作為 Pennylane 的高級設計運營專家，我以為我們已經破解了設計文檔的密碼。我們基于 Notion 的系統全面、條理清晰，理論上堪稱完美。
在我的文章《設計文檔：一致性和協作性 UI 開發的關鍵支柱》中，我倡導基于 Notion 的方法作為設計系統文檔的黃金標準。回顧過去，那篇文章展現了我對文檔的熱情，但它也揭示了我對文檔實際使用人員應該是什么樣子的盲點。
在我原本以為只是例行檢查設計和工程團隊時，我突然意識到了這一點。結果，我聽到的不是成功的故事，而是令人不安的事實：我們精心制作的文檔，對于最需要它的人來說，基本上是隱形的。
一位前端工程師承認： “我通常只是嘗試自己解決問題，這比在多個平臺上搜索要快得多。”
“當我找到正確的文檔時，我可能已經構建了該組件的三個版本，”另一位用戶分享道。
這并不是我們團隊能力的失敗，而是我們的方法未能適應人們的實際工作方式。
之前，先簡單介紹一下背景。設計師為空狀態組件編寫的文檔是這樣的：
工程師需要的技術文檔是什么樣的：
我沒有為現有的文檔辯護，而是決定傾聽。幾周來，我對設計和工程領域的20名團隊成員進行了深入訪談。訪談結果清晰地展現了以下幾個摩擦點：
來自設計師：
來自工程師：
根本原因是，我們創建了一個滿足組織需求但忽略了用戶自然工作流程的文檔系統。
解決方案不是編寫更好的文檔，而是從根本上重新思考文檔是什么。
我們不需要要求團隊適應我們的系統，如果我們的系統適應他們呢？
愿景：將文檔從靜態參考轉變為決策制定過程中的動態、視覺伴侶。
干凈、簡約、專注于基本要素、組件名稱、實時代碼的直接鏈接和完成狀態。
以最純凈的形式顯示的組件，其變體被清晰地標記，并由復雜分子的分離資產層支持。
工藝技巧、行為文檔和使用指南以視覺方式與交互式示例一起呈現。
按照這里顯示的順序我們有：
一些多功能組件需要“注意事項”部分來說明使用它們的限制和最佳實踐。
模板展示實際用例中的組件，彌合孤立組件和完整用戶體驗之間的差距。
完整、全面的文檔，一目了然，沒有不必要的文本或過時的信息。
反饋具有變革性：
“終于有符合我語言的文檔了，”一位設計師分享道。 “我不用離開 Figma 就能看到我需要的一切。”
一位前端工程師表示： “這些可視化示例讓我省去了與設計團隊反復溝通的時間。我可以立即看到預期的行為。”
但真正的成功標準并非贊譽，而是使用率。我們的新文檔正在被積極地查閱、在設計評審中被引用，并在工程討論中被引用。它已經成為我們工作流程中不可或缺的一部分，而非事后才想到的。
這次旅程讓我明白，優秀的文檔就是在人們所在的地方與他們會面并支持他們自然的工作方式。
我們的下一個挑戰是將這些相同的原則應用到我們的 UI 工具包平臺，確保我們以工程為中心的工具像我們的設計文檔一樣直觀且工作流程集成。
這次轉型最重要的啟示在于人性。我們的利益相關者并不抗拒文檔，他們抗拒的是那些無法滿足他們需求的文檔。
通過從同理心出發，進行真正的研究，并圍繞實際工作流程而不是理論理想設計我們的文檔系統，我們創造了一些不僅僅存在的東西：它蓬勃發展。
對其他設計團隊的啟示：你的文檔的好壞取決于它的采用程度。在寫下任何文字之前，先問問你的用戶他們真正需要什么。答案可能會讓你大吃一驚，并激發你徹底重新思考如何分享設計知識。
蘭亭妙微(www.skdbbs.com )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的大數據可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網站設計、平面設計，以及相關的軟件開發服務，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內外優秀的設計，有興趣請加入一起學習成長，咨詢及進群請加藍小助微信ben_lanlan。
為設計作品集尋找靈感并非易事。作為設計師，我們常常面對空白畫布，不知從何入手，也不知道該包含哪些內容。今天，我想分享五個以獨特方式脫穎而出的優秀設計作品集，并探討它們的成功秘訣。
Diego - Rappi 應用產品設計師
這個作品集之所以能上榜，是因為我認為它的主頁結構良好，界面簡潔。基本上，他設計了一個簡歷主頁，省去了老舊的 PDF 鏈接。
這個作品集的缺點是沒有任何社交鏈接，而且滾動動畫有點限制?？梢匀タ纯?。
約翰·米勒投資組合
簡潔實用的用戶界面讓這個作品集如此出色。案例研究足夠詳細，足以展現其價值，但篇幅太長了。我個人非常喜歡。唯一不足的是，4K分辨率下，網站比例略有失調（太大了）。建議你去看看！
Liza 的作品集真是太棒了。我本來就喜歡處理復雜問題，但 Liza 的作品集很好地展現了如何在不添加太多細節的情況下展現復雜問題。
在 Yelp 和 GitLab 上展示項目展現了她的專業素養。她將復雜項目簡潔的界面展現得淋漓盡致，這令我驚嘆不已。強烈推薦你去了解一下她，從她那里汲取一些靈感。
Jay 擁有簡潔、專業的作品集，展示了他獨特的風格和設計項目方法。案例研究全面而詳細，并配有展示其特點和設計的原型視頻。
太好了，現在我們已經看到了我挑選的一些“最佳”投資組合，我可以給你一份簡短的清單，列出我認為你應該在你的投資組合中做什么和不應該做什么。
讓我們從應該做的事情開始
?最多展示 2-3 個案例研究。
? 準備一些彼此相關、展現相同技能的用例組合。所以，如果你想去移動公司，就展示移動案例研究；如果你想去游戲公司，就展示游戲案例。你懂的。
?撰寫案例研究的元數據
?展現自我，談論自我。人們雇傭的是人，而不是機器或文字。
?獲取產品設計師的反饋。甚至可以嘗試和朋友一起演練一個案例研究。
?有“聯系我們”和“關于我們”部分/頁面
?不要做設計文檔，做案例研究。簡短而精彩地展示你的解決問題的能力
? 別忘了網站設計和建設。在我看來，擁有一個以你的域名命名的專業網站能給你帶來一些榮譽，并展現你作為UX UI設計師的技能。
?不要使用低質量的圖片。請使用高質量的圖片。這樣才能展現你對細節的重視。
我使用了 Make.com，一個類似于 Zapier 的無代碼自動化平臺。
我添加了“Figma 的列表評論”組件來從我的 Figma 文件中提取評論。
然后我需要提供文件 ID，我可以輕松地從 URL 中復制和粘貼。
我還可以設置一次獲取評論數量的限制。就我而言，400 條就足夠了。
如果您不希望 Figma 文件收到很多評論，則可以將評論數量降低到 50-100 甚至更少，以使自動化運行得更快。
實際上，我一開始并沒有包括這個步驟，但我意識到那是一個錯誤。
當我嘗試將數據直接發送到 Google Gemini AI（我將在第 3 步中介紹）時，它無法正常工作。
人工智能因為接收了太多不必要的信息而感到困惑。它不僅接收了評論文本，還混入了其他數據，例如時間戳、ID、文件密鑰、訂單位置、用戶反應等等，如下所示：
