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。現在，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”?，F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！）
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(m.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。現在，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(m.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?；⑷谌肴粘Ｉ?。”
——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、希克定律或認知負荷理論，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。《歐洲人工智能法案》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(m.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(m.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。控制賦予用戶自主權，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(m.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。
當我們談論用戶體驗時，大多數話題都傾向于愉悅感、易用性和效率。但近年來，一個話題卻逐漸受到關注：可持續性。對我來說，“循環用戶體驗”（Circular UX）——為修復和重復使用而設計——并非源于會議演講或流行文章，而是在為內部供應鏈門戶網站進行實際產品改造時。
循環用戶體驗 (Circular UX) 借鑒了循環經濟的理念，致力于延長產品的生命周期。循環用戶體驗 (Circular UX) 并非設計那些快速采用并逐漸淘汰的數字體驗（想想那些迫使你每年購買新版本的應用程序），而是鼓勵設計兼顧耐用性、可修復性和可重復使用性。
這不僅僅是關于使用環保圖標的“綠色UI”。這是為了確保：
這些都是循環用戶體驗 (Circular UX) 的實際例子：減少重復性工作、使恢復變得容易、并增強探索的信心。
當產品設計為可修復和重復使用時，用戶行為會發生以下變化：
上圖比較了應用 Circular UX 前后的情況。
這種簡單的思維轉變——從僵化的流程到靈活、可修復的體驗——可以改變用戶信任和業務成果。
我曾參與一個團隊，負責改造一個時尚品牌的內部供應鏈門戶。舊系統非常死板：如果用戶在創建訂單或規劃發貨時出錯，唯一的解決辦法就是刪除所有數據，然后重新執行整個流程。這每周都會浪費數小時，并導致運營團隊和 IT 團隊之間產生摩擦。
這一轉變出人意料地受到了熱烈歡迎：
三個月后，我們進行了一項用戶調查：83% 的人表示他們“非常喜歡”新版本，因為感覺“懲罰更少”且“更寬容”。
投資回報率是顯而易見的：
這就是我們在項目中應用循環用戶體驗 (Circular UX) 概念的方式。難點在于簡化現有流程，賦予用戶更多控制權并節省他們的時間?，F在，讓我們了解一下為什么循環用戶體驗對所有公司都至關重要：
循環用戶體驗不僅僅是一個環保的流行詞；它指的是尊重用戶時間和精力的設計體驗。在我的項目中，采用修復和重復使用不僅提高了可用性，還增強了用戶信心，降低了運營成本，并創建了一個可以根據未來需求擴展的系統。
當用戶感到可以放心嘗試，并且知道錯誤可以恢復時，他們會更有效地使用你的產品，減少壓力。而當公司在設計產品時考慮到維修和重復使用，他們就能節省成本，減少客戶流失，并確保產品面向未來。
