简述：AI 并非接管用户体验设计，而是彻底改变我们的工作方式。本文将分享 AI 工具如何改变我的工作流程，让我的工作更高效、更敏锐，以及为什么拥抱 AI 是当今设计师最明智的选择。
当人工智能工具开始充斥我的设计信息时，我感到恐慌。
“这会让我的工作变得无关紧要吗？”
这是我脑海深处平静的声音。
但我的经验是：人工智能并非用户体验设计师的替代品——它只是对我们工具包的升级。我们并非与人工智能竞争——而是与它合作。
现在，我把人工智能视为我的头脑风暴伙伴、文案助理、设计陪练伙伴和时间节省者。这种思维转变开辟了我从未意识到自己需要的创意空间。
在我将人工智能引入其中之前，对我来说典型的用户体验流程是这样的：
是的，这确实很周到。但通常进展缓慢、重复性强，而且难以规模化。
然后是人工智能。起初，它只是用于快速内容的 ChatGPT。但很快，我发现自己将更多工具融入到我的工作流程中——这些工具不仅节省了时间，而且实际上改善了我的工作方式。
以下是人工智能如何融入我当前的用户体验阶段：
突然之间，数小时的体力劳动变成了几分钟的辅助创造力。
以下是人工智能帮助我做得更好、更快、更少摩擦的事情：
即使取得了所有进展，仍有一些东西是人工智能无法（或许也不应该）取代的：
这是件好事。因为这些正是用户体验的一部分，让设计更具人性化。
现在与人工智能合作感觉就像是一种创造性的伙伴关系——双方都能带来一些有价值的东西。
在研究过程中，我使用人工智能转录和标记访谈内容，但我也会介入解读其中的情感细微差别并验证模式。在构思阶段，人工智能会生成流程或占位文案，然后我会将其精炼成符合用户目标的精美体验。在设计线框图时，人工智能有助于加快布局建议的速度，但我也会运用用户体验启发式方法、无障碍标准和叙事技巧。即使在测试阶段，人工智能也会提供摘要和行为图，但我仍然需要深入挖掘用户行为背后的原因。
简而言之，人工智能承担了繁重的工作。我负责判断、同理心和目标。
如果您对人工智能感到好奇，但不知道从哪里开始，我推荐以下内容：
人工智能不会取代用户体验设计师。
但懂得如何使用人工智能的设计师可能会比不懂人工智能的设计师更成功。
用户体验的未来以人为本，并由人工智能加速发展。人工智能帮助我们更快、更智能地行动——但同理心、道德和创造力呢？这些仍然取决于我们。
让人工智能处理自动化，你来掌控直觉。
兰亭妙微(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。我们建立了一个微信群，每天分享国内外优秀的设计，有兴趣请加入一起学习成长，咨询及进群请加蓝小助微信ben_lanlan。
刚开始学习设计时，我面临的最大挑战就是时间。
画线框图要花好几个小时，用户流程则要铺满凌乱的白板。
但我见过一些了不起的事情：一位设计师在不到 10 分钟的时间内借助人工智能制作出整个应用程序的原型。
这让我不禁要问：AI-First UX 是否会成为我们领域的新常态？
传统上，UX 意味着研究、线框、设计系统和测试，所有这些都由设计师和研究人员团队手动完成。
但“AI-First UX”颠覆了这一工作流程：
简而言之：人工智能不再是一个辅助工具，它正在成为设计的第一步。
过去两年来，设计行业发生了巨大变化：
我亲眼见证了这一点：以前在 Figma 上要花几个小时才能完成的事情，现在在 AI 的帮助下，几分钟就能构思出来。我不用再纠结于矩形和对齐，而是可以把精力放在更重要的问题上：“这个设计真的能解决用户的问题吗？”
最大的误解是什么？AI 会取代设计师。但我注意到的是不同的：AI 正在接管生产工作，但我们作为设计师的角色正变得更加以人为本。
这种转变是这样的：
所以，无论如何，人工智能正在让我们的实践变得更加人性化。
与任何颠覆一样，人工智能既带来兴奋，也带来警惕。
机会：
挑战：
作为设计师，我们面临的真正考验是：我们能否引导人工智能，而不是被它引导？
我认为是的，但是带有星号。
人工智能正在成为默认的起点，但终点线仍然属于人类设计师。因为无论工具多么先进，人工智能都无法体会用户在结账表单上挣扎时的沮丧，也无法体会用户首次浏览无障碍产品的喜悦。
这就是我们的优势。
作为一名设计师，我不再问“人工智能会抢走我的工作吗？”
，而是问“我怎样才能让人工智能成为我的设计助手，这样我就可以专注于解决更深层次的问题？”
AI First UX 并不会消除对设计师的需求，而是需要更好的设计师。
如果你是设计新手，我的建议是：不要害怕人工智能。学会引导它。学会提出更好的问题，让人工智能掌控速度。
因为在2025年，设计不再只是推动像素，而是在人工智能的帮助下设计人类体验的未来。
兰亭妙微(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。我们建立了一个微信群，每天分享国内外优秀的设计，有兴趣请加入一起学习成长，咨询及进群请加蓝小助微信ben_lanlan。
TLDV： AI 产品设计师在工作中遇到挑战并不少见，尤其是在理解 AI 产品背后复杂的技术方面。这可能会使他们难以与技术专家进行有效沟通，从而导致进一步的复杂化。此外，跟上不断发展的人机交互设计模式也极具挑战性。在本文中，我整理了一些资源，旨在提升设计师在这些领域的知识和技能，帮助他们自信而轻松地完成工作。
人工智能的进步为人机交互带来了激动人心的机遇。从识别照片中的猫咪到实现自动驾驶，人工智能为用户体验提供了众多充满希望的全新可能性。它促成了以往难以想象的交互形式。
根据最近的研究，设计师正在努力应对设想和原型人工智能系统的复杂性。
这是为什么呢？传统的用户体验 (UX) 和人机交互 (HCI) 设计技术（例如草图和原型设计）可能不足以解决人工智能在产品设计中带来的意外后果。
Graham Dove 及其同事在“计算机系统人为因素”会议上表示： “人机交互专业人士无法轻易地勾勒出人工智能系统在不同情境下适应不同用户的多种方式。” “……他们也无法轻易地为尚未开发的人工智能系统可能犯的推理错误类型建立原型。” 引用Philip van Allen 的话，我还可以补充一句。
卡内基梅隆大学的杨倩及其团队研究了人机交互研究人员和专业人士在使用人工智能时面临的挑战。他们基于广受认可的双钻石设计流程模型，构建了这些挑战及相关的研究论文。
以下是我从本文中得出的结论，按设计过程步骤细分：
2. 定义（聚合思维阶段）
发展（发散思维阶段）
交付（聚合思维阶段）
我把所有提到的问题分为两大类：
