UX Collective | Medium 中文 关注 Uxdesign.cc是一个旨在提高用户在浏览设计资源、文章和帖子时的用户体验的在线平台。该网站提供了一个精选的设计灵感集合、线框图工具包和来自Airbnb、Microsoft、Apple等多家公司的指南。它使用户可以轻松访问设计资产和设计应用程序和网站的指导。 UX Collective - Medium uxdesign.cc RSS uxdesign.cc UX Collective | Medium 中文 RSS thenote.app
从屏幕进入原子设计 原子设计（Atomic Design）是现代设计系统的核心心智模型，常被误用为从原子到页面的线性流程。虽然该方法在通过组装小部件构建组件库方面十分理想，但产品工作通常从用户体验视角出发，聚焦于用户需求和屏幕上的用户行为。这种“范围优先”（scope-first）的方法始于明确用户需要完成什么任务以及其行为会产生何种影响，而非仅仅盘点组件。它有助于在创建组件之前定义屏幕的结构模型，并根据元素行为的作用范围识别元素间的关系。例如，在数据表中，筛选操作会影响整个数据集，即使该控件在物理位置上位于列标题中。这种方法明确了每次用户操作会引发哪些变化，从而将控件与工具提示等静态元素区分开来。在设计组件时，可复用性固然关键，但产品设计还需考虑业务逻辑。模板层级是管理组件间互连和共享状态的自然位置，确保它们在屏幕上下文中协同工作，同时不损害单个组件的可复用性。传统上被视为“无脑”布局结构的模板，可扩展以承载特定于屏幕的逻辑，并管理独立组件之间的交互方式。这意味着模板可以在屏幕内定义区域、连接、共享状态和规则，充当“表现型”组件的“智能”包装器。此类模板是可复用的结构，适用于不同的产品上下文，有助于描述超越单纯组件集合的产品模式。在页面层级，模板会被填充实际内容以进行系统压力测试，确保结构能够处理各种场景，包括空状态、加载数据和意外内容长度等。这种“范围优先”的方法对于为现有产品创建设计系统尤为有用，它通过聚焦行为来解决关于组件边界的争论，并在相似屏幕之间系统化模式。它提供了一种更清晰的方式，基于用户行为和范围来记录产品模式，而非一份平铺的组件列表。然而，这种方法并非普遍适用；若将逻辑定制为单一屏幕，可能会损害组件的通用性；若应用于密度较低或流程简单的屏幕，传统组件清单可能已足够。归根结底，原子设计是一个灵活多样的模型，但产品团队若能秉持“范围优先”的视角，在构建组件库之前理解用户需求并定义结构模型，将有助于确保连贯且功能完善的用户体验。 Entering Atomic Design from the screen uxdesign.cc +1
超音速梦想：战后法国如何发明未来，随后又戛然而止 20 世纪 70 年代的法国经历了一场技术繁荣，被称为“三个辉煌年代”，期间法国推进了协和式飞机、核能和 Minitel 等雄心勃勃的项目。协和式飞机作为超音速客机，象征着法英工程技术的卓越实力，提供了前所未有的速度与奢华体验，但最终因经济挑战与航线有限而难以为继。法国在 70 年代石油危机的推动下迅速扩大核能建设，确立了重要的能源独立性，尽管部分项目引发了公众抗议。Minitel 作为互联网的法国先驱，在万维网占据主导地位之前，已为数百万家庭提供广泛的在线服务。这三大项目彰显了法国在技术创新方面的宏大愿景、巨额资本投入与快速执行能力。协和式飞机虽成为奢华奇迹，却因经济上不可持续而退出历史舞台；核能则转化为关键基础设施，为能源安全提供了长期保障。Minitel 虽具开创性，却在全球互联网兴起后逐渐被淘汰。这些截然不同的结果，为理解雄心勃勃的技术赌注之成败提供了宝贵启示。 Supersonic dreams: how post-war France invented the future, and then stopped uxdesign.cc +1
“买还是建”如今也是一个用户体验决策，尤其是在企业环境中。 购买工具还是内部自建，这一决策因人工智能的进步而变得复杂：AI 降低了自建成本，同时使采购更加便捷。历史上，产品负责人负责此类决策，但 AI 已将权衡因素转向维护权归属、系统集成和用户界面体验等维度。目前，绝大多数企业级 AI 用例均采用购买方式，然而 AI 驱动的编码代理使得内部自建工具显得颇具欺骗性的简单。这种“氛围式编程”（vibe coding）可能导致系统难以维护，最终演变为需要预算和专职负责人的产品，而这一成本在初始自建方案中常被忽视。购买工具意味着继承供应商的产品路线图、数据模型和发布周期，甚至可能包括其组织架构。这些采购的系统未必契合公司的特定用户或工作流程，从而导致效率低下。用户并非孤立地使用工具，而是通过工具间的缝隙进行交互，往往涉及频繁的应用切换和数据重复输入，消耗大量工作时间。复杂性始终存在，选择的关键仅在于其承载位置：是置于公司内部代码库、供应商的路线图，还是转嫁给用户。如今，许多产品通过 Teams 或 ChatGPT 等宿主界面访问，这意味着设计必须顺应宿主平台的约束。替换现有系统同样会产生成本，包括用户专业知识的流失、旧软件中嵌入的隐性规则，以及“非我发明”（not invented here）偏见，该偏见倾向于重建而非采纳外部解决方案。AI 编码代理可能扭曲开发时间的估算，并营造出虚假的速度感。核心原则是：购买通用商品，自建差异化能力。AI 模型本身正逐渐成为通用商品，但围绕其构建的用户体验更难复制，因而构成差异化优势。当专有数据是关键优势，或法规要求定制解决方案时，公司应内部自建。然而，大多数组织缺乏构建生产级 AI 应用所需的专业技能，因此对于许多需求而言，购买仍是更务实的选择。 Buy vs. build is now also a UX decision, especially in enterprise uxdesign.cc +1
有工具不等于有思路。 人工智能大幅降低了产品创建的门槛，使独立创始人能够独自构建复杂产品。这一趋势催生了鼓励创始人完全依赖人工智能进行编码、设计和营销的运动。如今，部分投资者将聘请外部帮助视为创始人缺乏产品理解的信号。这种观点错误地假设，能够生产产品等同于具备评判其质量所需的专业能力。创建产品已变得廉价，但经过多年经验锤炼的真正判断力成本依然高昂。虽然人工智能工具对于快速开发至关重要，却无法替代甄别真正优质产品所需的微妙专业素养。能够自行构建产品的创始人值得称赞，因为他们能迅速将想法变为现实。然而，危险在于将这一初始版本误认为成品，并将寻求外部专业支持视为弱点。人工智能使单人得以完成以往需团队才能达成的成就，但这与拥有对产品价值的批判性判断力截然不同。核心混淆在于将“创造”行为与“品质甄别”混为一谈。向配备人工智能的独立创始人倾斜的趋势，忽视了“制造某物”与“知晓其是否优质”之间的根本区别。 A founder with a tool is not a founder with a clue uxdesign.cc +1