這就是為什么這一步可以清理數據并確保 AI 只獲得實際的評論。
這是自動化的核心——這是最重要的一步，也是我最喜歡的一步。
我選擇 Google Gemini AI 僅僅是因為它幾乎免費，并且提供了相當寬松的速率限制。相比之下，使用 OpenAI 或 Claude 的 API 可能會很昂貴。
Gemini AI 包含許多模型，可能會令人困惑。
本次實驗我選擇了老款的 Gemini 1.0 Pro，因為它已經足夠滿足我的需求了。如果你感興趣，可以試試 Gemini 2.0 Flash。
最后，我訪問了https://ai.google.dev/獲取 API 密鑰。設置起來非常簡單。
用戶文本是用戶要求 AI 執行的操作。
這是我在文本框中輸入的內容：
以下是來自設計文件的 Figma 評論列表。- 嚴格根據內容將其分為最多 **4 個類別**。- 使用**Figma 評論中的確切措辭**，無需修改或編造內容。- 每個類別應包括： - 使用 `<h2>類別名稱</h2>` 的**標題**。 - `<p><b>此處為摘要文本</b></p>` 內的**加粗摘要**。 - `<ul><li>“實際 Figma 評論”</li></ul>` 內的**真實示例列表**，列表前有空格。 - **每個類別最多限制 4 個要點**。- **請勿添加新示例。僅使用格式化注釋中提供的內容。**- 如果評論不屬于這 3 個類別之一，請將其放在“其他”下。- **您只能以 HTML 格式回復**并且必須使用以下標簽： `<h2>`、`<p>`、`<ul>`、`<li>`、`<b>` 和 `<a>`。---### **Figma 評論（從文件動態提?。?*{{formatted_comments}}
它看起來很復雜，因為我試圖在一次提示中完成幾件事。
讓我一一解釋一下：
1）限制類別和要點的數量。
我傾向于設置額外的限制條件，以確保最終的摘要簡潔易讀。將摘要限制在最多 4 個類別，每個類別下最多 4 個要點，可以確保 AI 的回復保持重點。
2）將其格式化為 HTML。
目標是直接生成樣式合適的 Google 文檔，無需后續額外格式化。這樣可以使工作流程更加便捷。
3）使用 Figma 評論中的確切措辭。
雖然我對人工智能的總結能力很有信心，但我需要查看實際的引述以便更好地參考，并仔細檢查總結以確保其足夠準確。
4）在末尾添加 {{formatted_comments}}
此標簽確保 Gemini AI 組件每次自動化運行時動態地從 Figma API 組件中提取最新評論。
我確實在 Google Gemini API 中進行了兩項高級設置。
我將最大輸出標記設置為 1000（1 個標記 ≈ 3/4 個單詞，因此 1000 個標記相當于 750 個單詞），只是為了保持響應簡潔，而不是為我生成一篇長篇文章。
我還將“溫度”設置為 0.1。值越低，響應越真實。值越高，響應越有創意/隨機。在這種情況下，我希望它盡可能可靠，以防止出現隨機摘要。
這是一個簡單的步驟 - 只需指向您想要在其中創建文檔的文件夾。
就是這樣！如果我點擊“運行一次”按鈕，我的 Google Drive 中的“test”文件夾中就會出現一個名為“test”的新文檔，其中包含所有 Figma 評論的摘要。
最初，我使用這個 Text Parser 組件作為中間步驟。它可以將 Gemini AI 的 Markdown 響應轉換為帶樣式的 HTML，這樣我就不用稍后在 Google Docs 中重新格式化了。它已經幫我處理好了。
但我后來意識到，由于我可以直接要求 Gemini 在提示中格式化其響應（如上面的步驟 3 中所述），因此這一步不再是必要的。
摘要中有一些隨機性，我仍然希望改進。在運行相同的測試時，有時它很好地遵循了 Figma 的注釋，而有時它又會自行編造。這提醒我們要始終仔細檢查 AI 的響應，而不是盲目地遵循它們。
在我的實驗中，我只需要手動單擊一次“運行”命令，但“計劃設置”功能會有所幫助。
例如，如果您有一個 Figma 文件，人們每天都會積極地發表評論，那么您可以設置每日自動化 - 例如每天早上 9 點，您都會收到一份更新的摘要文檔。
如果您更有野心，您甚至可以在最后連接到 Slack 組件 - 例如，每次生成文檔時，您都會在 Slack 中收到通知。
蘭亭妙微(www.skdbbs.com )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的大數據可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網站設計、平面設計，以及相關的軟件開發服務，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內外優秀的設計，有興趣請加入一起學習成長，咨詢及進群請加藍小助微信ben_lanlan。
前幾天在 Behance 上刷到一個《DUNE｜Personal Work》的 UI 概念項目，整體完成度很高。作為設計師，我覺得這類作品不僅是視覺享受，也能總結出一些值得借鑒的經驗點。這里就結合其中的陣營選擇界面和整體展示，整理一些觀察和思考。
這類「陣營選擇」場景，本質上是一個決策界面。作者采用了很經典的結構：
中央突出：當前選中的陣營（走私者）放在正中間，卡片更大、更亮，帶有金色光暈。
對稱排布：左右陣營呈對稱分布，層級自然清晰，符合玩家的瀏覽動線。
信息分區：上半部分是角色立繪和陣營徽記，下半部分是機制說明和操作提示。模塊分明，不容易迷失。
經驗點：在決策型界面中，居中放大+光效高亮，是非常直接有效的焦點策略。
《沙丘》的世界觀強調沙漠、貴族與荒涼感，UI 也延續了這一氛圍：
材質：背景有金屬與沙塵質感，帶來厚重感。
色彩：每個陣營配有主色（綠色、棕色、藍色、金色、紅色），既強化辨識，又有“品牌”味道。
徽記：幾何化的陣營符號，簡潔且容易記憶。
經驗點：大型世界觀游戲的 UI，最好在顏色、圖形符號和氛圍感上形成自洽體系。
在陣營說明區，信息拆解得很合理：
優缺點：紅色 V 表示劣勢，綠色 ▲ 表示優勢。非常直觀，不需要額外解釋。
敘事與機制結合：不僅給數值效果，還加了劇情描述（例如與弗瑞曼的沖突），讓選擇更有代入感。
經驗點：把理性信息（數值）和感性信息（劇情）結合，能讓玩家在選擇時既動腦又動情。
底部的操作提示很細致：
A 選擇 / B 詳情 / X 故事，分別對應不同層級的操作需求。
玩家既可以直接做決定，也可以深入劇情，滿足不同類型的用戶。
經驗點：關鍵節點上提供“淺 → 深”不同層級的操作選項，能兼顧快進型玩家和沉浸型玩家。
Behance 項目整體除了界面，還展示了：
不同場景的 UI（例如主菜單、HUD、資源界面）。
色彩與符號系統，確保整體一致性。
