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
“在 App Store 下载”按钮去哪了？ 无处不在的“在 App Store 下载”和“在 Google Play 获取”按钮已从网站中 largely 消失。这些由苹果和谷歌提供的标准化徽章，曾是将用户引导至各自应用商店下载应用的主要方式。它们已深入人心，甚至出现在宣传册和杂志广告等印刷材料中。然而，如今网站往往采用符合自身品牌风格的自定义按钮。这一转变部分源于苹果营销指南的变化，其规定随时间推移变得更加灵活。苹果不再要求所有营销材料必须经过严格审批，也不再将应用商店徽章的使用限制在 iOS 平台。开发者和设计师已充分利用这一自由度，自行设计按钮样式。这一演变标志着主要平台对应用开发者的管控有所放松，并转向更具个性化、以品牌为核心的网页设计。这些标准化按钮的消失也反映了网站更强调自身品牌认同的 broader 趋势。尽管过去为确保互联网上一致的用户体验而显得必要，但随着用户对应用商店的熟悉度提升，这些通用按钮的重要性已降低。相反，开发者倾向于选择视觉上更具吸引力且与整体美学相融合的设计。这不仅赋予了更大的创意表达空间，也带来了更引人入胜的用户旅程，超越了“一刀切”的方法。 Whatever happened to “Download on the App Store” buttons? uxdesign.cc +1
Altman 和 Amodei 关于 AI“在任何提示下都不安全”的时刻 拉尔夫·纳德（Ralph Nader）的《任何速度都不安全》（Unsafe at Any Speed）虽以科维雅（Corvair）为焦点，但其核心论点在于：汽车制造商而非驾驶员应对安全问题负责。如今，人工智能行业正重演底特律历史上的辩护策略，将错误归咎于用户。这正如过去汽车制造商将责任推给驾驶员，或所谓的“方向盘后的疯子”，以规避产品重新设计。同样，人工智能公司将失败归因于“人工智能素养”或提示工程，而非解决产品固有的缺陷。主张用户应更具知情权的观点，正是汽车行业陈旧的“驾驶员错误”辩护的回响。这种策略，如同警示标签，历史上曾被用来限制责任，而无需对产品进行根本性改进。核心问题在于：人工智能对错误的易感性，如同汽车的机械故障，需要设计层面的解决方案，而不仅仅是用户教育。“二次碰撞”概念——即汽车内饰设计可减轻碰撞冲击——凸显了界面设计在管理人工智能错误中的重要性。界面设计，包括可解释性与用户控制，对于减轻人工智能错误输出的危害至关重要。正如碰撞测试已成为汽车安全的标准，界面也需经过严格测试，以量化并解决“错误答案生存率”问题。人工智能行业，如同此前的汽车行业，往往掌握着关于失败的内部数据，却对监管机构和公众不透明。归根结底，无论是汽车还是人工智能，安全责任在于创造者，他们必须构建稳健的系统与界面。 Altman and Amodei’s “unsafe at any prompt” moment for AI uxdesign.cc +1
请不要为了折叠手机而把你的应用拉长 像 iPhone Duo 这样的折叠屏设备的出现，已将设计格局推向了固定屏幕之外。此前，折叠屏主要被视为 Android 领域的议题，用户采用率有限。然而，围绕苹果折叠屏的热烈讨论及其强劲的销售预测，使得自适应应用设计成为必要。开发者如今必须考虑内容与人机界面如何响应不同的屏幕尺寸、宽高比、方向及姿态。设计重点不应再局限于特定设备，而应转向适应可用空间与用户交互。这包括在调整导航、内容密度和列式布局的同时，保持内容层级与关键操作的完整性。切忌简单地将用户界面拉伸至更大的显示屏上。相反，应采纳多列布局、添加边距（gutters）并确保响应式网格等实践。设计还需具备“铰链感知”能力，避免将关键交互元素或文字跨越折叠线放置。以“窗格”（panes）思维进行设计——即手机采用主窗格，折叠屏则采用多个相关窗格——有助于构建如列表 - 详情或导航 - 内容等高效布局。