首页

用户体验设计优化 | AI驱动的个性化交互:产品要准备好什么?

清阳

过去我们聊交互设计,总绕不开“统一流程”和“标准化体验”。一个产品要么好用,要么不好用,大家面对的几乎是同样的界面和操作路径。但现在不一样了——AI正在悄悄改变这个逻辑。未来的产品,更像是一个“会学习的伙伴”,而不是一个冷冰冰的工具。这对产品提出了哪些新要求?我们来分层聊一聊。

 一、体验层面的变化

  1. 界面不再固定 不同的人打开同一个产品,看到的可能是完全不同的界面。比如阅读应用会根据你的阅读速度自动调整推荐模式,有的人喜欢夜间护眼,有的人喜欢大字版,系统会自己学会。
  2. 预测性更强 未来用户可能不需要“找功能”,而是系统主动把下一步放到眼前。比如你习惯早上开日历,系统会自动跳出常用会议室地址、提醒时间,帮你省掉一堆点击。
  3. 极简直觉化 随着AI帮忙减少步骤,用户对“零摩擦体验”的要求更高。他们希望“想到就能做到”,而不是还要研究菜单在哪里。

 二、技术层面的挑战

  1. 实时数据驱动 个性化体验离不开数据。产品必须具备实时收集、分析、反馈的能力。否则“个性化”只是空谈。
  2. 可解释性 用户想知道“为什么推荐给我”。如果一切都是黑箱操作,会让人怀疑甚至反感。所以产品需要给出适当的解释提示,增加透明度。
  3. 灵活的架构 界面和交互逻辑要能动态生成和修改,而不是写死在流程图里。设计师和开发团队要做好“留白”,让AI能自由发挥。

 三、设计与策略层面的考量

  1. 设规则而不是画死流程 设计师未来的任务更像“制定游戏规则”:哪些地方可以变,哪些地方必须稳定。AI在这个框架下去适应不同的用户。
  2. 个性化 vs 一致性 个性化不等于混乱。产品需要保证:即使每个人的界面不同,整体品牌调性和核心价值也不能丢。就像定制西装,花纹可以不同,但版型要保持质感。
  3. 隐私与信任 个性化背后是大量的数据收集。用户必须感到“这是我允许的”,而不是“我被监视了”。清晰的设置和边界,可能比炫酷的AI功能更重要。

 四、商业价值的变化

  1. 差异化竞争 产品更懂用户,本质上就是竞争优势。个性化交互能成为留存和转化的关键点。
  2. 长期信任而非短期刺激 推荐得再精准,如果让用户感觉“被操纵”,他们最终还是会离开。长期的信任感,比短期的点击率更有价值。

AI驱动的交互,不是给界面多加一个“智能推荐”入口,而是重新定义了产品的角色:

  • 从“统一体验”走向“千人千面”
  • 从“被动响应”走向“主动预测”
  • 从“工具”走向“伙伴”
对于交互设计师来说,挑战也在变化。未来不是拼谁画的界面多,而是谁能设计出一套可演化的规则,让AI既能适应用户,又不至于失控。
说到底,未来产品的竞争力,可能不是“谁的功能更全”,而是“谁更懂用户”。

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。

 

Agentic UX 的秘密:人类与 AI 代理交互的新兴设计模式

清阳

想法简述

  • 本文探讨了 UX 设计师如何通过了解影响代理行为和用户交互的四种关键能力类型来有效地与 AI 代理合作。
  • 它强调在设计过程早期评估人工智能代理的感知、推理、行动和学习能力的重要性,以创造现实、合乎道德和以用户为中心的体验。
  • 该作品提供了实用的框架和示例——从智能家居设备到医疗保健机器人——以帮助设计师提出正确的问题、跨职能协作以及负责任地使用人工智能。

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?

什么是 AI 代理?

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。

按 Enter 键或单击即可查看完整尺寸的图像
《人工智能用户体验:设计人工智能驱动产品的框架》 (Wiley出版社,2025年)。图片来源:Greg Nudelman

AI 代理如何工作?

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:

按 Enter 键或单击即可查看完整尺寸的图像
多阶段代理AI流程。图片由Greg Nudelman提供

上图所示的多阶段代理工作流程包含以下步骤:

  1. 人类操作员向主管 AI 代理发出一般请求。
  2. 然后,主管 AI 代理启动并向几个专门的半自主工作者 AI 代理发出一般请求,这些代理开始调查系统的各个部分,寻找根本原因(数据库)。
  3. 工作代理将调查结果带回主管代理,主管代理将其整理为对人类操作员的建议。
  4. 人类操作员接受或拒绝各种建议,这会导致主管代理启动更多工作人员进行调查(云)。
  5. 经过一段时间的反复,主管代理提出了关于根本原因的假设并将其交给人类操作员。

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。

使用案例:使用 AI 代理进行 CloudWatch 调查

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。

步骤 1

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。

按 Enter 键或单击即可查看完整尺寸的图像
步骤 1:人工操作员启动新的调查。图片来源:AWS via YouTube

第 2 步

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。

按 Enter 键或单击即可查看完整尺寸的图像
步骤二:主管代理启动工作代理,工作代理需要一些时间才能汇报结果。图片来源:AWS via YouTube

步骤3

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。

按 Enter 键或单击即可查看完整尺寸的图像
步骤3:工作代理返回可能与系统遇到的问题相关的建议。图片来源:AWS via YouTube

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。

步骤4

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。

按 Enter 键或单击即可查看完整尺寸的图像
步骤4:收到用户反馈后,代理会进行更深入的分析,并提出不同的建议。图片来源:AWS via YouTube

步骤5

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!)