工具說明（Photoshop / Midjourney / 后期合成），透明展示流程。
經驗點：在作品集展示中，不僅要秀界面，還要展示系統性思考和設計過程。
這份《DUNE》個人 UI 概念作品給我的幾點啟發：
決策型界面要突出焦點，用對稱和光效增強層級。
色彩與符號體系是陣營/角色類 UI 的關鍵資產。
信息既要數值化，又要敘事化，提升代入感。
操作引導要考慮不同層級的玩家。
作品集展示不僅是炫圖，還要有系統設計思路。
如果你正在做游戲 UI 或作品集，這些經驗都值得借鑒。
蘭亭妙微(www.skdbbs.com )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的大數據可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網站設計、平面設計，以及相關的軟件開發服務，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內外優秀的設計，有興趣請加入一起學習成長，咨詢及進群請加藍小助微信ben_lanlan。
本指南非常適合：
沒有經驗？沒問題。
您所需要的只是好奇心、學習興趣和額外的奉獻精神。
UI/UX 設計正在蓬勃發展，數據也印證了這一點。美國勞工統計局預測，從 2021 年到 2031 年，數字設計專業的需求將增長 15%，領先于其他行業。
從 IT 公司到醫療保健初創企業，每個行業都需要設計師設計清晰且具有視覺吸引力的產品。
無論您想成為 UI 設計師、UX 研究員還是產品設計師，您跨工作和跨領域合作的機會都是無與倫比的。
另外，遠程工作怎么樣？這是此字段的默認設置。
您可以通過字體和調色板發揮您的創造力，解決用戶流程方面的挑戰，并精通原型設計等技術技能。
結果如何？一份有趣又令人滿意的工作。根據 Glassdoor 的數據，UX 設計師的全球平均薪資在 8 萬至 12 萬美元之間，頂級職位的薪資甚至更高。
智能布局生成器等人工智能解決方案旨在提高生產力，而不是取代人類的技能。
UI/UX 設計除了賺錢之外，還旨在讓人們的生活更輕松。
想象一下您上次在線購買披薩或預訂機票的情況。
良好的用戶體驗讓這些任務變得毫不費力，而糟糕的用戶體驗會讓你對著屏幕尖叫。
作為一名設計師，你將通過構建既簡潔又鼓舞人心的數字體驗來應對現實世界的問題。這種影響力會讓你欣喜地說：“這是我設計的。”
第一個月的主要任務是奠定堅實的基礎。
首先，區分 UI（視覺界面，例如按鈕、顏色和布局）和 UX（整體體驗，例如易用性和滿意度）。
我花了數周時間平滑按鈕的漸變，卻發現用戶根本找不到它，這真是太慘了。
專業提示：不妨從日常事物入手，比如你的咖啡機、銀行應用程序或自動售貨機。“為什么要這樣設計？”“還有什么更好的選擇？”這種態度可以提升設計師的創造力。
現在是時候動手實踐了。第二個月的重點是學習工具并將其應用于實際場景。
設計軟件一開始可能看起來很嚇人，但是一旦你掌握了它的感覺，它就像騎自行車一樣簡單（而且膝蓋不會擦傷）。
資源：
我的第一次重新設計是為一個復雜的電商網站做的。我花了幾個小時修改按鈕的顏色，結果發現結賬流程簡直像個迷宮。那時我才意識到，吸引人的設計固然好，但真正能讓你被雇傭的，是解決用戶問題。
你已經進入最后沖刺階段了！第三個月，你將用實際項目證明你的技能，并打造一個讓你眼前一亮的作品集，讓你“快來雇傭我！”
正是在這里，我從“我認為我能做到”轉變為“我是一名 UI/UX 設計師”。
與他人合作：
投資組合開發：
資源：
使用 AI 驅動的 Figma 插件（例如智能布局工具和調色板生成器）提升您的工作效率。就像擁有一個永不休眠的設計助手。
我建議您開始在工作流程中使用 AI，這樣您的工作速度就可以比其他設計師快 10 倍！
養成日常觀察的習慣。分析實體和數字事物，例如健身追蹤器、新聞應用和餐廳菜單。
可用性怎么樣？為什么是這個顏色？如何改進？
這可以幫助您像設計師一樣思考，并且您很快就會發現用戶體驗（和解決方案）的問題隨處可見。
雇主希望設計師能夠加快結賬流程或提高客戶參與度，而不僅僅是讓事情變得有趣。
成為一名 UI/UX 設計師只需要策略和奉獻精神，而不是設計學位或多年的經驗。
在三個月內，您可以通過了解基礎知識、創建真實世界的項目并自信地展示您的工作，從初學者進步到可以投入工作的水平。
現在邁出第一步：選擇一個應用程序，重新設計一個屏幕，并與好友分享，并且不要忘記在社交媒體上分享它以獲得反饋。
設計行業正在尋找您獨特的見解。
感覺受到啟發了嗎？關注我的 Instagram (@rehan.designs)，獲取每日見解、作品集點評以及我的設計幕后花絮。
蘭亭妙微(www.skdbbs.com )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的大數據可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網站設計、平面設計，以及相關的軟件開發服務，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內外優秀的設計，有興趣請加入一起學習成長，咨詢及進群請加藍小助微信ben_lanlan。
想法簡述
隨著人工智能 (AI) 越來越深入地融入產品，設計師必須了解這些系統真正能做什么。本文介紹了一個圍繞感知、推理、記憶和代理四大核心能力構建的實用框架，旨在幫助用戶體驗 (UX) 專業人士設計更智能、更值得信賴的 AI 體驗。本書包含真實案例和實用技巧，對于任何致力于塑造 AI 界面未來的人士來說，都是必讀之作。
許多人認為，人工智能代理已經存在，只是分布不均。然而，目前很少有案例能夠展現與這種近未來人工智能的良好交互體驗。幸運的是，在最近的 AWS Re: Invent 大會上，我偶然發現了一個與人工智能代理交互的用戶體驗的絕佳示例，我迫不及待地想在本文中與大家分享這一愿景。但首先，人工智能代理究竟是什么？
想象一下一個蟻群。在一個典型的蟻群中，有不同專長的螞蟻：工蟻、兵蟻、雄蟻、蟻后等等。蟻群中的每只螞蟻都有不同的工作——它們獨立運作，但又像一個緊密結合的整體。你可以“雇傭”一只螞蟻（代理）為你做一些簡單的半自主工作，這本身就很酷。然而，試想一下，你可以雇傭整個蟻丘去做一些更復雜或更有趣的事情：找出你的系統出了什么問題，預訂你的行程，或者……做幾乎所有人類在電腦前能做的事情。每只螞蟻本身并不非常聰明——它們高度專業化，專注于完成特定的工作。然而，不同專長的螞蟻組合在一起，呈現出一種我們將其與高級動物聯系起來的“集體智慧”。我們在博客中一直使用的“人工智能”（AI）與人工智能代理之間最顯著的區別在于自主性。您不需要向 AI 代理提供精確的指令或等待同步輸出 - 與一組 AI 代理的整個交互更加流暢和靈活，就像蟻丘解決問題一樣。