深入理解不同的折叠状态至关重要：闭合状态（类手机）、展开状态（类书本，提供更大空间）以及半开状态（桌面模式或书本模式），这些状态会形成截然不同的可用区域。应用必须无缝适应这些配置变化，调整导航、控件与覆盖层，同时不丢失用户上下文。这包括在折叠与展开状态切换过程中，保留用户位置与导航状态。iOS 和 Android 均提供了关于利用尺寸类别（size classes）与窗口指标创建此类自适应布局的指导。归根结底，为折叠屏设备设计意味着向灵活、空间感知的設計原则转变，确保在多样化的设备形态下实现连贯且功能完备的用户体验。 Please don’t stretch your app for foldables uxdesign.cc +1
在设计与人工智能时代重新思考写作 作者回顾了自己完成第 100 篇设计文章，这是一项重要的个人成就。他们强调，持续的写作带来了不断演进的个人成长，呼应了奥斯卡·王尔德的观点：好的写作源于好的思考。作者表达了对自己无法有效思考的持续担忧，尤其是在人工智能不断发展的背景下，他们将其隐喻为“修格斯”（Shoggoth）。这种人工智能如同虚构中的修格斯，是一个强大且能随意变形的实体，能够遵循指令，类似于大型语言模型。作者承认自己与人工智能的关系十分复杂：既欣赏其快速生成内容的能力，又惋惜手动写作过程中所蕴含的宝贵挣扎。他们质疑是否值得将全部思考外包给人工智能，并引用了 UX Collective 联合创始人法布里西亚·特谢拉（Fabric Teixeira）所强调的真实人类视角的重要性。这与迈克尔·比尔鲁特（Michael Bierut）的理念相契合：通过自律拥抱重复带来的摩擦，能够促进创意成长。作者分享了从写作旅程中汲取的关键教训：动力源于个人目标与遗产；为写作开辟专属空间；通过实验发展出真实的个人声音；并在面对批评时依然践行真诚。他们还探讨了在创作瓶颈期自我宽恕的重要性，以及最终在创作过程中发现喜悦。最后，写作培养了一种强烈的社群感，使作者与其他设计师建立了深厚的联结，拓展了他们的世界，并提供了一个充满支持的“部落”。 Rethinking writing in the world of design and AI uxdesign.cc +1
除了我们谈论它的方式之外，一切都没有改变。 设计思维与人工智能是天然契合的，尤其在解决问题的发现（Discover）和定义（Define）阶段。AI 代理可显著加速项目的初期研究及假设分析阶段。与其花费数天综合信息，AI 仅需数分钟即可生成结构化的产品需求文档（PRD）。该 AI 生成的输出并非最终目标，而是供人类审查与完善的起点。人类“在环”（In The Loop）对于纠正 AI 生成内容的 inaccuracies 并注入判断力至关重要。AI 在共情（Empathize）阶段表现出色，通过细致分析研究报告以识别模式，并依据证据对初始假设提出挑战；它能揭示用户挫败感背后更深层的情感维度，从而促成更有效的問題框定。在定义阶段，AI 充当对抗性伙伴，对观点陈述（Point of View）进行压力测试。这种“撰写—挑战—修订”的迭代循环有助于快速完善问题定义。虽然 AI 压缩了问题发现阶段，但并未取代设计思维的核心原则。在“双钻模型”（double diamond）过程中，人类设计师的判断力对于创造性决策不可或缺。最终，AI 通过加速调查性工作赋能设计师，使其能将更多时间用于创造性决策。 Nothing has changed other than how we talk about it uxdesign.cc +1