按 Enter 键或单击即可查看完整尺寸的图像
步骤5:主管代理现在可以指出“犯罪”的罪魁祸首了。图片来源:AWS via YouTube

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!

按 Enter 键或单击即可查看完整尺寸的图像
Supervisor Agent 还提供了后续步骤来修复问题并预防未来再次发生。图片来源:AWS via YouTube

最后的想法

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:

  • 灵活、可调节的用户界面:代理与人类一起工作,为此,人工智能代理需要一个灵活的工作流程,以支持人与机器在多个阶段的持续交互——开始调查、接受证据、形成假设、提供后续步骤等。这是一个跨越多个迭代的灵活循环流程。
  • 自主性:虽然目前,人机交互似乎是代理工作流程的常态,但代理展现出非凡的能力,能够提出假设、收集证据,并根据需要迭代假设,直至解决问题。它们不会感到疲倦,也不会穷尽所有选项而放弃。AI 代理还展现出能够有效地“编写代码……让工具自行构建工具”的能力,从而探索解决问题的新方法——这很新颖。这种交互本质上需要“积极主动”的 AI,例如,这些代理接受了最大召回率的训练,愿意尝试所有可能性,以确保获得最真实的积极结果(请参阅我们在此处的价值矩阵讨论)。这意味着,有时代理会“只是为了尝试”而采取行动,而不会“考虑”假阳性或假阴性结果的成本。例如,一个积极主动的 AI 代理“医生”可能会开出侵入性脑癌活检手术,而不会先考虑风险较低的替代方案,甚至不会停下来征求患者的同意!所有这些都需要更深层次的人机分析,以及针对激进的人工智能“探索想法”的多个新的审批流程,这些想法可能会导致人类伤害,或者只是导致超出预算的成本膨胀。
  • 需要新的控件:虽然大部分交互可以通过现有屏幕完成,但大多数代理操作都是异步的,这意味着大多数采用传统事务型、同步请求/响应模型的网页都无法适应这种新型交互。我们需要引入一些新的设计范式。例如,开始、停止和暂停按钮是控制代理流程的良好起点,否则你很有可能最终陷入幻想曲中“魔法师的学徒”的境地(自我复制的扫帚不停地打水,造成巨大且昂贵的混乱)。
  • 你“雇佣”AI来执行任务:这与传统的工具使用方式截然不同。它们不再是工具,而是具有推理能力的实体,各自拥有智能。AI服务目前已包含多个由主管监控的专用代理。很快,我们将引入多级管理,由下级主管和“团队负责人”向最终与人类打交道的“客户经理代理”汇报……就像今天的人类组织一样。到目前为止,组织需要跟踪产品、人员和流程。现在,我们为“人”添加了新的定义——AI代理。这意味着需要开发可行的用户界面来保护机密信息、基于角色的访问控制 (RBAC) 和代理版本控制。保护代理数据将比与人类员工签署保密协议更为重要。
  • 持续学习系统:要充分发挥智能代理的价值,它们需要持续学习。智能代理会不断学习,迅速成为其所用系统方面的专家。最初的智能代理就像新来的实习生一样,知识储备有限,但他们很快就会成为“房间里的成年人”,拥有比大多数人更丰富的访问权限和经验。这将在职场上引发巨大的权力转移。我们必须做好准备。

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。

人工智能自动化 | 20+ GenAI UX 模式、示例和实施策略

清阳

20+ GenAI UX 模式、示例和实施策略

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。

以下是 21 种 GenAI UX 模式

  1. GenAI 或无 GenAI
  2. 将用户需求转化为数据需求
  3. 增强或自动化
  4. 定义自动化水平
  5. 逐步采用人工智能
  6. 利用心智模型
  7. 传达产品限制
  8. 显示思路链(CoT)
  9. 利用多种输出
  10. 提供数据源
  11. 传达模型信心
  12. 为记忆和回忆而设计
  13. 提供上下文输入参数
  14. 为 coPilot、共同编辑或部分自动化而设计
  15. 定义自动化的用户控件
  16. 用户输入错误状态的设计
  17. 针对人工智能系统错误状态的设计
  18. 设计以捕捉用户反馈
  19. 模型评估设计
  20. 人工智能安全护栏设计
  21. 传达数据隐私和控制

1. GenAI 还是非 GenAI

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。

GenAI 有益的场景

  • 开放式、富有创意且能增强用户体验的任务。
    例如,写作提示、总结笔记、起草回复。
  • 创建或转换复杂的输出(例如,图像、视频、代码)。
    例如,将草图转换为网站代码。
  • 结构化的用户体验无法捕捉用户意图。

应避免使用 GenAI 的情况

  • 结果必须精确、可审计或确定。
    例如,税务表格或法律合同。
  • 用户期望清晰一致的信息。
    例如:开源软件文档

如何使用此模式

  1. 确定客户旅程中的摩擦点
  2. 评估技术可行性:确定人工智能是否能够解决摩擦点。评估规模、数据集可用性、错误风险评估和经济投资回报率。
  3. 验证用户期望:
    -
    通过评估系统是否增强了人类的努力还是完全取代了人类的努力,确定人工智能解决方案是否侵蚀了用户期望,如模式 3“增强与自动化”中所述。-
    确定人工智能解决方案是否侵蚀了模式 6“心智模型”