代理型人工智能 (Agentic AI) 的工作方式多種多樣——這是一個內容豐富的主題，值得專門寫一本書來探討（或許一兩年后）。在本文中，我們將以系統故障排除為例，闡述一個涉及主管代理（也稱為“推理代理”）和多個工作代理的復雜流程。該流程始于人類操作員收到問題警報。他們啟動調查，然后由主管代理領導的半自主 AI 代理團隊幫助他們找到根本原因，并提出解決問題的建議。讓我們用步驟圖來分解與 AI 代理交互的過程：
上圖所示的多階段代理工作流程包含以下步驟：
如同與典型的人類組織簽訂合同一樣，主管AI代理擁有一支由專業AI代理組成的團隊。主管可以將消息路由到其監管下的任何AI工作代理，這些代理將執行任務并反饋給主管。主管可以選擇將任務分配給特定代理，并在稍后獲得更多信息時發送附加指令。最后，任務完成后，輸出將反饋給用戶。然后，人類操作員可以選擇向主管AI代理提供反饋或附加任務，在這種情況下，整個流程將重新開始。
人類無需擔心任何內部事務——所有事務都由“主管”以半自主的方式處理。人類所做的只是提出一個通用請求，然后審查并響應這個代理“組織”的輸出。如果你能做到這一點，這正是你與蟻群溝通的方式：你將工作分配給蟻后，讓她管理所有工蟻、兵蟻、雄蟻等等。與蟻群類似，單個專業代理不需要特別聰明，也不需要直接與人類操作員溝通——它們只需要能夠半自主地解決它們被設計執行的專業任務，并將精確的輸出反饋給“主管”代理，僅此而已。“主管”代理的工作就是完成所有的推理和溝通。這種人工智能模型更高效、更經濟，并且在許多任務中都非常實用。讓我們來看看交互流程，以便更好地感受這種體驗在現實世界中的感受。
為簡單起見，我們將遵循本文前面的工作流程圖，流程中的每個步驟都與圖中的步驟相對應。此示例來自AWS Re: Invent 2024 — 不要停滯不前：互聯遙測如何助您前進 (COP322)，由 YouTube 上的 AWS Events 主持，從 53 分鐘開始。
該流程始于用戶發現名為“bot-service”的服務（屏幕截圖左上角）故障急劇增加，并啟動新的調查。然后，用戶將所有相關信息以及一些額外的指令傳遞給主管代理。
現在，在步驟 2 中，主管代理接收請求并生成一組工作 AI 代理，這些代理將半自主地查看系統的不同部分。該過程是異步的，這意味著右側的建議初始狀態為空：調查啟動后不會立即顯示結果。
現在，工作代理返回了一些“建議的觀察結果”，這些結果由主管處理并添加到屏幕右側的建議中。請注意，屏幕右側現在更寬了，以便于閱讀代理建議。在下面的屏幕中，不同的代理提出了兩個截然不同的觀察結果，第一個代理專門負責服務指標，第二個代理專門負責跟蹤。
這些“建議的觀察結果”構成了調查中的“證據”，旨在找出問題的根本原因。為了找出根本原因，此流程中的人類操作員會提供幫助：他們會向主管代理反饋哪些觀察結果最相關。因此，主管代理和人類操作員并肩協作，找出問題的根本原因。
人工操作員會點擊“接受”按鈕，確認他們認為相關的觀察結果，這些結果會被添加到屏幕左側的調查“案例檔案”中?，F在，人工操作員已經添加了反饋，表明他們認為這些信息是相關的，代理流程將啟動調查的下一階段。主管代理收到用戶反饋后，將不再發送“更多相同的信息”，而是會進行更深入的挖掘，甚至可能調查系統的其他方面，以尋找根本原因。請注意，下圖中右側出現的新建議屬于另一種類型——它們現在正在查看日志以尋找根本原因。
最后，主管代理掌握了足夠的信息，開始嘗試找出問題的根本原因。因此，它從證據收集轉向推理根本原因。在步驟3和4中，主管代理提供了“建議性觀察”。現在，在步驟5中，它準備好進行重大揭秘（也可以稱之為“結局場景”），因此，就像文學偵探一樣，主管代理提出了它的“假設建議”。（這讓人想起游戲“線索”，玩家輪流提出“建議”，然后，當他們準備好發起攻擊時，他們就會提出“指控”。主管代理在這里也做了同樣的事情?。?/span>
建議的假設是正確的，當用戶點擊“接受”時，主管代理會提供后續步驟來解決問題，并防止將來再次出現類似問題。代理似乎在對人類指手畫腳，建議他們“實施適當的變更管理程序”——這是任何良好系統衛生的基礎！
代理流如此引人注目，并成為當今眾多人工智能開發工作的焦點，原因有很多。代理引人注目、經濟實惠，并且能夠實現更加自然靈活的人機界面。代理能夠填補人類與機器之間溝通的空白，真正實現人機思維的融合，形成超越人類的“增強智能”，其價值遠超其各部分之和。然而，要從與代理的交互中獲得最大價值，也需要我們徹底改變對人工智能的理解方式，以及設計支持代理交互的用戶界面的方式：
無論你對人工智能代理有何看法，它們無疑會與人類同行共同發展，并持續存在。因此，我們必須了解代理人工智能的工作原理，以及如何設計能夠讓我們安全高效地與它們協同工作的系統，充分發揮人類和機器各自的優勢。
蘭亭妙微(www.skdbbs.com )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的大數據可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網站設計、平面設計，以及相關的軟件開發服務，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內外優秀的設計，有興趣請加入一起學習成長，咨詢及進群請加藍小助微信ben_lanlan。
隨著人工智能越來越多地融入網站和應用程序體驗，區分哪些地方已經實施了人工智能，哪些地方尚未實施人工智能，變得至關重要。
最初，大多數產品將人工智能作為聊天機器人引入，用戶可以通過聊天機器人發起并促進與人工智能的交互?，F在，產品正在將人工智能融入儀表盤、任務和搜索功能。用戶不再主動體驗人工智能——人工智能體驗已經預先存在。
由于用戶不再控制何時觸發人工智能的使用，因此需要讓用戶了解何時向他們展示人工智能功能或內容，以確定其有效性和質量。不僅如此，《歐盟人工智能法案》（2026年生效）將強制要求用戶在與人工智能系統進行通信或互動時必須知曉。
這就是設計系統的用武之地——實施專門的視覺處理，以始終如一地將人工智能內容和特征與非人工智能內容和特征分開。
遺憾的是，目前只有少數開源設計系統明確地包含 AI 組件和模式。我希望很快會有更多系統加入，但目前為止，只有 GitLab 的 Pajamas、IBM 的 Carbon 和 Twilio 的 Paste 在其指南中承認了 AI。
注意：我使用Figma 的設計系統來對 AI 組件和模式進行基準測試。我沒有納入僅包含 AI 聊天機器人或對話設計文檔的設計系統，因為這是一種更標準的交互模式；這包括亞馬遜的 Cloudscape和Salesforce 的 Lightning。
讓我們比較和對比這些設計系統 AI 組件和模式，看看它們可以在哪些方面進行優化以提高可用性。