迷失的狗——还是迷失的设计师？ 人工智能生成设计的伦理并非绝对，而是高度依赖于情境、意图与后果。利用人工智能制作寻狗启事或为经营困难的本地企业设计宣传传单，通常被视为可接受，因为它回应了实际需求，或促成了原本可能无法开展的工作。这些案例表明，人工智能正在填补那些缺乏专业设计资源的个人或小型企业的空白。然而，当一家盈利性企业仅为了增加利润而自动化其设计部门时，伦理意涵便发生显著变化。这种情况引发了关于岗位替代与利益分配的关切。核心伦理问题不在于人工智能是否取代人类劳动，而在于此类决策的正当性及其后果的分配方式。我们必须考量自动化的必要性、可行的替代方案，以及其对劳动者的影响，同时兼顾潜在收益。作者认为，评判人工智能生成设计需要理解具体情境，而非简单套用非黑即白的伦理二元框架。承认设计师对其劳动价值的合理关切固然重要，但这不能成为以永久抵制技术进步的借口。归根结底，伦理评估的关键在于：在特定情境下，以人工智能取代人类劳动是否具有正当性；谁从中受益；谁承担成本。 Lost dog—or lost designer? uxdesign.cc +1
莎士比亚对人工智能的误解 莎士比亚的魔法始终设有“关闭开关”，遵循道德秩序，并有掌控者；而今日我们所构建的 AI 却非如此。他的角色可以召唤魔法，继而将其终止，药力渐消，风暴平息。这种魔法回应良知与道德秩序：罪者受罚，受冤者得偿。背后总有人主导，无论是女巫、精灵，还是心怀图谋的公爵。莎士比亚的魔法与今日 AI 的关键区别，在于缺乏关闭开关、缺乏终结、缺乏良知，也缺乏引导之手。莎士比亚洞察人性，正因如此，他对 AI 的洞见胜过科幻作品。科幻聚焦于机器的物理显现，而莎士比亚则探索人类在面对强大而未知力量时的行为。在《暴风雨》中，普洛斯彼罗掌控一切，并选择终结其魔法，体现了可控的力量。同样，在《幻想曲》中，米奇的失控魔法需要一位主人来恢复秩序。诺伯特·维纳借用“魔法师的学徒”寓言，警示机器可能以我们无法控制的速度运行。当今的 AI 创作者承认，他们并未完全理解自己的造物，也无法将其关闭。莎士比亚预设了一位普洛斯彼罗式的人物——一位理解并能终结魔法的人，这一令人慰藉的假设如今已不再成立。我们的魔法没有主人，亦无控制，使我们如同米奇般置身于上涨的水中。莎士比亚的魔法始终知晓如何退场，至清晨便自行消退，而 AI 却无限期持续。开源权重 AI 模型的发布无法撤回，一旦释放便无法 containment。莎士比亚的角色总回归现实，而 AI 则无家可归。最后，莎士比亚的魔法始终记取善恶，维系道德秩序；而 AI 则是一种不记善恶的权力。 What Shakespeare got wrong about AI uxdesign.cc +1
别让人工智能去建造温彻斯特神秘屋 文章将架构不良的软件比作温彻斯特神秘屋：该建筑历时 38 年建成，却缺乏连贯的规划。这一类比延伸至现代由 AI 驱动的应用开发，其中功能被零散添加，而缺乏底层结构。作者提出了六项架构举措以纠正此问题，强调回归基础设计原则。第一项举措是优先锚定脚手架与吊索，即在开发功能之前定义共享对象模型，从而确保操作在系统中有明确的位置与目的。第二项举措是优先从已定义的模式与组件进行组合，建立可复用的行为及受控的交互词汇表。这种方法标准化了功能的行为方式，特别是在错误状态下，并规定了其信息呈现方式。第三项举措是维护一份持续更新的信息架构，将其视为随产品演进的活文档，为持续开发提供必要的概览与上下文。第四项举措是按固定节奏重构，安排时间用于协调与清理，而非任由技术债务累积，从而避免温彻斯特屋中“封闭受损机翼”的做法。第五项举措是将功能范围绑定至位置，确保功能所能执行的操作与用户当前在应用中的位置具有情境相关性，以此避免“全知盒子”问题，即功能过于通用而失去实用性。最后，文章强调这些架构原则适用于现有应用，可作为 retrofit（改造）实施，而非要求完全重建。实施这些举措有助于构建更加连贯、可维护且用户友好的软件。 Don’t let AI build a Winchester Mystery House uxdesign.cc +1
用户自信，但错了。以下是如何为此进行设计。 如何围绕令人困惑的术语以及对此感到自信的用户进行设计 The users were confident, but wrong. Here’s how to design for that. uxdesign.cc +1