仅仅让更多用户体验师参与使用机器学习的项目是不够的。他们必须理解机器学习的核心概念，破除人们对人工智能及其功能的先入之见，并遵循建立和维护信任的最佳实践。Josh
Lovejoy
关于哪些类型的人工智能知识与用户体验设计相关，仍然存在很大争议。然而，越来越多的人认同，用户体验设计师需要具备一些人工智能方面的技术专长才能有效地运用它。
大多数人工智能课程都要求学生具备统计学、概率论、线性代数、微积分和编程方面的知识。如果没有这些背景知识，理解许多人工智能概念可能会很困难。
你无需对人工智能有深入的理解，但熟悉数学和计算机科学至关重要。如果你对这些科目感到不适应，可以考虑参加这些高评价课程。
概率： 渺茫的机会：从头开始的概率（哈佛大学）
统计学：麻省理工学院统计学基础
线性代数： 麻省理工学院的线性代数 18.06
微积分：麻省理工学院的单变量微积分和多变量微积分
编程：从Codecademy、谷歌或密歇根大学学习 Python 。我个人更喜欢密歇根大学的“Python for Everybody”课程。虽然篇幅较长，但讲解更详细。
对每个主题有一定的熟悉度将为参加以下课程奠定良好的基础：
1）“ AI For Everyone ”（6小时，49.99美元/月）——最好的非技术性AI入门课程，由斯坦福机器学习课程创始人吴恩达讲授
2）“人工智能计算机科学专业证书”（5个月，432欧元）——edX 颁发的两部分专业证书，跟踪哈佛大学的 CS50 和 CS50AI 课程，让没有必备 CS 知识的学习者也能进入人工智能领域。
3）“人人适用的人工智能基础”（40小时，49.99美元/月）—— IBM提供的专业课程 。IBM通过Coursera被公认为新兴技术领域的革命性领导者。该专业课程包含三门课程：
4）“人工智能要素”（30-60小时，免费）——赫尔辛基大学和MinnaLearn合作推出的课程，解释了人工智能可以实现什么（和不可能实现什么）以及它如何影响我们的生活——无需复杂的数学或编程。
您是否知道其他有用的资源？如果有，请在评论区留言。
人们对人机交互设计技能的需求日益增长，但相关课程却十分有限。幸运的是，有众多设计师和研究人员慷慨地分享他们的知识和专业技能。以下是我关注的一些：
如果我遗漏了任何人，请随时在评论区分享他们的名字以及他们创建的任何有用资源。让我们一起拓展知识，帮助彼此成长。
人工智能塑造着我们的思维、感受和行为方式。它驱动着决定我们未来的决策。我们有责任将其潜力转化为人性化的科技。构建一个基于我们多样化价值观和需求的人工智能需要深思熟虑的设计。
人工智能正日益融入各种数字产品和服务。用户与人工智能的交互将成为决定这些产品成功与否的关键因素。然而，如果我们未能定义并采用新的交互模式和技术，而是依赖过时的启发式方法和对人工智能有限的理解，就有可能阻碍创新。
通过将坚持与创造力相结合，设计师可以充分发挥人工智能的潜力，为更美好的未来铺平道路。
兰亭妙微(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。我们建立了一个微信群，每天分享国内外优秀的设计，有兴趣请加入一起学习成长，咨询及进群请加蓝小助微信ben_lanlan。
想法简述
随着人工智能 (AI) 越来越深入地融入产品，设计师必须了解这些系统真正能做什么。本文介绍了一个围绕感知、推理、记忆和代理四大核心能力构建的实用框架，旨在帮助用户体验 (UX) 专业人士设计更智能、更值得信赖的 AI 体验。本书包含真实案例和实用技巧，对于任何致力于塑造 AI 界面未来的人士来说，都是必读之作。
许多人认为，人工智能代理已经存在，只是分布不均。然而，目前很少有案例能够展现与这种近未来人工智能的良好交互体验。幸运的是，在最近的 AWS Re: Invent 大会上，我偶然发现了一个与人工智能代理交互的用户体验的绝佳示例，我迫不及待地想在本文中与大家分享这一愿景。但首先，人工智能代理究竟是什么？
想象一下一个蚁群。在一个典型的蚁群中，有不同专长的蚂蚁：工蚁、兵蚁、雄蚁、蚁后等等。蚁群中的每只蚂蚁都有不同的工作——它们独立运作，但又像一个紧密结合的整体。你可以“雇佣”一只蚂蚁（代理）为你做一些简单的半自主工作，这本身就很酷。然而，试想一下，你可以雇佣整个蚁丘去做一些更复杂或更有趣的事情：找出你的系统出了什么问题，预订你的行程，或者……做几乎所有人类在电脑前能做的事情。每只蚂蚁本身并不非常聪明——它们高度专业化，专注于完成特定的工作。然而，不同专长的蚂蚁组合在一起，呈现出一种我们将其与高级动物联系起来的“集体智慧”。我们在博客中一直使用的“人工智能”（AI）与人工智能代理之间最显著的区别在于自主性。您不需要向 AI 代理提供精确的指令或等待同步输出 - 与一组 AI 代理的整个交互更加流畅和灵活，就像蚁丘解决问题一样。
代理型人工智能 (Agentic AI) 的工作方式多种多样——这是一个内容丰富的主题，值得专门写一本书来探讨（或许一两年后）。在本文中，我们将以系统故障排除为例，阐述一个涉及主管代理（也称为“推理代理”）和多个工作代理的复杂流程。该流程始于人类操作员收到问题警报。他们启动调查，然后由主管代理领导的半自主 AI 代理团队帮助他们找到根本原因，并提出解决问题的建议。让我们用步骤图来分解与 AI 代理交互的过程：
上图所示的多阶段代理工作流程包含以下步骤：
如同与典型的人类组织签订合同一样，主管AI代理拥有一支由专业AI代理组成的团队。主管可以将消息路由到其监管下的任何AI工作代理，这些代理将执行任务并反馈给主管。主管可以选择将任务分配给特定代理，并在稍后获得更多信息时发送附加指令。最后，任务完成后，输出将反馈给用户。然后，人类操作员可以选择向主管AI代理提供反馈或附加任务，在这种情况下，整个流程将重新开始。
人类无需担心任何内部事务——所有事务都由“主管”以半自主的方式处理。人类所做的只是提出一个通用请求，然后审查并响应这个代理“组织”的输出。如果你能做到这一点，这正是你与蚁群沟通的方式：你将工作分配给蚁后，让她管理所有工蚁、兵蚁、雄蚁等等。与蚁群类似，单个专业代理不需要特别聪明，也不需要直接与人类操作员沟通——它们只需要能够半自主地解决它们被设计执行的专业任务，并将精确的输出反馈给“主管”代理，仅此而已。“主管”代理的工作就是完成所有的推理和沟通。这种人工智能模型更高效、更经济，并且在许多任务中都非常实用。让我们来看看交互流程，以便更好地感受这种体验在现实世界中的感受。