Pajamas目前不包含明確的組件或模式，但它確實包含一些關于 AI 與人類交互的有趣文檔。該文檔首先建議通過識別哪些自動化操作是合乎道德且有益的（例如，高風險任務 vs. 低風險任務），來了解 AI 的使用是否真的能給用戶帶來好處。
接下來，它建議透明地說明 AI 的使用地點——Pajamas 通過其“GitLab Duo”實現了這一點，這是 AI 特性、能力和局限性的指標。
由于“GitLab Duo”用于 AI 功能和交互（而不是任何 AI 內容），Pajamas 還建議使用“<動詞> by AI”（即“由 AI 總結”）標記 AI 生成的內容，并發送一條消息鼓勵用戶檢查 AI 內容。
GitLab 也在開發一個框架來實踐他們的指導方針；目前還在開發中，但大致的工作內容可以在GitLab 的 AI UX 模式中查看。他們的目標是發布一個帶有文檔的 AI 模式庫——這正是我們所需要的（拜托?。?。
GitLab 對其 AI UX 模式的愿景分為 4 個維度，以幫助選擇正確的 AI 模式：模式、方法、交互性和任務。
例如，他們早期對人工智能模式的探索包括低保真模型，展示了如何將人工智能與圖表或內聯解釋集成到界面中。這些模式清晰地標記了人工智能的用途，有助于建立用戶對人工智能系統的理解和信任。
目前，GitLab 的文檔還停留在概念階段，僅概括了他們希望未來 AI UX 體驗的樣子。但它提供了一個堅實的框架，大多數設計系統都可以采用——無論哪個行業或產品。
我希望他們能盡快發布更多關于其AI用戶體驗模式的深入信息。我認為這對其他開發AI文檔的設計系統來說，將是一筆寶貴的開源資產。
在眾多開源設計系統中，Carbon擁有最豐富的 AI 使用文檔。它包含一個 AI 專用版塊“Carbon for AI”，涵蓋組件、模式和指南，幫助用戶識別 AI 生成的內容，并了解 AI 在產品中的應用方式。
Carbon for AI 建立在現有 Carbon 組件之上，添加了藍色光暈和漸變效果來突出顯示 AI 實例。目前為止，已有 12 個包含 AI 變體的組件，例如模態框、數據表和文本輸入。
盡管組件的 AI 變體具有獨特的視覺處理，但在上下文中，很難區分哪個組件當前處于活動狀態（因為它們看起來都是活動的）。
在下面的表單中，AI 用于自動填充大部分輸入字段，因此這些字段使用了 AI 變體。即使在默認狀態下，AI 變體也會呈現藍色漸變和邊框，這導致難以直觀地識別哪個組件處于活動狀態。
用戶可以覆蓋 AI 的輸入，這會將組件的 AI 變量替換為默認變量。這將觸發“恢復為 AI 輸入”操作，以替換輸入字段中的 AI 標簽，從而允許用戶控制手動或自動表單響應。
除了 AI 變體之外，它還包含一個明確的 AI 標簽，可以顯示一個彈窗，解釋特定場景下 AI 的細節（Carbon 將此模式稱為“AI 可解釋性”）。用戶可以選擇 AI 標簽，彈窗就會出現在按鈕下方。
看到像 Carbon 一樣完善的 AI 模式和組件設計系統文檔，真是令人興奮。他們不僅提供了 AI 通用用法的文檔，還提供了實際可用的組件和模式。
但由于組件的AI變體使得在上下文中使用時難以區分哪個組件處于活動狀態，我認為存在可用性和可訪問性問題。AI變體的顏色使用過于引人注目，而且看起來像Carbon的焦點狀態（這可能會影響依賴焦點狀態的低視力用戶）。
最后，Paste在“體驗”版塊下提供了一個“人工智能”板塊。Paste 提供了關于在用戶體驗中使用人工智能的通用文檔，以及一些可用的組件。
在設計AI功能時，Paste建議允許用戶將AI結果與自身體驗進行比較，并處理潛在的錯誤和風險。為了減少這些錯誤，Paste提倡賦予用戶審查和撤消輸出、控制數據源以及向AI系統提供反饋的能力。
Paste 還建議在設計新的 AI 功能時問自己：“如果它做同樣的事情但不使用 AI，我將如何設計這個功能？”用戶使用產品不僅僅是為了與人工智能互動——他們還試圖盡可能高效地完成任務并實現目標。
Paste 包含一個包含 5 個組件的 AI UI 套件：人工智能圖標、徽章、按鈕、進度條和骨架加載器。它還包含一些專為 AI 聊天體驗打造的組件，例如 AI 聊天日志。
Paste 文檔中最有幫助的是他們提供的示例，包括路標、生成功能和聊天功能。
對于指示牌，Paste 建議使用帶有人工智能圖標的裝飾性徽章來指示某個功能正在使用人工智能，例如人工智能推薦或預測。指示牌是非交互式的，但類似于按鈕，因此看起來可以點擊。
生成功能會向用戶提供提示，幫助他們使用 AI 功能，例如“總結數據”或“推薦下一步”。當您選擇生成功能時，下面會出現一個彈出窗口，向用戶提供說明以及它正在使用的 AI 模型。
最后，聊天內容是當今已知的人工智能聊天機器人的典型特征，并包含對其對話原則的引用，以發展人工智能的個性。
Paste 確實即將推出另一種加載模式，但我們還需拭目以待。這種模式將為用戶提供一種控制和預測 AI 輸出的方式；這包括停止輸出以及根據 AI 輸出所需的時間來調整狀態。
我很高興看到一些文檔和實際示例的結合。雖然其中一個示例是聊天機器人，但 AI UI 套件中的其他組件也展示了如何在界面中透明地展示 AI 的使用方法。
Paste 正在尋求對其 AI UI 工具包的反饋——他們有一個開放的Github 討論，您可以在其中提交請求。
令人驚訝的是，很少有設計系統發布關于組件和模式的文檔來處理AI驅動的內容和功能（至少是公開的）。例如，谷歌和微軟都是AI行業的領導者，但開源的Material和Fluent設計系統卻不包含AI模式。
由于這些 AI 領導者正在將 AI 融入到與更廣泛用戶群體互動的常見產品（例如 Gemini 和 Copilot），他們正在構建其他產品也需要效仿的用戶心智模型。即使是Adobe 旗下的 Spectrum，雖然已將 AI 融入其眾多產品（例如 Adobe Firefly），但在涉及內容和人物寫作時，也只用了短短的宣傳語來提及機器學習和 AI。
也許他們的AI模式還在開發中？或者他們還在等待時機成熟？
無論如何，向用戶展示 AI 功能和生成的內容至關重要，這樣他們才能更好地理解所展示的內容，并建立對產品的信任。我期待更多超越閃光圖標和聊天機器人的設計系統模式。
蘭亭妙微(www.skdbbs.com )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的大數據可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網站設計、平面設計，以及相關的軟件開發服務，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內外優秀的設計，有興趣請加入一起學習成長，咨詢及進群請加藍小助微信ben_lanlan。