2. 将用户需求转化为数据需求

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。

如何使用此模式

  1. 作为 PM、产品设计师和数据科学家的跨职能团队进行协作,并针对值得解决的用户问题进行协调。
  2. 定义用户需求通过使用三角研究:定性(市场报告、调查或问卷)+ 定量(用户访谈、观察性研究)+ 突发(产品评论、社交聆听等)和综合用户洞察 JTBD框架,同理心地图将用户的情绪和观点形象化。价值主张画布将用户的收益和痛苦与功能结合起来
  3. 通过 选择合适的数据模型来定义数据需求和文档,进行差距分析,并根据需要迭代优化数据模型。一旦理解了“为什么”,就将其转化为模型的“什么” 。你的AI模型需要哪些特征、标签、示例和上下文来学习这种行为?利用结构化协作来找出答案。

3. 增强 vs. 自动化

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。

如何使用此模式

  1. 为了选择最佳方法,请使用研究综合工具(如同理心地图(可视化用户情绪和观点)和价值主张画布(了解用户的收益和痛苦))评估用户需求和期望
  2. 测试并验证该方法是否会削弱或增强用户体验。

4. 定义自动化水平

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。

自动化水平

  1. 无自动化(AI 辅助,用户自主决定)
    AI 系统为用户提供帮助和建议,但所有决定均由用户自行决定。例如,Grammarly会突出显示语法问题,但用户需要自行决定接受或拒绝更正。
  2. 部分自动化/副驾驶/共同编辑(AI 在用户监督下行动)
    AI 发起操作或生成内容,但用户根据需要进行审核或干预。例如,GitHub Copilot会建议开发人员可以接受、修改或忽略的代码。
  3. 完全自动化(AI 独立行动)
    AI 系统无需用户干预即可执行任务,通常基于预定义的规则、工具和触发器。GenAI 中的完全自动化通常被称为代理系统 (Agentic systems)。例如,Ema可以自主规划和执行多步骤任务,例如研究竞争对手、生成报告并通过电子邮件发送,无需用户在每个步骤提示或干预。

如何使用此模式

  1. 评估用户需要自动化的痛点及其风险:当相关风险较低且发生故障不会造成严重后果时,自动化任务最为有效。低风险任务(例如发送自动提醒、促销邮件、过滤垃圾邮件或处理常规客户咨询)可以自动化,最大程度地减少负面影响,同时节省时间和资源。高风险任务(例如进行医疗诊断、发送关键业务邮件或执行金融交易)需要仔细监督,因为一旦发生错误,可能会造成重大损失。
  2. 评估和设计特定的自动化级别:根据用户的期望和目标,评估用户痛点是否应该属于——无自动化、部分自动化或完全自动化。
  3. 定义用户控件以实现自动化(参考模式 15)

5. GenAI 的逐步采用

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。

如何使用此模式

这种模式是许多其他模式的顶峰

  1. 从一开始就注重传达好处:避免深入探讨技术细节,并强调人工智能如何带来新的价值。
  2. 简化用户引导体验:在询问用户数据共享偏好之前,先让用户体验系统的价值,并优先提供基础 AI 功能的即时访问权限。鼓励用户稍后注册以解锁高级 AI 功能或分享更多详细信息。例如,Adobe FireFly循序渐进地引导用户从基础功能到高级 AI 功能。
  3. 定义自动化水平(参考模式 4)并 逐步增加自主性或复杂性。
  4. 通过针对错误进行设计 来提供可解释性和信任(参考模式 16 和 17)。
  5. 传达数据隐私和控制(参考模式 21),以清楚地传达如何收集、存储、处理和保护用户数据。

6. 利用心智模型

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。

如何使用此模式

通过提问来识别并建立现有的心智模型

  1. 用户旅程是什么以及用户试图做什么?
  2. 哪些心智模型可能已经存在?
  3. 该产品是否打破了任何直观的因果模式?
  4. 你是否打破了现有的心智模型?如果是,请清晰地解释如何以及原因。良好的引导、微文案和视觉提示可以帮助弥合差距。

7. 传达产品限制

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。

如何使用此模式

  1. 明确说明模型的局限性:显示过时知识或缺乏实时数据的上下文提示。例如,当问题超出其知识范围时, Claude会说明其知识范围。
  2. 当模型无法提供合适的输出时,提供回退或升级选项。例如,当被问及与购物无关的问题时, Amazon Rufus会说:“它无法访问事实信息,我只能协助解决与购物相关的问题和请求。”
  3. 在产品营销、入职培训、工具提示或回应免责声明中明确限制。

8. 显示思路链(CoT)

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。

如何使用此模式

  1. 显示“研究”和“推理”等状态 来传达进展,减少用户的不确定性,让等待时间感觉更短。
  2. 使用渐进式披露:从高级摘要开始,并允许用户根据需要扩展细节。
  3. 提供 AI 工具透明度:清晰显示 AI 用于生成建议的外部工具和数据源。
  4. 展现信心和不确定性:表明人工智能信心水平,并在相关时强调不确定性。

9. 利用多种输出

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。

如何使用此模式

  1. 解释变化的目的:帮助用户理解输出之间的差异是故意的,旨在提供选择。
  2. 启用编辑功能:让用户无缝地对输出进行评分、选择、重新混合或编辑,从而塑造结果并提供反馈。例如, Midjourney 可以帮助用户调整提示,并指导用户使用重新混合功能进行修改和编辑。