因此，下次設計時，請問自己：“人們修復或重復使用他們已經完成的工作有多容易？”這種小小的思維轉變可能會對用戶和企業投資回報率產生重大影響。
蘭亭妙微(m.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。
今天給大家分享一個強大的工作流程：Lovable — GitHub — Cursor。
雖然 Lovable 和 Cursor 都是流行的工具，但它們各有其優點和局限性。
但當一起使用時，它們可以很好地互補，您可以獲得兩全其美的效果。
此工作流程讓您可以利用 Lovable 的快速設計生成和 Cursor 的 AI 驅動編碼環境來精確構建更強大的應用程序。
我將向您展示如何逐步連接它們并創建無縫的工作流程。
在Lovable中，將您的項目與Github連接起來，這樣代碼就可以實時同步到GitHub。
在 Cursor 中，你可以將項目代碼克隆到本地并進行編輯。之后，你可以隨時同步到 GitHub。
一旦同步，更新將立即反映在 Lovable 中。
然后，您可以根據需要選擇使用 Lovable 或 Cursor 進行工作。兩者之間可無縫切換。
對于專注于前端的設計來說，Lovable 直觀且快速。但當需要改進或添加實際功能時，你很快就會遇到瓶頸。
它根本不適合開發可靠的應用程序。而且，Lovable 的免費計劃也很容易達到使用上限。
這就是 GitHub 和 Cursor 的用武之地。GitHub 充當了 Lovable 和 Cursor 之間的橋梁。從它的名字就可以看出“ GitHub = Git + Hub ”。Git 是管理代碼版本的工具。GitHub 是一個托管 Git 存儲庫并增強協作的平臺。
而 Cursor 就像一個帶有 AI 助手的代碼編輯器。它比 Lovable 強大得多。你可以更精確地調試、優化和構建代碼。
缺點是，如果你編程經驗有限，Cursor 可能會讓你感到不知所措，而且它不夠簡單，不適合前端探索。這就是為什么 Lovable 和 Cursor 相輔相成的原因。
但是如何讓 Lovable、Cursor 和 GitHub 協同工作呢？
接下來，我將逐步引導您完成工作流程！
首先，你需要有一個 GitHub 帳戶。
那就用 Lovable 來構建一些東西吧。我在一篇新聞通訊里提到過 Lovable 。它很容易上手。
為了這個演示，我創建了一個簡單的“像我 5 歲一樣解釋它”應用程序。
您可以隨時通過點擊右上角的 GitHub 圖標選擇連接到 GitHub。
如果單擊該圖標，將出現以下對話框：
連接到 Github 帳戶后，此對話框將顯示另一個選項，供您將此“項目”連接到您的 Github。請確保它也已連接。
打開 Cursor。第一步是選擇一個文件夾。這就是項目所在的位置。
接下來，您只需在 Cursor 中輸入以下內容：
克隆此 repo：[你的項目 Github 鏈接]此repo：[你的項目 Github 鏈接]
然后 Cursor 會告訴你該怎么做。設置起來非常簡單直接。
您實際上是在安裝“依賴項”，即下載并設置項目正常運行所需的所有包。
按照說明，我打開了本地服務器，它在 Lovable 中顯示了完全相同的設計。
假設現在我想在 Cursor 中進行一些修改。CTA 按鈕的懸停效果太過分了。
我在 Cursor 的提示窗口中輸入了以下內容：
刪除懸停時“解釋一下！”CTA 上的放大效果。懸停時對“解釋一下！ ” CTA產生影響。
然后就修復了：
您可以隨時選擇將代碼從 Cursor 同步到 GitHub。
但是，您會發現選項比您預期的要多得多，而只有一個選項 — — 同步。
Git 就是這樣運作的。它將版本控制分解成多個小的、具體的操作，以便你進行精確控制。
這在處理大型項目時尤其有用。想象一下，當多人協作時，所有本地模型都同步到一個中心模型，而且每個人都只能選擇同步，沒有其他選擇，那該有多混亂。
我在下面畫了一張圖表來幫助您更好地理解所有這些命令。
您不必親自輸入這些命令，但是當您在 Cursor 中看到這些術語并感到困惑時，該圖表可以作為有用的參考。
