成原话。
如果只要求“认真分析”，AI 会选择自己最擅长也最省力的方式。所以，需要明确几个不能跳过的动作：
这些步骤不是为了让产出物变长变复杂，而是避免 AI 直接从输入跳到答案。
Skill 的角色也从“判决评审官”逐渐转向“思辨好伙伴”。只告诉设计师“不要做”并不会提高设计质量，团队还需要知道问题在哪里、原始诉求是否成立，以及还能怎样重新理解。
它不负责替设计师说“做”或“不做”，而是帮助设计师看见判断的前提和仍未回答的问题。
规则、要求、步骤写进 Skill，并不代表已经生效。真正的检查需要回答：
每次修改规则后，还要用历史案例和故意设置的错误样例重新运行。因为规则需要经过测试，而不是写完就算完成。反复打磨和验证，这也与 AI 应用中的评测思路相近：先定义行为标准，再用代表性数据验证输出。
当 AI 可以很快生成结论时，需求分析反而不应该只留下结论。如果仅只是输出一句“建议推进”或“需要重新考虑”会把判断过程压平。好的分析还应帮助团队看清四件事：
需求材料中能够确认的事实，例如用户反馈、使用场景、现有流程和明确约束。AI 可以帮助整理这些信息，但不能把自己的补充混进事实。
尚未被验证的判断，很多需求会把问题、目标和方案写在一起。分析需要把尚未验证的部分单独标出来。只有先看见假设，团队才能决定怎样验证。
一条条设计原则或历史经验不能只因为听起来相关，就成为结论依据。分析需要说明它解决的是什么问题、适用条件是什么，以及为什么能用于当前需求。
存在反面证据或不同观点时，也应该同时呈现。
还要向谁确认、补充什么证据、哪个假设的错误成本最高，以及哪些决策暂时不应推进。
需求分析不只交付结论，还要保留团队继续验证和讨论的入口。
AI 最自然的动作是补全，但需求分析有时最需要的动作恰恰是停下来。
“不知道”并不意味着分析失败。当不确定性被明确表达，它就从隐藏风险变成了团队可以处理的工作。
设计师在这里也不只是审核 AI 写得好不好，而是决定哪些问题值得追问、什么证据足以支撑判断、谁的体验被遗漏，以及不同价值与风险该如何取舍。
虽然，目前的 skill 还在搭建和打磨当中，仍不能确定这套基建思路是不是最终答案，它也会继续迭代。
但至少可以确认：让 AI 在明确的依据、步骤和边界内工作，比放任它凭通用能力自由生成，更容易发现偏差。这种约束不是为了让答案僵硬，而是让我们知道它为什么这样判断，也知道什么时候不该相信它。
这段实践逐渐形成了一套“做中学”的循环：从真实摩擦出发，选择一个最小任务试验，观察输出偏差，把有效方法固化下来，再用新旧案例重新验证。
这也符合当前常见的 AI 工程实践：先从简单方案开始，通过评测优化，只有在无法满足需求时，再增加系统复杂度。而且不同工具各有所长，重点不是寻找一个包办所有事情的工具，而是先判断当前环节需要什么能力，再用真实任务验证它。
每次试错也最好留下资产：一条问题记录、一个失败样例、一份模板、一张检查表，或一条被写进 Skill 的规则。工具会变化，但这些经验能让下一次探索不再从零开始。
工具会变化，但从问题出发、用实验验证、把经验留下来的能力可以持续积累。
这段实践得到的，不是一个能够自动评审需求的标准答案。
Skill 的意义，是把需求分析中相对稳定的步骤封装起来，让 AI 按同一套流程拆解信息、调用依据和检查结果；需求分析本身的意义，则是辅助设计师看清问题，而不是代替设计师下判断。
当 AI 越来越擅长生成内容，设计师仍然需要理解具体情境和真实的人，发现需求描述之外的问题，在不同目标之间做出取舍，并为最终选择承担责任。