10.提供数据源

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。

如何使用此模式

  1. 内联引用可靠来源:将来源显示为脚注、工具提示或可折叠链接。例如,NoteBookLM会在其答案中添加引用,并将每个答案直接链接到用户上传的文档部分。
  2. 清晰披露训练数据范围:对于生成工具(文本、图像、代码),请简单解释模型训练时使用了哪些数据,以及未包含哪些数据。例如,Adobe Firefly披露其生成填充功能是在库存图像、公开授权作品以及版权已过期的公共领域内容上进行训练的。
  3. 提供来源级信心:在有多个来源贡献的情况下,直观地区分更高信心或更权威的来源。

11. 传达模型信心

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。

如何使用此模式

  1. 评估情境和决策风险:显示模型置信度取决于情境及其对用户决策的影响。在医疗保健、金融或法律咨询等高风险场景中,显示置信度分数至关重要。然而,在AI 生成的艺术作品或故事叙述等低风险场景中,显示置信度可能不会带来太多价值,甚至可能带来不必要的困惑。
  2. 选择合适的可视化:如果设计研究表明展示模型置信度有助于决策,那么下一步就是选择合适的可视化方法。百分比、进度条或一些修饰语(“可能”、“不确定”)都能有效地传达置信度。合适的可视化方法取决于应用程序的用例和用户的熟悉程度。例如,Grammarly会使用“可能”之类的修饰语来描述它与用户共同生成的内容。
  3. 在低信心情况下指导用户行动:提供前进的路径,例如提出澄清问题或提供替代选项。

12. 为记忆和回忆而设计

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。

  • 通过记住过去的选择或偏好来增强个性化
  • 通过避免重复输入请求来减轻用户负担,尤其是在多步骤或长格式任务中
  • 支持复杂任务,如项目规划中的纵向工作流程、通过参考或借鉴过去的进展进行学习历程。

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。

如何使用此模式

  1. 定义用户上下文并选择记忆类型。
    根据用例选择记忆类型,例如短暂记忆、持久记忆或两者兼有。购物助理可能实时跟踪交互,无需为未来会话保留数据,而个人助理则需要长期记忆来实现个性化。
  2. 在用户交互中智能地使用记忆
    为 LLM 构建基本提示,以便根据上下文回忆和传达信息(例如,“上次你喜欢更轻松的语气。我应该继续吗?”)。
  3. 传达透明度并提供控制功能
    清晰地传达正在保存的内容,并允许用户查看、编辑或删除已存储的记忆。使“删除记忆”操作易于访问。例如,ChatGPT 在其平台上提供了广泛的控制功能,可随时查看、更新或删除记忆。

13.提供上下文输入参数

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。

如何使用此模式

  1. 利用先前的交互:根据用户先前输入的内容预填充输入。参考 模式 12,记忆与回忆。
  2. 使用自动完成或智能默认设置:在用户输入时,根据个人和全局使用模式提供智能的实时建议。例如,Perplexity会根据您当前的查询线索,提供智能的后续查询建议。
  3. 推荐交互式 UI 小部件:根据系统预测,提供定制的输入小部件,例如提示框、滑块和复选框,以增强用户输入体验。例如,ElevenLabs允许用户通过显示预设或默认值来微调语音生成设置。

14. 为副驾驶/共同编辑/部分自动化而设计

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。

如何使用此模式

  1. 嵌入内联帮助:AI 建议会根据上下文进行呈现,方便用户轻松接受、拒绝或修改。例如,Notion AI 可以帮助您起草、总结和编辑内容,同时您可以掌控最终版本。
  2. 保存用户意图和创意方向:让用户通过目标、语气或示例等输入来引导 AI,同时保持原创性和创意方向。例如,Jasper AI 允许用户设置品牌语调和语气指南,帮助构建 AI 输出,使其更好地匹配用户意图。

15. 设计自动化的用户控件

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。

如何使用此模式

  1. 采用渐进式展现:从最低限度的自动化功能开始,逐渐允许用户选择更复杂或自主的功能。
    例如,Canva Magic Studio一开始会提供简单的 AI 建议,例如文本或图像生成 ,然后逐步展示高级工具,例如 Magic Write、AI 视频场景和品牌语音定制。
  2. 为用户提供自动化控制功能: 提供诸如 开关、滑块或基于规则的设置等UI 控件,让用户选择何时以及如何控制自动化功能。例如,Gmail 允许用户禁用智能撰写功能。
  3. 自动化错误恢复设计:当 AI 出现故障(误报/漏报)时,向用户提供纠正措施。添加手动覆盖、撤消或升级到人工支持的选项。例如,GitHub Copilot 建议内联代码,但当输出关闭时,开发人员可以轻松拒绝、修改或撤消建议。

16. 设计用户输入错误状态

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。

如何使用此模式

  1. 优雅地处理拼写错误:当置信度较高(例如,> 80% )时,使用拼写检查或模糊匹配自动纠正常见的输入错误,并巧妙地进行表面更正(“显示结果......”)。
  2. 提出澄清性问题:当输入过于模糊或有多种解释时,提示用户提供缺失的上下文。在对话设计中,当意图明确但实体不明确时,就会发生此类错误。了解更多关于实体和意图的信息。例如,当 ChatGPT 给出“首都是什么?”这样的低语境提示时,它会提出后续问题,而不是猜测。
  3. 支持快速更正:方便用户编辑或覆盖您的解释。例如,ChatGPT 在已提交的提示旁边显示一个编辑按钮,方便用户修改输入。

17. 人工智能系统错误状态的设计

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)

