122025-9

用户体验五大要点：从问题到解决方案的完整指南

在互联网产品设计和运营的过程中，用户体验（User Experience，简称 UX） 已经成为决定产品成败的关键因素。一个功能再强大的产品，如果用户用得不舒服、不信任，甚至觉得没有价值，最终都会被抛弃。那么，优秀的用户体验究竟包含哪些要素？遇到问题时我们又该如何解决？

本文将用户体验拆解为五大要点，并逐一分析其常见问题与改进方法，帮助你快速建立一份可落地的用户体验改进清单。

可用性（Usability）

核心问题： 产品是否容易上手、是否顺畅易用。

常见问题：

新用户上手困难，不知道该如何操作。
完成一个任务的步骤过多，效率低下。
不同页面或功能的交互逻辑不一致，导致混乱。
用户出错后没有清晰提示，不知道如何纠正。

解决方法：

进行 可用性测试，邀请真实用户体验任务，观察他们在哪些地方卡壳。
简化流程，减少多余步骤，比如将“支付”流程控制在 3 步以内。
建立 交互规范与组件库，保证按钮样式、操作逻辑在全站保持一致。
在操作后提供 即时反馈，如加载状态、确认提示。
优化 错误提示，不要只显示“出错了”，而是说明原因并给出解决方案，例如“密码至少需要 8 位且包含数字”。

有用性（Usefulness）

核心问题： 产品是否真正解决了用户的核心需求。

常见问题：

功能繁杂，但用户真正需要的功能却没有。
产品没有满足用户的核心场景，只是“看起来很炫”。
用户觉得“这个产品没有价值”，使用频率低。

解决方法：

做 用户研究（问卷、访谈），明确用户的真实需求，而不是凭空想象。
通过 任务场景分析，确保每个核心功能都能支持用户的目标。
采用 MVP 策略（最小可行性产品），先满足用户的核心价值点。
借助 数据分析，识别哪些功能常用、哪些功能无人问津，对低频功能进行优化或砍掉。
坚持 持续迭代，根据用户反馈及时调整方向。

可访问性（Accessibility）

核心问题： 产品是否对所有用户都友好，是否能在各种设备和环境下顺畅使用。

常见问题：

对视障、色盲、老年人等群体不友好。
在手机、平板和 PC 端体验差别巨大，影响使用。
页面加载缓慢，操作卡顿，用户流失率高。

解决方法：

遵循 WCAG 国际无障碍标准（Web Content Accessibility Guidelines），提升通用性。
使用 对比度检测工具，保证文字清晰可读。
提供 多模态输入方式，支持键盘操作、语音输入、触控操作等。
采用 响应式设计，保证多设备访问体验一致。
做 性能优化：压缩图片、延迟加载、使用 CDN 加速，保证快速响应。

愉悦感（Desirability / Delight）

核心问题： 产品是否让用户感到愉快、舒适甚至惊喜。

常见问题：

界面单调，缺乏美感。
操作无反馈，体验枯燥。
系统提示过于冰冷，缺乏人情味。
用户感受不到个性化和惊喜。

解决方法：

建立 统一的设计系统，保证色彩、字体、图标风格一致，营造整体美感。
在按钮点击、加载等待等场景加入 轻量动效，增加“生命感”。
优化 文案设计，使用更友好、温暖的语气与用户沟通。
提供 个性化推荐，根据用户行为习惯智能优化体验。
设置 小惊喜，例如节日彩蛋、完成任务后的动画奖励，增加好感度。

可信任度（Credibility / Trustworthiness）

核心问题： 用户是否信任产品和品牌。

常见问题：

用户担心数据被泄露或滥用。
信息真假难辨，缺乏权威感。
系统经常崩溃或出错，用户失去信任。

解决方法：

提供 权威背书：展示认证资质、用户评价、行业荣誉。
制定 透明的隐私政策，明确说明数据收集和使用方式。
加强 安全措施，如 HTTPS 加密、双重验证、权限管理等。
保证 系统稳定性，通过性能监控与快速 bug 修复降低出错率。
做好 品牌建设：统一品牌视觉识别（VI），积极回应用户反馈，增强信赖感。

总结

用户体验不仅仅是“界面好看”这么简单，它包含了 可用性、有用性、可访问性、愉悦感、可信任度 五大方面。每个方面都有对应的常见问题和可落地的方法。

可用性：靠测试与简化流程来提升。
有用性：靠用户研究与数据驱动来确保。
可访问性：靠标准规范与性能优化来实现。
愉悦感：靠设计细节与情感化交互来营造。
可信任度：靠透明、安全与品牌建设来维系。

如果你正打算优化产品体验，不妨把本文当成一份 用户体验改进对照表。遇到问题时，先找出属于哪个维度，再选择对应的解决方案。这样不仅能避免“头痛医头，脚痛医脚”，还能让整个产品体验体系更加完整、可持续。

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。

评论(0) 浏览(236)

222025-8

如何优化交互设计，提高用户体验？——实用工作流程与技巧

在做产品时，大家都绕不开一个核心问题：如何通过交互设计真正提升用户体验？
很多时候我们以为加点动效、换个布局就能优化，但结果往往事与愿违。想要真正做到有效优化，背后需要一个系统的思路和工作流程。

下面我结合实际经验，总结了一套可操作的路径，供你参考。

一、优化交互设计的核心思路

以用户为中心：理解真实需求，避免“设计自嗨”。
减少认知负荷：用户不该被迫思考「下一步怎么做」，交互要自然顺畅。
保持一致性：控件逻辑统一，降低学习成本。
预防错误 & 容错：减少出错机会，并提供撤销或返回。
数据驱动优化：用埋点和分析找到问题，而不是凭感觉去改。

二、交互设计优化的工作流程

这套流程可以理解为一个循环迭代：发现问题 → 提出假设 → 设计改进 → 测试验证 → 持续迭代

1. 发现问题

用户研究：访谈、问卷、可用性测试
数据分析：漏斗分析、热力图，定位流失点
竞品调研：参考行业里成熟的交互模式

2. 提出假设

用 用户旅程图 标记关键环节，并提出“问题-假设-预期”：

问题：注册流失率高
假设：减少表单字段
预期：完成率提升 15%

3. 设计改进

原型设计：低保真快速迭代
交互规范：层级清晰，控件一致，反馈及时
文案优化：提示语直白，避免模糊

4. 测试验证

可用性测试：5~8 个目标用户足够发现问题
A/B 测试：不同版本上线，验证哪种更好
满意度调查：SUS、NPS 等量化指标

5. 持续迭代

定期复盘：看上线效果是否达到预期
维护设计规范 & 组件库：减少重复劳动
小步快跑：持续小幅优化，而不是大刀阔斧一次性推翻

三、实用小技巧

优先级排序：聚焦高频&高价值的流程（注册、支付、搜索）。
微交互：细节处的反馈、动效，能让体验加分。
渐进式披露：分层展示功能，避免用户被信息淹没。
跨团队协作：和产品、开发、运营对齐目标，确保设计能落地。

交互设计优化不是一蹴而就的，而是一个持续发现问题、验证假设、迭代改进的循环。只有把用户体验当作持续经营的对象，产品才能在竞争中保持优势。

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。

评论(0) 浏览(186)

152025-8

用户体验中的人工智能透明度：设计清晰的人工智能交互

杰睿

随着人工智能越来越多地融入网站和应用程序体验，区分哪些地方已经实施了人工智能，哪些地方尚未实施人工智能，变得至关重要。

最初，大多数产品将人工智能作为聊天机器人引入，用户可以通过聊天机器人发起并促进与人工智能的交互。现在，产品正在将人工智能融入仪表盘、任务和搜索功能。用户不再主动体验人工智能——人工智能体验已经预先存在。

由于用户不再控制何时触发人工智能的使用，因此需要让用户了解何时向他们展示人工智能功能或内容，以确定其有效性和质量。不仅如此，《欧盟人工智能法案》（2026年生效）将强制要求用户在与人工智能系统进行通信或互动时必须知晓。

这就是设计系统的用武之地——实施专门的视觉处理，以始终如一地将人工智能内容和特征与非人工智能内容和特征分开。

Google 的 Material Design 系统展示了按钮和分段按钮等组件 — Google 的 Material设计系统文档

遗憾的是，目前只有少数开源设计系统明确地包含 AI 组件和模式。我希望很快会有更多系统加入，但目前为止，只有 GitLab 的 Pajamas、IBM 的 Carbon 和 Twilio 的 Paste 在其指南中承认了 AI。

注意：我使用Figma 的设计系统来对 AI 组件和模式进行基准测试。我没有纳入仅包含 AI 聊天机器人或对话设计文档的设计系统，因为这是一种更标准的交互模式；这包括亚马逊的 Cloudscape和Salesforce 的 Lightning。

让我们比较和对比这些设计系统 AI 组件和模式，看看它们可以在哪些方面进行优化以提高可用性。

1. GitLab 的睡衣

Pajamas目前不包含明确的组件或模式，但它确实包含一些关于 AI 与人类交互的有趣文档。该文档首先建议通过识别哪些自动化操作是合乎道德且有益的（例如，高风险任务 vs. 低风险任务），来了解 AI 的使用是否真的能给用户带来好处。

接下来，它建议透明地说明 AI 的使用地点——Pajamas 通过其“GitLab Duo”实现了这一点，这是 AI 特性、能力和局限性的指标。

GitLab Duo 的示例展示了用户可以在哪里与 AI 进行交互 — *GitLab Duo 用于指示用户可以在界面中与 AI 交互的位置*

由于“GitLab Duo”用于 AI 功能和交互（而不是任何 AI 内容），Pajamas 还建议使用“<动词> by AI”（即“由 AI 总结”）标记 AI 生成的内容，并发送一条消息鼓励用户检查 AI 内容。

GitLab 也在开发一个框架来实践他们的指导方针；目前还在开发中，但大致的工作内容可以在GitLab 的 AI UX 模式中查看。他们的目标是发布一个带有文档的 AI 模式库——这正是我们所需要的（拜托！）。

