Communitygithub.com

ali-kk/uxlaws

30个基于证据的UX原则,作为智能体技能——涵盖机制、应用方法、常见陷阱及每个原则的实际案例。

uxlaws 是什么?

这个智能体技能为AI助手(如Claude Code、Cursor、Codex)提供了一套完整的用户体验原则工作包,包含30个来自感知和认知研究的原理。这些原理涵盖了人类的视觉感知、记忆与注意力、决策制定、交互与性能以及期望与心智模型五个核心领域,并按照它们所管辖的用户行为分类。该技能可用于设计新界面、诊断现有界面的问题,或者为设计决策提供基于原则的推理依据,而不是仅凭个人偏好。每个原则都包含了机制说明、应用方法、常见陷阱和真实案例,并且提供了预设的原则组合,帮助用户快速应对界面杂乱、流程缓慢、功能令人困惑等典型问题。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add ali-kk/uxlaws

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

用户体验定律

一套包含30条原则的工作工具包,涉及人们如何看、记、决定和行动——每一条都被转化为你在真实界面中可以做出的决策。这些不是风格观点。它们源自感知和认知研究,并且跨平台、跨时代和视觉趋势仍然适用。

使用此技能来设计新的UI、诊断现有屏幕为何感觉不对劲,或为设计决策提供理由而不仅仅是偏好。

如何进行UX检查

  1. 命名症状。 “按钮太多”、“感觉慢”、“用户放弃表单”、“没人注意到CTA”。症状对应原则——下面的索引就是这样组织的。
  2. 提取1-3条相关原则,并在reference/laws.md中阅读它们的完整条目。阅读机制和陷阱,而不仅仅是定义——那里才是有用细节所在。
  3. 提出针对此屏幕的具体更改,并引用原则名称以便推理可追溯。不是“增加更多对比度”——而是:“冯·雷斯托夫效应:让主要操作成为唯一的填充按钮,这样它就不会再与周围的三个幽灵按钮竞争。”
  4. 检查冲突。 原则之间会相互拉扯。更多空白(普雷格南茨法则) vs. 更多可见选项(可发现性)。简洁性(奥卡姆剃刀)有下限(特斯拉定律)。有意地解决冲突;不要盲目应用一条定律。
  5. 当事关重大时,请与用户一起验证。 这些原则能很好地预测行为,但它们不能替代测试——审美-可用性效应特别警告,好看的设计可能会隐藏有问题的任务。

30条原则,按管辖范围分类

感知与视觉分组(格式塔) — 眼睛在任何人阅读文字之前如何组织屏幕。

  • 邻近性定律 · 共同区域定律 · 相似性定律 · 均匀连接定律 · 普雷格南茨法则 · 冯·雷斯托夫效应 · 选择性注意 · 审美-可用性效应

记忆与注意力 — 人们在使用你的UI时脑子里能容纳多少内容。

  • 米勒定律 · 工作记忆 · 分块 · 序列位置效应 · 认知负荷 · 蔡加尼克效应 · 峰终定律

决策制定 — 选择是如何做出的,以及在什么地方卡壳。

  • 希克定律 · 选择过载 · 认知偏见 · 奥卡姆剃刀 · 帕累托原则

交互与性能 — 速度、努力、动作、动量。

  • 菲茨定律 · 多尔蒂阈值 · 心流 · 目标梯度效应 · 帕金森定律

期望与心智模型 — 用户在到来之前就有的假设。

  • 雅各布定律 · 心智模型 · 活跃用户悖论 · 波斯特尔定律 · 特斯拉定律

索引——在以下情况使用时…

原则在以下情况使用时…
审美-可用性效应需要知道为什么更漂亮的设计测试起来“更容易”——以及为什么这是一个陷阱。
选择过载选项太多让人们僵住、做出更差的选择或离开。
分块密集的内容或长字符串需要分组才能快速浏览。
认知偏见决策偏离“理性”——框架效应、默认选项、锚定效应、确认偏见。
认知负荷界面要求大脑同时容纳或处理太多信息。
多尔蒂阈值任何东西感觉慢;响应超过约400毫秒;你需要加载状态。
菲茨定律设置按钮、链接和触摸目标的大小和位置。
心流保持用户沉浸;将挑战与技能匹配;消除摩擦。
目标梯度效应激励完成任务;在接近终点时进度加速。
希克定律决策时间随着选择的数量和复杂性而激增。
雅各布定律用户期望你的UI表现得像他们知道的每一个其他UI一样。
共同区域定律使用边框、卡片、背景、容器进行分组。
邻近性定律仅通过间距进行分组——靠近的内容被视为相关。
普雷格南茨法则减少视觉复杂性;眼睛更喜欢最简单的解读。
相似性定律外观匹配意味着功能匹配(链接 vs. 纯文本)。
均匀连接定律用线条、框架、共享容器将相关项目联系在一起。
心智模型匹配用户已经相信事物应该工作的方式。
米勒定律工作记忆容量很小(约7±2个组块);分块——但不要过度限制。
奥卡姆剃刀去掉每一个没有发挥作用的元素。
活跃用户悖论人们不会阅读文档;在上下文中、内联地、及时地教学。
帕累托原则将精力集中在驱动约80%价值的约20%功能上。
帕金森定律任务会扩展以填满可用时间;缩短步骤、自动填充、设定期望。
峰终定律有意设计最强烈的时刻和结尾。
波斯特尔定律宽容地接受混乱的输入;产出干净、可预测的输出。
选择性注意人们会忽略事物;避免横幅盲视和变化盲视。
序列位置效应第一个和最后一个项目印象最深;将关键操作放在两端。
特斯拉定律某些复杂性是不可避免的——让系统承担它,而不是用户。
冯·雷斯托夫效应使一个重要的东西在视觉上与众不同(不要假装是广告)。
工作记忆支持识别而非回忆;在屏幕之间保持状态。
蔡加尼克效应未完成的任务会吸引注意力;使用进度提示来推动完成。

现成的组合

  • 整理杂乱屏幕 → 奥卡姆剃刀 + 邻近性定律 + 米勒定律。
  • 消除缓慢的流程感 → 多尔蒂阈值 + 目标梯度效应 + 乐观的UI。
  • 修复令人困惑的新功能 → 雅各布定律 + 心智模型 + 活跃用户悖论。
  • 拯救被放弃的表单 → 希克定律 + 帕金森定律 + 波斯特尔定律 + 进度提示(蔡加尼克/目标梯度)。
  • 优化着陆页 → 冯·雷斯托夫效应 + 选择性注意 + 序列位置效应 + 峰终定律。

完整的条目——包括机制、如何应用、陷阱以及每个原则的实际案例——请参阅**reference/laws.md**。

相关技能