人工智能错误和故障状态的场景

  1. 系统故障(错误输出)
    由于数据质量差、存在偏见或模型错觉,会出现假阳性或假阴性。例如,花旗银行金融欺诈系统会显示一条消息:“异常交易。您的卡已被冻结。如果是您本人操作的,请验证您的身份。”
  2. 系统限制错误(无输出)
    由于未经训练的用例或知识缺口,会出现真负例。例如,当 ODQA 系统接收到训练数据集之外的用户输入时,会抛出以下错误:“抱歉,我们没有足够的信息。请尝试其他查询!”
  3. 上下文错误(误解输出)由于解释不清或与用户预期相冲突而导致用户困惑的
    真阳性结果属于上下文错误。例如,当用户从新设备登录时,被锁定。AI 会回复:“您的登录尝试已被标记为可疑活动。”

如何使用此模式

  1. 传达各种场景的人工智能错误:使用诸如
    “这可能不准确”、“这看起来像......”或表面置信度水平之类的短语来帮助校准信任。
  2. 使用模式传达低置信度输出的模型置信度。
  3. 提供错误恢复:如果发生系统故障或上下文错误,请提供清晰的路径来覆盖、重试或升级问题。
    例如,使用“尝试其他查询”、“让我改进一下”或“联系客服”等方式。
  4. 启用用户反馈:轻松报告幻觉或错误输出。了解更多关于模式 19 的信息。设计以捕获用户反馈。

18. 设计时要捕捉用户反馈

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。

如何使用此模式

  1. 考虑隐性反馈:捕捉用户操作,例如跳过、忽略、编辑或互动频率。这些被动信号提供了有价值的行为线索,有助于调整推荐内容或发现用户不感兴趣的行为模式。
  2. 寻求明确的反馈:通过点赞/踩、NPS 评分小部件或用户操作后的快速调查问卷,收集用户的直接反馈。利用这些反馈来改进模型行为和产品契合度。
  3. 告知反馈的用途:让用户了解他们的反馈将如何影响未来的体验。这可以增强信任,并鼓励用户持续做出贡献。

19. 模型评估设计

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。

如何使用此模式

有三种关键的评估方法可以改进机器学习系统。

  1. 基于法学硕士 (LLM) 的评估(LLM-as-a-judge)一个独立的语言模型充当自动评判者。它可以对回复进行评分,解释其推理过程,并分配诸如有用/有害或正确/不正确等标签。
    例如,Amazon Bedrock 使用 LLM-as-a-Judge 方法来评估 AI 模型的输出。一个独立的可信 LLM(例如 Claude 3 或 Amazon Titan)会根据有用性、准确性、相关性和安全性自动审核和评分回复。例如,比较两个 AI 生成的针对同一提示的回复,评判模型会选择更优的那个。这种自动化方法可将评估成本降低高达 98%,并加快模型选择速度,而无需依赖缓慢且昂贵的人工审核。
  2. 启用基于代码的评估:对于结构化任务,使用测试套件或已知输出来验证模型性能,特别是对于数据处理、生成或检索。
  3. 捕捉人工评估:集成实时 UI 机制,方便用户将输出标记为有用、有害、不正确或不清楚。更多详情,请参阅模式 19。捕捉用户反馈的设计
  4. LLM 作为评判者和人工评估的混合方法将准确率大幅提高到 99%。

20. AI护栏设计

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

  • 保护用户和儿童免受有害语言、虚构事实、偏见或虚假信息的侵害。
  • 建立信任和采用:当用户知道系统避免仇恨言论和错误信息时,他们会感到更安全并愿意经常使用它。
  • 道德合规:欧盟人工智能法案等新规要求人工智能设计必须安全。团队必须符合这些标准,才能保持合法合规并承担社会责任。

如何使用此模式

  1. 分析并引导用户输入:如果提示可能导致不安全或敏感内容,则引导用户进行更安全的交互。例如,当Miko 机器人遇到脏话时,它会回答“我不允许使用此类语言”。
  2. 过滤输出并审核内容:使用实时审核功能检测并过滤可能有害的 AI 输出,在显示给用户之前屏蔽或重新构建它们。例如,显示一条注释:“此回复已根据我们的安全准则进行了修改。”
  3. 使用主动警告:当用户接触敏感或高风险信息时,巧妙地通知他们。例如,“这只是信息建议,不能替代医疗指导。”
  4. 创建强大的用户反馈机制:让用户轻松举报不安全、带有偏见或虚假信息的输出,从而通过主动学习循环逐步改进人工智能。例如,Instagram 提供了应用内选项,方便用户举报伤害、偏见或虚假信息。
  5. 交叉验证关键信息:对于高风险领域(例如医疗保健、法律、金融),使用可信数据库备份 AI 生成的输出,以捕捉幻觉。参考模式 10, 提供数据源。

21. 传达数据隐私和控制

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。

如何使用此模式

  1. 显示透明度:当 GenAI 功能访问用户数据时,显示访问内容和原因的解释。
  2. 设计选择加入和选择退出流程:允许用户轻松切换数据共享偏好设置。
  3. 启用数据审查和删除:允许用户查看、下载或删除他们的数据历史记录,从而让他们能够持续控制。

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。

优化用户体验 | AI工作流 | Lovable + Cursor:如何设置这个强大的 AI 工作流程

清阳

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。

概述

工作原理

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。

按 Enter 键或单击即可查看完整尺寸的图像
工作流程概述

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。

为什么它如此强大

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?

按 Enter 键或单击即可查看完整尺寸的图像
我在 Reddit 上偶然看到的一篇帖子 :)

接下来,我将逐步引导您完成工作流程!