AI 可以快速整理信息，却不知道哪一种产品体验更值得做；可以生成多种解释，却无法代替团队决定什么符合产品的长期方向。
因此，AI 时代的设计师更像问题的定义者、情境的解释者和价值的取舍者。我们不仅要会使用 AI，也要知道应该给它什么依据、在哪些地方停下来，以及哪些判断必须留在人手里。
当生成答案成为基础能力，设计师之间真正的差异，也许不在谁更快给出结论，而在谁能更早发现：哪些是事实，哪些是假设，我们究竟还缺少什么。
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、项目定位与行业痛点
产品简介
Biomechanics AI 是面向康复科医师、运动理疗诊所的专业AI生物力学分析系统，融合计算机视觉与可穿戴传感器，实时捕捉人体运动细节，量化关节负荷、发力不对称、体态代偿问题，将传统康复「肉眼主观判断」转化为可量化、可预测的数据化诊疗体系，覆盖电脑端诊疗操作台、移动端医师随身查看、品牌官网多终端完整设计体系。
传统康复行业四大核心痛点
1. 判断主观化：理疗师依靠肉眼观察动作，微小体态代偿、受力失衡极易被忽略，误诊、漏代偿风险高；
2. 康复无量化标准：关节压力、肌肉发力占比、活动角度无精准数值，康复进度无法客观追踪；
3. 复发无法预判：不能提前预测肌腱炎症、二次损伤风险，只能在疼痛出现后被动干预；
4. 数据割裂：患者运动数据、康复方案、预后预估分散，无一体化诊疗工作台。
二、产品完整业务闭环
整套系统形成「实时动作捕捉→生物力学数据量化→风险预警预测→个性化康复方案→预后恢复追踪」完整诊疗闭环：
1. 采集层：摄像头+可穿戴传感器同步采集深蹲、拉伸等康复动作的关节角度、受力、肌肉发力数据；
2. 可视化层：3D人体骨骼解剖模型直观标注异常发力点位，配套图表展示负荷、不对称率；
3. AI预测层：算法生成恢复周期预测曲线，计算损伤复发概率并弹出预警提示；
4. 干预层：系统自动给出终止训练、调整动作强度等临床建议；
5. 管理层：多终端同步，电脑端深度诊疗、手机端便携查房，后台统一管理患者档案、康复报表。
三、核心功能模块分层设计拆解
模块1：Live Session 实时诊疗操作台（PC主界面）
整体采用三分栏平衡布局，兼顾视觉直观性与专业数据读取效率
1. 左侧：患者基础档案+实时动作指标面板
展示患者伤病类型、康复周期、当前训练动作，核心量化指标：负荷不对称率、关节活动角度，搭配简易趋势线判断恢复走向；配套「暂停训练/完成疗程」操作按钮，医师可即时干预训练。
2. 中部核心视觉：3D半透明人体骨骼解剖模型
视觉核心载体，动态还原患者实时体态，以高亮色块标记动态膝内扣、身体前倾等异常发力区域，搭配下拉标签标注问题名称，兼顾医学专业性与视觉易懂性，是整套产品的设计记忆点。
3. 右侧：Detailed analytics 深度预测分析面板
- Recovery Forecast恢复预测折线图：区分预测值/实际恢复曲线，精准预估重返运动周期；
- Predictive Alert损伤风险预警：百分比量化肌腱发炎复发概率，高风险高亮提醒；
- 肌肉发力分项指标：区分最优/次优发力肌群，给出训练终止临床建议。
设计价值：单屏整合患者、动作、解剖、预测四大维度信息，医师无需切换页面即可完成整套康复评估，大幅提升诊疗效率。
模块2：移动端医师随身查看界面
轻量化精简布局，适配诊所查房、上门康复场景：
1. 简化3D人体可视化，聚焦单一体态异常数据（关节负荷、不对称比例）；