GitLab 对其 AI UX 模式的愿景分为 4 个维度，以帮助选择正确的 AI 模式：模式、方法、交互性和任务。

模式：人工智能与人类互动的重点（专注、支持或整合）
方法：人工智能正在改进什么（自动化或增强任务）
交互性：人工智能如何与用户互动（主动或被动）
任务：AI 系统可以帮助用户做什么（分类、生成或预测）

例如，他们早期对人工智能模式的探索包括低保真模型，展示了如何将人工智能与图表或内联解释集成到界面中。这些模式清晰地标记了人工智能的用途，有助于建立用户对人工智能系统的理解和信任。

低保真折线图，显示当集成到界面中时可以在数据中突出显示的 AI — *带有指示 AI 的标记的低保真集成图表，例如预测数据（通过GitLab 的 Vision for AI UX*）

使用 Gitlab 模式填写表单时使用 AI 的示例 — *低保真集成解释器，使用 AI 填写表格（通过GitLab 的 AI UX 愿景*）

判决

目前，GitLab 的文档还停留在概念阶段，仅概括了他们希望未来 AI UX 体验的样子。但它提供了一个坚实的框架，大多数设计系统都可以采用——无论哪个行业或产品。

我希望他们能尽快发布更多关于其AI用户体验模式的深入信息。我认为这对其他开发AI文档的设计系统来说，将是一笔宝贵的开源资产。

2. IBM 的 Carbon

在众多开源设计系统中，Carbon拥有最丰富的 AI 使用文档。它包含一个 AI 专用版块“Carbon for AI”，涵盖组件、模式和指南，帮助用户识别 AI 生成的内容，并了解 AI 在产品中的应用方式。

Carbon for AI 建立在现有 Carbon 组件之上，添加了蓝色光晕和渐变效果来突出显示 AI 实例。目前为止，已有 12 个包含 AI 变体的组件，例如模态框、数据表和文本输入。

IBM Carbon 中的所有 12 个 AI 组件，包括复选框和文本输入 — *Carbon for AI 的组件列表及具体 AI 变体*

尽管组件的 AI 变体具有独特的视觉处理，但在上下文中，很难区分哪个组件当前处于活动状态（因为它们看起来都是活动的）。

在下面的表单中，AI 用于自动填充大部分输入字段，因此这些字段使用了 AI 变体。即使在默认状态下，AI 变体也会呈现蓝色渐变和边框，这导致难以直观地识别哪个组件处于活动状态。

使用人工智能帮助输入答案的示例表单，并展示人工智能组件在上下文中的使用情况 — *AI 组件上使用的蓝色渐变和边框使得很难判断哪个组件处于活动状态*

用户可以覆盖 AI 的输入，这会将组件的 AI 变量替换为默认变量。这将触发“恢复为 AI 输入”操作，以替换输入字段中的 AI 标签，从而允许用户控制手动或自动表单响应。

带有恢复操作的文本字段，显示“恢复到 AI 输入”的工具提示 — *当用户覆盖 AI 输入时，Carbon 的“恢复 AI 输入”功能就会出现*

除了 AI 变体之外，它还包含一个明确的 AI 标签，可以显示一个弹窗，解释特定场景下 AI 的细节（Carbon 将此模式称为“AI 可解释性”）。用户可以选择 AI 标签，弹窗就会出现在按钮下方。

一个中等保真度的屏幕模型，其中的 AI 标签弹出窗口显示了有关 AI 使用情况的详细信息 — *Carbon 的 AI 标签包含一个解释器弹出窗口，方便用户获取有关 AI 使用情况的更多详细信息*

判决

看到像 Carbon 一样完善的 AI 模式和组件设计系统文档，真是令人兴奋。他们不仅提供了 AI 通用用法的文档，还提供了实际可用的组件和模式。

但由于组件的AI变体使得在上下文中使用时难以区分哪个组件处于活动状态，我认为存在可用性和可访问性问题。AI变体的颜色使用过于引人注目，而且看起来像Carbon的焦点状态（这可能会影响依赖焦点状态的低视力用户）。

文本字段组件的 AI 变体与文本字段的焦点状态之间的比较 — *Carbon 的 AI 变体与文本字段的焦点状态*

3. Twilio 的 Paste

最后，Paste在“体验”版块下提供了一个“人工智能”板块。Paste 提供了关于在用户体验中使用人工智能的通用文档，以及一些可用的组件。

在设计AI功能时，Paste建议允许用户将AI结果与自身体验进行比较，并处理潜在的错误和风险。为了减少这些错误，Paste提倡赋予用户审查和撤消输出、控制数据源以及向AI系统提供反馈的能力。

Paste 还建议在设计新的 AI 功能时问自己：“如果它做同样的事情但不使用 AI，我将如何设计这个功能？”用户使用产品不仅仅是为了与人工智能互动——他们还试图尽可能高效地完成任务并实现目标。

Paste 包含一个包含 5 个组件的 AI UI 套件：人工智能图标、徽章、按钮、进度条和骨架加载器。它还包含一些专为 AI 聊天体验打造的组件，例如 AI 聊天日志。

Paste 文档中最有帮助的是他们提供的示例，包括路标、生成功能和聊天功能。

对于指示牌，Paste 建议使用带有人工智能图标的装饰性徽章来指示某个功能正在使用人工智能，例如人工智能推荐或预测。指示牌是非交互式的，但类似于按钮，因此看起来可以点击。

Twilio 的路标示例展示了带有 AI 闪光图标的徽章 — *Paste 使用徽章和 AI 图标的路标示例*

生成功能会向用户提供提示，帮助他们使用 AI 功能，例如“总结数据”或“推荐下一步”。当您选择生成功能时，下面会出现一个弹出窗口，向用户提供说明以及它正在使用的 AI 模型。

Twilio 的生成功能示例展示了一个带有弹出窗口的按钮，用于解释有关 AI 模型的详细信息及其使用方法 — *Paste 的生成功能包括一个带有弹出窗口的按钮，用于指导用户与 AI 交互*

最后，聊天内容是当今已知的人工智能聊天机器人的典型特征，并包含对其对话原则的引用，以发展人工智能的个性。

Twilio 的聊天示例，其中有一个空状态，并且在用户文本字段下方有多个 AI 提示 — *Paste 的 AI 聊天机器人处于空状态，并在文本字段下方提示*

Paste 确实即将推出另一种加载模式，但我们还需拭目以待。这种模式将为用户提供一种控制和预测 AI 输出的方式；这包括停止输出以及根据 AI 输出所需的时间来调整状态。

判决

我很高兴看到一些文档和实际示例的结合。虽然其中一个示例是聊天机器人，但 AI UI 套件中的其他组件也展示了如何在界面中透明地展示 AI 的使用方法。

Paste 正在寻求对其 AI UI 工具包的反馈——他们有一个开放的Github 讨论，您可以在其中提交请求。

令人惊讶的是，很少有设计系统发布关于组件和模式的文档来处理AI驱动的内容和功能（至少是公开的）。例如，谷歌和微软都是AI行业的领导者，但开源的Material和Fluent设计系统却不包含AI模式。

由于这些 AI 领导者正在将 AI 融入到与更广泛用户群体互动的常见产品（例如 Gemini 和 Copilot），他们正在构建其他产品也需要效仿的用户心智模型。即使是Adobe 旗下的 Spectrum，虽然已将 AI 融入其众多产品（例如 Adobe Firefly），但在涉及内容和人物写作时，也只用了短短的宣传语来提及机器学习和 AI。

也许他们的AI模式还在开发中？或者他们还在等待时机成熟？

无论如何，向用户展示 AI 功能和生成的内容至关重要，这样他们才能更好地理解所展示的内容，并建立对产品的信任。我期待更多超越闪光图标和聊天机器人的设计系统模式。

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。

评论(0) 浏览(206)

142025-8

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

杰睿

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。

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？

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。

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。

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。

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：

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。

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。

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”。

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！

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

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。

评论(0) 浏览(416)

132025-8

你的直觉背后有逻辑

杰睿

查尔斯·桑德斯·皮尔斯的数码插画，风格类似拼图游戏。他留着胡须的肖像由相互交错的拼图碎片组成，背景为大胆抽象的绿色、橙色和青绿色调。这幅图像象征着复杂性、推理能力和结构化思维。 — 查尔斯·桑德斯·皮尔斯（作者使用人工智能创建的图像）

每个人都说：“相信你的直觉。”但
没有人解释你的直觉是如何思考的。

查尔斯·皮尔斯做到了。

他称之为溯因推理——最佳猜测的逻辑。从想法到假设的跳跃。这种思维方式并不能保证你一定正确，但能让你足够接近事实，值得一试。

19世纪末，皮尔士（发音为“purse”）提出了一个关于人类如何形成信念的模型。这种信念的形成并非等待神灵的启示或遵循完美的规则，而是从不确定性入手，对我们自以为知道的事物感到不安，并形成一个值得检验的猜测。

他通过自己的工作创造了“探究”一词。这种逻辑如今在早期产品战略、设计研究和推测性人工智能提示中随处可见。但大多数人从未听说过它，或者从未听说过他。

研究怀疑的科学家

19世纪哲学家、逻辑学家查尔斯·桑德斯·皮尔斯的黑白肖像。他身着正装，蓄着大胡子，头发中分，表情严肃，略微侧身。 — 查尔斯·桑德斯·皮尔斯，公共领域，通过 Wikimedia Commons

皮尔士是一位逻辑学家、数学家、物理学家，以及许多其他领域的专家，他是美国实用主义的奠基人。但他真正痴迷的是我们如何形成信念……以及如何改变它们。

他相信真理并非唾手可得，而是需要你努力奋斗才能获得。而获得真理的途径并非加倍努力……而是甘愿犯错。

对于皮尔士来说，怀疑并非弱点，而是真正思考的开始。

他概述了人类推理的三种基本方式：

绑架：根据有根据的猜测，什么可能是真的。
演绎：如果某些规则成立，那么一定为真。
归纳：根据我们所见的模式，什么可能是真的。

绑架

皮尔斯认为，溯因推理是思维的起点，是所有洞察力的源泉。它引领新想法进入思维领域，让产品团队能够推测某个指标下降的原因，让设计师能够预见到混乱的发生，让研究人员能够提出正确的问题——而不仅仅是分析数据。