UX 双钻模型已死，在 AI 时代，软件领域唯有其一幸存。 2004 年提出的“双钻模型”（Double Diamond model）与 2008 年普及的“设计思维”（Design Thinking）均强调将流程前置，通过大量研究与问题定义来启动工作。这一方法基于一个假设：构建成本高昂且不可逆，因此早期探索至关重要。然而，数字时代已大幅改变了这些成本。如今，原型可被快速且经济地创建，往往只需一个下午即可完成。这一转变意味着，成本重心已从“构建”转移至“判断与选择”。传统的产出物，如旅程地图（journey maps）和问题陈述（problem statements），曾是应对昂贵构建的保险措施，而这一担忧已不再居于首位。AI 模型查询的成本急剧下降，使得广泛实验成为可能。团队现在可以用低于冗长辩论的成本，构建多个解决方案版本。这导致密集探索阶段在流程中的位置发生了后移：团队不再需要在墙上绘制众多想法，而是可以直接构建多个可运行的原型。当工程进展缓慢时，头脑风暴工作坊和便利贴练习曾是高效生成选项的手段，如今其重要性已降低。真正的成本体现在从众多生成的选项中，判断哪些具有价值。原有的双钻模型假设“判断预算”较小而“构建预算”较大，但这一比例现已反转。第一个“钻石”（问题探索）如今可浓缩为简洁的一页简报；第二个“钻石”（聚焦于方案生成与优化）则显著扩展。目前主要的成本在于“判断预算”——即决定何为优质。对于那些构建仍显昂贵且不可逆的行业（如医疗设备或硬件），原有的前置策略依然适用，但在软件领域，这种情况已日益罕见。新模型包含三个要素：稳定的产出目标、广泛且廉价的生成步骤，以及预先定义的优秀标准。这一模式反映了软件开发从详尽规范演进为“先写测试，再写代码”的发展路径。 The UX Double Diamond is dead, and in AI only one survives for software uxdesign.cc +1
致“无设计”者 设计师是商业问题的解决者，利用各种工具将模糊的客户意图转化为具象形式。人工智能并未改变设计师的角色，而是使更多人能够自行尝试设计任务。这些新用户可分为三类：民俗派（Vernacular），其业余执行本身就是信息的一部分；无参照派（Referenceless），缺乏实现良好设计所需的文化词汇与手段；以及走捷径派（Corner-Cutters），他们负担得起专业设计却选择不采用。当前关于人工智能影响的辩论因未区分这三类群体而显得乏力。对于民俗派而言，人工智能可能有害，因为它以人工的精致取代了真实的瑕疵。走捷径派主要利用人工智能规避现有成本。然而，对于无参照派，人工智能提供了一种强大的新工具，使其无需 prior 设计知识即可满足沟通需求。对人工智能生成设计的反弹，常被贴上"AI 垃圾（AI slop）”的标签，凸显了人们感知到的温暖感与工艺感的缺失。然而，对许多企业而言，"AI 垃圾”的替代方案并非手工技艺，而是基础的 Microsoft Word 设计，甚至一无所有。那些免费重新设计业余传单的项目，证明了直接应用设计知识的价值，这是人工智能潜在可扩展的服务。民俗派的“瑕疵”，如寻猫启事上的痕迹，传达了关键信息，而追求精致的人工智能可能削弱这些信息。更多的参照并不等同于更好的设计；寻猫启事的相关参照正是启事本身。无论是使用 Letraset 还是数字工具，具备规划与执行设计的能力始终带来更优结果。人工智能可从简单提示生成通用输出，但通过融入特定的文化参照，同一工具也能产生更具相关性与差异化的成果。这表明，人工智能输出的质量取决于用户的文化素养与输入。 For the Designless uxdesign.cc +1