步骤 1:Lovable → GitHub

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。

按 Enter 键或单击即可查看完整尺寸的图像
Lovable 中的 GitHub 图标

如果单击该图标,将出现以下对话框:

按 Enter 键或单击即可查看完整尺寸的图像
点击 GitHub 图标后

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。

步骤 2:GitHub → Cursor

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。

按 Enter 键或单击即可查看完整尺寸的图像
获取我的本地服务器来展示 Lovable 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。

按 Enter 键或单击即可查看完整尺寸的图像
原始按钮悬停效果

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:

按 Enter 键或单击即可查看完整尺寸的图像
Cursor 中按钮悬停效果修改后

步骤 3:光标→GitHub

简介

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。

按 Enter 键或单击即可查看完整尺寸的图像
从 Cursor 到 Github 的 Git 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。

阶段变化

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。

按 Enter 键或单击即可查看完整尺寸的图像
阶段变化

提交 + 同步

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”。

按 Enter 键或单击即可查看完整尺寸的图像
提交并同步

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。

步骤 4:GitHub → Lovable

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!

按 Enter 键或单击即可查看完整尺寸的图像
Cursor 中的更新实时反映在 Lovable 中

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。

附录

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

按 Enter 键或单击即可查看完整尺寸的图像
在 GitHub 中添加协作者

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。

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。

AI辅助设计 | 我如何使用人工智能来简化人物角色和旅程地图的创建

清阳

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。

一张模因图片上写着:“阻止人工智能抢走你的工作的唯一方法就是让它更好地完成你的工作。”

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。

人物角色

UX 角色的插图。
由作者通过 Canva.com 创建

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。

步骤 1:收集所有研究数据和见解

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。

第 2 步:确定你的角色部分和行为提示

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”。

步骤 3:将文档上传到 GenAI 工具(即您的数据集)

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。

步骤4:提供AI提示

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。

步骤 5:审查并完善结果

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。

旅程地图

按 Enter 键或单击即可查看完整尺寸的图像
免费旅程地图模板图片来自 nulivo.com。

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:

  1. 谁在旅途中(即你的角色)
  2. 他们正在进行什么旅程
  3. 旅程的各个阶段
  4. 我们希望在每个阶段包含的信息(例如行动、想法、待办事项等)
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。






































在审查您的结果时,如果旅程图不能准确反映您的数据集,GenAI 可能会做出假设!

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。

展望未来:平衡人工智能效率与人类洞察力

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。

2025 年值得关注的 9 大 SaaS 设计趋势

清阳

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。


1. AI 驱动 + 超个性化体验

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。


2. 情感化、人本设计(Human-Centric Design)

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。


3. 极简化 + 环保友好

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。


4. 包容性与无障碍优先

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。


5. 微交互 & 渐进揭示

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


6. 低代码 / 无代码 与 Micro-SaaS

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


7. 移动优先 + 手势优化

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)。


8. 定价配置自动化

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。


9. AI 编码工具冲击传统模式

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。


趋势速览表

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。

2026 年值得关注的顶级 UI/UX 趋势

清阳

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。

1. AI优先设计

按 Enter 键或单击即可查看完整尺寸的图像

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:

  • 诸如“让这个流程对 alpha 版本更加友好 20%”之类的设计提示现在已经成为一种流行趋势。
  • UX文案由AI撰写一半稿子,然后由人类进行润色。
  • 评判设计师的标准是他们提示得有多好,而不是他们推动像素得有多好。

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。

2.“零 UI”的兴起

按 Enter 键或单击即可查看完整尺寸的图像

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:

  • 为“隐形”交互而设计。
  • 优先考虑音频、触觉或行为的反馈循环。
  • 彻底重新思考屏幕的作用,尤其是在消费技术领域。

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。

3. 高度个性化,但有界限

按 Enter 键或单击即可查看完整尺寸的图像

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:

  • 根据上下文进行调整的界面:夜间使用黑暗模式,大脑疲劳时使用简化的用户界面等。
  • 高度集中的入职流程根据您的氛围量身定制:为专业人士提供简约服务,为新手提供指导。
  • 为高级用户提供“选择您自己的 UX 冒险”设置。

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。

4. 滚动已死。滚动万岁。

按 Enter 键或单击即可查看完整尺寸的图像

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:

  • 滚动被用作一种叙事手段,而不仅仅是一种转储内容的方式。
  • 配对的动画和微交互创造了一种旅程,而不仅仅是滚动到页脚的情况。
  • 基于滚动的 UI,根据速度或意图而变化。

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。

5.语音界面成为主流

按 Enter 键或单击即可查看完整尺寸的图像

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:

  • 语音和视觉反馈接口同步工作。
  • 适用于多任务场景(例如烹饪、驾驶、育儿)的纯语音用户流程。
  • 个性丰富的语音助手让生活变得轻松。

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。

6. 设计要考虑神经多样性,而不仅仅是可及性

按 Enter 键或单击即可查看完整尺寸的图像

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:

  • 可选的极简模式,可消除噪音。
  • 带有“运动灵敏度”切换的动画。
  • 尊重焦点的界面;是的,我们正在谈论您的 7 个弹出窗口。

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。

7.反设计2.0

按 Enter 键或单击即可查看完整尺寸的图像

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:

  • 设计师将不完美视为一种风格。
  • 用户界面接近“糟糕”,但在千篇一律的界面中却脱颖而出。
  • 更注重真实性而非完美性。

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。

8. 具有幽默感

按 Enter 键或单击即可查看完整尺寸的图像

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:

  • 用个性化的祝酒词。“哎呀。这招不行。不过,嘿,你上一段感情也没用。”
  • 错误屏幕会让你笑,而不是哭。

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。

9. VR之外的3D和空间设计

按 Enter 键或单击即可查看完整尺寸的图像

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:

  • 响应光标移动的 3D 卡。
  • 电子商务和设计工具中的 AR 预览。
  • 界面感觉更像是物理空间而不是平面布局。

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。

10. 设计时考虑地球

按 Enter 键或单击即可查看完整尺寸的图像

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:

  • 应用程序中的生态模式设置可降低数据/功耗。
  • 碳中和设计实践。
  • 应用程序加载速度快、操作轻便,并且不会在三次滑动中耗尽电池电量。

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。

最后的想法:2026 年的设计不再注重炫酷,而更注重感觉

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。

用户体验设计中的人工智能:人工智能如何塑造用户体验

清阳

当我们谈论用户体验 (UX) 设计时,我们指的是人们与产品互动时的感受,无论产品是网站、应用程序,还是实体设备。这不仅关乎产品的外观,还关乎产品的工作方式,更重要的是,它们带给人们的使用感受。

根据 Hassenzahl (2010) 在其著作《体验设计:为所有正确的理由而生的技术》中的说法,UX 设计是通过关注交互的实际方面和情感方面来创造有意义的体验。

他认为,虽然功能性很重要,但对用户来说,真正重要的是完成任务时的情感联系。因此,用户体验设计师不仅关注可用性,还试图深入理解人类行为。

当我第一次听说“人工智能设计”时,我以为只有工程师和大型科技公司才会担心。但随着深入研究,我意识到人工智能已经悄悄地潜伏在我们日常使用的众多应用程序的幕后。如今,这项工具有助于让这些应用程序更加流畅、更加个性化、更加友好。

一方面,想象一下你最喜欢的社交应用能够“看到”你的每一次点击和滑动。这几乎就是杨教授所做的,他们利用数百万条移动应用日志训练深度神经网络,实时测量和提升用户体验。“前沿 | 通过人工智能辅助设计测量和提升用户体验”。他们的人工智能模型无需冗长的访谈或实验室测试,就能了解哪些界面容易让人困惑,哪些界面感觉恰到好处。这就像赋予应用第六感,了解用户喜欢什么,以及哪些界面会让他们抓狂。这比任何人类团队单独完成的速度都要快。

另一方面,Zhu 和同事们使用 ChatGPT 来起草设计概要。这些文档概述了项目目标、受众和预算。“前沿 | 企业用户体验设计工作流程中的 AI 辅助:增强设计师的设计概要创作。”

他们发现,AI 不仅可以在几分钟内生成一份完整的初稿,还能帮助核实不同领域(例如医疗保健甚至金融)的事实,甚至在你遇到写作瓶颈时提供新的想法。此外,他们的用户体验地图显示,得益于 AI 的帮助,设计师可以减少研究时间,将更多时间投入到创意上。

此外,我们可以说,除此之外,人工智能并非魔法;Chanchamnan 的文献综述提醒我们,设计师仍然需要:首先,保持控制力,并确保用户理解屏幕界面变化的原因。其次,要谨慎处理我们收集的数据。这不仅仅是数字,更是用户的个人信息。最后,设计师必须保持创造力并运用人工智能,但最终的艺术选择(颜色、布局、色调……)仍然需要人为的触动。(PDF) 人工智能时代的设计:关于利用人工智能增强用户体验设计的文献综述

总而言之,本文展示了人工智能如何改变用户体验设计的世界。它不再仅仅关注外观,而是关注用户与产品交互时的感受。人工智能正在帮助设计师让应用变得更智能、更直观,就像杨教授通过分析应用使用情况来实时提升用户体验所做的工作一样。

然而,这篇文章提醒我们,人工智能并非完美。归根结底,人工智能可以提供帮助,但真正塑造卓越用户体验的是人性化的触觉。

 

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。

交互设计趋势——技术、伦理与人文的深度融合

清阳

 