为简单起见，我们将遵循本文前面的工作流程图，流程中的每个步骤都与图中的步骤相对应。此示例来自AWS Re: Invent 2024 — 不要停滞不前：互联遥测如何助您前进 (COP322)，由 YouTube 上的 AWS Events 主持，从 53 分钟开始。
该流程始于用户发现名为“bot-service”的服务（屏幕截图左上角）故障急剧增加，并启动新的调查。然后，用户将所有相关信息以及一些额外的指令传递给主管代理。
现在，在步骤 2 中，主管代理接收请求并生成一组工作 AI 代理，这些代理将半自主地查看系统的不同部分。该过程是异步的，这意味着右侧的建议初始状态为空：调查启动后不会立即显示结果。
现在，工作代理返回了一些“建议的观察结果”，这些结果由主管处理并添加到屏幕右侧的建议中。请注意，屏幕右侧现在更宽了，以便于阅读代理建议。在下面的屏幕中，不同的代理提出了两个截然不同的观察结果，第一个代理专门负责服务指标，第二个代理专门负责跟踪。
这些“建议的观察结果”构成了调查中的“证据”，旨在找出问题的根本原因。为了找出根本原因，此流程中的人类操作员会提供帮助：他们会向主管代理反馈哪些观察结果最相关。因此，主管代理和人类操作员并肩协作，找出问题的根本原因。
人工操作员会点击“接受”按钮，确认他们认为相关的观察结果，这些结果会被添加到屏幕左侧的调查“案例档案”中。现在，人工操作员已经添加了反馈，表明他们认为这些信息是相关的，代理流程将启动调查的下一阶段。主管代理收到用户反馈后，将不再发送“更多相同的信息”，而是会进行更深入的挖掘，甚至可能调查系统的其他方面，以寻找根本原因。请注意，下图中右侧出现的新建议属于另一种类型——它们现在正在查看日志以寻找根本原因。
最后，主管代理掌握了足够的信息，开始尝试找出问题的根本原因。因此，它从证据收集转向推理根本原因。在步骤3和4中，主管代理提供了“建议性观察”。现在，在步骤5中，它准备好进行重大揭秘（也可以称之为“结局场景”），因此，就像文学侦探一样，主管代理提出了它的“假设建议”。（这让人想起游戏“线索”，玩家轮流提出“建议”，然后，当他们准备好发起攻击时，他们就会提出“指控”。主管代理在这里也做了同样的事情！）
建议的假设是正确的，当用户点击“接受”时，主管代理会提供后续步骤来解决问题，并防止将来再次出现类似问题。代理似乎在对人类指手画脚，建议他们“实施适当的变更管理程序”——这是任何良好系统卫生的基础！
代理流如此引人注目，并成为当今众多人工智能开发工作的焦点，原因有很多。代理引人注目、经济实惠，并且能够实现更加自然灵活的人机界面。代理能够填补人类与机器之间沟通的空白，真正实现人机思维的融合，形成超越人类的“增强智能”，其价值远超其各部分之和。然而，要从与代理的交互中获得最大价值，也需要我们彻底改变对人工智能的理解方式，以及设计支持代理交互的用户界面的方式：
无论你对人工智能代理有何看法，它们无疑会与人类同行共同发展，并持续存在。因此，我们必须了解代理人工智能的工作原理，以及如何设计能够让我们安全高效地与它们协同工作的系统，充分发挥人类和机器各自的优势。
兰亭妙微(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。我们建立了一个微信群，每天分享国内外优秀的设计，有兴趣请加入一起学习成长，咨询及进群请加蓝小助微信ben_lanlan。
生成式人工智能通过关注基于意图的结果规范，为人类与系统交互提供了一种新的方式。GenAI 带来了新的挑战，因为它的输出是概率性的，需要理解变异性、记忆、错误、幻觉和恶意使用，这就带来了构建原则和设计模式的必要性，正如 IBM 所描述的那样。
此外，任何AI 产品都是一个分层系统，其中 LLM 只是其中一种成分，而内存、编排、工具扩展、UX 和代理用户流才是真正的魔力！
本文是我对 GenAI 设计模式演变的研究和记录，这些模式为产品经理、数据科学家和交互设计师提供了一种通用语言 ，帮助他们打造以人为本、值得信赖且安全的产品。通过应用这些模式，我们可以弥合用户需求、技术能力和产品开发流程之间的差距。
评估 GenAI 是否改善了用户体验或增加了复杂性。通常，基于启发式 (IF/Else) 的解决方案更易于构建和维护。
这种模式确保 GenAI 开发始于用户意图以及实现该意图所需的数据模型。GenAI
系统的优劣取决于其训练数据。但真正的用户并非以行列的方式表达，他们表达的是目标、挫折和行为。如果团队未能将用户需求转化为结构化的、模型可用的输入，最终的系统或产品可能会优化到错误的结果，从而导致用户流失。
GenAI 应用中的一个关键决策是完全自动化任务还是增强人类能力。使用此模式可以使技术与用户意图和控制偏好保持一致。
自动化最适合用户倾向于委派的任务，尤其是在繁琐、耗时或不安全的情况下。例如，Intercom FinAI 会自动将冗长的电子邮件线索汇总为内部笔记，从而节省重复性、低价值任务的时间。
增强功能能够提升效率、创造力和控制力，从而增强用户想要持续参与的任务。例如， Abelton 的Magenta Studio支持创造性的控制，方便用户操控和创作新音乐。
在人工智能系统中，自动化指的是将多少控制权委托给人工智能而不是用户。这是一种战略性的用户体验模式，它根据用户的痛点、情境场景和对产品的期望来决定自动化程度。
当用户第一次接触基于新技术的产品时，他们常常想知道系统能做什么和不能做什么，它如何工作以及他们应该如何与它交互。
该模式提供了多维策略来帮助用户使用 AI 产品或功能、减少错误、与用户准备情况保持一致，以提供明智且以人为本的用户体验。
这种模式是许多其他模式的顶峰
心智模型帮助用户预测系统（网页、应用程序或其他类型的产品）的运作方式，从而影响他们与界面的交互方式。当产品与用户现有的心智模型相符时，用户会感觉直观且易于上手。当两者发生冲突时，可能会导致用户沮丧、困惑，甚至放弃。
例如，Github Copilot 建立在开发人员从传统代码自动完成的思维模型之上，从而简化了向 AI 驱动的代码建议的过渡
例如，Adobe Photoshop 建立在使用矩形控件扩展图像的熟悉方法的基础上，通过集成其生成填充功能，智能地填充新创建的空间。
通过提问来识别并建立现有的心智模型
这种模式涉及清楚地传达人工智能模型能做什么和不能做什么，包括其知识边界、能力和局限性。
它有助于建立用户信任、设定适当的期望、防止误用，并在模型出现故障或异常行为时减少挫败感。