“好的設計”本應讓事情變得更好。但如果“更好”的定義由商業指標而非人來決定，會發生什么？
我們構建了一個數字產品常常以點擊量和轉化率來評判的世界，而不是以用戶尊嚴或福祉來衡量——說服與操縱之間的界限從未如此模糊。作為設計師，如果我們曾思考過，為什么這么多的網絡設計讓人感覺就是為了挫敗、利用或僅僅讓用戶感到疲憊不堪，那么答案就在于此。
因此，這里重要的問題并非我們能設計什么，而是我們應該設計什么（以及為什么我們經常不設計）。
我從事設計行業多年，先是從事架構設計，后來又從事用戶體驗設計，但我仍然對人們對“好設計”的定義如此不同感到驚訝——而且這些定義會隨著個人視角的不同而發生變化。對大多數人來說，好設計僅僅是外觀精美。對用戶來說，它還關乎產品運行的流暢程度。對管理者來說，好設計是指能夠帶來成果并滿足業務目標的設計。而對設計師來說……嗯，這有點復雜。
人們或許會認為，設計師本身應該擁有最廣泛、最細致的理解。畢竟，我們受過訓練，能夠在美學、可用性和業務需求之間取得平衡。然而，即使在我們自己的圈子里，也存在一個持續存在的盲點：設計的倫理維度。設計倫理常常被簡化為職業忠誠度的問題——保護客戶機密、遵守保密協議或避免抄襲——而更深層次的倫理問題，即那些關乎我們的工作如何塑造用戶的自主性、福祉和信任的問題，卻很少得到應有的重視。
有時，這種情況的發生是因為我們人類傾向于回避艱難的對話或道德爭議。有時，這是因為一種錯位的“職業忠誠”感阻礙了我們質疑老板或客戶的優先事項。有時，是因為我們認為這無關緊要。畢竟，市場上已經有足夠多的設計師了；我們制造一些噪音，很快就會被一個毫不在意的人取代，唯一的結果就是我們丟掉工作。有時，很簡單，是因為我們從一開始就沒有被教導去思考這些問題。
設計不只是外觀和感覺，更在于其運作方式。——
史蒂夫·喬布斯
并非如此。設計不僅僅關乎外觀，也不僅僅關乎其功能是否流暢。當然，產品能夠幫助我們提高工作效率、更舒適地出行，甚至能煮出更美味的咖啡，這固然重要，但如果產品外觀精美，也同樣令人欣喜——但這只是表面功夫。
從更深層次來看，設計還關乎產品如何影響用戶、塑造他們的行為、引導他們的選擇并編碼價值觀——這些往往是無形的。不幸的是，倫理問題常常被淹沒在可用性、吸引力和商業指標的表象之下。當我們開始用點擊量、用戶投入的時間和收入來衡量成功時，倫理維度就很容易被忽視或被合理化。正因如此，當我們談論“它如何運作”時，同樣重要的是要問：它對誰有效，以及它的目的是什么？
最初，用戶體驗 (UX) 的理念是將用戶視為擁有自身需求、弱點和權利的個體。設計師需要解決實際問題，以系統化思維，并確保產品服務于更廣泛的利益，而不僅僅是商業或技術進步。用戶體驗旨在彌合用戶需求與商業目標之間的差距。不幸的是，隨著數字產品發展成為價值數十億美元、執著于增長的生態系統，這種平衡發生了改變。
“操縱的最大危險在于，它可能變得無形、正?；?，并融入日常生活。”
——肖莎娜·祖博夫
在這個數字產品日益復雜、商業模式日益激進的世界里，用戶體驗（UX）最初以人為本的本質已日漸式微。商業需求往往凌駕于一切之上，用戶體驗設計師常常被迫將“業務影響”置于用戶福祉之上。多年來用于引導用戶獲得價值的說服工具如今被濫用，并被重新定義為操縱工具。誘騙用戶做出非本意行為的“暗箱操作”如今帶來了數十億美元的非預期訂閱和購買。
這些原本旨在讓科技更人性化的技能，如今卻越來越多地被用來利用人性。
這種道德淪喪的現象更加令人擔憂，因為它已不再是偶然事件，而是系統性的問題。許多組織的產品路線圖很少提及道德設計原則，而用戶參與度和盈利能力的KPI卻被定期列為優先事項。我們已經形成了一種專業的環境，設計師們非常擅長優化用戶行為以實現業務目標，但卻很少具備（或被授權）識別和處理這些優化帶來的道德后果的能力。當衡量成功的標準是界面如何有效地吸引注意力、數據和資金時，即使是出于好意的設計師也會發現自己成了用戶操縱的同謀。產品開發的“三重約束”——速度、范圍和成本——很少將道德作為第四個支柱，因此這種循環仍在繼續。
這種以指標為導向的執念所帶來的后果已不再抽象。亞馬遜2023年的Prime會員取消流程要求用戶瀏覽17個屏幕——這被聯邦貿易委員會（FTC）后來認為是“旨在阻止用戶退出”的數字障礙賽道——這并非個例，而是企業為留住用戶不惜一切代價的藍圖。亞馬遜內部為該流程起的代號“伊利亞特”頗具啟發性：它指的是一段史詩般的旅程，也明確表明摩擦是設計使然。該流程利用了損失厭惡、注意力分散和認知超載等心理因素，動用各種心理杠桿來阻止用戶離開，這與亞馬遜以無摩擦高效著稱的一鍵結賬形成了鮮明對比。
歐洲《數字服務法案》現已將一些不道德的設計選擇定義為“非法暗黑模式”，并處以相當高額的罰款。這一舉措清晰地揭示了一個令人不安的轉折：曾經使用戶體驗（UX）成為一門受人尊敬的學科的心理學洞見，例如福格行為模型、?？硕苫蛘J知負荷理論，如今卻常常被用作操縱的工具。DSA的禁令，以及他們最近針對一些主要平臺的法律行動，都明顯表明操縱性設計已成為一個嚴重的社會問題。這一切背后的信息相當明確：平臺不僅應該對用戶的行為負責，還應該對其設計選擇如何影響和塑造用戶的行為負責。
“道德就是知道你有權做什么和什么是正確的做法之間的區別。”
——波特·斯圖爾特
遺憾的是，我們能夠僥幸逃脫的行為與真正正確的事情之間的界限并不總是清晰的。在一個往往更注重短期利益而非長期期望的世界里，人們很容易用積極的商業指標來為操縱模式辯護。但即便如此，我們仍然需要不斷捫心自問：當我們為指標而設計時，我們是在真正幫助用戶，還是僅僅在榨取他們的價值？
忽視用戶福祉責任的后果隨處可見——它們是一個更廣泛問題的明顯癥狀。當公司故意使取消訂閱的流程復雜化，當界面設計得讓用戶參與度遠遠超出他們的預期，當用戶需要輸入賬單信息才能開始免費試用期——這些都是設計選擇的例子，這些選擇可能在短期內帶來商業成果，但卻會導致信任逐漸喪失。這些并非孤立的失誤，而是一種更廣泛模式的跡象：商業目標始終被置于用戶利益之上，這種做法常態化，最終破壞了公司本應依賴的良好關系。
這些模式背后的心理機制眾所周知：互惠、稀缺、社會認同和損失厭惡。最初只是一些良性的提醒，例如對用戶行為的感謝信息，如今已演變成利用用戶社會順從本能的“確認羞辱”彈窗。受賭場啟發的機制，例如可變獎勵計劃——曾經僅限于老虎機——如今決定了約會應用程序何時顯示潛在匹配對象，或電商網站何時顯示“庫存有限”提醒。所有這些對人們的影響越來越難以忽視：大量研究發現，社交媒體的過度使用或問題性使用與這些平臺重度用戶的焦慮、抑郁和其他心理困擾發生率較高密切相關。我們已經學會了通過強迫行為來賺錢，而且很多時候，我們要么選擇不這樣做，要么（更糟的是）選擇這樣做。
“技術挑戰我們去維護我們的人類價值觀，這意味著我們首先必須弄清楚它們是什么。”
— 雪莉·特克爾