溯因推理是从观察到可能性的飞跃。从“这到底是怎么回事？”到“也许是这样”。它并不能保证你是对的，但它能给你提供一些可以测试的东西。

扣除

演绎法起源于亚里士多德，它从普遍真理出发，并由此推理。

如果所有人都会死，而内特是人类，那么内特也是会死的。

非常简单。无需猜测。

它是系统、策略和自动化的逻辑。它是工程师确保代码正常运行的方式，也是合规团队发现违规行为的方式。演绎是我们利用已知知识进行推理的方式。但演绎并不能产生新的见解。它只能验证符合规则的内容。我喜欢这样理解：演绎建立在现状之上，而不是可能实现的。

就职

归纳法也源于亚里士多德，但经过以下思想家的扩展：弗朗西斯·培根和大卫·休谟，反之亦然。它根据观察到的情况推断可能发生的情况。

到目前为止，太阳每天都会升起，因此，明天它大概也会升起。

它是科学、分析和机器学习背后的逻辑。它能发现模式、发现趋势并标记概率。归纳推理能告诉团队用户做了什么，但不一定能告诉他们为什么做，或者下一步该做什么。

它很强大，但都是事后诸葛亮。它是一种回顾。没有溯因推理来构建问题，也没有演绎推理来施加约束，归纳推理只是收集数据。它只是观察，却不知道究竟要寻找什么。

信念的用户体验

皮尔士不仅研究我们如何推理，他还研究我们如何相信，以及为什么错误的信念如此难以动摇。在他1877年的论文《信念的固着》中，他列举了人们判断真理的四种常见方式：

坚韧：我相信这一点，因为我一直都相信。
权威：我相信这一点，因为有位有权势的人告诉我。
先验：我相信这一点，因为直觉上感觉正确。
科学方法：我相信这一点，因为它经得起推敲。

其中只有一种说法欢迎质疑。其他说法则鼓励安慰。它们之所以让人感觉真实，是因为它们一直以来都让人感觉真实。可能是因为某个可信的人说过这些话（锚定效应），也可能是因为它们易于重复，难以质疑。

信念并不总是来自证据。它来自情感、重复，有时甚至是便利。

这就是为什么人们会继续从事有害的工作，并相信阴谋论。这就是为什么整个团队围绕着一个在启动会议上感觉正确的想法展开工作，但之后就再也没有被重新讨论过。

皮尔斯的警告不仅仅是哲学层面的，它非常实用：

如果你忽略了怀疑带来的不适，你也就忽略了学习的机会。

运用绑架法进行设计

大多数现代设计工作都始于一种直觉。你注意到一些事情。你猜测它发生的原因。你验证这个猜测。

这就是绑架。

你不是在证明必然为真，也不是在确认可能为真。你是在问：这里可能发生了什么？

这是探索研究和旅程地图的核心。真正以人为本的设计。这种设计需要长时间地与模糊性共存，以便从中汲取经验，而不是停留在幻灯片上假装自己已经知道了。

问题？

我们不会把溯因推理当成一门技能来教。我们把它当成直觉。高级设计师“大概知道”的东西。

我想皮尔斯不会同意。对他来说，溯因推理不是魔法，而是逻辑。溯因推理是可以训练的，可以解释的，而且也值得实践。

如果说演绎法是数学的逻辑，归纳法是科学的逻辑，那么溯因法就是设计的逻辑。

优秀的设计师总是在别人追寻答案之前提出更精妙的问题。这也是为什么他们不仅仅是在建造，而是在观察。

通过 GenAI 进行溯因推理

溯因推理并不仅限于设计。每当我们试图理解一些不明确的事物时，它都会出现。而没有什么比我们如何使用生成式人工智能更切题（或更容易被忽视）了。

在 GenAI 出现之前，深度思考进展缓慢。你必须面对模棱两可的情况，理解零散的信息，并挑战自己的假设。这种方式效率不高，但确实有效。

现在，有了 GenAI，我们就有了一个可以模拟新观点、提出反驳意见并帮助我们比以往更快地测试想法的工具。

但大多数人并非如此使用。他们带着结果而来，而不是带着疑问。他们寻求的是确认，而不是探索。他们把这个工具当成了自动售货机。

提示法运用得当，就能起到溯因推理的作用。你先提出一个假设，然后提出问题，探索可能成立的结论。之后，不断完善假设。

如果使用不当，该工具会反映你的第一个假设。听起来很有说服力，但却无法加深你的理解。

早在语言模型出现之前，皮尔斯就对此发出过警告。当信念被过快接受时，它就会停止进化。当质疑从学习过程中消失时，学习也会随之消失。

提示是练习溯因推理的机会，但只有我们像自己思考一样小心地使用它时，才有意义。

所以呢？

我们并非为真理而设计，而是为可以演变的信念而设计，这意味着我们要适应模糊性，提出更好的问题，并抵制急于获得确定性的冲动。

如果人工智能要帮助我们思考（而不仅仅是产生结果），那么我们必须教会人们如何谨慎地推测并检验假设。我们还必须教会人们如何在不失去控制的情况下改变想法。

查尔斯·皮尔士为我们提供了一个模型，帮助我们在事实不全的情况下进行推理。这是一种灵活且愿意犯错的思维方法。

它仍然有效。

如果你对这些思维习惯是如何养成的感兴趣，我曾专门写过关于弗里德里希·福禄贝尔的文章，他是一位向我们展示如何塑造学习方式的教育家。

我们花了很多时间讨论如何训练人工智能，但却很少思考如何训练我们自己思考。

皮尔斯做到了。

也许现在正是我们倾听的时候了。

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。

评论(0) 浏览(316)

132025-8

人工智能时代用户体验导航实践者日志

杰睿

随着人工智能、自主代理以及语音和环境计算等新兴模式的兴起，设计的界限变得模糊——我不禁要问：用户体验专业的未来会怎样？

今天：用户体验的现状

根据《用户体验趋势 2025》报告，如今的用户体验 (UX) 现状反映出一门日趋成熟的学科，它日益成为数字产品构建、扩展和演进的基础。用户体验已经超越了屏幕和界面——现在，它应该能够指导战略制定、引导系统思维，并塑造团队如何在复杂环境中为用户构建产品。

大规模个性化

如今，个性化已远远超出了保存偏好设置或定制内容的范畴。通过将机器学习模型嵌入设计系统，我们能够根据行为、情境和预测信号，提供实时自适应的体验。

我的个人 Spotify 界面展示了为我挑选和制作的精选专辑和音乐的个性化层。 — 我的个人 Spotify

拿Spotify例如。它的推荐引擎会不断适应用户的收听习惯，不断推送新音乐，并精心策划与用户同步更新的播放列表。这是规模化的个性化——由人工智能驱动，通过用户行为进行精细化，并在几毫秒内完成。

为这些体验进行设计意味着超越静态人物角色，转向动态行为。用户体验以洞察力为依据，以数据为支撑，并由与用户共同演进的系统驱动。

深度合作

各自为政的设计交接时代已经一去不复返了。如今，用户体验蓬勃发展，设计师、项目经理和工程师从一开始就齐心协力——不仅为了交付，更是为了探索发现。《2025年用户体验趋势》报告将此视为用户体验成熟的标志：整合的、解决问题的团队，在用户价值和业务影响方面保持一致。

这一愿景与 Marty Cagan 的“赋能产品团队”理念相契合——跨职能团队负责成果，而不仅仅是交付成果。在他看来，设计不仅仅是一个辅助角色，更是塑造和解决重大产品挑战的核心。

该图展示了产品经理、产品设计师和工程师之间产品三人组的关系图。其中，可行性和价值与产品经理相关，可用性与设计师相关，可行性与工程师相关。 — 图片来源：Maze、Marty Cagan — 产品三重奏图

尽管趋势报告强调了协作的存在，但卡根也鼓励我们思考协作的质量。他提醒说，协作并非共识。被赋能的团队被信任能够做出决策、承担风险，并相互挑战，但要保持一致，而不是千篇一律。

在他的著作《灵感》中，他指出，当团队在清晰、有背景和自主性的情况下运作时，优秀的产品就会诞生。用户体验不仅仅是在餐桌上，它还有助于定义餐桌的用途。

默认道德与包容

影响力越大，责任也就越大——没错，我套用了蜘蛛侠本叔叔的话。如今，道德设计已成为核心期望，这不仅体现在理论上，也体现在实践中。团队被要求解决所有问题，从算法偏见、排他性默认设置，到操纵模式和虚假信息。可访问性、隐私和心理安全不再是次要的考虑因素，而是产品本身的必要条件。

包容性设计应易于理解、实用、公平且符合伦理道德。概念及插画：Trina Moore Pervall — 概念与插图：Trina Moore Pervall

包容性设计超越了合规性。它旨在为边缘案例和以往服务不足的用户进行设计——理解种族、性别、能力、语言和社会经济地位如何与技术交织。优秀的团队优先考虑共同创造，在研究和测试过程中引入多元化的视角，从而从零开始构建更公平的体验。

随着系统自动化和自主性不断提升，伦理风险也随之上升。设计师现在必须考虑意外后果、系统层面的危害以及长期信任。伦理框架正在演变为实际操作实践：清单、红队审查、偏见审计和问责制度。

正如《用户体验趋势 2025》报告中所强调的，合乎道德且包容的设计并非一层简单的附加功能，而是塑造整个产品体验的视角。在当今体验驱动的世界中，它是质量的基准。

插图描绘了一个雕刻的人头，其中大脑中有一个迷宫，抽象的线条象征着人类大脑为了适应人工智能的转变而需要建立的新通路和连接。 — 图片来源：麦肯锡公司——什么是人工智能代理？

正在发生的转变：工具链、裁员和人工智能重置

虽然未来常常感觉只是理论上的，但当今的设计师已经在引领工作方式的巨大转变。

野外的人工智能代理

早期的人工智能代理已然重塑工作流程。人工智能代理是一个能够根据所获得的信息进行推理、规划和自主行动的系统，用于管理工作流程、使用外部工具并适应变化。n8n.io 等工具可帮助团队轻松实现多步骤流程的自动化——从生成内容、汇总研究成果，到集成 API 和触发提醒。这些并非科幻小说中的“助手”。它们是真实存在的，唾手可得，并且正在助力创造性工作。