在人工智能系统中，思路链（CoT） 提示 技术 通过模仿人类更结构化、循序渐进的思维过程，增强了模型解决复杂问题的能力。
CoT 展示是一种用户体验模式，它通过揭示 AI 是如何得出结论的来提高透明度。这可以增强用户信任，提高可解释性，并为用户反馈提供空间，尤其是在高风险或模糊场景下。
例如，Perplexity通过显示处理步骤来增强透明度，帮助用户理解答案背后的深思熟虑的过程。
例如，Khanmigo是一种人工智能辅导系统，它通过模仿人类推理来逐步指导学生解决问题，以增强理解和学习。
GenAI 凭借其概率特性，能够对同一输入产生不同的响应。这种模式通过并排呈现多个输出来利用可变性。展示多样化的选项有助于用户创造性地探索、比较、改进或做出更符合其意图的决策。例如， Google Gemini提供了多种选项，帮助用户探索、改进并做出更明智的决策。
在 GenAI 应用程序中，清晰地阐明数据源对于透明度、可信度和用户信任至关重要。清晰地表明 AI 的知识来源有助于用户评估响应的可靠性并避免错误信息。
这在医疗保健、金融或法律指导等高风险事实领域尤其重要，因为决策必须基于经过验证的数据。
AI 生成的输出具有概率性，准确度可能存在差异。显示置信度分数可以传达模型对其输出的确定性。这有助于用户评估可靠性并做出更明智的决策。
记忆和回忆是一个重要的概念和设计模式，它使人工智能产品能够存储和重用过去交互中的信息，例如用户偏好、反馈、目标或任务历史，以提高连续性和情境感知。
用于访问信息的记忆可能是短暂的（会话内的短期）或持久的（跨会话的长期），并且可能包括对话上下文、行为信号或明确的输入。
情境输入参数通过简化用户交互来提升用户体验，并更快地实现用户目标。通过利用用户特定数据、用户偏好、过往交互，甚至来自其他具有相似偏好的用户的数据，GenAI 系统可以定制输入和功能，以更好地满足用户意图和决策。
副驾驶是一种增强模式，AI 充当协作助手，在用户掌控全局的同时，提供情境化和数据驱动的洞察。这种设计模式在战略制定、构思、写作、设计或编码等领域至关重要，因为这些领域的结果具有主观性，用户拥有独特的偏好，或者用户的创意输入至关重要。
副驾驶 加快工作流程，增强创造力并减少认知负荷，但人类仍保留创作权和最终决策权。
构建 UI 级机制，让用户根据用户目标、上下文场景或系统故障状态管理或覆盖自动化。
没有系统能够预测所有用户情境。控制赋予用户自主权，即使人工智能出错，也能保持信任。
GenAI 系统通常依赖于对人类输入的解读。当用户提供模糊、不完整或错误的信息时，AI 可能会误解其意图或产生低质量的输出。
输入错误通常反映的是用户期望与系统理解之间的不匹配。妥善处理这些问题对于维护信任和确保顺畅的交互至关重要。
GenAI 输出本质上是概率性的，容易出现幻觉、偏见和上下文错位等错误。
与传统系统不同，GenAI 的错误状态难以预测。针对这些状态进行设计需要透明度、恢复机制和用户自主性。精心设计的错误状态可以帮助用户了解 AI 系统的边界并重新获得控制权。
混淆矩阵有助于分析人工智能系统错误，并通过显示以下计数来深入了解模型的执行情况
-真阳性（正确识别阳性案例）
-假阳性（错误识别阳性案例）
-真阴性（正确识别阴性案例）
-假阴性（未能识别阴性案例）
现实世界的一致性需要直接的用户反馈来改进模型，从而改进产品。当人们与人工智能系统互动时，他们的行为会塑造并影响他们未来收到的输出。从而形成一个持续的反馈循环，系统和用户的行为都会随着时间的推移而不断调整。例如，ChatGPT使用“反应”按钮和“评论”框来收集用户反馈。
强大的 GenAI 模型需要在训练期间以及部署后持续进行评估。评估旨在确保模型按预期运行，识别错误和幻觉，并与用户目标保持一致，尤其是在高风险领域。
有三种关键的评估方法可以改进机器学习系统。
人工智能护栏的设计意味着在GenAI模型中建立实践和原则，以最大限度地减少伤害、错误信息、不良行为和偏见。至关重要的是
这种模式确保 GenAI 应用程序清楚地传达如何收集、存储、处理和保护用户数据。
GenAI 系统通常依赖于敏感数据、情境数据或行为数据。处理不当可能会导致用户不信任、法律风险或意外滥用。清晰地传达隐私保护措施有助于用户感到安全、受到尊重并掌控全局。例如，Slack AI 明确表示，客户数据仍归客户所有并控制，不会用于训练 Slack 或任何第三方 AI 模型。
兰亭妙微(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。我们建立了一个微信群，每天分享国内外优秀的设计，有兴趣请加入一起学习成长，咨询及进群请加蓝小助微信ben_lanlan。
今天给大家分享一个强大的工作流程：Lovable — GitHub — Cursor。
虽然 Lovable 和 Cursor 都是流行的工具，但它们各有其优点和局限性。
但当一起使用时，它们可以很好地互补，您可以获得两全其美的效果。
此工作流程让您可以利用 Lovable 的快速设计生成和 Cursor 的 AI 驱动编码环境来精确构建更强大的应用程序。
我将向您展示如何逐步连接它们并创建无缝的工作流程。
在Lovable中，将您的项目与Github连接起来，这样代码就可以实时同步到GitHub。
在 Cursor 中，你可以将项目代码克隆到本地并进行编辑。之后，你可以随时同步到 GitHub。
一旦同步，更新将立即反映在 Lovable 中。
然后，您可以根据需要选择使用 Lovable 或 Cursor 进行工作。两者之间可无缝切换。
对于专注于前端的设计来说，Lovable 直观且快速。但当需要改进或添加实际功能时，你很快就会遇到瓶颈。
它根本不适合开发可靠的应用程序。而且，Lovable 的免费计划也很容易达到使用上限。
这就是 GitHub 和 Cursor 的用武之地。GitHub 充当了 Lovable 和 Cursor 之间的桥梁。从它的名字就可以看出“ GitHub = Git + Hub ”。Git 是管理代码版本的工具。GitHub 是一个托管 Git 存储库并增强协作的平台。
而 Cursor 就像一个带有 AI 助手的代码编辑器。它比 Lovable 强大得多。你可以更精确地调试、优化和构建代码。
缺点是，如果你编程经验有限，Cursor 可能会让你感到不知所措，而且它不够简单，不适合前端探索。这就是为什么 Lovable 和 Cursor 相辅相成的原因。