這不僅僅是個別設計師的錯，而是系統性的問題。產品路線圖充斥著專注于注意力、提取和轉化的關鍵績效指標 (KPI)，而道德考量卻鮮有提及。大多數組織缺乏評估設計決策道德影響的流程，也很少有設計師被賦予在出現問題時進行反駁的權力。即使設計師確實意識到了問題所在，他們也常常缺乏支持，甚至缺乏足夠的語言來表達自己的觀點。大多數組織缺乏評估設計決策道德影響的流程，也很少有設計師被賦予在出現問題時進行反駁的權力。即使設計師確實意識到了問題所在，他們也常常缺乏支持，甚至缺乏足夠的語言來表達自己的觀點。
這個問題最容易被忽視的根源之一就是教育。大多數用戶體驗訓練營和學位課程都側重于可用性、研究和美學。道德，即使出現，也只是被當作一個旁注——一場簡單的講座或一句“不做傷害”的模糊勸誡。諸如如何應對商業壓力、抵制操縱性設計、維護用戶尊嚴等復雜的現實世界困境，卻很少得到深入探討。
這種教育差距的后果是實實在在的。新晉設計師在初入職場時，缺乏能夠幫助他們識別作品是否逾越界限的工具。缺乏應對的詞匯和自信，他們很快就會發現自己被迫實施“暗箱操作”，或者為了提升參與度而犧牲用戶福祉。結果，設計師這個職業常常將合規與道德、商業忠誠與道德責任混為一談。
與此同時，我們掌握的工具正變得越來越強大，也越來越危險。人工智能如今可以個性化推送，測試數百種變體，并以無情的效率優化參與度。同樣的技術也可以用來檢測和標記操縱模式，增強透明度，或衡量我們工作的道德影響——但除非組織選擇設定這些界限，否則默認設置永遠是針對易于衡量的指標進行優化：參與度、點擊量和收入。
“真正的問題不在于機器是否會思考，而在于人類是否會思考。”
——BF·斯金納
人工智能在設計領域的應用是一把雙刃劍。一方面，它實現了前所未有的個性化和效率。另一方面，它也能將操控規模擴大到前所未有的程度。人工智能不僅可以識別設計中的弱點，并根據這些弱點定制信息，還能以隱形的方式大規模地進行操控?！稓W洲人工智能法案》禁止“潛意識操控技術”，這恰恰表明了人工智能應用相關問題已變得多么緊迫和復雜。
問題在于，僅靠監管無法解決問題。真正的工作必須在行業內部進行。
沒有勇氣，我們就無法始終如一地踐行任何其他美德。我們不可能善良、真誠、仁慈、慷慨或誠實。——
瑪雅·安吉羅
那么，實際上需要做些什么才能使道德像任何商業 KPI 一樣真實、自然地成為我們日常決策的一部分呢？
也許首先應該從我們思考設計的方式入手，以及隨之而來的設計教學方式。設計并非一套工具，而是一種思維方式，其中倫理是不可分割的一部分。
商業關鍵績效指標（KPI）永遠存在，但它們不能成為我們遵循的唯一信號。我們應該像關注用戶完成流程的速度一樣，同樣關注他們是否感到知情、受到尊重和掌控。我們需要
賦能設計師，讓他們暢所欲言，并在他們表達意見時給予他們機構支持。
最后，我們需要認識到，我們工作的真正影響不僅在于用戶做了什么，還在于他們最終會成為怎樣的人。
“并非所有重要的事情都可以被計算，而并非所有可以被計算的事情都重要。”
——威廉·布魯斯·卡梅倫
當然，并非所有問題都能用算法、清單或新程序解決。設計并非中立；它塑造習慣、信仰和社會規范。它可以強化權力失衡，也可以促進包容，可以削弱信任，也可以建立信任。隨著技術變得越來越普及和具有影響力，風險只會越來越大。如果我們想要構建一個人們信任他們使用的產品以及制造這些產品的人的未來，我們就不能將道德視為事后諸葛亮，而要將其視為衡量我們成功的核心標準。挑戰并非技術層面，而是道德層面。關鍵在于在每個階段都要有勇氣捫心自問：誰受益？誰面臨風險？我們正在設計一個什么樣的世界？
在用戶體驗設計中，說服與操縱之間的界限很少清晰，交付商業價值的壓力常常將設計師推入道德的灰色地帶——有時是故意為之，有時僅僅是因為沒有人提出正確的問題。只要指標比意義更重要，只要道德問題被視為可有可無而非必需，這些模式就會不斷重復。
幸運的是，這里沒有什么是不可避免的。我們有能力挑戰常規，在被要求越界時予以反擊，并堅持將道德考量融入我們的流程和對成功的定義中。這并非關乎宏大的姿態或英雄事跡；而是要讓道德成為其應有的樣子：成為工作中正常且預期的一部分，就像可用性或可訪問性一樣。
如果我們希望自己的領域受到尊重，如果我們希望自己作為專業人士受到尊重，我們就需要開始像對待商業選擇一樣認真對待道德選擇。如果我們期待情況改善，就不能坐等其他因素帶來改變。改變始于我們每個人，始于我們選擇不回避下一個即將面臨的道德困境的那一刻。
蘭亭妙微(www.skdbbs.com )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的大數據可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網站設計、平面設計，以及相關的軟件開發服務，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內外優秀的設計，有興趣請加入一起學習成長，咨詢及進群請加藍小助微信ben_lanlan
蘭亭妙微(www.skdbbs.com )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的大數據可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網站設計、平面設計，以及相關的軟件開發服務，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內外優秀的設計，有興趣請加入一起學習成長，咨詢及進群請加藍小助微信ben_lanlan
生成式人工智能通過關注基于意圖的結果規范，為人類與系統交互提供了一種新的方式。GenAI 帶來了新的挑戰，因為它的輸出是概率性的，需要理解變異性、記憶、錯誤、幻覺和惡意使用，這就帶來了構建原則和設計模式的必要性，正如 IBM 所描述的那樣。
此外，任何AI 產品都是一個分層系統，其中 LLM 只是其中一種成分，而內存、編排、工具擴展、UX 和代理用戶流才是真正的魔力！
本文是我對 GenAI 設計模式演變的研究和記錄，這些模式為產品經理、數據科學家和交互設計師提供了一種通用語言 ，幫助他們打造以人為本、值得信賴且安全的產品。通過應用這些模式，我們可以彌合用戶需求、技術能力和產品開發流程之間的差距。
評估 GenAI 是否改善了用戶體驗或增加了復雜性。通常，基于啟發式 (IF/Else) 的解決方案更易于構建和維護。
這種模式確保 GenAI 開發始于用戶意圖以及實現該意圖所需的數據模型。GenAI
系統的優劣取決于其訓練數據。但真正的用戶并非以行列的方式表達，他們表達的是目標、挫折和行為。如果團隊未能將用戶需求轉化為結構化的、模型可用的輸入，最終的系統或產品可能會優化到錯誤的結果，從而導致用戶流失。
GenAI 應用中的一個關鍵決策是完全自動化任務還是增強人類能力。使用此模式可以使技術與用戶意圖和控制偏好保持一致。