2. 保留核心预警与指标卡片，剔除复杂多维度报表；
3. 线性步骤引导展示设备接入、采集、数据分析完整流程，降低设备上手门槛。
模块3：品牌官网多端营销界面
面向诊所采购决策者，传递产品核心价值，分三大叙事板块：
1. 价值主张板块：对比传统康复「主观/低效/猜测/不确定」与系统「客观数据化」核心优势，搭配全球诊所落地数据增强信任；
2. 技术流程板块：三步极简流程展示「设备连接-采集训练-数据诊疗」，降低客户技术理解门槛；
3. 兼容与信任板块：展示市面主流医疗设备、HIS系统生态适配，医师真实口碑证言，配套FAQ转化引导预约演示。
四、视觉设计体系｜医疗专业感+轻量化科技感平衡
1. 色彩系统
- 主色调：浅白基底+低饱和医疗蓝，干净柔和，适配长时间医疗办公阅读，缓解视觉疲劳；
- 状态功能色：绿色（最优发力/恢复向好）、米黄（次优状态）、橙色预警（高损伤风险）、深蓝（核心数据强调），医疗场景下区分清晰且无刺激；
- 视觉符号色：半透冰蓝色3D人体骨骼，弱化冰冷医疗器械感，柔和传递生物力学科技属性。
2. 图形与组件设计
1. 3D解剖可视化：半透明线框人体模型，不使用写实血腥人体图，兼顾医学精准度与柔和视觉感受，适配康复理疗温和的场景；
2. 卡片轻量化组件：低圆角、细分割线、弱阴影，极简B端医疗设计语言，避免厚重压抑；
3. 数据图表：简约折线、分段进度条，剔除复杂装饰，医师可秒读数值与趋势。
3. 文字层级
无衬线现代字体，三层清晰层级：
超大粗体核心数值（87%风险、115°关节角度）→ 小标题指标名称 → 小号临床说明建议，符合医疗人员快速抓取关键数据的阅读习惯。
五、商业与用户综合价值
1. 临床价值：将康复评估从主观经验升级为客观量化数据，微小体态代偿100%捕捉，二次损伤预测提前干预，降低患者复发率；
2. 医师效率：单屏一体化操作台，省去多系统切换，单次康复评估时长缩短40%；
3. 商业落地价值：支持全主流医疗系统兼容，轻量化部署流程，适配大小私人理疗诊所、专业运动康复机构；
4. 患者价值：康复进度可量化可视化，直观理解自身发力问题，提升康复配合度。
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。
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。
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。
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。
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
Docuverse 是一款搭配可穿戴设备的移动医疗健康监测应用，集成实时生物数据可视化、健康检查提醒、可穿戴设备通知同步、健康数据追踪等核心功能，为用户提供 24 小时不间断的健康监测与管理服务。
当下移动健康监测应用普遍存在以下行业短板：
数据展示枯燥难理解：心率、血氧、体温等生物数据以纯数字形式呈现，用户难以直观感知健康状况的变化趋势和实际意义；
设备与应用联动弱：可穿戴设备采集的数据与手机 App 同步延迟高、通知不及时，用户容易错过重要健康提醒；
界面设计缺乏温度：医疗类应用普遍采用冷色调、硬核风格，让用户产生紧张感和距离感，不利于长期日常使用；
品牌识别度低：多数健康应用视觉同质化严重，缺少独特的品牌视觉符号，用户难以形成品牌记忆。