但是如何让 Lovable、Cursor 和 GitHub 协同工作呢？
接下来，我将逐步引导您完成工作流程！
首先，你需要有一个 GitHub 帐户。
那就用 Lovable 来构建一些东西吧。我在一篇新闻通讯里提到过 Lovable 。它很容易上手。
为了这个演示，我创建了一个简单的“像我 5 岁一样解释它”应用程序。
您可以随时通过点击右上角的 GitHub 图标选择连接到 GitHub。
如果单击该图标，将出现以下对话框：
连接到 Github 帐户后，此对话框将显示另一个选项，供您将此“项目”连接到您的 Github。请确保它也已连接。
打开 Cursor。第一步是选择一个文件夹。这就是项目所在的位置。
接下来，您只需在 Cursor 中输入以下内容：
克隆此 repo：[你的项目 Github 链接]此repo：[你的项目 Github 链接]
然后 Cursor 会告诉你该怎么做。设置起来非常简单直接。
您实际上是在安装“依赖项”，即下载并设置项目正常运行所需的所有包。
按照说明，我打开了本地服务器，它在 Lovable 中显示了完全相同的设计。
假设现在我想在 Cursor 中进行一些修改。CTA 按钮的悬停效果太过分了。
我在 Cursor 的提示窗口中输入了以下内容：
删除悬停时“解释一下！”CTA 上的放大效果。悬停时对“解释一下！ ” CTA产生影响。
然后就修复了：
您可以随时选择将代码从 Cursor 同步到 GitHub。
但是，您会发现选项比您预期的要多得多，而只有一个选项 — — 同步。
Git 就是这样运作的。它将版本控制分解成多个小的、具体的操作，以便你进行精确控制。
这在处理大型项目时尤其有用。想象一下，当多人协作时，所有本地模型都同步到一个中心模型，而且每个人都只能选择同步，没有其他选择，那该有多混乱。
我在下面画了一张图表来帮助您更好地理解所有这些命令。
您不必亲自输入这些命令，但是当您在 Cursor 中看到这些术语并感到困惑时，该图表可以作为有用的参考。
首先，点击这个“分支”图标切换到源代码控制面板。然后点击“+”图标“暂存更改”，使其准备好提交。
然后根据您的需要，您可以在“提交”下拉菜单中选择一个选项。
如果您只想直接同步，请使用“提交和同步”。
你看到“提交”顶部的消息框了吗？它就像一个版本历史记录名称，方便你更好地跟踪更改。如果你将其留空，Cursor 会根据你所做的更改自动生成一条提交消息。
现在就是神奇的一步。因为你什么都不用做。
你应该会立即看到更新自动同步到 Lovable 中。太酷了！
如果您查看上面的快照，它会在聊天窗口中显示来自 Cursor 的最新修订。
然后，您可以根据需要选择继续在 Lovable 中构建或切换到 Cursor。
如果您想与某人合作，只需在 GitHub 上的项目仓库中添加一位合作者即可。前往项目 → 设置 → 合作者 → 添加人员
一旦添加，他们也可以使用 Cursor 实时协作该项目。
感谢阅读。特别感谢 Junaid，在我准备课程期间与我分享了工作流程。
下周见，
欣然
-
PS：几天前我做了一个关于创建 AI 原型的演讲，并演示了一些示例。如果你也对这个话题感兴趣，可以去看看。你可能会喜欢我和观众现场演示的冰淇淋搭配应用。
虽然人工智能能够增强我们的工作，但它无法取代从实际用户体验研究和分析中获得的重要见解。
人工智能是一种帮助我们更高效地完成工作的工具；它不会取代我们。
凭借 20 多年的用户体验研究经验，我最初对将人工智能融入研究实践持怀疑态度。然而，我发现诸如 ChatGPT、Google Gemini、Microsoft CoPilot、Claude.ai 等生成式人工智能 (GenAI) 工具非常有用。它们不仅能协助分析数据以发现洞察，还能将这些洞察转化为有效的可交付成果，例如用户体验人物角色和旅程地图。
编写 AI 提示来创建用户体验人物角色和旅程地图的方法有很多。只需在 Google 上搜索“如何使用 AI 创建用户体验人物角色？”，你就能找到大量资源（其中一些我曾经使用过，并在文末引用过）。既然已经有很多资源了，我为什么还要写这篇文章呢？经过一年的研究和实验，尝试了多种变体，我发现了一种成功的方法：混合使用各种提示，并赋予它们独特的细微差别，而这些细微差别似乎在我读过的任何文献中都没有涉及。因此，我想分享我的发现，希望它们也能帮助其他用户体验研究人员。随着我们领域的不断发展，分享我们的发现并促进合作对于充分释放 AI 在用户体验中的潜力至关重要。因此，如果您尝试过这些提示中的任何一个或其他方法并取得了良好的效果，我诚邀您在评论区分享您的经验。
用户体验人物角色主要分为两类：基于实际用户研究的人物角色和基于假设的人物角色。无论您创建的是基于数据的人物角色，还是基于假设的人物角色（又称“原型人物角色”、“临时人物角色”、“一致性人物角色”等），GenAI 都能提供巨大帮助。
✴️关于原型用户画像的补充说明：根据我的经验，产品团队以外的许多人并不理解用户画像和原型用户画像之间的区别。因此，在创建原型用户画像时，我更喜欢使用“基于假设的用户画像”这个术语，这样就能清楚地看出，仍然需要进行研究。没有什么比展示一个原型用户画像，而利益相关者却认为他们已经勾选了“用户画像框”，可以不进行实际用户研究就继续前进更糟糕的了！
如果您有兴趣了解有关如何创建原型人物角色的更多信息，我强烈建议您查看 Tamara Adlin 关于对齐人物角色的出色作品。
即使用户画像是基于用户研究构建的，提炼出的信息也会以虚构的方式呈现，同时仍然能够准确地描述产品的普通用户。无论是姓名、背景故事、标语等等，这些虚构的元素都能赋予用户画像生命力，使其真实可信、令人难忘，同时增强其与受众的共鸣。我不知道你的情况如何，但我总是在创作这些虚构的用户画像时遇到困难，而这正是 GenAI 给予我最多帮助的地方。
经过研究和分析后，我知道了哪些数据应该包含在用户画像中，以及如何对其进行细分，但我苦苦挣扎于如何以最佳方式传达这些数据。有些人可能认为这是用户画像创作的乐趣所在，但就我个人而言，我可能要花上几个小时才能想出合适的标语。我是个数据迷，热爱定性分析，但我并不认为自己是最有创造力的作家，而创造力有时能让用户画像真正有意义。这并不是说我无法独自完成，而是我比拥有这种天赋的人花费的时间要长得多。人工智能来了！
最近，我一直在尝试使用 HeyMarvin、ChatGPT Team 和其他 GenAI 工具来帮助我填补创作人物角色时常常遇到的创意写作空白。要以这种方式使用 AI，我发现最有效的方法是先自己完成最繁重的工作。