我们不要把AI代理和自动化混为一谈。我最近看了Futurepedia的Kevin Hutson对AI代理的分析，他提到：“自动化更像是预先定义的固定步骤，而AI代理是一个更具动态性和灵活性、能够推理的系统。”

他在视频中指出，代理商依赖三个关键要素：

大脑（法学硕士） ——大型语言模型，如 ChatGPT、Claude、Gemini 等，负责推理、规划和语言生成。
记忆——这使代理能够记住过去的交互，并利用这些背景做出更好的决策。它可以记住对话中的先前步骤，也可以从存储的记忆源（例如文档或矢量数据库）中提取信息。
工具——代理如何与世界互动——搜索网络或从文档中提取信息、通过发送电子邮件、更新数据库或创建日历事件采取行动，以及呼叫其他代理、触发工作流或融合操作的编排。

如今，设计师们正在尝试使用各种智能代理来执行用户测试、市场调研、标记可访问性问题，或根据书面提示构建原型。问题不再在于智能代理是否会帮助我们，而是我们如何围绕它们进行设计。

无代码和氛围编码的持续兴起

Webflow、Framer以及现在的Figma Make等无代码平台，让设计师能够绕过工程师，更快地将他们的愿景变为现实。结合 AI 辅助创作，“氛围编码”正在兴起——一种将直觉与快速工程相结合，生成布局、内容和流程的实践。

展示 vibe 编码工具、v0、Superwhisper、Cursor、Bolt 和 Lovable 的不同标志。 — Vibe 编码工具包

氛围编码不仅仅是一个新的流行词，更是思维方式的转变。Bolt和Lovable等其他工具是更专业的氛围编码工具，它们允许创作者通过感觉、基调和能量进行创作。设计师可以描述体验的氛围——俏皮、严肃、简约、大胆——并使用 AI 工具将这种意图立即以视觉形式呈现。它快速、直观，并且与许多创意人员的实际想法高度契合。

这不仅仅关乎速度，更关乎权力的转移。设计师现在可以更自由地进行实验，更快地迭代，并掌控更多的生产流程。这种自由改变了我们的思维方式——让我们更加注重表达和品味，设计师必须能够清晰地、有品位地表达设计语言，向机器传达产品需要的感觉、流程和功能。

AI重置和新团队结构

据《福布斯》报道，“人工智能重置”正在引发科技行业的大规模裁员——这不仅仅是为了节省成本，而是为了打造更精简、更“AI原生”的员工队伍。各大企业正在裁员，重新思考团队结构，并更加重视工具链而非员工数量。

图示为会议室中人类和机器人面对面坐着的场景。 — 图片来源：Getty via Forbes 文章

设计团队被要求以更少的资源完成更多的事情。这种转变要求设计师不仅要具备视觉技能，还要精通操作——熟悉自动化、系统思维和快速原型设计。

“我们不再只是设计产品。我们正在设计工作本身的方式。”

明天：UX 的不久的将来

谷歌 I/O 2025 大会上公布的众多创新成果，预示着未来用户体验 (UX) 趋势的到来。新产品的发布标志着人类与跨平台和设备的人工智能系统交互方式的重大变革。设计师必须理解这些信号，并运用它们来打造全人类可用且包容的体验。

人工智能驱动的个性化

想象一下，用户界面能够如此深入地理解你的行为，甚至预测你下一步会做什么。人工智能与日常工具的融合，实现了前所未有的个性化水平。例如，谷歌的Gemini AI助手在Gmail中提供“个性化智能回复”，模仿用户的写作风格，从而提高沟通效率。这种级别的定制通过提供直观易懂的交互方式，提升了用户参与度。

从用户体验的角度来看，这引出了更深层次的问题：个性化在什么时候会变成操纵？我们如何构建基于个人需求的用户体验，同时确保其透明度和用户控制权？

语音、手势和多模式用户体验

传统的基于屏幕的界面正在不断发展。如今，设备拥有更强大的功能，能够处理并响应语音命令、手势和视觉信号。“Gemini Live”的推出就体现了这种转变。通过这项功能，用户可以立即使用摄像头与人工智能进行关于可见物体的对话，从而与周围环境互动。

展示 Gemini Live 的移动交互，使用视频与 AI 进行通信，提供视觉环境和实时响应。 — 图片来源：谷歌

这带来了新的用户体验挑战：我们必须创建对话和手势反馈循环，使其与点击带来的清晰度和可靠性相媲美。我们可以实施哪些策略来确保每种用户交互方式的可访问性？

系统胜过屏幕

跨平台和设备的无缝集成是用户体验未来的关键。谷歌通过其“AI模式”搜索功能，用交互式聊天机器人体验取代了传统的搜索结果格式，使用户能够更直观、更快速地收集信息。

谷歌推出了一款名为“Stitch”的互动编码工具，它允许通过自然语言输入和图像提示进行应用程序开发，从而连接设计和开发流程。我很好奇这些发展将如何影响工程团队。

Google Stitch 界面展示了该工具的一些主要功能，右侧有一个侧边栏，用于快速协作和查看设计概念。 — Stitch的主要功能

这些工具的开发表明，行业正持续转向人工智能增强的设计方法，将用户体验设计从单一的UI扩展到多个界面和情境。随着人工智能成为日常交互的基础层，设计师现在需要专注于系统编排而非构建，因为他们需要创建能够带来切实成果的隐形架构。

谷歌的最新进展揭示了未来的发展方向。这些新产品的发布表明，未来的用户体验设计将超越传统的点击，在用户的整个环境中创造沉浸式体验。

未来 5-10 年的用户体验

未来十年蓬勃发展的设计师将是那些倾向于模糊性、以同理心塑造新兴技术并坚持技术人性化原则的人。

人工智能代理作为体验伙伴

智能代理的兴起意味着用户不仅与界面交互，还会与界面合作。从个人日程安排到购物助理和创意协作者，智能代理将以越来越自主的方式执行任务。

在未来5到10年内，我们可以预见人工智能将从各自孤立的、特定任务的代理转变为完全集成的多代理生态系统。这些系统将允许人工智能代理相互协作——协商日程安排、委派任务，甚至跨平台学习共享的用户行为。想象一下，一个项目管理人工智能与你的个人日历代理、团队研究代理和市场分析代理协同工作——所有这些代理共同努力，让你保持专注和高效。哇！光是想想这场景，我的脑袋就疼。

该图表展示了人工智能代理工作流程，其中显示了人工智能模型、网络和通信渠道之间的自动化层。 — 图片来源：n8n.io | n8n 研究代理工作流程

大规模采用人工智能代理很可能成为职场常态。据Salesforce称，人工智能代理的使用率预计将大幅增长 327%，预计生产率将提升高达 30%。对于专业人士来说，这不仅仅是一项竞争优势，而是一项基本期望。就像我们今天被期望知道如何使用电子邮件或电子表格一样，熟练地管理和与人工智能代理协同工作将成为标准。

对于用户体验设计师来说，这意味着不仅要创建用户流程，还要创建代理框架。我们需要塑造代理之间的沟通方式，如何向用户呈现决策，以及如何在每次交互中维护信任、情境和界限。

这挑战我们设计出关系型而非交易型的体验。我们如何与数字实体建立信任？优秀的“代理人格”是什么样的？我们如何在不让用户感到不知所措的情况下赋予他们控制权？

正如经济学家理查德·鲍德温所说：“人工智能不会抢走你的工作——但懂得如何运用人工智能的人会。” 这正是设计师必须蓬勃发展的地方：打造能够构建、协作和加速工作流程的智能体。人类的优势就在于你。

无界面的未来

屏幕或许会消失，但设计将永存。正如Muhammad Zeeshan Asghar在LinkedIn 的这篇文章中所强调的那样，未来十年的用户体验可能更多地取决于我们的感受和感知，而非我们点击和滚动的内容。从神经接口到环境计算，交互将越来越多地通过空间、感觉和微妙的情境感知线索来促成。

语音、VR、AR 和感官交互等多模式媒介的图示 — 图片来源：Toptal | 多模态现实

这种转变挑战着设计师超越可见表面的思维。我们需要成为无形的编舞者——设计出无需依赖屏幕、按钮或点击即可直观体验的反馈回路。未来的用户体验层可能存在于我们的环境、可穿戴设备或神经信号中——但它仍然需要意图、清晰度和人性化的触觉。

设计师作为道德的协调者

随着自动化逐渐取代人工，设计师的角色将变得越来越具有战略意义。我们不仅要塑造用户旅程，还要塑造其背后的道德架构。我们的工作将决定人工智能的功能、服务对象以及界限的划分。

这是一幅非常详细的数字插图，描绘了一位人类指挥家在未来派玻璃圆顶音乐厅内指挥一支人工智能机器人管弦乐队的场景。 — 作者使用 ChatGPT 制作

正如Design Bootcamp 的这篇文章所概述的那样，人工智能时代的道德用户体验设计不仅仅是为了防止伤害，它还关乎预测意外后果、为极端情况进行设计，并将人类价值观融入可扩展的算法中。仅仅问“我们能做到吗？”已经不够了，更重要的问题是：“我们应该做吗？”

这需要与数据科学家、伦理学家和产品负责人进行更深入的合作。这要求人工智能决策的透明度，以及决策影响对象的公平性。随着人工智能变得越来越自主，设计师必须在每一次体验中维护用户的信任、自主权和尊严。

道德设计不会只是一张幻灯片，而将成为基础。

未来不会由那些仅仅适应人工智能的人所引领，而是由那些带着意图、责任感和人性引导人工智能的人所引领。

OpenAI 收购 io：用户体验的范式转变

OpenAI 以 65 亿美元收购了由前苹果首席设计师 Jony Ive 创立的 AI 硬件初创公司 io ，这是一个里程碑式的举措。此次收购标志着 OpenAI 战略性地进军消费硬件市场，旨在开发超越传统屏幕和界面的 AI 原生设备。

OpenAI 首席执行官 Sam Altman 和苹果前首席设计官 Jony Ive 的肖像。 — 图片来源：OpenAI—Sam & Jony 介绍 io

OpenAI 与艾维的设计公司 LoveFrom 的合作，旨在重新定义用户与科技的互动。通过将先进的人工智能功能与标志性的工业设计相结合，此次合作旨在打造能够感知情境、融入环境并无缝融入用户生活的设备。