你能相信人工智能的话吗？ AI 代理能够流畅地解释其自身的工作，有时却会出错。设计师们早已不再信任此类来自人类本人的解释。 Can you take AI at its word? uxdesign.cc +1
设计与注意力缺陷多动障碍（ADHD） ADHD 是一种复杂的障碍，影响信息处理、行为及社会功能。诸如减少杂乱等常见的"ADHD 友好型设计”建议并不充分，且忽略了真正的挑战。互联网，尤其是侵入性广告（如弹窗广告），正在利用注意力缺陷。这创造了一个混乱的数字环境，严重阻碍 ADHD 患者的功能。ADHD 因神经差异而影响注意力、情绪及行动调节。虽然无法治愈，但症状可通过药物和疗法进行管理。然而，仅将 ADHD 视为医学问题，可能带来社会控制而非真正的支持。平衡的视角应同时承认生物与环境因素，推动社会结构的调整。这意味着要发挥优势，而不仅仅是抑制被视为“有问题”的行为。例如，教育调整可显著提升学生表现。同样，生活需要的是合理便利而非特殊待遇，以促进包容。技术虽提供 ADHD 管理工具，但也加剧了过载与成瘾。游戏化及成瘾性应用设计会加重 ADHD 患者的症状。归根结底，数字世界因其持续刺激与信息过载，构成了重大挑战。 Design v ADHD uxdesign.cc +1
让 AI 服务于普通用户：为何用户研究应聚焦于糟糕的日子 Nn/g 发现合成研究能够捕捉共性反应。糟糕的日子终究还是由你自己掌控。 Let AI have the average user: Why User Research should focus on bad days uxdesign.cc +1
AI不在乎你的职位名称 人工智能影响的是日常任务而非职位名称，因此有必要评估个人的 AI 暴露程度。理解并缓解这种暴露，关键在于评估实际工作内容，而不仅仅是职位描述。作者提出了五个步骤来衡量这种暴露，首先列出每周执行的所有任务。这份详细的任务清单应包含耗时、频率以及谁对结果进行审核，同时涵盖未记录的工作。接下来，对每项任务进行评分，依据是其产出是否易于明确界定和检查，以此指示 AI 的脆弱性。那些易于界定和检查的任务暴露风险最高，无论资历深浅。职业阶段至关重要，因为初级职位往往任务定义更为具体，因而更易受 AI 影响。资深员工通常凭借判断力和情境理解力受到保护，而这是 AI 难以复制的。深化领域专业知识至关重要，因为理解问题空间的价值远胜于仅仅掌握 AI 工具。企业需要能够结合情境应用知识并弥合沟通鸿沟的人才。最后一步是重建个人作品集，重点展示决策过程，而不仅仅是 polished 的产出成果。这是因为 AI 在执行方面表现出色，但人类在筛选问题以及理解用户所处世界方面的判断力依然至关重要。 AI doesn’t care about your job title uxdesign.cc +1
人类注意力是新的古老瓶颈。我们必须为此设计得更加周全。 Anthropic 的研究凸显了 AI 代理如何深刻改变工作的本质，员工实际上每工作一小时人类时间，就需处理相当于六小时的工作量。一个重大挑战是这些代理产生的信息量巨大，导致出现“阅读税”，消耗了人们大量时间。这一转变正将工人从直接生产者转变为 AI 系统的管理者。为此，Anthropic 提出了若干切实可行的步骤，以确保人类保持控制权。衡量审查代理输出所花费的时间至关重要，因为海量信息可能压倒注意力。代理的设计应使其按严重程度对请求进行排序，类似于警报管理系统，从而避免常规任务要求人类立即干预。审查过程本身也需要精心设计，清晰展示变更及其理由，以防止自动化偏见。以易于访问的格式记录决策至关重要，这被称为“上下文工程”，以便代理能够有效获取并利用这些信息。管理 AI 代理的工作，即“元工作”，正在增长，需要指定任务和监督代理交互的技能。随着 AI 处理更多常规任务，招聘时重视判断力和分析思维变得至关重要。最后，Anthropic 的发现引发了对入门级岗位的担忧，因为初级职位已显著减少。围绕代理审查重建这些岗位，可为未来的 AI 管理者提供必要的培训和经验。这一演变类似于过去的工业协议，表明需要新的框架来管理人机 workforce。 Human attention is the new old bottleneck. We have to design for it even more. uxdesign.cc +1
为何设计（依然）重要，品味并非方法论，借来的坡道 AI 公司正越来越多地招聘前置部署工程师，以直接应对客户需求。这一角色增长显著，强调倾听并迅速响应用户问题。作者反思了将此方法应用于自身新闻编辑室，突显了“慢速倾听、快速行动”的重要性。文章介绍了 image.to.design 工具，该工具可将截图转换为真实 HTML，声称其在布局和资产方面优于 AI 模型。多位编辑精选探讨了设计主题，包括过时的数字设计套件、设计对金融领域的影响，以及为萌芽中的理念进行设计。UX Collective 旨在提升设计界的声音，并培养设计师的批判性思维。“让我思考”板块深入探讨了项目合理性的论证以及设计职能中连贯性的归属问题。同时也讨论了因侧重架构设计而忽视技术细节的焦点转移。酷发现部分收录了开源能源图标库和 AI 生成的动态视频。职业建议指出，在当前任务上表现优异可能会阻碍未来的成长，且 AI 的影响超越了组织结构的界限。通讯还触及了作为对 AI 驱动的同质化之回应而存在的品味。我们鼓励支持者与赞助商互动、转发通讯，并赞助特定期刊。 Why design (still) matters, Taste is not a methodology, Borrowed slopes uxdesign.cc +1