基于当前成果与行业动向,交互设计未来将呈现以下核心趋势,推动数字体验向更智能、包容、可持续的方向发展:
趋势一:多模态交互融合迈向“无感化”,打破传统输入边界 现有成果如车载多模态系统、智能家居无界面设计已展示雏形,未来交互将更少依赖显式指令(如点击、语音),转而通过生物信号(脑电波、心率)、环境感知(温度、湿度)、行为模式分析等实现“无意识交互”。例如,设备可自动识别用户情绪变化调整服务,或通过触觉反馈替代视觉提示,降低认知负荷。脑机接口技术(BCI)的突破可能让“意念控制”走入日常生活,但需同步解决隐私与伦理风险。
趋势二:AI驱动的“自适应交互”,从千人一面到千人千面 现有AI无障碍游戏方案与个性化推荐系统证明,AI可动态适配不同用户需求。未来交互系统将基于用户生理数据(如视力、听力)、行为习惯(如左利手偏好)、甚至实时心理状态,实时调整界面布局、交互方式与反馈强度。例如,老年人设备自动简化操作流程,儿童模式增强视觉引导,情绪低落时减少干扰信息——交互设计从“标准化”转向“动态个性化”。
趋势三:伦理与隐私设计成为核心准则,构建“可信交互” 随着AI与传感器渗透生活,数据滥用与算法偏见风险加剧。未来交互设计需嵌入隐私保护机制:如本地化数据处理、用户可控的透明度界面、反歧视算法设计。例如,智能家居默认匿名化数据,用户可随时查看设备决策逻辑;脑机接口设备强制要求用户授权协议,避免思维信息泄露。交互设计需从“功能优先”转向“责任优先”,建立用户与技术间的信任关系。
趋势四:情感化设计深化,技术成为情感共鸣的桥梁 纽约时报的VR新闻与游戏的情感化叙事表明,交互设计正从“工具理性”走向“情感价值”。未来将结合情感计算与生成式AI,创造更具共情力的体验:虚拟助手通过微表情与语调模拟真实情感,医疗设备通过交互缓解患者焦虑,教育工具通过情感反馈增强学习投入感。技术不再仅是效率工具,而是成为情感连接的中介。
趋势五:跨现实交互重构空间边界,虚实融合创造新场景 当前VR/AR技术已在新闻、游戏领域突破,未来将进一步渗透至工作、社交与医疗。例如,远程协作中通过AR实现虚实叠加的团队讨论,虚拟试穿结合触觉反馈提升购物体验,医疗手术训练通过VR+力反馈设备模拟真实操作。交互设计需解决虚实信息无缝切换、空间感知一致性问题,打破物理与数字空间的割裂。
趋势六:包容性设计从“特殊需求”走向“普遍设计” 视障游戏方案与老龄化智能家居的成功启示:为边缘群体设计往往能创造更普适的价值。未来交互设计将默认考虑全人群需求,例如,语音交互同时支持方言与多语言,界面自动适配不同视力与认知能力,公共服务设备集成辅助技术。包容性设计将成为产品创新的起点而非附加选项。
趋势七:可持续交互设计贯穿产品生命周期,推动绿色转型 “绿能管家”APP与节能智能家居体现交互设计在环保中的潜力。未来趋势包括:通过行为引导减少能源浪费;设计可拆卸、模块化的硬件交互组件,延长设备寿命;利用交互界面引导用户参与回收流程;甚至通过碳足迹可视化激发集体环保行动。交互设计将成为可持续生活方式的“催化剂”。
 
技术革新与人文关怀的双轮驱动 交互设计正站在新的转折点:技术能力(如AI、脑机接口)不断突破边界,但核心价值始终回归“人”。未来优秀的设计将平衡效率与人性化,兼顾创新与伦理,让技术真正服务于不同背景、不同需求的人群。设计师需以更广阔的视野,将社会责任、情感连接、可持续理念注入每一次交互决策中,推动数字世界与现实生活的更美好融合。

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。

界面设计优化,为什么现在比以往任何时候都更迫切?

清阳

在数字产品扎堆的今天,用户的注意力变得越来越短、耐心越来越低。如果你的产品界面让人感到困惑、加载缓慢、层级复杂、找不到按钮,那用户很可能直接选择“关掉”或者“换一个”。我们总说“用户体验很重要”,但真正把**“界面设计优化”这件事提到战略高度的产品团队,并不多。**

但现在,是时候认真对待了。界面设计的优化,不再只是“好不好看”的问题,而是“能不能活下去”的问题。


一、用户习惯正在极速进化

移动端的普及让用户对“顺手”“好懂”的需求越来越高。现在的用户不再愿意学习你的产品逻辑——你不懂他们,他们也不会费劲来懂你。

这意味着:

  • 如果你的界面层级多,流程绕,用户会直接流失;

  • 如果按钮不明显、反馈不清晰,用户会产生挫败感;

  • 如果关键任务(比如下单、确认、预约)不好完成,用户干脆放弃。

优化界面,就是在和用户的“下意识”对话。


二、技术门槛降低,设计门槛提高

如今,做出一个功能完整的App比以前简单得多,开源组件、低代码平台到处都是。但也正因为门槛降低了,用户在体验上的标准却被“卷”上去了。
大家对“设计”的要求,不再是“能用”,而是“好用”“顺滑”“舒服”。

所以同类产品竞争激烈时,界面设计往往是影响转化率、留存率的关键因素。


三、视觉杂乱 = 品牌崩塌

界面就是用户认知你品牌的第一层皮肤。

你用的字体、颜色、图标风格、动效节奏……都会在无形中塑造用户对你的印象。如果这些元素杂乱、陈旧、没有系统感,很容易让用户产生“不专业”“不信任”的心理预期。

界面不是装饰,是信任。


四、优化设计 ≠ 重做设计

很多团队一听到“优化设计”,脑子里就开始浮现:
“啊是不是又要重构?”
“会不会影响开发节奏?”
“我们现在没有设计资源……”

其实优化界面不是推倒重来,而是通过系统性审视和小步迭代,在现有结构下做减法、做统一、做清晰。

比如:

  • 简化交互路径,把3步压缩成2步;

  • 明确CTA(Call to Action)按钮位置,减少用户迷茫;

  • 统一icon风格,让界面更清爽可读;

  • 去除堆叠信息,保留用户最关心的内容;

这些优化,对开发负担小,但对用户感知影响极大。


五、你不优化,用户就替你做选择

“用户教会我们尊重用户。”这句话不是情怀,而是生存。

在产品不断同质化的今天,任何一丁点的体验差异,都可能决定用户是否留下。而界面,是体验感知的第一前线。
你不优化界面,用户就会用数据和流失告诉你——谁做得更好。


结语:设计不是锦上添花,而是业务底层逻辑的一部分

如果你在犹豫要不要优化界面设计,可以问自己一个问题:

“我是否愿意为自己设计的产品买单?”

优化界面,是对用户的尊重,也是对产品的敬畏。它不是可选项,而是基本功。而这项基本功,越早打牢,产品越能走得长远。


 

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。

日历

链接

个人资料

蓝蓝设计的小编 http://www.lanlanwork.com

存档