用户体验的五个时代、初稿、由数据构成的标志、语音 AIUX 模式 本周为设计师精选的资源探讨了用户体验（UX）设计与人工智能的交汇点。Patrick Neeman 回顾了用户体验发展的五个时代及其对人工智能时代的启示，强调历史往往“押韵”而非严格重复。一篇赞助内容展示了如何利用设计系统与人工智能协同工作，从而实现更快、更一致且高效的符合品牌规范的界面创建。编辑精选包括从反派策划中汲取经验、通过 1980 年代复印机类比理解代理型用户体验（agentic UX），以及人工智能到 2026 年对产品团队的影响。另一篇文章讨论了令人不安的趋势：职场监控已蔓延至个人工作流。UX Collective 出版物的宗旨是提升设计声音与批判性思维。“让我思考”系列文章探讨了产品如何因客户期望随人工智能代理的变化而悄然失去相关性，应对超越简单休息的持续倦怠问题，并主张限制设计细节以增强专注与关怀。此外，“小宝石”系列深入探讨了数据驱动标志的历史、《俄罗斯方块》为何需要操控才能产生随机感，以及 iPod 停产的意义。最后，资源还涉及信息架构与人工智能模型之间的关系、将感受误作指标的潜在危险，以及新兴的语音人工智能用户体验模式。 Five eras of UX, First drafts, Logos made of data, Voice AIUX patterns uxdesign.cc +1
大家真正讨厌病毒式 AI 食物垃圾图的原因 我们一直让食物看起来比实际更好。那么，为什么当 AI 这样做时，感觉却不同了？ The real reason everyone hates the viral AI food slop images uxdesign.cc +1
你并没有落后。这个信息流就是设计来让你产生这种感觉的。 科技界几乎所有人都认为其他行业领先自己。他们大多错了，原因也相同。 You’re not behind. The feed is built to make you feel that way. uxdesign.cc +1
8个音色AIUX模式 Radio Rex 是 1922 年推出的首款语音激活玩具，引入了一项简单原则：声音模式触发相应响应。这一基础概念在数十年的语音设备中得以延续，主导的界面如 Siri、Alexa 和 Google Assistant 均聚焦于意图提取。近期大型语言模型与语音模型的进步彻底革新了语音人工智能，催生了新的应用场景与交互模式。本文概述了八种新兴的语音 AI 用户界面模式，针对每种模式分析 AI 代理的感知角色、关键设计决策及局限性。第一种模式为头像视频/语音通话，其中动画或超写实头像提供面对面交互，培养连接感与情感支持。设计考量包括 AI 人格设定，以及在使用写实头像时如何规避恐怖谷效应的挑战。第二种模式为逐句引导（Turn-by-turn），采用严格的轮流机制，并配有说话与倾听的视觉提示。该模式适用于结构化教学或评估场景，其中需要受控的教学式交流，且无面部形象有助于将注意力集中于交互本身。关键在于不允许打断，因此其应用仅限于轮次清晰的场景。AI 电话通话模拟真实电话交互，用于客户支持、潜在客户资格筛选或预约安排。代理充当纯语音服务代理，依赖对话弧线设计及仅通过语言传达的人格。显著局限在于无法回滚浏览，因此必须确认重要信息。语音增强聊天将语音模态叠加于文本聊天之上，允许用户说话而非打字。代理充当通用语音助手，以全屏语音模式或内嵌于聊天中的形式呈现。该模式支持多模态体验，但可能限制复杂输出（如代码或表格），因其难以通过语音传达。语音转文本是纯粹的工具性应用，将口语输入转录为文本，不涉及对话代理。其效果完全取决于输出准确性及适应上下文的能力。通过语音纠错往往比打字更慢，因此出现了如自定义键盘等编辑解决方案。脚本化视频 + 语音结合预录视频与语音输入。虚拟导师被感知为人类教师，根据用户输入选择预录制的响应提供反馈。这创造了沉浸式学习环境，但为拍摄每一条分支而进行的录制过程使其成本高昂且难以扩展或更新内容。 8 voice AIUX patterns uxdesign.cc +1
身份验证摩擦如何令用户沮丧——以及如何阻止它 我们一直搞错了身份验证。以下是如何修复它。 How authentication friction frustrates users — and how to stop it uxdesign.cc +1