首先，點擊這個“分支”圖標切換到源代碼控制面板。然后點擊“+”圖標“暫存更改”，使其準備好提交。
然后根據您的需要，您可以在“提交”下拉菜單中選擇一個選項。
如果您只想直接同步，請使用“提交和同步”。
你看到“提交”頂部的消息框了嗎？它就像一個版本歷史記錄名稱，方便你更好地跟蹤更改。如果你將其留空，Cursor 會根據你所做的更改自動生成一條提交消息。
現在就是神奇的一步。因為你什么都不用做。
你應該會立即看到更新自動同步到 Lovable 中。太酷了！
如果您查看上面的快照，它會在聊天窗口中顯示來自 Cursor 的最新修訂。
然后，您可以根據需要選擇繼續在 Lovable 中構建或切換到 Cursor。
如果您想與某人合作，只需在 GitHub 上的項目倉庫中添加一位合作者即可。前往項目 → 設置 → 合作者 → 添加人員
一旦添加，他們也可以使用 Cursor 實時協作該項目。
感謝閱讀。特別感謝 Junaid，在我準備課程期間與我分享了工作流程。
下周見，
欣然
-
PS：幾天前我做了一個關于創建 AI 原型的演講，并演示了一些示例。如果你也對這個話題感興趣，可以去看看。你可能會喜歡我和觀眾現場演示的冰淇淋搭配應用。
主體元素
金融類圖標化物體：硬幣、銀行卡、銀行建筑、存錢罐、數字符號（如“?”、“$”）、網格狀科技紋理
品牌標識：ABB Logo 或抽象化的品牌色塊，立體化呈現
抽象 3D 元素：漂浮的幾何體（圓柱、方塊、球體）、數據流線條、漸變光球
場景背景：簡潔單色或柔和漸變，留出空間讓主體呼吸
空間與透視
中心構圖：主體位于視覺中央，四周留白適合社交媒體縮略圖瀏覽
微透視：通過 3D 相機輕微傾斜，制造動態感
前景-中景-背景層次：前景有漂浮元素，中景主體，背景光暈或漸變，增強縱深感
配色策略
主色：深藍 / 銀灰 —— 金融行業常用的“穩健、信賴”色
輔色：亮黃 / 金色 —— 暗示財富、價值
點綴色：電光藍 / 青色 —— 體現科技感
光影處理
高對比度主光，突出邊緣高光，強化金屬質感
柔和環境光，讓暗部不死黑，保留細節
背景光暈或漸變，吸引視線到主體
黃金分割：主體落在黃金分割線上，增加視覺舒適度
中心聚焦：社交媒體適配性強，縮略圖清晰易讀
動靜結合：靜態主體 + 流動線條或粒子，營造科技流動感
留白策略：四周留白便于加文字信息或 Logo
穩健（Trustworthy）
科技感（Tech-inspired）
高質感（Premium）
幾何化（Geometric）
立體光影（3D Lighting）
金融象征（Financial Symbols）
社交傳播友好（Social-friendly）
行業遷移：不僅適合銀行，也適合保險、科技公司、加密貨幣品牌、金融科技應用
風格遷移：把金融元素替換成行業專屬元素（醫療、教育、零售等），保留 3D 場景結構與光影
平臺適配：同一 3D 場景調整構圖比例，即可適配 Instagram、LinkedIn、抖音等不同尺寸
軟件：Blender（免費）+ Canva/Photoshop 后期排版
建模：
用 Blender 現成幾何體 + 金融符號 SVG 導入擠出成型
用內置材質（金屬、玻璃、漸變）快速出效果
燈光：
主光 + 輔光 + 背景光三點布光
在背后加大范圍 Area Light 制造光暈
輸出：
1920×1920 或 1080×1080（社交媒體友好尺寸）
渲染后在 Photoshop 加品牌色背景和文字
蘭亭妙微(m.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。
每個人都說：“相信你的直覺。”但
沒有人解釋你的直覺是如何思考的。
查爾斯·皮爾斯做到了。
他稱之為溯因推理——最佳猜測的邏輯。從想法到假設的跳躍。這種思維方式并不能保證你一定正確，但能讓你足夠接近事實，值得一試。
19世紀末，皮爾士（發音為“purse”）提出了一個關于人類如何形成信念的模型。這種信念的形成并非等待神靈的啟示或遵循完美的規則，而是從不確定性入手，對我們自以為知道的事物感到不安，并形成一個值得檢驗的猜測。