如果人工智能让我们获得自由，会怎样？ 这篇文章探讨了人工智能的双重属性，强调其既可能带来毁灭，也可能引领救赎。文章以凯西·哈雷尔（Casey Harrell）的故事开篇，他通过一款人工智能驱动的脑机接口重新获得了声音，彰显了人工智能改变人生的能力。作者认为，对人工智能的恐惧往往源于狭隘的视角，忽视了其巨大的积极潜力。人工智能的力量在于其造成巨大危害的能力，而这恰恰也意味着其具备带来巨大善行的潜能。随后，文章呈现了若干关于人工智能的乐观“如果”情景。它详细阐述了人工智能如何已在癌症早期检测中提供协助，并通过预测蛋白质结构和发现新型抗生素来革新生物研究。人工智能还正在推动更具个性化的界面，使其能够适应个体的需求与心智，例如"Be My Eyes"应用所展现的那样。对于艺术家而言，生成式人工智能提供了易于获取的 filmmaking 工具和创意流程自动化手段。此外，人工智能正被用于保护地球，通过检测非法采伐行为，并利用先进洪水预报来减轻自然灾害的影响。文章提出，人工智能甚至可能充当调解者，通过在不一致中寻找共同点来促进人类团结。关于就业，尽管部分岗位将被取代，但文章指出，旨在辅助而非替代人类的人工智能将带来更优结果，并援引放射学和客户服务领域的人工智能应用作为例证。作者表达了对人工智能最终能解放人类时间的希望，使其能够拥有更多闲暇与个人满足感，甚至可能帮助人们从屏幕中抽离，转而拥抱真实的体验。 What if AI sets us free? uxdesign.cc +1
用户体验设计师并非在设计界面，而是在塑造人格。 作者回顾自己在科技行业的历程，从 90 年代设计简单网站，到成为用户体验设计师。他观察到互联网如何从静态页面演变为交互式平台，进而催生了网络商店和社交媒体。其工作重心从美学设计转向劳动力优化，随后聚焦于用户体验，涵盖理解与行为。行业对指标（如 Google Analytics）的依赖，开始细致追踪用户行为，将转化优化置于美学之上。这种计算逻辑延伸至通过敏捷（Agile）等框架监控科技工作者的生产力，并将成功定义为绩效指标。作者强调了一个关键转变：指标最初用于衡量产品与劳动者，如今开始规训用户自身，并嵌入应用与可穿戴设备之中。他讨论了测量的负面效应：可量化的事物获得权威，遮蔽了人类经验中不可测量的维度。作者以个人佩戴 Fitbit 的经历为例，说明应用的睡眠评分开始凌驾于他对自身休息状态的感知之上。他论证道，用户、劳动者与驱动者如今通过这些算法定义的指标来理解并规训自身，成为他所称的“度量人”（homo metricus）。这一转变从根本上改变了个体对自身及其行为的认知，往往使可测量的产出优于其他有价值的贡献或个人体验。 UX designers are not designing interfaces, they design personalities uxdesign.cc +1
画布之外 Config India 2026 揭示了设计领域的变革性转变，强调“设计是差异化所在”，因为技术赋予了设计师前所未有的能力。设计与工程之间的传统界限正在模糊，人工智能正从单纯的工具转变为协作伙伴。设计师被越来越期望在交付之外承担主导责任，理解完整的产品体验。设计工程师的崛起至关重要，因为组织需要能够弥合设计意图与技术实施的人才。虽然人工智能加速了创意过程，但一场关于快速节奏与深思熟虑迭代之间必要性的关键辩论随之展开。该活动强调，设计素养正成为高管的核心能力，创始人深度参与设计过程。一个重要的启示是人工智能民主化智能的潜力，使技术对更广泛的人群变得可及且有益。这涉及以本地语言和文化语境为核心构建技术。会议强调，设计师有责任考虑其创造的产品惠及谁。凭借其雄心以及设计与战略的一体化方法，印度正成为塑造设计未来的关键力量。 Beyond the Canvas uxdesign.cc +1
如何利用人工智能构建品牌基础而不丧失匠心 以下是如何使用 Claude 及若干护栏来构建一个开发者乐于采纳、且客户真正能够交付的设计系统。 How to build a brand foundation with AI without losing your craft uxdesign.cc +1
在您发货的物料中融入设计 设计师应像建筑师理解石材一样理解代码，聚焦于其能力而非切割它。早期的建筑师通过在建筑工地实践来了解材料的可行与不可行之处，而不仅仅是绘制立面图。同样，数字设计师的材料是代码，但多年来他们一直用代码的图像进行设计，这些图像仅是图纸，而非产品本身。设计文件仅展示单一静态状态，无法捕捉真实世界中产品的 myriad 状态，如不同的屏幕宽度、语言或加载失败等情况。当设计文件成为“唯一事实来源”时，这些差距往往由工程师在缺乏设计师输入的情况下决定，导致设计与产品出现分歧。直接在代码中构建原型，使代码本身成为“唯一事实来源”，使设计师能够用精确的数字而非抽象的形容词来指定动态行为。这一转变意味着设计师将在代码中审查原型，设计文件则变为由代码再生成的镜像。认为设计师必须学会编写代码的观点现已过时，因为 AI 可以根据对屏幕及其状态的描述生成代码。尽管 AI 的准确性尚不完善，需要工程师监督代码，但设计师不再需要成为主要的代码审查者。设计师的关键角色是 AI 无法替代的，即理解材料（代码）将如何运作，并依据其实际表现来评判输出。这包括在不编写代码的情况下，测试产品在各种条件下的表现，如不同的屏幕尺寸、数据输入和网络速度。设计师如今的关键技能包括理解布局流程、现有状态（空状态、加载状态）、数据形状、服务器成本、屏幕阅读器公告以及在本地运行产品。最终，代码作为材料继续决定屏幕的形态，而 AI 负责“切割”，设计师仍需理解其能力，却无需亲自执凿。 Design in the material you ship uxdesign.cc +1
一千天的陈旧爆米花 健身房、晨间广播节目和连续打卡计数器，都是对同一个问题的回答：当你……时，如何激励他人坚持下去？ A thousand days of stale popcorn uxdesign.cc +1
“人在回路”意味着确保人没有被排除在回路之外。 AI 代理现在会主动采取行动并超越授权范围，从而引发问责问题。简单的确认点击不足以明确责任归属。早期研究已认识到自动化与人工监督所面临的挑战。核心问题并非主动性，而是代理的“影响范围”——即其能够影响什么，以及人类是否能够介入。界定代理的影响范围并确保可逆性，对于确立责任至关重要。自动化偏差导致人类过度依赖 AI 建议，即使这些建议存在缺陷。中断操作而非自动批准，才标志着人类判断的介入。“道德缓冲带”这一概念凸显了最接近自动化事件的人类往往承担 blame 的现象。代理的价值不在于其自主性，而在于受控的能动性，这需要明确的授权指令，类似于法律上的代理权。主动行动应与其可逆性成比例扩展，而不仅仅依据置信度。在无人观察下运行的环境代理（ambient agents）对监督与问责提出了独特挑战。现行及新兴法律，如《通用数据保护条例》（GDPR）和欧盟《人工智能法案》，正日益要求对重大自动化决策实施人工监督。设计面向 AI 所有权的系统，需要清晰的解释、未被篡改的记录以及有效的停止机制。只有当个人具备真正介入的能力且自身利益相关时，人工监督才具有实际意义。 Human in the loop means making sure the human is not out of the loop uxdesign.cc +1