自動化最適合用戶傾向于委派的任務，尤其是在繁瑣、耗時或不安全的情況下。例如，Intercom FinAI 會自動將冗長的電子郵件線索匯總為內部筆記，從而節省重復性、低價值任務的時間。
增強功能能夠提升效率、創造力和控制力，從而增強用戶想要持續參與的任務。例如， Abelton 的Magenta Studio支持創造性的控制，方便用戶操控和創作新音樂。
在人工智能系統中，自動化指的是將多少控制權委托給人工智能而不是用戶。這是一種戰略性的用戶體驗模式，它根據用戶的痛點、情境場景和對產品的期望來決定自動化程度。
當用戶第一次接觸基于新技術的產品時，他們常常想知道系統能做什么和不能做什么，它如何工作以及他們應該如何與它交互。
該模式提供了多維策略來幫助用戶使用 AI 產品或功能、減少錯誤、與用戶準備情況保持一致，以提供明智且以人為本的用戶體驗。
這種模式是許多其他模式的頂峰
心智模型幫助用戶預測系統（網頁、應用程序或其他類型的產品）的運作方式，從而影響他們與界面的交互方式。當產品與用戶現有的心智模型相符時，用戶會感覺直觀且易于上手。當兩者發生沖突時，可能會導致用戶沮喪、困惑，甚至放棄。
例如，Github Copilot 建立在開發人員從傳統代碼自動完成的思維模型之上，從而簡化了向 AI 驅動的代碼建議的過渡
例如，Adobe Photoshop 建立在使用矩形控件擴展圖像的熟悉方法的基礎上，通過集成其生成填充功能，智能地填充新創建的空間。
通過提問來識別并建立現有的心智模型
這種模式涉及清楚地傳達人工智能模型能做什么和不能做什么，包括其知識邊界、能力和局限性。
它有助于建立用戶信任、設定適當的期望、防止誤用，并在模型出現故障或異常行為時減少挫敗感。
在人工智能系統中，思路鏈（CoT） 提示 技術 通過模仿人類更結構化、循序漸進的思維過程，增強了模型解決復雜問題的能力。
CoT 展示是一種用戶體驗模式，它通過揭示 AI 是如何得出結論的來提高透明度。這可以增強用戶信任，提高可解釋性，并為用戶反饋提供空間，尤其是在高風險或模糊場景下。
例如，Perplexity通過顯示處理步驟來增強透明度，幫助用戶理解答案背后的深思熟慮的過程。
例如，Khanmigo是一種人工智能輔導系統，它通過模仿人類推理來逐步指導學生解決問題，以增強理解和學習。
GenAI 憑借其概率特性，能夠對同一輸入產生不同的響應。這種模式通過并排呈現多個輸出來利用可變性。展示多樣化的選項有助于用戶創造性地探索、比較、改進或做出更符合其意圖的決策。例如， Google Gemini提供了多種選項，幫助用戶探索、改進并做出更明智的決策。
在 GenAI 應用程序中，清晰地闡明數據源對于透明度、可信度和用戶信任至關重要。清晰地表明 AI 的知識來源有助于用戶評估響應的可靠性并避免錯誤信息。
這在醫療保健、金融或法律指導等高風險事實領域尤其重要，因為決策必須基于經過驗證的數據。
AI 生成的輸出具有概率性，準確度可能存在差異。顯示置信度分數可以傳達模型對其輸出的確定性。這有助于用戶評估可靠性并做出更明智的決策。
記憶和回憶是一個重要的概念和設計模式，它使人工智能產品能夠存儲和重用過去交互中的信息，例如用戶偏好、反饋、目標或任務歷史，以提高連續性和情境感知。
用于訪問信息的記憶可能是短暫的（會話內的短期）或持久的（跨會話的長期），并且可能包括對話上下文、行為信號或明確的輸入。
情境輸入參數通過簡化用戶交互來提升用戶體驗，并更快地實現用戶目標。通過利用用戶特定數據、用戶偏好、過往交互，甚至來自其他具有相似偏好的用戶的數據，GenAI 系統可以定制輸入和功能，以更好地滿足用戶意圖和決策。
副駕駛是一種增強模式，AI 充當協作助手，在用戶掌控全局的同時，提供情境化和數據驅動的洞察。這種設計模式在戰略制定、構思、寫作、設計或編碼等領域至關重要，因為這些領域的結果具有主觀性，用戶擁有獨特的偏好，或者用戶的創意輸入至關重要。
副駕駛 加快工作流程，增強創造力并減少認知負荷，但人類仍保留創作權和最終決策權。
構建 UI 級機制，讓用戶根據用戶目標、上下文場景或系統故障狀態管理或覆蓋自動化。
沒有系統能夠預測所有用戶情境?？刂瀑x予用戶自主權，即使人工智能出錯，也能保持信任。
GenAI 系統通常依賴于對人類輸入的解讀。當用戶提供模糊、不完整或錯誤的信息時，AI 可能會誤解其意圖或產生低質量的輸出。
輸入錯誤通常反映的是用戶期望與系統理解之間的不匹配。妥善處理這些問題對于維護信任和確保順暢的交互至關重要。
GenAI 輸出本質上是概率性的，容易出現幻覺、偏見和上下文錯位等錯誤。
與傳統系統不同，GenAI 的錯誤狀態難以預測。針對這些狀態進行設計需要透明度、恢復機制和用戶自主性。精心設計的錯誤狀態可以幫助用戶了解 AI 系統的邊界并重新獲得控制權。
混淆矩陣有助于分析人工智能系統錯誤，并通過顯示以下計數來深入了解模型的執行情況
-真陽性（正確識別陽性案例）
-假陽性（錯誤識別陽性案例）
-真陰性（正確識別陰性案例）
-假陰性（未能識別陰性案例）
現實世界的一致性需要直接的用戶反饋來改進模型，從而改進產品。當人們與人工智能系統互動時，他們的行為會塑造并影響他們未來收到的輸出。從而形成一個持續的反饋循環，系統和用戶的行為都會隨著時間的推移而不斷調整。例如，ChatGPT使用“反應”按鈕和“評論”框來收集用戶反饋。
強大的 GenAI 模型需要在訓練期間以及部署后持續進行評估。評估旨在確保模型按預期運行，識別錯誤和幻覺，并與用戶目標保持一致，尤其是在高風險領域。
有三種關鍵的評估方法可以改進機器學習系統。
人工智能護欄的設計意味著在GenAI模型中建立實踐和原則，以最大限度地減少傷害、錯誤信息、不良行為和偏見。至關重要的是
這種模式確保 GenAI 應用程序清楚地傳達如何收集、存儲、處理和保護用戶數據。
GenAI 系統通常依賴于敏感數據、情境數據或行為數據。處理不當可能會導致用戶不信任、法律風險或意外濫用。清晰地傳達隱私保護措施有助于用戶感到安全、受到尊重并掌控全局。例如，Slack AI 明確表示，客戶數據仍歸客戶所有并控制，不會用于訓練 Slack 或任何第三方 AI 模型。
蘭亭妙微(www.skdbbs.com )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的大數據可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網站設計、平面設計，以及相關的軟件開發服務，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內外優秀的設計，有興趣請加入一起學習成長，咨詢及進群請加藍小助微信ben_lanlan。
藍藍設計的小編 http://www.skdbbs.com