这一举措凸显了用户体验的转变，这种转变不仅注重用户友好，更注重以用户为中心——强调同理心、符合伦理道德的设计以及几乎无形的实用性。据《纽约邮报》报道，这笔交易暗示了一种全新的交互设计类型：屏幕可选、多模式，并且由意图而非输入决定。

对于用户体验专业人士来说，这一发展预示着更广泛的转变：我们不仅仅是在设计软件；我们是在设计智能的、具身化的体验。这需要一套融合行为科学、交互设计和系统思维的混合技能，而这在以前是前所未有的。

用户体验 (UX) 正在进入一个新时代——它不再由工具定义，而是由各种张力定义。速度与深度、自动化与意图、力量与同理心之间的张力。设计的下一个前沿并非控制，而是对话。对话关乎人与机器、意图与结果、可能性与原则之间的张力。

我对设计师的建议是：每天学习新知识，在瞬息万变的技术和体验设计领域保持适应力。成为早期采用者，拥抱实验。努力成为“超级IC”（Super IC），这个称号由Meta 产品设计总监Garron Engstrom创造——在代理设计时代，他们能够将商业目标、领导力、新兴技术、产品和以人为本的思维融为一体。

我们所有人面临的问题不仅仅是“我们能设计什么？”而是：

“我们的设计面向什么样的世界？”

参考

UX 趋势 2025 报告 — UX Collective：https://trends.uxdesign.cc/

2024 年顶级 UX 设计趋势——UX 设计学院：https://www.uxdesigninstitute.com/blog/the-top-ux-design-trends-in-2024

Vibe 编码综合指南 — Madhukar Kumar：https://madhukarkumar.medium.com/a-comprehensive-guide-to-vibe-coding-tools-2bd35e2d7b4f

人工智能重置：裁员与工作新现实 — 福布斯： https: //www.forbes.com/sites/jasonsnyder/2025/02/12/ai-reset-layoffs-rto-and-the-new-realities-of-work/

n8n.io — AI 工作流代理的实际应用 (YouTube)：https://www.youtube.com/watch?v =EH5jx5qPabU

Google I/O 2025 大会上宣布的所有内容 —《连线》杂志：https://www.wired.com/story/everything-google-announced-at-io-2025

Google I/O 2025：重大公告 — The Verge：https ://www.theverge.com/news/669408/google-io-2025-biggest-announcements-ai-gemini

UI/UX 和 AI 可访问性的未来 - LinkedIn（Asghar Jafri）：https://www.linkedin.com/pulse/future-uiux-how-ai-accessibility-shape-next-decade-asghar-8epkf/

UX 的 Agentic 时代 — UX Collective：https://uxdesign.cc/the-agentic-era-of-ux-4b58634e410b

在人工智能时代探索用户体验设计的道德格局——设计训练营：https://medium.com/design-bootcamp/navigating-the-ethical-landscape-of-ux-design-in-the-age-of-ai-25c12ad3ed6d

用户体验与人工智能：设计未来 — Qubika：https ://qubika.com/blog/ux-ai-designing-the-future

OpenAI 收购 io —《金融时报》：https://www.ft.com/content/8ac40343-2fd1-4035-9664-47c77017d0d3

OpenAI + Jony Ive 合作 — OpenAI： https: //openai.com/sam-and-jony

OpenAI/io 收购——纽约邮报：https ://nypost.com/2025/05/21/business/ex-apple-exec-jony-ive-joins-openai-in-6-5-billion-deal-for-ai-devices-startup/

Agentic AI 对劳动力的影响 - Salesforce：https://www.salesforce.com/news/stories/agentic-ai-impact-on-workforce-research/

用户体验

代理人工智能

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。

评论(0) 浏览(301)

122025-8

实用仪表盘：2025 年初创企业分步指南

杰睿

我们的团队为各种各样的企业构建了仪表板，并且在此过程中获得了一些关键见解。

如果您正在考虑创建仪表板，这里有一些建议可能会帮助您节省时间、金钱和理智。

如果你想要一个坚固的仪表盘，就要像对待飞机驾驶舱一样认真对待它的设计。在商务中——就像在飞行中一样——你需要清楚地了解你的方向和表现，以免为时已晚而无法及时纠正航向。

真正实用的仪表板始终是协作的成果。它汇聚了目标、数据、人员和逻辑。而它的最佳构建者，正是一支精通所有四要素（分析师、设计师和开发人员）的团队，他们能够理解您的业务语言。

模板和人工智能工具在某些方面确实能提供帮助，但它们无法感知你的背景，也无法洞察所有细微之处。如果使用不当，它们可能会把原本有用的工具变成有害的工具。你可能会追踪错误的事物，做出错误的判断。

因此，如果您的仪表板用于实际业务（而不仅仅是娱乐），请引入能够连接业务目标、数据和视觉语言的专家。

步骤 1. 设定精确目标

确定正确的目标和问题是成功的一半。另一半是选择能够回答这些问题的可视化效果。

首先为您自己、开发人员和设计师组织需求收集流程。使用您喜欢的任何工具（Miro、Trello、FigJam、Google Sheets、Notion、ClickUp、Google Forms）。

创建看板、卡片或列表；每个看板、卡片或列表都应包含您在交接任务前必须回答的问题。这些问题的答案将帮助您避免仪表盘的最大缺陷：杂乱的用户界面、毫无意义的指标以及未使用的数据。

仪表板应该适用于业务，而不仅仅是看起来漂亮。

第 2 步：组建一支负责任的团队

决定谁拥有仪表板、谁构建它以及谁将使用它。

不要试图制作一个“适合所有人”的仪表板。

人人适用的工具通常对任何人都没有帮助。

步骤 3. 定义用例和用户

明确业务任务，并绘制用户画像。问自己三个问题：

仪表板将解决哪些问题？
（例如，跟踪收入增长、聚焦渠道瓶颈、监控客户流失）
谁根据这些数据做决策？
创始人、营销人员还是产品经理？
每个人每天需要看到什么？
想想一个“晨间仪式”——他们必须在30秒内掌握什么？

这不仅仅与角色有关；习惯和便利也很重要。

步骤 4. 确定关键指标

选择3-5 个真正能推动业务发展的指标。按从顶层到底层的顺序排列它们。糟糕的仪表盘会显示所有内容，造成掌控全局的错觉。

指标越少但越有意义。

例子：

SaaS：活跃用户、CAC、LTV、流失率；
营销：点击到引导转化率、客户获取成本、ROMI；
财务：营业利润、平均订单价值、预测现金流。

步骤 5. 准备数据

没有好的数据，就没有好的仪表盘。问：

数据存储在哪里？
它的完整性和时效性如何？
它将如何刷新？
数据质量归谁所有？

无需手动输入。自动化让仪表板保持活跃。

步骤 6. 绘制粗略布局

任何东西都可以——从餐巾纸上的草图到 Figma 的线框图。仔细思考：

哪些块属于“顶部”？
视觉焦点在哪里？
什么应该首先跳出来？

丑陋也没关系——重点是测试结构和想法。

步骤 7. 获取用户反馈

把原型展示给真实用户。不要问：“它漂亮吗？” 而是问：

是不是一眼就看明白了？
它是否有足够的信息来做出决策？
感觉缺少了什么或者多了什么？

在草稿期间听到“我不明白”比在发布后听到要好。

步骤 8：为设计师撰写一份详尽的简介

设计师不会读心术。如果你不说重点，他们就会替你做决定。包括：

哪些指标适用于何处以及如何适用？
阻止优先级（最重要的）；
移动与大屏幕行为；
颜色强调、警报、数字格式。

第 9 步：找到合适的建筑商

我们很想说“雇佣我们”，但这是你的事业和愿景。在 Dribbble、Behance 甚至 LinkedIn 上查看作品集——人才无处不在。

评判前景：

商业理解

漂亮的图表并不比了解它们存在的原因更重要。

界面体验

仪表板不是登录页面；可用性是第一位的。

清晰的沟通

如果他们的流程现在听起来很模糊，那么以后就不会变得清晰。

简化能力

真正的技巧是让复杂变得简单。

克制感

作品集可以帮助您评估设计师的风格、潮流感、是否适合您的业务类型以及整体技能和独创性。

最重要的是，选择一支能够深入实现你的目标的团队。

这就是真正的“哇”的由来。

第十步：启动。观察。改进。

仪表盘是一个动态系统，而非一次性的落地页。发布后，请关注：

人们多久打开一次它？
会议中是否体现了指标；
什么让用户犯了错误，或者他们接下来会请求什么。

没有哪个仪表板是第一天就完美的。不断迭代——改进终将带来回报。

结论

优秀的仪表盘不仅仅是一堆图表。它能够塑造团队的思维。它能够引导注意力、培养习惯、加快决策速度，并节省时间，而不是浪费时间。

当出现以下情况时，您的仪表板将变得无价：

其目的非常明确；
每个角色都有自己的衡量标准；
噪音最小，意义最大；
您可以快速深入研究；
该团队确实使用了它。

如果这就是您想要的仪表板类型，我们希望这可以帮助您入门。

另外，以下是创建业务仪表板时可能有用的AI 工具列表：

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。

评论(0) 浏览(415)

062025-8

一、问题本质：留存不是靠激励，而是靠“心理锁定”

在互联网早期，用户活跃靠红包、优惠券、签到送礼，但代价高、复购差。

随着《Hooked》模型的广泛传播，越来越多设计师开始意识到：

真正能形成行为惯性的，不是奖励刺激，而是用户对系统产生的“心理锁定”。

而这类锁定，很大程度来自一种你意识不到的过程：微投入（Micro-Investment）。

二、什么是“微投入”？为什么它会让人留在系统中？

在《Hooked》模型中，Investment 阶段强调：“用户的投入行为，将增强下一次触发的可能性。” 但大多数产品不会等用户“全情投入”才给反馈，而是在设计上预埋“低认知负荷”的轻度操作行为，让用户在不设防的状态下完成“自我绑定”。

我们称之为——微投入（Micro-Investment）：

用户在交互中不经意完成的、低成本但可沉淀的行为，这些行为并非直接追求结果，却增强了用户的参与路径依赖。

三、三种常见的“微投入”类型及其设计原理

偏好标记型微投入：让用户教系统“理解他是谁”