他通過自己的工作創造了“探究”一詞。這種邏輯如今在早期產品戰略、設計研究和推測性人工智能提示中隨處可見。但大多數人從未聽說過它，或者從未聽說過他。
皮爾士是一位邏輯學家、數學家、物理學家，以及許多其他領域的專家，他是美國實用主義的奠基人。但他真正癡迷的是我們如何形成信念……以及如何改變它們。
他相信真理并非唾手可得，而是需要你努力奮斗才能獲得。而獲得真理的途徑并非加倍努力……而是甘愿犯錯。
對于皮爾士來說，懷疑并非弱點，而是真正思考的開始。
他概述了人類推理的三種基本方式：
皮爾斯認為，溯因推理是思維的起點，是所有洞察力的源泉。它引領新想法進入思維領域，讓產品團隊能夠推測某個指標下降的原因，讓設計師能夠預見到混亂的發生，讓研究人員能夠提出正確的問題——而不僅僅是分析數據。
溯因推理是從觀察到可能性的飛躍。從“這到底是怎么回事？”到“也許是這樣”。它并不能保證你是對的，但它能給你提供一些可以測試的東西。
演繹法起源于亞里士多德，它從普遍真理出發，并由此推理。
如果所有人都會死，而內特是人類，那么內特也是會死的。
非常簡單。無需猜測。
它是系統、策略和自動化的邏輯。它是工程師確保代碼正常運行的方式，也是合規團隊發現違規行為的方式。演繹是我們利用已知知識進行推理的方式。但演繹并不能產生新的見解。它只能驗證符合規則的內容。我喜歡這樣理解：演繹建立在現狀之上，而不是可能實現的。
歸納法也源于亞里士多德，但經過以下思想家的擴展：弗朗西斯·培根和大衛·休謨，反之亦然。它根據觀察到的情況推斷可能發生的情況。
到目前為止，太陽每天都會升起，因此，明天它大概也會升起。
它是科學、分析和機器學習背后的邏輯。它能發現模式、發現趨勢并標記概率。歸納推理能告訴團隊用戶做了什么，但不一定能告訴他們為什么做，或者下一步該做什么。
它很強大，但都是事后諸葛亮。它是一種回顧。沒有溯因推理來構建問題，也沒有演繹推理來施加約束，歸納推理只是收集數據。它只是觀察，卻不知道究竟要尋找什么。
皮爾士不僅研究我們如何推理，他還研究我們如何相信，以及為什么錯誤的信念如此難以動搖。在他1877年的論文《信念的固著》中，他列舉了人們判斷真理的四種常見方式：
其中只有一種說法歡迎質疑。其他說法則鼓勵安慰。它們之所以讓人感覺真實，是因為它們一直以來都讓人感覺真實?？赡苁且驗槟硞€可信的人說過這些話（錨定效應），也可能是因為它們易于重復，難以質疑。
信念并不總是來自證據。它來自情感、重復，有時甚至是便利。
這就是為什么人們會繼續從事有害的工作，并相信陰謀論。這就是為什么整個團隊圍繞著一個在啟動會議上感覺正確的想法展開工作，但之后就再也沒有被重新討論過。
皮爾斯的警告不僅僅是哲學層面的，它非常實用：
如果你忽略了懷疑帶來的不適，你也就忽略了學習的機會。
大多數現代設計工作都始于一種直覺。你注意到一些事情。你猜測它發生的原因。你驗證這個猜測。
這就是綁架。
你不是在證明必然為真，也不是在確認可能為真。你是在問：這里可能發生了什么？
這是探索研究和旅程地圖的核心。真正以人為本的設計。這種設計需要長時間地與模糊性共存，以便從中汲取經驗，而不是停留在幻燈片上假裝自己已經知道了。
問題？
我們不會把溯因推理當成一門技能來教。我們把它當成直覺。高級設計師“大概知道”的東西。
我想皮爾斯不會同意。對他來說，溯因推理不是魔法，而是邏輯。溯因推理是可以訓練的，可以解釋的，而且也值得實踐。
如果說演繹法是數學的邏輯，歸納法是科學的邏輯，那么溯因法就是設計的邏輯。
優秀的設計師總是在別人追尋答案之前提出更精妙的問題。這也是為什么他們不僅僅是在建造，而是在觀察。
溯因推理并不僅限于設計。每當我們試圖理解一些不明確的事物時，它都會出現。而沒有什么比我們如何使用生成式人工智能更切題（或更容易被忽視）了。
在 GenAI 出現之前，深度思考進展緩慢。你必須面對模棱兩可的情況，理解零散的信息，并挑戰自己的假設。這種方式效率不高，但確實有效。
現在，有了 GenAI，我們就有了一個可以模擬新觀點、提出反駁意見并幫助我們比以往更快地測試想法的工具。