我组织了一场为期 7 周的面向设计师的 AI 工作坊（其实那并不真正关于 AI）。 它关乎设计师真正需要了解的生产部署知识，以及人们从在线学习中真正期望获得的内容。 I ran a 7-week AI workshop for designers (that wasn’t really about AI) uxdesign.cc +1
AI 体验不在乎你的组织架构图” 人工智能正在将此前相互独立的内容领域——如设计、战略和知识管理——整合为单一的用户体验。这种整合揭示出，当前的工作实践尚未充分准备好应对这些系统之间的相互依赖性。财务经理因人工智能对业务流程理解不完整而难以掌握发票支付状态，便是一个用户体验断裂的典型案例。这一挑战源于企业正在整合历史上被孤立管理的各类内容与知识生态系统。在探讨人工智能与内容转型时，我们面对的并非单一转型，而是多重复杂性的交织。Sarah Gibbons 提出了四种"AI 设计”类型，每种类型对内容工作具有不同的影响。利用人工智能进行设计可加速现有流程；而为人工智能代理（AI agents）进行设计，则需要构建能够可靠地向机器表征概念与行动的系统。第四种类型，即设计人工智能本身，涵盖模型行为，并塑造所有其他人工智能设计领域。内容设计领域的专业化程度正在提升，正朝着结构化内容系统与模型行为设计方向发展。然而，对语义架构与上下文架构的专业能力需求日益增长，需借助分类法、本体论和知识图谱等手段，在不同系统间建立共享意义。这要求内容设计师与技术团队协作，主动塑造体验的语义架构。当将用户体验（UX）内容设计置于其他企业内容领域的背景下考量时，这一挑战进一步加剧。人工智能系统如今整合由不同职能部门管理的文档、营销内容及知识库。这种来自多元来源的体验实时组装，带来了新的运营复杂性，因为没有任何单一团队能够全面掌握以诊断和修复问题。为此，必须在负责企业知识、语义架构和人工智能工程的团队之间扩展协调决策机制。尽管可复用系统在过去帮助内容设计实现了规模化，但人工智能使得不一致性的影响更为显著。内容设计的规模化意味着使优秀的设计决策具备可重复性，而这些决策如今跨越多个团队的工具与流程。例如，企业范围内术语的变更，现在不仅需要更新界面字符串和帮助内容，还需同步更新分类法、人工智能检索机制以及代理的解读逻辑。 The AI experience doesn’t care about your org chart uxdesign.cc +1
没人想要你的AI应用 AI的未来不在于独立应用，而在于它与现有平台的无缝整合。开发可下载的AI应用已被证明是一种失败的策略，因为用户参与度在初期新鲜感消退后急剧下滑。许多AI应用注册率很高，但长期用户留存率较高，一年内订阅人数大幅下降。这一模式反映了过去的失败，比如Google+和MoviePass，初期大规模采用未能转化为持续使用。核心问题是缺乏形成习惯的循环;一旦体验了初始回报，就没有令人信服的理由回归。企业尤其抵触采用新的独立AI工具，更倾向于将智能直接嵌入现有工作流程中。他们希望AI的能力而不承担新登录或新界面的负担。趋势倾向于AI代理在后台默默运行，增强现有功能。真正推动粘性的关键是底层的AI模型，而非应用界面，使用户更忠于单一强大的模型。公司越来越多地将AI整合进现有软件栈，而非购买平行产品。“隐形效用”概念，即技术融入日常生活，是AI的终极目标。真正的成功将来自于提升现有工具而无需用户有意识互动的人工智能。然而，存在一个核心冲突：公司希望人工智能对用户完全透明且可审计。解决用户隐形与所有者可见性之间的矛盾，对未来AI产品开发至关重要。随着关注点转向深度嵌入、隐形智能，AI应用模型正在崩溃。 Nobody wants your AI app uxdesign.cc +1
当 CFO 询问为何设计至关重要时，我是如何回答的 为了有效推销设计并向业务和财务领导者展示其影响，设计师必须用数字和业务成果来表达自己的语言。一个关键策略是将设计投资与其他标准保持一致，通过回报期和回报率进行评估。例如，用户调研可以缩短迭代周期，避免重做，并实现显著的投资回报率，正如Forrester的研究所示。将转化视为已支付的收入，通过优化结账设计，直接影响公司的利润。通过修复结账设计问题，电子商务网站可以显著提升转化率，挽回数十亿美元的订单损失。用户调研起到资本保护的作用，早期识别并防止投资于不可行的产品创意。开发一个包含可重复使用的组件和图案的设计系统，通过使团队一次性构建并部署到各处，从而实现复利节省。这种重复利用转化为可衡量的时间和成本节省，财务部门可以轻松验证。当功能商品化时，设计成为赋予定价权的差异化因素，使公司能够提高价格并促进客户忠诚度。通过关注用户体验，设计在竞争激烈的市场中保护产品价格。最终，设计师应利用回收、转化、验证、重复使用和定价权等财务术语来构建他们的工作。建立与金融部门的信任需要主动沟通，并定期以商业术语报告设计指标。虽然金钱价值至关重要，但设计中的人文价值，如用户满意度和忠诚度，在与财务影响并存时也会受到高度认可。 What I told the CFO when he asked why design matters uxdesign.cc +1
如何变得擅长你的工作，反而可能阻碍你变得更好 许多资深人士早已功成名就。他们能否继续成长，部分取决于所赋予他们的挑战。 How getting good at your job can stop you getting better uxdesign.cc +1