本项目以「极简生物数据可视化 + 可穿戴设备无缝联动 + 自然舒缓视觉风格 + 强品牌识别度」为核心设计逻辑，搭建健康数据监测、设备通知同步、健康提醒推送完整应用体系，让健康监测变得自然、舒适、有温度。
二、完整健康监测业务闭环
可穿戴设备实时采集 → 生物数据同步上传 → 可视化波形图呈现 → 健康检查智能提醒 → 设备通知同步推送
整套链路覆盖从数据采集到健康提醒的全流程监测，手机与可穿戴设备无缝联动，24 小时守护用户健康。
三、三大核心模块分层体验拆解
1. 生物数据可视化监测模块（数据展示核心）
应用核心区域采用圆形生物数据可视化设计，以动态波形图呈现心率等关键生物指标，复刻医疗级心电监护仪的专业视觉效果，同时以极简艺术化的方式呈现，降低专业数据的理解门槛。
波形图以薄荷绿为主色调，在白色背景上清新自然，用户无需医学背景即可直观感知心跳节律和健康状态，解决传统健康应用数据展示枯燥的痛点。
2. 可穿戴设备联动通知模块（设备协同核心）
应用与可穿戴设备深度联动，设备端采集的健康检查提醒、异常预警等信息实时同步至手机端，以圆角通知卡片形式展示，包含提醒类型、时间、简要说明。
手机端应用底部功能按钮与设备端操作同步，用户可在手机上查看设备通知详情、调整监测参数，打通设备与应用的数据壁垒，实现真正的无缝健康管理。
3. 品牌视觉与极简交互体系（品牌识别核心）
应用整体采用极简主义设计语言，界面元素精简至最少，核心监测区域占据视觉主体，返回按钮、更多选项等交互元素以极简图标呈现，不抢视觉焦点。
品牌 Logo 以黑色底色搭配简洁字体，搭配医护人员形象的品牌宣传图，传递专业、可信赖的品牌形象，在同类产品中形成独特的品牌记忆点。
四、视觉与组件体系设计特色
色彩系统：薄荷绿主色调搭配白色背景、深灰色文字，整体配色自然、舒缓，传递健康与生命力，降低医疗产品的紧张感，适合日常长期使用；
圆形波形可视化组件：核心监测区域以圆形动态波形图呈现生物数据，兼具专业感与艺术感，成为应用的视觉记忆符号；
极简图标交互体系：返回、更多选项、功能按钮均以极简线性图标呈现，去除多余装饰，界面清爽干净，用户注意力始终聚焦在健康数据上。
五、产品商业与用户综合价值
动态波形可视化让生物数据直观可感知，用户无需医学背景即可理解健康状况，提升产品易用性；
可穿戴设备无缝联动确保健康提醒零延迟，用户不错过任何重要健康信息，提升产品依赖度；
自然舒缓的薄荷绿视觉风格降低医疗产品的紧张感，用户愿意长期日常使用，提升留存率；
极简设计语言形成独特的品牌视觉符号，在同类产品中脱颖而出，提升品牌辨识度；
手机与设备双端协同，覆盖固定查看与移动监测两大场景，全天候守护用户健康。
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
Empire 是一款面向全球用户的在线多端游戏平台，涵盖桌面端与移动端，集成游戏分类浏览、热门推荐、会员体系、充值系统、品牌合作展示、客服支持等核心功能，打造集游戏娱乐、社交互动、会员福利于一体的数字娱乐平台。
当下在线游戏平台普遍存在以下行业短板：
游戏分类混乱难筛选：数百款游戏平铺展示，缺少清晰的品类分区与筛选机制，用户需要大量时间翻找感兴趣的游戏，浏览体验差；
视觉风格廉价同质化：多数游戏平台堆砌花哨元素、刺眼配色，缺少品牌辨识度和高级质感，难以建立用户信任；
会员体系感知弱：VIP 等级、积分奖励、专属福利散落在不同页面，用户不清楚自身权益，会员续费意愿低；