关键词：点赞、收藏、标签、停留行为、点击行为

特征：行为轻量、无强指令、可反映偏好路径

设计原理：

每一次点赞/收藏/点开标签，都会被系统记录为“兴趣信号”
用户通过无压力行为“训练”推荐系统，逐步获得“个性体验”
这种行为沉淀具有高度的“路径依赖性”——用得越久越贴近需求，离开就要“重新训练”

典型案例：

产品	微投入行为	成果路径
B站	点赞/一键三连	推荐更精准、自动续播算法更懂你
抖音	停留时长、划走节奏	算法映射个性观看偏好
小红书	收藏 + “不感兴趣”	精细过滤内容精度提升

核心设计启发：微操作即标签，行为即数据，体验即反馈。

情感绑定型微投入：让用户在“自己动手”中产生归属

关键词：头像上传、用户名设置、初始问卷、兴趣地图

特征：界面嵌入、节奏自然、默认选项辅助完成

设计原理：

用户完成设定动作的那一刻，心理上将“产品人格化”并“自我投射”
系统反馈会主动强调“你是谁” → 形成情绪绑定
即便用户未进行深度内容贡献，也已在潜意识建立情感链接

典型案例：

产品	微投入行为	情绪作用
Notion	设置页面图标 & 封面	强化“我空间”意识
飞书	头像 + 团队名 + 标语	成为“组织”的一部分
Keep	初始问卷：健身目标	引导目标绑定 + 路线个性化

核心设计启发：轻度设定不只是装饰，是“身份绑定”。

路径依赖型微投入：用“行为历史”锁定未来决策

关键词：历史记录、任务进度、半完成状态、保存草稿

特征：行为不可逆、进度显性化、回退成本被感知

设计原理：

用户一旦开启某个行为路径（如写作/学习/课程/流程），系统记录中断点
下次使用直接跳转该路径，引导其“继续完成”
若用户中断太久，系统主动提醒：“你已经完成 XX%，还差最后一步！”

典型案例：

产品	微投入行为	成果设计
网易云课堂	完成课程 1/3	下次默认续播，提示“进度完成 XX%”
知乎写作	自动保存草稿	回访提醒“上次未发布内容”
Notion	自动打开上次页面	激活“未完成任务”的心理预期

核心设计启发：进度本身即激励，历史即未来路径线索。

四、设计师如何判断微投入设计是否生效？

你可以使用以下评估模型：

评估维度	关键问题	指标或验证方式
参与门槛	用户是否在无指导下完成微投入？	操作完成率 & 平均时间
影响感知	用户是否察觉到行为带来的变化？	推荐相关性提升、回访点击率
路径闭环	微投入是否影响下一次体验路径？	上次行为 → 本次起点的行为延续率

五、总结：让用户“无意识绑定”的，是产品长期成功的关键

微投入设计不是通过控制用户来获得粘性，而是：

通过“设计可沉淀的轻行为”，让用户逐渐塑造出对产品的依赖结构，形成行为惯性和自我投射。

关键回顾：

偏好型微投入 = 建立个性化体验
情感型微投入 = 绑定身份与情绪
路径型微投入 = 强化完成预期

对设计师来说，思考微投入的意义在于：

不只是完成任务

而是让用户“参与构建自己的体验”。

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。

评论(0) 浏览(207)

052025-8

人工智能 | 人工智能是否扼杀了用户体验中的系统思维能力？

杰睿

由 kikehey.com 设计 — 我们对人工智能所能带来的所有好处感到眼花缭乱，由于这种技术“魅力”，我看到了许多好处，也看到了一些不那么积极的好处。

毫无疑问，人工智能将永远伴随我们。这项新技术的主要优势之一是，只需一个简单的请求，几分钟内就能产生结果。几年前需要几个月才能开发完成的事情，现在只需几秒钟或几分钟就能完成。一个新时代已经到来，我们对技术的理解已经转向更复杂、更快速、更“智能”的商业模式。

人工智能也已进入产品设计领域，使设计师能够在几分钟内创建用户界面。面对这种全新的创作体验，许多设计师（包括我自己）不禁思考，这些新工具是否会很快取代设计工作，或者我们是否只需要掌握一些功能，就能在快速发展的科技市场中提升效率、增强吸引力。

科技公司对人工智能的炒作

人工智能对科技行业来说并非新鲜事物。然而，自 OpenAI 出现以来，许多公司已经意识到，通过缩短任务与结果之间的时间差距，他们能够为用户创造新的潜在价值。流程自动化、数据重新解读以及新的支持沟通渠道，都是公司认为对客户极具价值的新优势。

“我们以AI为先”或“AI赋能”似乎成了行业新的质量标签。从某种程度上来说，这完全合情合理，因为我们身处竞争激烈的环境中，需要始终站在技术和全球对话的前沿。另一方面，这种炒作也可能被一些人视为一种时髦的营销策略，企业利用这种策略来参与对话，却没有妥善管理技术，最终暴露出产品缺陷并欺骗用户（例如Builder.io的案例）。

现在，采用和创建用于多任务处理的人工智能代理可能意味着支付多个人来完成同一项任务，或者节省可以投资于未来发展或价值主张的资金。

“我们需要用技术来解决这个问题，而不是用人”也是一个新的商业口号，表明公司已经开始将产品价值转移到人工智能支持上，而不是人身上，到目前为止，这已经引发了裁员、部门重新划分和新的职位描述创建，用较少的人力资源创造了新的公司活力。

产品设计界的人工智能炒作

正如我之前提到的，一些人工智能公司已经彻底改变了科技行业和我们的生活。产品设计也深受其影响，像 Lovable、Google Stitch 和 Figma 网站等新兴公司和功能已经改变了设计思维，它们加速了实时界面从简单输入到具体化的实现，几乎消除了像素、图像到代码源之间的转换。

人工智能对设计师有何承诺？

作为一名设计师，我可以说，通过另一个领域，特别是工程团队来实现想法一直都很有挑战性。这种摩擦并非总是存在，但我们必须承认，由于多种原因，这种关系并不总是最有效的，包括路线图不切实际、项目管理不善以及双方估算不充分。那么，如果你有一个新的工具，可以消除“中间人，或者更确切地说，中间流程”会发生什么呢？

从设计到生产，这片新的“应许之地”如今正驱动着设计师开启全新的产品构建体验，重新定义所有现有的工作方式。即时基准测试、数据比对、功能参考、代码验证等等，如今已成为产品设计更坚实的基石。

这个几乎成为现实的承诺对设计师来说是一件好事吗？当然是的，因为正如我提到的，它使我们能够缩小编码差距并优化研究时间，使我们能够尽快创建想法或测试产品假设，而无需任何代码。

但是所有这些好处怎么会对产品设计构成威胁呢？

产品设计师永远存在的问题。

至少在我看来，设计师们有一个根深蒂固的习惯，那就是不把产品和用户的挑战作为一个整体来考虑。相反，他们倾向于把所有东西都简化为一个结果：用户界面，它涵盖了所有可能影响产品和用户体验的元素。

学习从更广阔的视角理解问题是年轻或中级设计师的一个潜在问题，在我看来，这种缺陷部分源于“快速交付”的理念，这种理念源于初创公司对敏捷性概念的误解，他们为不完整的生产制造有缺陷的产品找借口，仅仅因为他们需要不择手段地将产品推向市场。我并不是说我们需要停止生产循环，但拥有坚实的设计基础将确保从一开始就拥有最佳的用户体验。这种缺失的技能就是系统思维。

这是什么技能？
系统思维是“一种通过考察复杂问题各个部分在更大系统中如何相互关联来理解复杂问题的整体方法。它强调理解各个组成部分之间的关系和相互作用，而不是孤立地关注单个部分。”这个定义在产品设计中有意义吗？我猜你认为有意义。然而，出于某种原因，设计师常常避免从自上而下的视角来思考解决方案，而是更倾向于专注于单个元素进行开发，从而忽略了问题的全局。

为什么这项技能与产品设计息息相关？
想象一下，你被要求重新设计整个产品，从零开始打造一个新设计，或者引入新功能来提升销量。解决这些挑战有两种方法：你可以立即着手解决方案，然后观察产品和用户的反应，并希望避免重新构建初始解决方案或过度设计（所谓的敏捷方法）；或者选择第二种选择：构建一个你完全理解（或至少有所了解）这个新解决方案将如何影响更广泛系统的解决方案。这样，一旦你推出产品或改进，你就已经考虑了大多数可能的场景和行为，从而预测到错误、摩擦或极端情况。在短期或中期内，哪种选择能让你创造出更好的产品？

当你能够从全局视角审视问题，将所有可能的环节都集中到一起时，你的决策将比仅仅关注问题的某个部分更有效。此外，随着你获得更广阔的视角，能够抓住别人可能忽略的机会，发现潜在的改进机会，你也能增强对战略决策的自主性。

为什么人工智能最终可能会消除这种能力？

拥有“高质量”的界面和“简单提示”的即时性，对我们来说无疑是天籁之音；想象一下，这将开启多么无限的可能性。时间对公司至关重要；这一点毋庸置疑，但在设计中，时间也可能是一把双刃剑。快速并不总是意味着高质量，当快速生产的承诺成为设计和产品质量的唯一标准时，复杂的设计思维就变得过时了。

正如所有新趋势和技术进步一样，我们全心全意地学习和探索与人工智能相关的一切，并对其所能带来的所有好处感到眼花缭乱。由于这种技术“魅力”，我看到了许多好处，例如上述这些，也有一些不那么积极的好处，包括商业洞察力、深度流程分析以及系统思维等复杂的产品考量日益匮乏。

如今，各大公司和全球科技界都在庆祝，一个不超过四人的团队，如何在短短几天内就能开发出一款数字产品和一家初创公司。对我来说，这只是一个更复杂等式的一部分，必须用批判和更深入的眼光来看待。

在产品设计中，我观察到一种模式，表明人工智能影响了我们对用户和产品挑战的理解。所有设计对话要么集中在工具上，要么集中在如何提示，要么集中在如何创建代理上，这本身并没有什么不好，但似乎没有人会停下来，先了解一下需要设计的东西的所有信息。