如果你做过用户研究，请收集所有访谈记录和/或研究报告。如果你正在构建原型用户画像，最好有大量二手研究文件可供分析（例如品牌战略和行业报告、年度报告、之前的研究报告——例如调查结果、市场研究报告、客户服务报告等），或者一些能够记录团队对目标受众假设的文件。
没有两个人物角色是完全相同的。选择符合你研究需求的人物角色部分至关重要。正如史蒂夫·穆德 (Steve Mulder) 在其著作《用户永远是对的》中所述，人物角色的每个元素都应该有其目的，这意味着它应该帮助团队更好地理解和体谅该用户群体。始终确保背景与你的产品或服务环境相关。包含过多与人物角色如何使用产品或其功能无关的个人背景信息毫无意义。
如果您想了解更多有关决定包含哪些信息的信息，请观看我的免费 1 小时课程“如何创建和使用 UX 角色”。
不同的工具允许您上传不同的文件格式。目前，您可以在 ChatGPT Plus 或 Team 中上传 PDF、TXT、JPEG、PNG、DOCX、CSV 和 XLS 文件格式。
数据隐私：您上传到 ChatGPT Plus 的任何文件“都会无限期地保留在服务中，OpenAI 也可能使用这些文件来训练其模型，因此最好不要上传包含任何重要个人信息的文件……”。如果您需要更安全的选项，例如不使用聊天记录进行训练且数据已加密，则需要使用 ChatGPT Team 帐户或投资安全的用户体验研究分析工具，例如 HeyMarvin 或 Dovetail。我还想指出，ChatGPT Team 目前存在一个安全问题，即无法限制团队成员邀请新成员加入工作区，因此您必须定期检查工作区的“成员”页面。ChatGPT Enterprise 没有此安全漏洞。在将任何 GenAI 工具用于处理客户和/或公司数据之前，请咨询您的 IT 团队，以确保您遵守他们的数据安全规定。
您可以调整下面的提示以满足您的个人需求……
AI 提示：
[公司] 正在重新设计其 [产品]，以便更好地与目标
受众沟通。[产品] 的主要受众是 [X]。根据
营销团队的定义，目标受众被定义为 [简短定义]。
主要受众使用 [产品] 来实现 [用户目标]。
根据提供的定义
以及所附的背景材料和研究记录，为 [主要受众] 撰写一个用户画像。该用户画像
需要包含以下部分：价值观、动机、亲和力
（即拥有相似目标受众和
共同兴趣或价值观的品牌或组织）、目标、挑战、需求、人口统计、
行为以及与公司（线上和线下）的首选接触点。
如果您发现第一个回复不够深入，或者您希望它包含具体信息，您可以要求 GenAI 通过多种方式对其进行完善。对于用户画像，我喜欢提供行为提示。例如，您可以使用下面的提示要求 GenAI 重写用户画像的某些部分。顺便说一句，这些提示与我在跨职能团队主持用户画像研讨会以开发原型用户画像时使用的提示相同……
AI 后续提示：
使用以下行为提示重新编写
此角色的“动机”和“亲和力”部分：
动机
1. 个人目标：
a. 你的人物角色的短期和长期个人目标是什么？
b. 是什么促使你的人物角色实现这些目标？
2. 职业抱负：
a. 你的人物角色的职业抱负和野心是什么？
b. 是什么驱使你的人物角色在职业生涯中取得成功？
3. 激励和奖励：
a. 什么类型的激励或奖励对你的
人物角色最有吸引力（例如
这个后续提示应该会产生更丰富的结果。您可以选择在初始 GenAI 提示中提供行为提示，但我注意到，如果我逐步提供数据并进行迭代改进，结果会更好。在一个提示中提出太多要求会使模型混乱。《面向用户体验设计师和产品经理的 AI 助手》一书的作者 Patrick Neeman建议在提示中加入用户研究问题，以“确保其准确反映真实用户”。他建议在提示中添加“生成能够验证此用户角色是否正确的用户研究问题”。
使用大型语言模型 (LLM) 根据行为模式、偏好、人口统计数据等将用户群划分为不同的角色，非常有帮助。然而，务必记住，如果用于训练模型的数据中存在偏见，你可能会无意中延续甚至放大偏见。
关于准确性：请记住，所有 GenAI 工具都可能存在错误，并可能提供错误的答案。最终，您必须尽职尽责，确保所提供的信息准确反映您收集的数据。如果您使用的数据集包含历史偏差或不平衡（例如，在性别、种族或社会经济地位方面），则模型的输出很可能会反映这些偏差。
提示：正如 Bill Bulman 在他的文章《利用 AI 增强研究构建人物角色（分步指南）》中提到的，你也可以编写一个提示，为你的人物角色获取“日常生活叙述”。Bill 提供了一个示例提示：“请以以下用户访谈数据为基准，为我提供一个人物角色的日常生活叙述。”使用以下用户访谈数据作为基准，为我提供人物日常生活的故事。”
无论是基于数据还是基于假设，创建用户体验人物角色都是一个细致入微的过程，GenAI 的支持将使其受益匪浅。这些工具可以帮助我们打造复杂的细节，使人物角色更具关联性和价值，尤其对于那些不擅长创意写作的人来说更是如此。通过细致地收集和分析用户数据，定义真正反映用户需求的人物角色元素，并策略性地运用人工智能来增强人物角色创建的创造性，我们可以开发出更精准、更引人入胜的用户角色。
您将遵循创建角色中概述的相同步骤来创建旅程地图，但与步骤 2 和步骤 4 有一些明显的差异。
第二步是确定你的旅程地图元素。你需要花费大量时间来定义旅程的各个阶段以及每个阶段想要呈现的用户数据（例如，行动、想法、待办事项等）。我认为 GenAI 不应该承担这项繁重的工作。相反，你应该将其与数据集（即你在步骤 3 中上传的文档以及最终确定的人物模型）一起包含在你的 AI 提示中。
对于步骤 4（AI 提示），我喜欢使用详细说明的提示：
AI 提示（通用示例）：
为 [x] 角色撰写旅程地图。该地图应重点关注
[x] 的旅程。阶段如下：1) [x]、2) [x]、3) [x]、4) [x] 和 5) [x]。
请针对每个阶段提供：
1) 待完成任务（例如，目标 - 客户想要实现什么？）
2) 行动（客户会做什么？他们寻找哪些信息？
他们的背景是什么？）
3) 挫折/挑战（客户想要实现或
避免什么？） 4) 线上接触点（他们 与
[x] 服务的哪些线上部分互动？） 5) 线下接触点（他们与服务的哪些线下部分互动 ？）6) 关键时刻（客户互动可能会对 品牌、产品或服务产生正面或负面的印象，从而影响他们的 购买决策。）
例如，如果我正在创建通过移动应用程序订购食物的旅程地图，我的提示可能看起来像......