多端体验断层：电脑端功能丰富但手机端严重缩水，游戏入口难找、充值流程复杂，移动端用户转化率低下。
本项目以「沉浸式深色主题 + 清晰游戏分类导航 + 会员权益可视化 + 桌面移动端统一体验」为核心设计逻辑，搭建首页推荐、游戏分类库、会员中心、充值系统、品牌合作完整平台体系，兼顾游戏浏览、会员运营、商业变现三大核心业务。
二、完整游戏平台业务闭环
首页品牌合作引流 → 游戏分类导航筛选 → 热门游戏推荐展示 → 一键进入游戏 → 会员权益领取 → 充值余额管理
整套链路覆盖用户从进入平台到游戏娱乐、会员消费的全流程体验，桌面端与移动端版式统一，核心功能无缩水。
三、四大核心模块分层体验拆解
1. 沉浸式首页推荐模块（用户引流核心）
左侧侧边栏导航集成 Home、Profile、游戏分类、会员体系、资讯和客服入口，用户可快速定位目标功能。顶部平台名称搭配搜索框、会员标识、余额和充值按钮，核心操作入口一触即达。
欢迎横幅展示品牌合作形象，搭配球星/代言人视觉元素，强化品牌背书；游戏分类卡片采用渐变色彩设计，带有游戏图标和"Play now"按钮，视觉吸引力强，引导用户快速进入游戏。
2. 多维度游戏分类与推荐模块（内容分发核心）
游戏分类采用圆角渐变卡片布局，每张卡片展示品类图标、名称和快捷入口，用户可按品类快速筛选目标游戏。
热门游戏推荐栏以横向滚动图标形式展示，搭配游戏封面和快捷启动按钮，用户无需进入详情页即可一键开始游戏，解决游戏筛选成本高的痛点，提升游戏发现效率。
3. 会员体系与奖励模块（用户留存核心）
顶部悬浮"Free Reward"提示框，以醒目的黄色标注奖励信息，吸引用户点击领取；会员标识贯穿全局，用户在任何页面都能感知自身 VIP 等级与专属权益。
侧边栏导航设置独立会员入口，集中展示等级权益、积分余额、专属活动，强化会员价值感知，提升续费意愿。
4. 深色沉浸式视觉体系（品牌调性核心）
深蓝色主色调搭配亮蓝色、紫色渐变效果，营造炫酷科技感的游戏氛围；黄色作为 VIP 等级、奖励提示的高亮色，在深色背景上格外醒目。
粗体无衬线字体视觉冲击力强，游戏名称和按钮文字突出，整体风格活泼炫酷，精准匹配游戏平台的娱乐属性。
四、视觉与组件体系设计特色
色彩系统：深蓝主色调搭配亮蓝紫色渐变卡片、黄色高亮标识，炫酷科技感与品牌辨识度兼具，在竞品中形成差异化视觉记忆；
渐变卡片组件：游戏分类卡片采用渐变色彩设计，每张卡片色彩略有差异，丰富视觉层次的同时保持整体风格统一；
悬浮奖励提示组件：顶部"Free Reward"提示框以黄色高亮悬浮展示，搭配动效暗示，有效吸引用户注意力，提升奖励领取率。
五、产品商业与用户综合价值
清晰的游戏分类导航大幅降低用户筛选成本，提升游戏发现效率和平台使用时长；
深色沉浸式视觉风格建立高端游戏平台品牌调性，区别于廉价竞品，提升用户信任度；
会员权益可视化贯穿全局，强化用户价值感知，有效提升会员续费率和 ARPU 值；
悬浮奖励提示机制提高用户活跃度和日常回访频次，培养用户使用习惯；
桌面端与移动端统一体验，不流失移动端用户，全域覆盖游戏娱乐场景。
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
Finora 是一款以 AI 智能分析为核心驱动力的金融投资与资产管理平板应用，集成投资收益图表、AI 智能分析弹窗、资产推荐模块、一键投资入口等功能，为用户提供从数据分析到投资决策的一站式智能理财体验。
当下金融投资类应用普遍存在以下行业短板：