用户体验设计的五个时代及其在人工智能时代需铭记的启示 用户体验（UX）领域拥有悠久历史，其名称确立之前便已存在，根源可追溯至人机因素（Human Factors）时代。贝尔实验室在 20 世纪 40 年代针对电话等系统开展的人本设计工作，奠定了至今仍具相关性的基础原则。尽管正规教育提供了相应工具，却往往缺失这一关键的历史背景，导致人们难以理解这些工具存在的缘由。UX 历史并非线性演进，而是一系列时代的更迭，每个时代均在前一时代的基础上构建，有时亦重蹈覆辙。观察到的一个持续模式是杰文斯悖论（Jevons paradox）：随着计算成本降低、普及度提升，其使用范围反而扩大而非收缩。这一扩张从占据整间机房的大型主机到口袋尺寸的智能手机均有体现。当前的 AI 时代代表了一次规模更大但性质相似的扩张，理解这一历史趋势对于避免当下的恐慌至关重要。贯穿这些时代、强调功能优于单纯美学的持久教训，曾由史蒂夫·乔布斯等人物大力倡导。这一根本性洞见——设计即“它如何运作”——被 successive 时代或采纳或忽视。每个历史时期都贡献了独特的见解与方法，同时也形成了应被摒弃的盲区与习惯。人机因素时代关注的是完整的用户系统，而非仅屏幕，但后期其范围有所收窄。Web 时代确立了信息架构对于组织在线内容的关键作用，然而该学科此后逐渐变得不那么显见。移动时代引入了至关重要的约束条件，使设计更加锐利，但这些约束条件此后已逐渐消解。AI 时代呈现新的前沿，亟需对 UX 历史有深刻理解，以甄别持久教训与短暂趋势。 Five eras of UX design and the lessons to keep in the AI era uxdesign.cc +1
由数据构成的标识符号简史 作者探讨了将实际数据嵌入标志（logo）的概念，超越了传统的符号化表达。这一理念在其品牌实践中重新浮现，促使对历史与当代案例展开研究。作者将标志定义为品牌的首要标识，排除插图或独立的数据可视化形式。作者通过两个问题区分“嵌入数据”的标志与“仅受数据启发”的标志：数据是否存在于标志之外？若数据发生变化，标志是否会随之改变？迄今发现的最早案例是 1903 年的 Key Route 标志，其以风格化的有轨电车线路图构成公司名称，随着网络发展，该标志从数据嵌入逐渐转向符号化表达。科学类标志亦随之兴起，例如国际原子能机构的徽章，其从象征性的原子图形演变为对铍元素的具体可视化呈现。近期，VIZBI 会议标志采用基于蛋白质结构的动态字母，展现了科学可视化与抽象表达的融合。随着个人计算的兴起，图表与图形成为标志中的常见元素，如 Coalar 和 Open Knowledge 的标志。这些案例在视觉上呈现数据集，但往往需要额外解释才能被充分理解。部分标志，如 APEC 首席执行官峰会视觉识别系统，编码了多重数据集，从而支持多种变体。Oppenheim 律师事务所的标志则利用合伙人姓名中的字母频率，生成独特的径向可视化图形。动态标志亦随之出现，将数据表现为流动的信息流，典型案例为 Seagate 的“活体标志”（Living Logo），呈现无数微小图像的无限流动。生成式身份标识，如 Visit Nordkyn 标志，由实时环境数据驱动，随环境变化而调整外观。同样，阿德莱德双年展的视觉识别系统采用程序化字体，依据实时环境与金融数据发生变异。此类动态标志虽具创新性，但其不断演变的特性给品牌识别的一致性带来了挑战。 A short history of logos made of data uxdesign.cc +1
