AI原生设计 是做什么的?
将设计视为可测试的假设。优先追求消除不确定性,而非生成变体。
与任务匹配
对于开放式探索,使用下面的循环。若已选定方向,则从相关阶段继续。对于限定性编辑,执行所请求的更改并检查其即时影响;不要重新开始探索。尊重显式的选择以及已有的实施授权。
1. 建立持久上下文
检查可用代码、运行中的界面、提供的参考、约束条件以及先前决策。将目的、受众、主要任务、当前交互、已知摩擦点及未知项记录到一份紧凑的项目简报中。区分观察结果与假设。
描述应从每个参考中借鉴什么。将反参考与期望的替代方案配对;“避免通用卡片”可能意味着“使用可读的项目索引”。审美排除项属于项目本身,而非每个未来的设计。
当可用时,将功能实现作为当前状态参考。尊重维护好的设计系统或指定的设计源。标记代码、截图与设计文件之间的差异。
2. 结构发散
在视觉风格之前,探索不同的信息架构和交互模型。广度应与范围匹配;通常三到六个方向就足够了。
对于每个方向,给出假设、粗略布局、主要任务路径、可能的失败点以及清晰度、可访问性、移动端行为和实现成本方面的权衡。保留替代方案以供比较。仅在颜色上不同的同一布局不算结构多样性。
推荐一个方向并附上理由和不确定性。若选择仍悬而未决,请求做关键决策;当用户已委托选择时,代为选择并说明理由。
3. 细化和原型制作
基于参考简报,探索所选结构的视觉变体。保留已拒绝的替代方案以便后续查阅。构建最精简的功能原型,以测试主要不确定性:真实的导航、有意义的状态、响应式行为和可访问的控制。
避免让可选的华丽效果阻碍主要任务。将生成的代码视为需考虑测试和可靠性成本的可维护软件。
关于动画,请参阅 motion.md。关于工作表,请查阅 worksheets.md 的相关章节。
4. 验证可观察任务
在评估之前定义任务、成功信号和失败信号。将实施检查、专家判断和观察到的用户证据分开。永远不要将模拟反馈描述为用户研究。
观察任务完成情况、错误转向、理解程度以及自我报告体验。对于分析指标,暴露指标定义、转换方法和数据来源。不要仅通过面部表情或参与度推断满意度。
当无法获取真实参与者时,报告这一限制,并提供最小的可用测试计划。将呈现质量和产品实用性分开评判。
5. 返回最早受影响的设计决策
| 发现 | 应重新审视的内容 |
|---|---|
| 用户找不到任务 | 结构或导航 |
| 控件或状态变化不清晰 | 交互 |
| 过渡过程中阅读或注意力被打断 | 动画节奏 |
| 层级结构或品牌感不对劲 | 视觉方向 |
将可复用的原则与项目偏好分开记录,并附上证据和信心水平。在将提议的通用规则推广之前,先在一个不熟悉的普通特性上测试它们。参见 examples.md 以了解工作对比和迁移案例。