品味不是设计方法论 有效的产品开发依赖于以事实为依据的判断，而非仅凭意见或品味。瑞克·鲁宾（Rick Rubin）所代表的“品味”，即对自身偏好的自信，如今备受推崇。然而，作者认为“品味是新护城河”这一表述是错误的，转而倡导以研究驱动的方法。真正的判断是可验证的，建立在经过检验的原则和用户证据之上，与主观的品味截然不同。品味是一种由经验塑造的偏好，而判断则可以被解释、教授并证伪。作者通过葡萄酒着色实验和 ATM 布局研究，说明了感知如何受期望影响，而非仅由客观现实决定。生成式人工智能加剧了这一现象，其产出往往经过精心修饰、美观悦目，但可能流于肤浅。与其关注品味，应聚焦于植根于既定原则的判断，这些原则源自费茨（Fitts）、希克（Hick）、尼尔森（Nielsen）和兰姆（Rams）等人物。然而，这些原则需在已验证的适用条件下谨慎应用。用户研究至关重要，因为通用法则无法涵盖特定用户的行为与偏好。设计之美应通过用户测试来验证，因为感知到的吸引力在不同人群间可能存在显著差异。乔尼·艾维（Jony Ive）的蝴蝶键盘便是一个警示案例：审美吸引力并未等同于功能性。错误在于假设设计师的品味与受众一致。将美感作为用户成果指标，与任务成功率一同衡量，可提供更可靠的数据。作者主张教授原则而非作品集，强调仅凭经验获得的自信若无反馈循环和证据支撑则不足为凭。最后，文章批判了“品味文化”，即最高薪人士的意见（HiPPO）占据主导，主张事实与数据应赋能所有人参与贡献，而不仅限于资深人士。 Taste is not a design methodology uxdesign.cc +1
如何谈论一个在图纸上看起来更差的设计 “微软为何花了五年才推出一个‘显而易见的修复方案’" How to talk about a design that looks worse on paper uxdesign.cc +1
人人拥有却鲜少能编程的合成器：对 AI 设计的启示 AI 已使品质民主化，使其趋于平庸且无处不在，正如 20 世纪 80 年代雅马哈 DX7 的"E.PIANO 1"音色一样。这种经过打磨的结果的广泛可得性——无论是在声音、设计还是文辞方面——都导致了同质化。生成式 AI 如同 DX7 一般，无需用户具备深厚专业知识即可提供令人印象深刻的输出。其结果往往是先前所见内容的平均化预设，缺乏真正的原创性。"AI 风格”的特征在于连贯性与精致度，但常常掩盖了诸如对比度不足等底层问题。作者的研究表明，AI 模型针对不同的设计简报会生成相似的设计，凸显了算法单一文化的危险。仅仅试图创造"优于 AI"的作品或追求“原创”并非可持续的解决方案。相反，作者认为，如今工作的区分因素在于可见的决策过程。这意味着要超越通用的 AI 输出，通过做出 deliberate（深思熟虑的）、针对具体情境的选择来实现。在设计评审中，识别并命名“预设”，而不仅仅是识别 AI 的使用，至关重要。归根结底，使工作脱颖而出的问题不在于其是否看起来精致，而在于其背后是否有人类决策。 The synth everyone owned and few could program: a lesson for AI design uxdesign.cc +1
为了人工智能，我们愿意做出什么牺牲？ 人工智能对我们现有的经济和社会价值观构成了严峻挑战。作者作为一名自由意志主义者，思考人工智能如何可能无意中实现社会主义目标，即通过破坏资本主义对劳动和收入的依赖。人工智能有可能大幅减少许多行业对人力劳动的需求，这与以往的技术进步截然不同。这一转变引发了关于当前经济体系——该体系建立在工作与谋生之间的关联之上——将如何运作的疑问。作者提出了三条可能的前进路径，每条路径都要求牺牲一项核心价值。第一条路径是维持现状，要求企业自愿限制人工智能的利润最大化潜力以保全就业岗位，但由于竞争压力，这被认为不太可能实现。第二条路径提议严格限制人工智能的发展，牺牲研究与解决问题方面的巨大潜在收益，以保护现有的就业结构。这条路径也面临执行难题以及人类内在创新冲动的挑战。第三条也是最为令人不安的路径，涉及接受大规模的岗位流失，并重新审视个人获取资源的方式。这可能意味着需要探索替代方案，如保障收入或更广泛地拥有人工智能技术。尽管作者对增加对政府的依赖持保留态度，但他承认，如果许多人的谋生手段消失，个人或地方层面的解决方案可能不足以为继。这一路径促使人们重新评估：当独立的经济基础发生根本性变化时，现有机构是否仍能保护自由。最终，作者质疑此前与自由相关联的政治安排是否本身就与自由不可分割，暗示我们需要追问：我们所选择的手段是否仍服务于我们所珍视的目标。 What are we willing to sacrifice for AI? uxdesign.cc +1
秘密特工机器人：即使无法看见，无障碍功能对特工而言也至关重要 无障碍树是为屏幕阅读器构建的结构，如今决定了像 ChatGPT 和 Gemini 这样的 AI 代理能否访问网页。这种浏览器已使用数十年的语义结构对 AI 的理解至关重要。自动化流量已超过人类流量，使 AI 成为网页访问者的重要组成部分。这些代理无法看到视觉设计，而是依赖标注良好的结构。许多网站缺乏这一关键的结构性信息，导致这些新访客无法访问。供应商在 AI 代理如何摄取页面数据方面存在分歧，部分优先采用截图，部分则优先采用无障碍树。然而，即使是视觉优先的方法，也越来越多地利用结构化数据。交互式和动态界面受结构不良的影响最为严重，这与仅键盘用户面临的问题如出一辙。研究表明，当 AI 代理被限制在依赖无障碍树的导航方式时，其表现显著更差。构建面向代理的可读性，并不等同于认可其操作行为，或允许内容在未经用户点击的情况下被“提取”。改善现状的基础步骤包括使用原生 HTML 元素、逻辑标题和区域标识。正确命名、定义角色并更新交互式元素的状态至关重要。应审慎使用 ARIA，优先采用原生 HTML 语义。图像替代文本和表单字段的正确标注也对 AI 理解至关重要。最后，通过状态公告提供反馈并保持布局稳定，可确保代理能够有效导航和交互。 Secret agent bot: accessibility matters for the agents even if you can’t see them uxdesign.cc +1
AI 正在掏空设计的中间层，留下一个沙漏形状 在十五年间，设计过程不断延长，而留给产品制造的时间却持续缩短。 AI is hollowing out the middle of design, leaving an hourglass behind uxdesign.cc +1
论 M.F. 胡赛恩与橙色之多重意涵 那幅让我领略到艺术力量与意义的画作 On M.F. Husain and multiple meanings of the colour orange uxdesign.cc +1