随着这场技术革命的到来，我认为，在陷入全球性的快速盲目状态之前，对这项技术如何使我们受益进行批判性思考至关重要，因为这种盲目性无疑会对我们产生长期影响。

如今，以创纪录速度开发的产品和服务已成为新一代技术。然而，其中一些产品和服务缺乏深度的生态系统连接、清晰的目标或复杂的可扩展性（系统思维）。因此，在我看来，如果人工智能没有得到良好的引导，它就只能沦为速度的空想。

中间立场

那么，如果人工智能就是速度，我们该如何有效地利用它而不遗漏重要的事情呢？答案是我们设计团队迄今为止摸索出的一套简单的工作流程。

理解/加速/建设

这种简单的结构让我们理解了所有人工智能都可以成为我们的参与者，而不是反过来。这是一个三步工作流程，它为人工智能提供了一个可以最大限度发挥其潜力的空间，并使我们能够从坚实的系统思维基础开始构建产品。

理解

它指的是一个深度战略阶段，在采取行动之前，所有团队成员都会了解参与规则、背景、挑战或依赖关系，以确保清晰的方案。在这个阶段，复杂思维至关重要，识别项目的所有组成部分（系统思维）将使我们更加高效。

加速

在这里，人工智能是主角；产品角色的界限模糊了：设计师、产品经理和开发人员放下各自特定的角色任务，齐心协力地协作。工具、集成、提示和软件可以更快地产生结果。因此，产品答案预示着一条可遵循的路径。与我们过去使用的工作流程相比，这个阶段优化了时间差距。

在这个阶段，按角色划分的专门任务消失了，知识的融合模糊了传统角色之间的界限；基本上，我们都可以做所有事情。

这里有一个简短的免责声明：此阶段的结果不是最终交付成果，而是一个可供讨论的开始想法；这样，当下一阶段到来时，我们会保持更详细、更安全的开发标准。

建筑

借助人工智能的优势，我们完成了快速的信息搜索，现在是时候像我们习惯做的那样，基于可靠的信息构建产品了。

我今天的学习（仍在进行中）

首先，人工智能不是一种可交付成果；它是一个任务加速器，话虽如此，我们明白它不是产品构建的核心，而是流程中的一个步骤。

我们的工作、知识和愿景非常宝贵，因此我们利用人工智能更快地取得成果，但我们的标准仍然指导我们的决策。

我们不会被各种类型的工具和方法所迷惑；我们正在尝试并决定哪种方法更适合我们的需求；我们将其视为一项新技术，而不仅仅是一种新潮的潮流。

快速并不总是意味着质量，而且它不应该是唯一的产品承诺。

越简单越好。我们的工作动态应该简洁明了，没有不必要的步骤。

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。

评论(0) 浏览(190)

042025-8

行业趋势 | 2025 年如何利用生成式人工智能进行研究

杰睿

用户体验 (UX) 领域正在经历一场令人眼花缭乱的人工智能 (genAI) 接管。

简而言之：今年是人工智能 (AI) 接管用户体验 (UX) 的一年。在本文中，我将解释其中的原因，并更新我使用人工智能进行用户体验研究的方法，重点介绍 ChatGPT 的深度研究功能如何显著加速定性研究分析。

（注意：我将使用术语“AI”、“genAI”和“model”作为“生成性 AI”的简写，主要指大型语言模型 (LLM)，即创建文本的特定类型的生成性 AI。）

十个月前，我在 Medium 上发表了一篇关于AI 用户体验的原创文章，之后它迅速蹿红，阅读量达数千次，远超本博客迄今为止的任何其他文章。但在生成式人工智能领域，十个月就像十年狗年；日新月异的变化速度已经让那篇文章的部分内容显得过时。

因此，当我的母校伦敦大学城市圣乔治学院人机交互设计系联系我，邀请我在他们的年度会议上发言时，我抓住了这个机会，重新开始我对这个学科的兴趣，尤其是当我的老教授透露他们联系我的部分原因是我的 Medium 文章很受欢迎时。

这是我对 UX 的 AI 的第二次看法，已更新至 2025 年，并涵盖了我在 HCID 2025 会议上的演讲（即使是我自己这么说，这次演讲也进行得相当顺利）。

这已经发生了。2025年，人工智能将接管用户体验

一张幻灯片上写着“人工智能会抢走你的工作吗？”，还有一张图片写着“如果你不能打败他们，那就加入他们”，旁边还有一些关于人工智能在用户体验中使用的统计数据 — 人工智能会抢走你的工作吗？这是我关于 HCID 2025 演讲的幻灯片。（图片来源：我的）

2024年初，当我开始在工作中使用人工智能时，我感觉自己就像一位勇敢的探险家，踏入了陌生的领域。诚然，人工智能已经存在了一段时间，我们大多数人也只是在家里用它来制作储藏室菜谱或视觉效果图。但我们中很少有人有机会让人工智能真正地重塑我们的工作，这主要是因为“人工智能会以你给它的任何东西为食”的数据隐私问题，以及由此产生的对人工智能用于工作的严格禁令。

一张幻灯片上写着“数据隐私的胡扯。如果数据是石油，那么人工智能就是……石油怪兽”，标题是“敏感代码泄露后，三星禁止员工使用 ChatGPT”。 — 数据隐私的胡扯。这是我在 HCID 2025 演讲中的一张幻灯片。（图片来源：我的）

但2024年是私有AI的黎明。最终，像OpenAI和Anthropic这样的提供商“封锁”了他们的法学硕士课程，以确保其数据不会泄露，从而为像我这样的机构打开了以订阅方式使用私有AI的大门。

2025年即将到来，尼尔森诺曼集团的一项研究告诉我，用户体验专业人士是有史以来最重度的人工智能用户之一。这项研究得出的一项关键统计数据显示，如今用户体验专业人士使用法学硕士（LLM）的比例是其他样本职业的750倍之多！

为什么用户体验师如此热爱人工智能？

你有一把锤子，但你看到的并非都是钉子。从学习作业作弊（说实话，正在读这篇文章的HCID/UX学生，如果你尝试过用AI生成用户访谈记录——请停止吧），到一位不幸的音乐爱好者向Nick Cave发送了一首“模仿Nick Cave风格”的ChatGPT歌曲，激怒了他，在很多情况下，使用AI都不是好主意。

一张幻灯片上写着“Gen AI 在很多事情上并不出色……”，以及音乐家 Nick Cave 的一句话“ChatGPT 的悲哀之处在于它注定要模仿，永远无法拥有真实的人类体验”。 — 正如 Nick Cave 所说，GenAI 在很多方面并不出色。这是我在 HCID 2025 演讲中的一张幻灯片。（图片来源：我的）

媒体喜欢夸大此类故事，随着时间的推移，这在时代精神中形成了一种层次化的“感觉”，即无论人工智能应用于何处，它都是无用或有害的。

我不同意。

幻灯片上写着：“……但它对用户体验研究非常有用。锤子，遇到钉子！” — 用户体验 (UX) 和 genAI 是绝配。这是我在 HCID 2025 演讲中的一张幻灯片。（图片来源：我的）

因为我们可以用这把锤子敲出一些钉子。GenAI 的局限性和功能与某些类型的用户体验研究的局限性和要求非常匹配。具体来说：

GenAI 擅长总结文本数据→UX 研究创建了大量文本数据。
在 GenAI 中，幻觉是必然的 → 传统的用户体验研究通常可以应对一定程度的“模糊性”。（但如果你的工作涉及高度精确的领域，禁止使用人工智能是明智之举。）
GenAI 本质上只能创造衍生输出 → UX 开发者很少能创造出完全原创的输出。相反，我们的优势在于对已有内容的改编。

女士们、先生们、朋友们，这就是用户体验设计师们热爱人工智能的原因。它与我们完美契合，并且是真正有用的工具。除了数据隐私限制（现已基本解决）之外，业界对使用人工智能没有任何争议*。只要你的研究报告写得好，并且提供了所需的数据，没有人会在意它是否由人工智能生成。

*然而，关于人工智能的伦理问题绝对应该引发更多争议。我个人对用户体验行业对此的关注如此之少感到困惑，并将继续通过强调人工智能技术过去和现在的伦理缺陷来引发争议。

它的本质

无论如何，继续介绍菜谱。

我给你举一个真实案例，关于一个用户体验研究，我最近在一个项目中用到了人工智能来分析用户数据。所有身份信息都是匿名的。

我正在使用 ChatGPT Enterprise——一个私密的“隔离”版本，配备了最新的深度研究功能。这是OpenAI 于 2025 年 2 月推出的一款专业 AI“代理” ，号称“非常适合从事高强度知识工作的人”。

深度研究与传统 genAI 模型的比较表 — 深度研究与传统模型的比较。这是我在 HCID 2025 演讲中的幻灯片。（图片来源：我的）

如果您无法访问 Enterprise，您可以通过 20 美元的 ChatGPT Plus 订阅获得 Deep Research（不过，据我所知，您的数据不会被“隔离”）。

我的 2025 方法与之前的方法相同，分为三个步骤：

显示三个步骤的图像：喂养 + 指导 + 收获 — 方法。这是我在 HCID 2025 演讲中的一张幻灯片。（图片来源：我的）

Feed：输入内容。现在，您可以输入的内容种类大大扩展：海量数据集、JSON 文件、屏幕截图、网页链接、PDF 文件，等等。ChatGPT Enterprise 尤其擅长读取 PNG 格式的图片，并且可以轻松理解屏幕截图中的文本。
指示：告诉它该做什么。这仍然遵循我在原文中概述的“提示牌组”规则。
收获：从中获取所需的信息并根据需要使用，例如，为组织的高层领导创建报告。

步骤 1：饲料

Deep Research 的优点在于它可以处理大量数据，并且比大多数传统模型（如 4o、Claude 3.7 Sonnet 等）具有更高的准确度。正如我所发现的，虽然你可以向其输入诸如访谈记录和原型截图之类的文档，但你也可以告诉它锚定到一个特定的文档，并让该文档决定模型思考和分析的方向。

在我的案例研究中，该文档是讨论指南/研究计划。

幻灯片上写着：“Feed：确保您有一个完美的讨论指南/研究计划”，并附有简短的说明和示例讨论指南的图片 — 讨论指南/研究计划的重要性。这是我在HCID 2025演讲中的一张幻灯片。（图片来源：我的）