AI PROMPT（以使用手机应用订餐为例）：
使用提供的数据集（包含详细的人物角色、用户
研究报告、调查结果、市场调研报告和客服互动），为一款外卖手机应用
创建全面的用户体验旅程地图。该地图的人物角色是“Chris”，一位忙碌的软件开发人员，喜欢各种美食。旅程地图应整合来自每个阶段和各个维度的数据集数据驱动洞察，以准确呈现 Chris 的体验。阶段：1. 认知：Chris 如何通过广告、社交媒体或 好友发现这款应用。2 . 考虑：Chris 评估应用的功能、优势和用户 评论。3 . 注册/入门：Chris 下载、注册并 学习使用应用的步骤。4 . 探索：Chris 浏览各种餐厅选项和 菜单。5 . 决策：Chris 选择餐厅和餐点的那一刻，包括 任何定制。6 . 交易：完成订单并填写付款和外卖详情。7. 履行：监控订单进度并接收更新 直至送达。8 . 送达后：收到订单后的操作，包括用餐、 解决问题和评价。对于每个阶段，请提供：* 操作：详细说明 Chris 在每个阶段在应用程序内采取的每个操作。* 想法：捕捉 Chris 在每个阶段中的想法 。* 情绪：描述 Chris 在旅程关键点的情绪状态 。* 接触点：确定 Chris 与应用程序和任何其他 服务元素交互的位置。* 挫折：记录 Chris 遇到的任何具体挫折或挑战。* 待办事项 (JTBD)：概述 Chris 在每个阶段想要满足的基本需求或任务。确保旅程地图在视觉上结构化并区分这些方面，提供用户体验的整体视图。
LLM 非常擅长预测分析和预测用户行为，当他们进行猜测时，除非你特别指示他们这样做，否则不会在结果中指出。
因此，我更愿意完善提示，以了解研究中的差距在哪里……
AI 精炼提示（清晰标记假设的示例）：使用提供的数据集（包含用户研究报告、调查结果和客户反馈）
为外卖应用创建更新的用户体验旅程图。如果数据集不完整或缺少全面理解用户旅程所需的具体信息，您可以做出合理的假设。请在旅程图中清晰地标记这些假设，以将其与数据驱动的洞察区分开来。具体说明：1. 数据整合：对于旅程图的每个阶段，请使用来自数据集的直接洞察。清晰引用 支持这些洞察的 数据源（例如，特定的调查问题、报告页面） 。2. 识别假设：如果数据集中缺少必要的信息，请提出并清晰标记假设。 根据可用数据的上下文， 为每个假设提供理由。3 . 假设标签：在旅程图中任何 未直接受数据集支持，而是由 AI 进行有根据的猜测 的内容旁边，使用独特的视觉或文本标签（例如“假设”或特殊符号） 。4. 澄清与合理化：对于每个假设，请简要 解释为什么基于 数据集中观察到的相关趋势或模式做出此假设。5 . 细节与准确性：确保旅程地图的每个阶段都包含 详细的描述和可视化效果，清晰区分 数据得出的见解和假设。这将增强地图的 整体清晰度和决策实用性。预期结果：旅程地图应将事实数据与必要的假设无缝集成，提供全面且实用的用户体验视图。每个假设都应清晰标记并论证其合理性，使利益相关者能够理解和评估所提供见解的基础。这将有助于战略规划和设计改进，确保它们既基于数据，又能适应不确定的领域。
提示：正如 Nate Jones 在其优秀的时事通讯《快速工程袖珍指南：如何从 AI 模型中获得最大收益》中提到的那样，如果您希望响应采用特定格式，则应确保在提示中指定这一点（例如“将响应放在表格中。”）
包含机会和解决方案：对于旅程地图的每个阶段，我通常喜欢为机会（基于已确定的接触点、情绪和挫折提出的改进建议）和解决方案（基于收集到的见解，提出可以改善用户体验的设计或功能增强）提供额外的“泳道”。对我来说，这是旅程地图中的研究数据最具可操作性的最佳点。我发现最好不要使用 GenAI 来帮助编写这些泳道。通常，数据集不包含集体团队解决每个阶段出现的用户体验问题的广泛知识。
我发现，将人工智能与这些提示结合使用可以显著简化旅程地图的创建，使流程更快、更高效。通过利用人工智能，我们可以更轻松地将复杂数据集的发现整合到用户旅程的每个阶段，确保从行动和想法到挑战和互动的每个环节都被准确捕捉。人工智能能够预测用户行为并生成详细的可视化效果，从而提升旅程地图的有效性。然而，手动审查和调整这些人工智能生成的地图至关重要，以确保它们融入人类洞察并准确反映真实的用户体验，从而提供更具可操作性和更全面的用户旅程视图。虽然人工智能可以协助预测和可视化用户行为，但战略性地融入人类洞察对于制作真正反映和改善用户旅程的旅程地图仍然至关重要。
随着我们不断将 GenAI 融入用户体验设计流程，在充分利用其计算能力与保持人性化体验之间找到平衡至关重要，这对于创建真实且富有影响力的用户画像和旅程地图至关重要。通过将 AI 的效率与我们的专业知识和创造力相结合，我们可以改进工作流程，从而交付与用户实际需求和体验紧密相关的交付成果。我鼓励我的用户体验专业人士同仁们尝试这些工具，分享他们的经验，并继续在这个激动人心的科技与设计交汇的领域中，共同突破所能取得的成就。
如果您有兴趣了解更多信息，欢迎加入Patrick Neeman 创建的AI for UX Slack 小组。我们会深入探讨如何将 AI 用于用户体验，以便更好地理解如何正确利用它来推动行业发展。期待与您相见！
兰亭妙微(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。我们建立了一个微信群，每天分享国内外优秀的设计，有兴趣请加入一起学习成长，咨询及进群请加蓝小助微信ben_lanlan。
SaaS（Software as a Service）行业在 2025 年迎来了新的拐点：
AI 正在重塑交互体验，移动端和低代码工具推动产品快速迭代，用户对于情感化、环保、包容性的期待也在不断提高。
结合近期的行业研究与实际产品观察，我整理了 9 大值得关注的设计趋势，供大家参考。
人工智能已从“附加功能”变成核心驱动力。
生成式 AI 和自主智能体（Agent）能够根据场景自动生成内容、优化仪表盘、推送异常提醒。例如：
Salesforce Einstein 可实时分析业务数据
Microsoft 365 会自动调整界面主题（白天/夜间模式）
这种 情境感知型界面 将在未来成为 SaaS 产品标配。
用户已经不满足于“能用”，他们希望 SaaS 像消费级应用一样好用、好看、好感度高。
常见做法包括：
插画、拟人化表情元素
语气友好的文案
柔和的配色方案
它们可以提升产品亲和力，让用户对品牌更有好感。
极简设计不仅让界面更清爽，还能减少不必要的动画、压缩图片资源、提升加载速度，降低服务器和终端的能耗。
这是一种既改善体验又承担社会责任的设计方向。
设计不只是为多数人服务。
色彩对比度、键盘导航、屏幕阅读器适配等无障碍特性，将会成为 SaaS 产品的 合规要求 和 品牌加分项。
细微的动效反馈、按钮状态变化、分步展示复杂信息（Progressive Disclosure），可以：
降低用户的学习成本
让交互过程更有参与感
保持界面的简洁
低代码平台（如 Airtable、Webflow、Typeform）让非技术团队也能快速构建业务工具。
与此同时，Micro-SaaS（面向细分行业的小型 SaaS 产品）在海外已经很火：
成本低
目标明确
上线周期短
移动端流量持续攀升，响应式布局、触控优化、手势导航正在成为基础要求。
未来，AR/VR 等沉浸式交互可能在部分 SaaS 场景中落地（如设计协作、培训）。
企业不再依赖人工去调整套餐、价格、功能权限。
定价驱动的 DevOps 思路正在兴起，通过自动化系统（如 iPricing）来实时调整策略，提高运营效率。
Bolt、Replit、Cursor 等 AI 编程工具让非技术人员也能直接用自然语言开发内部工具。