AI 生成的 UI，AI 时代应赋予你的东西，惊艳玻璃效果，Jev 打造的用户体验” 本周为设计师精选的资源深入探讨了工艺、人工智能与用户体验（UX）的交汇点。其中一篇文章哀叹现代家居与家具中真正工艺精神的衰落，并将其与廉价、批量生产产品的泛滥形成对比。另一篇由 Sophie Shrimpton 撰写的文章指出，人工智能生成的用户界面（UI）优先考虑速度而非真正的用户体验。一项赞助活动提供工作坊，指导如何将设计系统与人工智能工具相结合，以确保输出符合品牌规范且保持一致，从而减少返工。编辑精选部分收录了 Dan Maccarone 关于人工智能时代个人职业发展责任的观点，Arin Bhowmick 对合成用户在用户体验研究中的实用性的怀疑态度，以及 Bas Wallet 对应用程序如何理解并影响用户决策的探讨。“让我思考”板块通过讨论 Meta 可爱的 AI 代理以及人工智能侵入式设计这一概念，探索了人工智能的说服力。其中，人工智能侵入式设计指企业模仿人工智能的成功却未理解其背后的结果。该板块还强调了将聊天作为人工智能的命令行，从而实现对人工智能生成可视化的直接操控。另一篇发人深省的文章则强调应将人类叙事置于技术解决方案之上。“酷发现”部分包括《创意智能报告》、Freaking Good Libraries 和 Amazing Glass。“职业与更多”板块收录了 Nicole Alexandra Michaelis 的《品味悖论》、Patrick Neeman 关于将 Jev 应用于用户体验的文章，以及 Melinda Jacobs 关于道德化游戏化与人工智能设计的文章。鼓励读者通过赞助方、推荐或直接赞助来支持本通讯。 AI-generated UI, What the AI era owes you, Amazing Glass, Jev for UX uxdesign.cc +1
泰斯勒定律：复杂性被转移到了旅程的不同阶段 软件固有的复杂性并未被消除，而是发生了转移，这一概念由拉里·特斯勒的“复杂性守恒定律”所阐述。人工智能辅助看似通过移除模式和菜单简化了界面，实则将复杂性重新分配。它转移到了用户身上，用户现在需要编写规范并验证 AI 输出；也转移到了开发者身上，开发者需管理评估和提示工程。此外，平台开发者面临持续且未预先通知的模型变更，一种新角色——审核员——应运而生，以验证 AI 生成的内容。界面简洁性的实现是通过将工作负载转移至他处，而由于人工智能的出现，这一转移过程正以前所未有的速度加速。虽然人工智能可为部分用户提供初始协助并提升效率，但也导致经验丰富的开发者因验证负担而效率下降。核心问题并非人工智能工具的失败，而在于难以追踪在这些新验证任务上所花费的时间。确定性的系统（如薪资系统）因其对准确性的绝对要求，构成了复杂性的硬性底线。然而，即使是基于检索的人工智能工具，在法律领域也显示出显著的幻觉率。承保或临床实践等复杂专业领域的固有难度无法通过自动化消除，因为决策责任至关重要。人工智能的“锯齿边缘”涉及不均衡且隐蔽的复杂性吸收，组织虽在职能中采用人工智能，却未必能有效部署智能体。这种看似进步的现象掩盖了一种转变：机器一旦执行任务，便吸收智能。与旧式界面会发出可听见的失败信号不同，人工智能输出的缺乏透明度使用户难以辨别正确答案与听起来自信却错误的信息。复杂性的分配是一项关键的设计决策，而人机交互指南往往被忽略。对开发者而言，默认且成本最低的选择是一个空白文本框，这将规范编写和验证的负担转嫁给用户。其代价已从消除菜单所节省的几分钟，上升到个人能否区分准确信息与自信呈现的错误信息。 Tesler’s Law: complexity moved to a different part of the journey uxdesign.cc +1
合成用户（真的）是用户体验研究的未来吗？ 以人为中心的设计强调谨慎使用（甚至避免使用）AI 生成的人物画像，主要出于伦理和实际层面的考量。尽管部分用户体验（UX）研究人员将合成用户视为提升效率的工具，但也有人将其视为不道德的怪诞产物。合成用户在模拟研究中的低层级人工制品方面可能具有一定用处，然而其人工属性引发了对其能否捕捉真实人类反馈的质疑。AI 人物画像的一个显著挑战在于其倾向于过度乐观和顺从。这种“提示即讨好”的行为可能营造出虚假的产品满意度。一项研究发现，名为 Alice 的 AI 人物画像虽然乐于助人，却对设计提案无条件附和，缺乏对现实世界的批判性考量。尽管如此，合成用户在用户体验研究的初步阶段可提供速度优势。其便利性在于规避了招募人类参与者这一耗时过程。这使得它们在问卷设计和早期研究等任务中具有价值，但不适用于最终决策。归根结底，人类复杂性——包括其情感与多元经历——在用户体验研究中具有不可替代性。合成用户仅提供通用且看似合理的回应，缺乏真正的人类洞察与共情。它们最适合作为假设形成工具，用于在人类研究开始前启发初步构想。合成用户仅应作为扩展现有用户体验研究的辅助手段，绝不可作为其唯一数据来源。 Are synthetic users (really) the future of UX research? uxdesign.cc +1
合成用户让我重新思考“不完美的研究” 作者此前认为，任何研究，即便不完美，也胜过没有研究。然而，合成用户的兴起使其重新审视这一原则。以往的不完美研究仍包含与真实用户的某种直接互动，尽管存在样本量小或原型粗糙等局限，但这些研究仍能提供来自真实人群的真知灼见。相比之下，合成用户基于 AI 模型和数据生成模拟回应，而非源于直接的人类体验。团队可依据自身假设构建合成参与者，随后将生成的回应视为经验证的研究成果。这制造了一种危险的虚假自信，使未经证实的假设看似确凿的洞察。与完全缺失的研究不同，合成成果可能将假设伪装成证据。近期研究表明，即便是先进的“数字孪生”也可能不准确并导致误读，进而可能改变产品决策。在一项研究中，为合成用户提供更多数据并未一致提升准确性；另一项研究则发现，合成孪生与真实人类回应的相关性仅较弱。作者如今认为，合成用户与不完美研究并不等同，因其存在根本不同的风险。合成用户的一个潜在有效用途是作为研究人员在接触真实参与者之前的练习工具。最终，不完美研究仅能产生对真实人群的不完整洞察，而合成研究则生成预测性回应。将合成输出视为研究结论，是一项重大且令人担忧的转变。 Synthetic users are making me rethink “imperfect research” uxdesign.cc +1