投资决策门槛高：普通用户缺乏专业的金融分析能力，面对复杂的市场数据和投资产品，难以做出科学合理的投资决策；
AI 分析过程不透明：部分应用虽引入 AI 能力，但分析过程黑箱化，用户不清楚 AI 的推荐逻辑和依据，信任度低；
投资操作流程繁琐：从查看产品、分析数据到完成投资，需要在多个页面间反复跳转，操作链路长，用户流失率高；
视觉风格冷硬有距离感：传统金融应用多采用深蓝、深黑配色，界面严肃冷硬，让非专业用户产生心理距离，降低使用意愿。
本项目以「AI 智能分析可视化 + 轻量化投资操作链路 + 清新亲和视觉风格」为核心设计逻辑，搭建投资收益总览、AI 分析弹窗交互、资产推荐、一键投资完整应用体系，让金融投资变得简单、透明、可信赖。
二、完整智能投资业务闭环
投资收益数据总览 → AI 智能分析启动 → 分析步骤可视化展示 → 资产推荐结果呈现 → 一键投资操作完成
整套链路将复杂的投资决策流程简化为几步操作，AI 分析过程全程透明可见，用户从查看收益到完成投资无需跳出应用，操作效率大幅提升。
三、三大核心模块分层体验拆解
1. AI 智能分析弹窗交互模块（核心差异化模块）
应用独创 AI 分析弹窗交互模式，用户发起投资分析后，界面弹出居中模态弹窗，带有轻微毛玻璃效果，不完全遮挡背后界面，用户可在等待分析结果时继续查看收益数据。
弹窗内清晰展示 AI 分析的完整步骤，每个步骤以勾选标签标注完成状态，搭配动态加载动画，用发光圆点提示处理完成。分析过程全程透明可视化，用户清楚了解 AI 的推荐逻辑和数据依据，解决传统金融 AI 黑箱化的信任痛点。
2. 投资收益总览模块（数据展示核心）
主界面采用上下滚动的信息流布局，顶部导航栏提供功能入口，投资收益图表以折线图/柱状图形式展示资产变化趋势，搭配资产推荐模块，智能匹配用户风险偏好的投资产品。
图表采用清新的黄绿色主色调，数据走势一目了然，搭配简洁的数据标签和趋势标识，用户无需专业金融知识即可快速理解资产状况。
3. 轻量化投资操作模块（转化效率核心）
资产推荐卡片展示产品名称、预期收益、风险等级等关键信息，搭配"Invest Now"一键投资按钮，用户从查看推荐到完成投资仅需两步操作。
弹窗右上角设置关闭按钮，用户可在分析完成后自主选择是否继续投资操作，尊重用户决策权，不强引导、不绑架操作，营造舒适的 investing 体验。
四、视觉与组件体系设计特色
色彩系统：清新黄绿色主色调搭配浅灰弹窗背景、白色文字，整体配色轻快、亲和，打破传统金融应用的冷硬感，降低非专业用户的心理距离；
毛玻璃模态弹窗组件：弹窗采用轻微毛玻璃效果，不完全遮挡背后界面，用户可在等待分析时继续浏览数据，兼顾专注操作与信息连续性；
圆润友好字体体系：采用圆润无衬线字体，弹窗标题清晰醒目，辅助文字柔和易读，整体字体风格亲切友好，与清新配色共同营造轻松的理财氛围。
五、产品商业与用户综合价值
AI 分析过程全程可视化，用户清楚了解推荐逻辑，提升对平台的信任度与依赖度；
轻量化投资操作链路将决策到执行简化为两步，大幅缩短操作路径，提升投资转化率；
清新亲和的视觉风格打破金融应用的冷硬印象，吸引非专业用户群体，拓宽用户基盘；
毛玻璃弹窗设计兼顾专注操作与信息连续性，等待过程不焦虑，用户体验细腻；
一键投资入口降低操作门槛，让理财新手也能轻松完成投资决策，提升产品普惠性。
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。
蓝蓝设计的小编 http://www.lanlanwork.com