讨论指南通常由用户体验师与产品经理合作创建，通常包含以下内容：

研究背景：研究项目是什么？它的目的是什么？为什么要进行这项研究？
研究目标和假设：您想通过这项研究证明或反驳什么？
关于访谈参与者/用户的信息：他们是谁？招募标准是什么？如果他们（就像我的情况一样）是某个特定狭窄领域的专业人士，那么具体是什么？
访谈结构，包括访谈主题和问题类型，都与研究目标和假设相关。

第 2 步：指导

那么，你把访谈记录、截图和讨论指南输入到了模型中。你该如何告诉模型如何处理这些内容呢？

不再冗长的聊天

深度研究与传统模型的一个关键区别在于，深度研究消除了大量的反复沟通。您只需进行一次操作，在回答几个澄清问题后，模型就会开始执行其“任务”，根据您的指示生成一份高度详细的报告。您只有一次提示机会，因此最好确保您的提示符合要求。

深度研究长提示示例 — 我的演讲题目全文。这是我在 HCID 2025 演讲中的一张幻灯片。（图片来源：我的）

我的提示方法与我在2024年的文章中基本相同：使用便捷的提示卡组来构建提示。我不会在这里再次介绍所有提示技巧，但您可以参考那篇文章来了解更多详情。

提示牌：提示“卡片”的图像：时间、“根”、提要、设置场景、角色、外卡、少量镜头、思路链、模板、请求输入、重新引导和捕捉错误 — 提示卡。这是我在 HCID 2025 演讲中的一张幻灯片。（图片来源：我的）

然而，一些提示“卡片”与其他卡片的权重发生了变化。以下是目前为止最有用的“卡片”：

提示卡：设置场景

解释研究目的、针对哪家公司和产品、用户是谁、模型将收到哪些文档；如果有的话，将其锚定到您的关键文档上（在本例中为讨论指南）。

提示卡：角色

描述你希望模型扮演的角色，例如“在一家科技公司（X 公司）工作的世界领先的用户体验研究员，为英国的一家数字信息和分析产品公司工作[职业]。 ”

使用“设置场景”和“角色”卡的示例部分提示 — 提示卡的实际应用。这是我在 HCID 2025 演讲中的一张幻灯片。（图片来源：我的）

提示卡：模板

告诉AI如何构建其输出仍然是关键技术之一。您可以告诉它遵循讨论指南的结构（如果相关），或者给它一个包含所有标题的示例模板。

使用“模板”提示卡的示例部分提示 — 提示卡的实际应用。这是我在 HCID 2025 演讲中的一张幻灯片。（图片来源：我的）

提示卡：思维链

这项极其实用的技术如今已被人工智能工程师广泛应用。简单来说，如果你让人工智能解释它为什么得出某个结论，它得出的结论的准确性就会提高。

提示卡：Wild Card（新）

一位同事想出了这个主意。在我公司的许多用户研究中，包括这个例子，我们已经预设了想要从用户那里发现什么的框架。但是，如果用户说了一些我们意想不到的话怎么办？如果你不要求模型发现意想不到的事情，它就找不到。你应该自己寻找这些异常，但为什么不也让模型思考一下呢？

使用“思路链”和“外卡”提示卡的示例部分提示 — 提示卡的实际应用。这是我在 HCID 2025 演讲中的一张幻灯片。（图片来源：我的）

**这让我想起了OpenAI 发布的一段搞笑又令人毛骨悚然的视频：两个视觉/语音 AI 助手正在与一位人类主持人交谈，而另一个人则走到他身后，露出兔耳朵。两位助手都无视兔耳朵，直到明确提示。

一名男子坐在桌边与人工智能助手交谈，身后一名女子露出“兔耳朵” — OpenAI 的“兔耳朵”视频。（图片来源：OpenAI）

步骤3：收获

输入你的题目和文档后，选择“深度研究”并按下“提交”按钮，然后给自己倒杯咖啡。根据“任务”的复杂程度，AI 生成所需的报告可能需要长达一小时。在我的案例研究中，这大约需要 30 分钟。

深度研究生成报告的屏幕截图，顶部有一张咖啡杯的图片，标题为“~30 分钟” — 等待 Deep Research 生成报告时，可以喝杯咖啡。这是我关于 HCID 2025 演讲的幻灯片。（图片来源：我的）

太棒了，你拿到了报告，足足50页！以下是整个过程中最无聊的部分：

!检查!每一个!字!!!

虽然深度研究的准确率高于大多数模型，但远未达到 100%，而且它产生的幻觉看起来尤其令人信服。所以，不要相信它。人工智能至今仍是一个热切但缺乏经验的助手，其工作必须接受审核。只有你，作为“知情人”，才拥有专业知识和解读能力，能够理解用户访谈中的真实情况，否决人工智能的错误结论，并发现任何“兔子耳朵”，即使你设置了“万能牌”，人工智能也可能遗漏了。

深度研究的一个巧妙功能是右侧面板，你可以在那里看到它是如何一步步得出结论的。最奇怪的幻觉可能会在这里出现，而且很搞笑。我注意到，这类幻觉很少出现在最终报告中，因为深度研究功能中已经内置了“思维链”流程。

一张截图显示了 Deep Research 创造了一个有趣的幻觉：“Se Vodnik 收集有关塔斯马尼亚鲑鱼养殖对环境影响的信息，讨论净影响、碳封存信用和透明度数据收集。” — 奇怪的幻觉：“塔斯马尼亚的鲑鱼养殖”。这是我在HCID 2025大会上的演讲幻灯片。（图片来源：我的）

重要提示：由于深度研究每次只允许执行一项任务，而不是来回对话，因此您无法在与AI对话时进行更正。请使用传统方法，将报告下载到Word中。

修改完成后，您可以将 Word 报告上传回 ChatGPT，让它将 50 页的文档精简成简洁的 PowerPoint 风格演示文稿。这是最简单的步骤：只需使用“模板”提示技术，并结合传统的 AI 模型（例如 4o、o3 等）即可。

关于用户引言的说明

根据我的经验，传统的人工智能模型在从访谈记录中提取用户原话方面表现糟糕，它们只会选择进行解释。相信我，我什么方法都试过了！相比之下，Deep Research 的引文直接引用了原文，因此用户引文更容易进行交叉核对。我仍然建议手动检查，尤其是那些最终报告会用到的内容。

深度用户体验研究：内幕

幻灯片上写着：“当然，这与工具有关。但主要还是关于谁使用它、如何使用以及用于什么目的。” — 关键在于谁挥舞着锤子。这是我在HCID 2025演讲中的一张幻灯片。（图片来源：我的）

因此，深度研究花了大约 30 分钟来编写分析报告。即使考虑到人工参与快速撰写、文档准备、检查和修改的时间，这也比手动完成整个分析过程要快——而且绝对比我之前依赖传统 AI 模型的方法要快。

需要注意的是：你可能很容易将分析工作完全外包给深度研究，而跳过检查步骤。这将是一个大错误。最终，如果深度研究出错，承担风险的是你，而不是人工智能。即使模型越来越先进，保持警惕并在出错的地方进行干预仍然至关重要。

忘记我告诉你的一切

在我的HCID会议演讲中，这是我最喜欢的幻灯片。告诉听众一堆有用、可操作的信息，然后让他们把它们扔进垃圾桶，这其中有一种令人愉悦的反常之处。

但这就是人工智能领域的现实。事物每周都在变化，跟上潮流的唯一方法就是与时俱进。例如，我的演讲中还没有提到代理人工智能 (Agentic AI)，但在撰写本文时，它是 2025 年规模最大（也是最模糊的概念！）的人工智能盛事。如果我在为 UX v3.0 撰写人工智能文章时，很可能会谈论代理人工智能。

或许不是！谁知道呢！

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。

评论(0) 浏览(298)

首页

总结

如何优化交互设计，提高用户体验？——实用工作流程与技巧

一、优化交互设计的核心思路

二、交互设计优化的工作流程

1. 发现问题

2. 提出假设

3. 设计改进

4. 测试验证

5. 持续迭代

三、实用小技巧

1. GitLab 的睡衣

判决

2. IBM 的 Carbon

判决

3. Twilio 的 Paste

判决

概述

工作原理

为什么它如此强大

步骤 1：Lovable → GitHub

步骤 2：GitHub → Cursor

步骤 3：光标→GitHub

简介

阶段变化

提交 + 同步

步骤 4：GitHub → Lovable

附录

研究怀疑的科学家

绑架

扣除

就职

信念的用户体验

运用绑架法进行设计

通过 GenAI 进行溯因推理

所以呢？

今天：用户体验的现状

大规模个性化

深度合作

默认道德与包容

正在发生的转变：工具链、裁员和人工智能重置

野外的人工智能代理

无代码和氛围编码的持续兴起

AI重置和新团队结构

明天：UX 的不久的将来

人工智能驱动的个性化

语音、手势和多模式用户体验

系统胜过屏幕

未来 5-10 年的用户体验

人工智能代理作为体验伙伴

无界面的未来

设计师作为道德的协调者

OpenAI 收购 io：用户体验的范式转变

参考

步骤 1. 设定精确目标

第 2 步：组建一支负责任的团队

步骤 3. 定义用例和用户

步骤 4. 确定关键指标

步骤 5. 准备数据

步骤 6. 绘制粗略布局

步骤 7. 获取用户反馈

步骤 8：为设计师撰写一份详尽的简介

第 9 步：找到合适的建筑商

第十步：启动。观察。改进。

结论

一、问题本质：留存不是靠激励，而是靠“心理锁定”

二、什么是“微投入”？为什么它会让人留在系统中？

三、三种常见的“微投入”类型及其设计原理

偏好标记型微投入：让用户教系统“理解他是谁”

设计原理：

典型案例：

情感绑定型微投入：让用户在“自己动手”中产生归属

设计原理：

典型案例：

路径依赖型微投入：用“行为历史”锁定未来决策

设计原理：

典型案例：

四、设计师如何判断微投入设计是否生效？

五、总结：让用户“无意识绑定”的，是产品长期成功的关键

科技公司对人工智能的炒作