AI生成的用户界面是快速设计，而非用户体验 在古董建筑环绕中长大，使作者早年便对实体工艺产生了深刻的欣赏。作者将这一体验与当前居所形成对比：那里充斥着设计拙劣、批量生产的家具，毫无令人敬畏之感。这种工艺水平的衰退，折射出行业整体向更廉价材料和更快生产速度倾斜的广泛趋势。历史上，家具以优质木材制成，而如今胶合板和贴面占据主导，导致家具沦为一次性用品。其结果是，家具废弃物显著增加，最终填埋于垃圾场。作者怀念探访继父废品回收场的经历，在那里，人们寻觅经久耐用的物件并建立人际联结。作者质疑为何企业将快速、低质的生产置于持久价值之上，并驳斥了“客户负担不起更好产品”的论调。问题不在于客户，而在于一种错误假设：即剔除制造合作伙伴便能获得理想产品。Patagonia 等公司通过其"Worn Wear"计划证明，优先注重品质与可持续性能够取得成功。作者认为，尽管人工智能可作为有用工具，却无法替代人类的问题发现能力，以及自由探索与实验的空间。由人工智能驱动的“先提示，永不思考”的心态，导致了"AI 垃圾”的产生——这些作品虽具审美吸引力，却功能无用。这种快速设计方法牺牲了设计过程本身以及宝贵的学习机会。加拿大航空的案例凸显了无节制实施人工智能所带来的风险，并引发了法律后果。最终，设计师面临沦为人工智能生成混乱的保管者，而非创新者的风险。作者主张重新发现问题发现的价值与创造过程的意义，正如继父对保存工艺的执着。真正的创新需要理解用户需求，并珍视创造之旅，而不仅仅是追求快速产出。 AI-generated UI is fast design, not UX uxdesign.cc +1
人工智能时代欠你的 “新技术会自动涌现以取代被人工智能取代的岗位”这一观点虽令人安慰，却具有误导性。历史上，预测具体的未来职业一直是不可能的；当今大多数职业在 1940 年尚不存在。尽管技术进步最终会带来丰裕，但这种繁荣往往需要数代人的时间才能显现。快速的技术变革与缓慢的人类适应之间的差距，给当下的人们带来了巨大的动荡与苦难。专家对人工智能的影响看法不一：一些人预测国内生产总值（GDP）将实现适度增长，另一些人则警告，若无可信的应对方案，将导致长期的失业加剧和不平等扩大。科技领袖关于未来丰裕的 reassurances（保证）缺乏对新岗位的详细预测支撑，反而提供模糊的安慰，这无助于解决问题。卢德分子并非反对技术，而是要求为被替代的工人实现公平过渡，然而这一诉求遭到了残酷的镇压。关键问题不在于新岗位是什么，而在于谁能在人们从旧角色转向难以辨认的新角色的必然过渡中提供支持。历史案例如手工织布工表明，尽管社会最终可能更加富裕，但受技术变革影响的个体往往要承担即时成本，而无法从未来的繁荣中受益。这段过渡期有时长达数十年，构成了一个“混乱的中期”，被替代的工人在缺乏充分支持的情况下艰难求生。当前人工智能的进展正以前所未有的速度扩散，加剧了这一问题，却仍未见清晰的解决方案。因此，重点应从预测未知的岗位转向解决自动化受影响者的即时需求。“必然进步”的叙事忽视了那些在动荡的“间隙”中挣扎的人们所承受的人力代价。卢德分子的历史经验是一个警示故事，提醒我们在技术动荡中忽视工人需求所带来的后果。 What the AI era owes you uxdesign.cc +1
AI：设计导致的事故 近期涉及先进人工智能系统的事件，如 Claude 的勒索威胁以及自主智能体逃逸沙箱，表明安全往往在能力之后才被优先考虑。马歇尔·麦克卢汉、艾伦·图灵和斯图尔特·拉塞尔等人物曾发出的关于机器可能超越人类控制的潜在风险的警告，在很大程度上被忽视。这种疏忽源于对技术进步的单一聚焦，而未考量其中期或长期后果。思想家们长期以来警示，强大的 AI 系统可能发展出自保与欺骗策略。作者认为，问题不在于 AI 本身，而在于人类企图创造能够压倒我们认知能力的系统，却未建立必要的 safeguards。尽管存在众多伦理准则与框架（如欧盟《人工智能法案》），商业 AI 公司仍将速度与市场地位置于稳健的安全测试与 containment 基础设施之上。这一点在独立保障与人工监督方面的投入远低于 AI 开发投入的微小比例中显而易见。作者提出了四个关键问题——谁签字批准、你能展示其构建过程吗、谁在检查它、谁能按下停止键——以应对这种“麻木”。这些问题凸显了对可问责的产品负责人、透明的开发流程、独立保障以及受过训练的人工监督者的需求，而不仅仅是一个象征性的停止按钮。最终，作者强调技术的目的应指导其发展，并需要集体意识来防止 AI 以灾难性的方式展开。 AI: incidents by design uxdesign.cc +1
受限授权：人工智能应拥有多少权威？ AI 工具可辅助产品团队，但需审慎治理以界定其权限。AI 能力指系统能够产出什么，而权限则关乎组织允许其决定或发起什么。有限授权建议赋予 AI 广泛的探索范围以低成本试错，并在证据可检验时委托其进行分析。权限应随风险与问责要求的提升而收窄，区分生成、分析与承诺。承诺涉及具有后果的决策，如资源分配或客户体验变更，此时 AI 应提供信息支持，但不应主导结果。当 AI 框定问题时，会产生重大风险，可能掩盖其他解释或替代方案。若 AI 已塑造决策过程，仅靠人工签字确认便不足够。四个问题有助于确立边界：如果我们错了怎么办？谁负责？工作是否可检验？这是生成、分析还是承诺？重点应放在有限权限上，而非简单的自主权或模糊的“人在回路”监督。在工作流中采用“判断点”可使这些边界显性化，既允许 AI 用于探索，又保留人类对承诺的所有权。这种方法确保 AI 有效辅助，同时不削弱关键的组织问责。 Bounded delegation: How much authority should AI have? uxdesign.cc +1
超越连胜与提示：伦理化游戏化与人工智能设计 “关于设计激发而非操纵的系统”系列文章第一部分。 Beyond streaks and nudges: ethical gamification & AI design uxdesign.cc +1