这对传统的“按座位收费”的 SaaS 商业模式是一个冲击，也催生了成果导向型定价（Outcome-Based Pricing）的探索。
| 趋势 | 核心价值 |
|---|---|
| AI + 超个性化 | 提高效率，预测需求，减少操作成本 |
| 情感化设计 | 提升好感与留存率 |
| 极简 + 环保 | 提速、降耗、增强品牌责任感 |
| 包容性设计 | 扩大用户覆盖面 |
| 微交互 | 降低学习成本，增强体验 |
| 低/无代码 + Micro-SaaS | 快速上线，专注细分市场 |
| 移动优先 | 满足使用习惯，拓展新场景 |
| 定价自动化 | 灵活应对市场变化 |
| AI 编码 | 重塑开发与商业模式 |
结语
2025 年的 SaaS 设计趋势核心关键词是：智能化、情感化、简约环保、极致灵活。
对于设计师、产品经理和开发者来说，这些趋势不仅是参考，更是下一步产品规划的重要依据。
兰亭妙微(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。我们建立了一个微信群，每天分享国内外优秀的设计，有兴趣请加入一起学习成长，咨询及进群请加蓝小助微信ben_lanlan。
说实话：如果你正在读这篇文章，那么有93%的可能性，你刚刚完成的一个设计项目到明年7月就会感觉过时了。欢迎来到2026年的UI/UX时代——微交互强势回归，突然之间，大家又开始痴迷了。
这不是那种典型的柔和渐变和新拟物化按钮的概括。而且，这也不是伪装成博客文章的情绪板。你将要阅读的是一篇关于 UI/UX 变革的严肃探讨，这些变革将真正影响我们在 2026 年构建数字体验的方式。
关于人工智能设计的热潮我们已经听了很久了。回想2024年，当时的设计成果看起来就像一个睡眠不足的实习生拼凑起来的。到了2025年，情况有所改善，但使用人工智能仍然感觉有点像偷工减料。
快进到2026年，游戏规则已经改变。人工智能不再只是跟风——它变成了你全程参与的设计协作者，从不抱怨修改。像Galileo、Uizard以及本月被Figma收购的初创公司这样的工具，正在打造不仅功能齐全，而且精美绝伦的UI。设计师现在会花时间进行宏观思考和精细调整，而不是沉迷于拖拽自动布局框架。
趋势：
设计提示：开始像对待初级设计师一样对待 AI 工具。引导它们，纠正它们。不要让它们肆意妄为，否则它们会为计算器设计一套 6 步入门指南。
从一张白纸开始？那太2025年了。我们正在进入一个理想的界面可能是……完全没有界面，或者至少不是我们习惯的那种。
想想语音命令、手势、存在感知以及基于情境响应的界面。你的设备甚至在你开口说话之前就能预测你的需求。
有点令人不安？确实如此。
但也极其方便。
在野外：
你的冰箱会在你还没注意到牛奶快喝完之前就自动补充牛奶。你的汽车可以识别你的脸，自动调整座椅，无需你主动询问。
还有那些能让你“想象”出布局的VR头显？好吧，这还只是实验性质，但比你想象的更接近现实。
趋势：
设计提示：从体验开始设计原型，而不是屏幕。并在现实世界中测试它。
到了2026年，人们已经不再对千篇一律的东西感兴趣了。用户希望应用程序能够了解他们的睡眠周期、喜欢的绿色，甚至他们中学时期未解决的琐事，但又不希望显得突兀。
个性化正变得高度精准，但数据隐私问题也日益凸显。最佳平衡点是什么？界面应该能够根据用户行为进行细微调整，提供贴心的默认设置，并提供量身定制的仪表盘，同时又不会涉足监控领域。
趋势：
设计提示：让用户自主决定个性化程度。让个性化变得有趣。不要将功能锁定在数据共享墙后面。
我们与无限滚动、横向滚动，甚至那些奇特的视差效果有着长期的合作关系。
但到了2026年，滚动体验已经成熟。它不再仅仅关乎运动，而是关乎叙事。想象一下，滚动驱动的叙事、流畅的过渡、智能的捕捉点，以及流畅的交互，引导你，而不会让你感觉像是刚喝了一杯能量饮料。
趋势：
设计提示：在所有设备上测试滚动行为。在 MacBook Pro 上看起来流畅的滚动效果，在售价 99 美元的 Android 平板电脑上可能感觉像做梦一样。
还记得以前为了关灯不得不像对着故障机器人说话一样跟 Alexa 说话吗？那种日子（基本上）已经过去了。2026 年，语音界面终于成熟了。
随着自然语言处理技术的飞速发展，语音如今已成为与应用交互的主流方式，尤其是在可穿戴设备、车载设备和智能家居领域。设计师面临的真正挑战是什么？是放弃基于屏幕的思维模式，拥抱一个可以用言语而非视觉呈现的用户界面世界。
趋势：
设计提示：不要让每个应用都显得吵闹。有意识地设计安静的语音交互。并且，务必为用户提供“关闭”按钮。
2026 年的无障碍设计不再只是纸上谈兵，更是一场思维的转变。如今，我们在设计时将认知包容性纳入考量，致力于打造支持多动症、自闭症、阅读障碍等用户的体验。
它远远超出了屏幕阅读器支持或色彩对比度的范畴。它涉及清晰地组织信息、管理通知时间，以及构建减少而非增加心理摩擦的界面。
趋势：
设计提示：开始用真正的神经多样性用户测试你的设计。不要只是“添加一个模式”。要将包容性设计融入核心用户体验。
向反设计2.0问好！它杂乱无章，喧闹不堪，奇特而美丽。到了2026年，它将会随处可见，尤其是在那些不想被当成Webflow克隆版的作品集上。
这不是为了随意而随意，而是有目的地打破规则。想想看，撞色的色彩、巨大的按钮、像设计实习生失控一样重叠的文字，但这一切却以某种方式保持了整体性。它看似混乱，却经过精心设计。
趋势：
设计提示：谨慎使用此趋势。如果你正在设计银行应用程序，最好不要使用 Comic Sans 字体和摇摆按钮。
到 2026 年，甚至你的银行应用程序也会开玩笑，而且不知何故，它还能正常工作。
界面正通过诙谐幽默的微文案、流畅的动画和让用户微笑的小惊喜，不断提升个性化。它不再仅仅关乎直观，而是关乎愉悦。那些能带来愉悦的产品才能让人们记住（并持续使用）。
趋势：
喜悦与无聊的东西（比如空状态和确认消息）融合在一起。
设计提示：不要过度。并非所有内容都需要单口相声。只需营造一种让你的产品感觉不那么机械、更具亲和力的氛围即可。
随着 Apple Vision Pro、Meta Quest 以及三星正在研发的神秘头显，空间设计已正式成为主流。但问题在于——你无需为 VR 构建建筑，也能参与 3D 体验。
2026年，扁平化UI正在进化。它不再是俗气的阴影，而是拥有真实、触感十足的深度。即使在传统屏幕上，界面也开始变得层次丰富、响应迅速、充满活力。
趋势：
设计提示：像建筑师一样思考。关注用户如何在空间中移动，而不仅仅是屏幕。但不要让性能受到影响。流畅的 2D 流程总比混乱不堪的 3D 流程好。
可持续设计已不再只是一句流行语。到了2026年，用户会真正关心你的应用是否环保，没错，数字可持续性如今已成为一个真正的话题。
产品越高效越好。轻量级的用户界面、低带宽选项和智能缓存不再仅仅是技术优化，而是合乎道德的设计选择。节能不再只是数据中心的专利，而是用户体验的一部分。
趋势：
设计提示：别粉饰太平。务必打造高效的 UI。额外福利：用户本来就喜欢快速的应用，所以这是双赢的。
2026年的设计不仅仅关乎美学，更关乎智能、同理心和实用性。最具影响力的界面不仅美观，还兼具适应性、包容性、愉悦感……在某些情况下，甚至几乎隐形。
所以，如果你还在纠结圆角半径到底是 8px 还是 12px，或许是时候缩小一下了。超越像素的局限，专注于用户体验。设计要以人为本，而非仅仅为了追求完美。
兰亭妙微(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。我们建立了一个微信群，每天分享国内外优秀的设计，有兴趣请加入一起学习成长，咨询及进群请加蓝小助微信ben_lanlan。
蓝蓝设计的小编 http://www.lanlanwork.com