但大多數人并非如此使用。他們帶著結果而來，而不是帶著疑問。他們尋求的是確認，而不是探索。他們把這個工具當成了自動售貨機。
提示法運用得當，就能起到溯因推理的作用。你先提出一個假設，然后提出問題，探索可能成立的結論。之后，不斷完善假設。
如果使用不當，該工具會反映你的第一個假設。聽起來很有說服力，但卻無法加深你的理解。
早在語言模型出現之前，皮爾斯就對此發出過警告。當信念被過快接受時，它就會停止進化。當質疑從學習過程中消失時，學習也會隨之消失。
提示是練習溯因推理的機會，但只有我們像自己思考一樣小心地使用它時，才有意義。
我們并非為真理而設計，而是為可以演變的信念而設計，這意味著我們要適應模糊性，提出更好的問題，并抵制急于獲得確定性的沖動。
如果人工智能要幫助我們思考（而不僅僅是產生結果），那么我們必須教會人們如何謹慎地推測并檢驗假設。我們還必須教會人們如何在不失去控制的情況下改變想法。
查爾斯·皮爾士為我們提供了一個模型，幫助我們在事實不全的情況下進行推理。這是一種靈活且愿意犯錯的思維方法。
它仍然有效。
如果你對這些思維習慣是如何養成的感興趣，我曾專門寫過關于弗里德里希·福祿貝爾的文章，他是一位向我們展示如何塑造學習方式的教育家。
三年前的圣誕節，我收到了一塊 Garmin 手表。
當時我已經跑過幾次馬拉松了，但我從來沒想過自己會像以前那樣，追蹤心率、恢復時間、步頻……我只是跑而已。不過，嘿，這真是個禮物。所以我戴上它，很快就變成了那種即使走到街角商店也戴著Garmin手表的人。
讓我驚訝的是，我竟然如此喜歡它。看到我的靜息心率下降？太棒了。長跑后的恢復時間？奇怪的是，令人滿足。手腕上那些科技感十足的小綠燈？感覺非常嚴肅。慢慢地，我開始思考：也許Garmin了解我。
幾個月前，在備戰愛丁堡馬拉松訓練時，我決定用 Runna 來“偷懶”。如果你還沒聽說過 Runna，它是一款訓練應用，可以根據你的目標、日程安排、過往表現和進度，為你制定個性化的跑步計劃。它就像口袋里裝了一位真正的教練，只是省去了寫字板和短襪的麻煩。
這次，為了我的下一場馬拉松（如果你想知道的話，是在香檳區），我想：還是給Garmin一個機會吧。他們有我多年的數據。他們肯定比任何人都更有能力為我制定一個有效的計劃。
他們不能。
讓我們來分析一下。
真讓人沮喪：我信任Garmin，真的。他們三年來一直在追蹤我的每一次心跳。但到了用這些數據來指導我的時候，他們好像把所有知道的都忘了。
如果您允許的話，我提出一些假設：
Garmin 的軟件的發展速度跟不上其收集的數據的速度。
他們的計劃是由少數教練制定的。這對品牌來說很棒，但靈活性卻很糟糕。這種體驗感覺就像：“這是教練杰夫認為你應該做的”，而不是“這是根據你最近的跑步情況你需要做的”。
一個放之四海而皆準的計劃總比一個過度擬合的計劃好，對吧？錯了。跑步者能分辨出一個計劃什么時候不靠譜。
Garmin 的真正業務是手表，而不是教練。應用體驗感覺像是他們一直在維護的一個功能，而不是他們真正投入的東西。
讓我們把鮮花送給該送的人吧。
Runna 成功地建立了信任，在像馬拉松訓練一樣親密的空間里，信任比統計數據更重要。
Garmin 仍然會追蹤我的每一次跑步，但 Runna 會告訴我接下來該跑哪條路。這就是差距。
我越想越覺得：Runna 之所以能蓬勃發展，是因為其他訓練計劃都停留在過去。
Garmin、Polar、Coros……大多數巨頭都把教練功能放在了硬件之后再考慮。他們的訓練計劃仍然感覺像是 2015 年的 PDF 文件，只是換了個用戶體驗。智能手表已經進化了，跑步者也已經進化了。
Runna 看到了其中的差距。一款從用戶情境出發，運用實時數據，像真正的教練一樣靈活調整，并且使用體驗良好的產品？這真是開創性的……主要是因為之前沒人費心去做。
這不僅僅是跑步。
您可以在以下方面感受到同樣的差距：
這里有一個產品模式。當一個傳統平臺收集數據，卻無法將其智能化時，它就為那些更新、更快、更有同理心的平臺敞開了大門。
蘭亭妙微(m.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://m.skdbbs.com