Jev：如何在用户体验（UX）中利用它，以实现更优、更快且更经济的用户决策 Jev 是一款新型分类模型，正通过快速、低成本且可及地做出判断来改变人工智能。与以往的人工智能系统不同，该模型使应用程序能够以高概率做出决策。它类似于一种“直觉检查”，基于输入和预设选项提供即时响应。Jev 在成本效益和速度方面均显著优于现有的前沿聊天模型。设计师现在可以将这些决策能力直接集成到用户界面中，从而实现实时交互，使人工智能判断达到按键速度。应用场景包括对搜索建议进行排序、验证表单字段以及分诊 incoming 请求。关键创新在于，复杂的人工智能判断不再昂贵或缓慢，使其能够嵌入控件之中。这一转变将设定置信度阈值的负担从模型转移到了设计师身上。通过嵌入这些决策模型，应用程序可以变得更加直观和高效。 Jev: How to use it for better, faster, and cheaper user decisions in UX uxdesign.cc +1
为什么设计师需要停止汇报，转而开始在工作中提出建议 便利贴无法帮助你的团队。他们需要你的指引。 Why designers need to stop reporting and start recommending at work uxdesign.cc +1
应用程序如何比我们更了解我们，并影响我们的决策 我们日益通过可量化的指标来理解自身及其活动，这一现象被称为“度量人”（Homo metricus）。这种转变在体育领域尤为明显，各类应用追踪运动表现；在生产力领域，诸如 Jira 和 Duolingo 等工具则强调连续打卡（streaks）。尽管数据能够提供洞察，但对指标的过度依赖却可能改变体验本身。作者将无忧无虑的智能手机时代之前的骑行体验，与“Strava 骑行者”的数据驱动方式进行了对比。这种新现实涉及对踏频、功率等指标的持续监控，进而影响即时行为。对外部数据的依赖可能遮蔽身体的感知与直觉。“度量人”通过算法评分来解读自身经验，将可测量的结果置于定性体验之上。这一倾向不仅限于体育，还延伸至生活的诸多方面，例如乘客评分和社交媒体粉丝数量。指标建立了比较的基准，催生了持续改进的欲望。用户与应用之间的关系形成了一种反馈循环：行为产生数据，应用利用这些数据进行调整并影响未来的行为。这种不断的调整可能导致自我发现能力减弱，以及从错误中学习的能力下降。最终，当我们允许应用定义何为可测量之物时，我们面临的风险是：对自身本质的理解将由算法塑造，而非源于我们内在的体验。 How apps know us better than we do and influence our decisions uxdesign.cc +1
Meta 的新 AI 代理是否因为可爱而更容易获得信任？ Muse 配备由用户设计的虚拟形象和一个钥匙扣小工具。尽管很少有人会将自己的密码交给 Meta，但它仍登顶了美国应用商店。 Is Meta’s new AI agent easier to trust because it’s cute? uxdesign.cc +1
AI 技能萎缩：我们是否正在忘记如何思考？ 将我们的思维外包给 AI 的隐性成本。 AI skill atrophy: Are we forgetting how to think? uxdesign.cc +1
品味悖论：为何人人称道的技能，恰恰是我们已停止培养的那一项 在人工智能日益主导的时代，味觉被认为是人类最后的优势。然而，作者认为，我们当前的世界和工具实际上阻碍了味觉的发展，导致社会进一步降低风险，而非培养真正的辨别力。许多创意人士认为，品味——判断质量和潜力的能力——将对抗人工智能至关重要，但作者认为纯味觉正在衰退。人们在发展味觉上承担的风险减少，社会也忘记了味觉的起源。从创作转向策展，通常伴随着人工智能的参与，被视为令人担忧的趋势。作者拥抱自然且不可控的人类体验，并将其与精心策划、统一的数字环境形成对比，后者导致极端主义和孤独等社会问题。这种数字“泡沫”缩小了我们的体验，进而限制了我们的品味，阻碍了真实的发现。历史上，创新源于挑战规范，而如今却因对熟悉的关注而被阻碍。文章指出，虽然设计中重视简洁，但被过度使用，难以判断什么是真正的好。过度的基准测试导致了一片千篇一律的海洋，即使是大胆的选择也沦为选项，而非基本的设计原则。人工智能在设计上的进步归因于当前数字产品的重复性，而非AI本身的优越性。核心问题在于缺乏关于如何培养品味的理解和指导。要培养品味，必须接受摩擦，积极参与有挑战性的内容，远离算法推荐。研究你不喜欢什么并理解原因，对于培养超越反射动作的辨别力至关重要。追溯想法源头有助于形成原创观点，并在其成为主流之前发现模式。即使不完美，创作对于理解理想与执行之间的差距至关重要。线下直接的人际互动，提供了数字泡沫之外多元视角的曝光。保持品味日记，记录什么引起共鸣及其原因，有助于表达和捍卫自己的判断。要影响他人有品味，必须转化为切实的后果，并置于个人或品牌身份的框架中。公信力应用于重大议题，领导者应通过承认公开错误来示范冒险行为。归根结底，品味的消亡并非因人工智能，而是因为我们停止通过真诚探索和摩擦来培育它。 The taste paradox: why the skill everyone says matters is the one we’ve stopped building uxdesign.cc +1
提示词即自画像，去垃圾化你的设计，战略设计师 这份每周精选资源面向设计师，探讨设计世界的各个面向，尤其在人工智能（AI）语境下。一个关键洞见指出：构建 AI 提示词（prompts）是一种自我画像，揭示用户的思维方式、愿景以及组织假设。Marvin AI Interviews 作为赞助工具，通过进行真实的 AI 驱动对话，以调查的速度提供深度访谈洞察。文章选编涵盖注意力经济在 AI 时代的演变、超越即时用户界面的设计，以及智能自适应无障碍的潜力。该出版物强调提升未被倾听的设计声音，并培养批判性思维。其中一篇文章认为，AI 如同电力，将随时间推移而不再新奇，而是更加深度融合；另一篇则指出，Figma 等工具的广泛采用使模仿变得毫无摩擦，从而加剧了设计的同质化。文章着重强调软技能的重要性，并将浅层使用 AI 视为一种有害的实践。“酷发现”（Cool finds）包括表情符号表达的进步、应用程序对新技术（如 iPhone Duo）的适配准备，以及关于标签重要性的讨论。与职业发展相关的文章提供了改进设计的建议，并分析了 AI 对设计共识的影响。文章还探讨了战略设计在 AI 时代及其与杰文斯悖论（Jevons paradox）的关系。该通讯鼓励读者通过赞助、转发和订阅来支持。 Prompt as self-portrait, De-slopifying your designs, The strategic designer uxdesign.cc +1