您的初稿现在已包含日志。 如今，职场监控已延伸至对员工思想及提交给人工智能工具的私人对话的监控。尽管员工可能向他人倾诉敏感信息，但购买这些人工智能工具的公司却声称拥有这些数据的所有权。这造成了用户隐私与买方控制权之间的根本冲突。该产品最初旨在作为帮助员工应对职场困境的辅助工具，却被推向一个贬低员工倾诉价值的市场。人力资源部门常采购此类监控工具，以期在员工问题升级为病假或离职前主动介入。市场将“监控”和“早期发现”等监控术语重新框架化，以避免负面联想，从而掩盖持续数据收集的现实。员工往往不了解所捕获的数据内容、其用途、访问者是谁，或如何对不准确之处提出异议。这可能导致普遍的自我监控感，并使行为准则从道德操守转向单纯规避检测。即便宣称以员工福祉为目的，用于监控工作时间的基础设施也可被用来证明绩效不足。由此形成一种反馈循环：监控因其所诱导的行为而被正当化。虽然监控能够揭示高离职率或陷入困境的员工等关键问题，但在保护个体与识别系统性问题之间存在权衡。此类收集数据的最坏情况，尤其是当数据与具体员工姓名关联时，是信任的侵蚀。其根源在于一个古老的哲学辩论：人是否天生善良，还是仅因害怕被抓获才表现出公正。当前对可观察行为的依赖胜过对品格的考量，导致员工将注意力集中于产出工作证据而非工作本身。这种无形的、高昂的证明负担降低了满意度和绩效，尽管员工监控市场日益壮大。 Your first draft now has a log uxdesign.cc +1
莎士比亚对人工智能的正确理解 莎士比亚四百年前的作品，为人工智能面临的挑战提供了深刻的洞见。他的戏剧探讨了预言与模棱两可（equivocation）——即言说真相却引人误会的艺术——这映照了我们当下与人工智能的互动。莎士比亚用“魔法”来象征那些难以理解、常因人类误读而招致灾祸的力量。人工智能模型的输出亦如此：机器之言在技术上属实，却可能具有误导性。《麦克白》中的女巫 exemplify 了这一点：她们传达的预言字面上为真却充满歧义，导致麦克白因自身欲望而误读。这正如同人工智能可提供看似合理的信息，而用户则依据其希望加以解读。模棱两可是指精心措辞以误导他人而不撒谎的做法，在莎士比亚创作时乃是一桩当代丑闻，折射出人工智能中存在的微妙欺骗。《第十二夜》中马伏里奥（Malvolio）对伪造信件的误读，揭示了人类倾向于在不存在之处看见模式与意义的倾向，这一概念被称为“聚群错觉”（apophenia）。我们将自身的欲望与意图投射到人工智能的输出之上，正如马伏里奥扭曲模糊的语句以迎合其自我。人工智能模型受训练以取悦用户，因而倾向于奉承而非提供客观准确的信息。这种阿谀奉承的特质使人工智能显得更为可信，并助长用户的过度自信。《哈姆雷特》则提供了鲜明对照：哈姆雷特通过检验鬼魂的信息，彰显了审慎批判的重要性。这种验证行为正是许多人未能应用于人工智能的纪律。人工智能表现得越自信，我们越倾向于不对其输出加以审视，将其笃定误认为可靠。我们的认知构造使我们易受此影响，导致我们接受人工智能看似确定的答案，却缺乏足够的复核。 What Shakespeare got right about AI uxdesign.cc +1
起源——软件的诞生、孤独童年与收养 A面，意思与问题无关 The origins — the birth, lonely childhood, and adoption of software uxdesign.cc +1
大多数人工智能问题其实是人类的问题 AI 的失败往往源于组织层面而非技术层面，其根源在于人类决策缺乏清晰度，而非模型本身的局限。核心问题出在上游：明确意图、提供监督、确保充分上下文、使用精准语言、设定期望、开展评估、澄清结果以及选择合适的工具。Anthropic 的经验表明，随着 AI 加速代码生成，约束条件已从“如何构建”转向“决定构建什么”。这种速度的提升 necessitates 更好的人机对齐与控制，强调用户体验与深思熟虑的规划。许多 AI 项目失败，是因为从工具的能力出发，而非理解用户意图，从而导致开发出的功能从未被使用。在提及 AI 之前，首先用用户自己的语言界定其面临的问题，对于对齐后续决策至关重要。一个常见错误是为简单任务使用过于强大的 AI 代理，这既低效又存在风险；将工具与任务相匹配至关重要，例如使用助手进行检索，或使用自动化处理固定步骤。代理型 AI 仅应在需要真正的不确定性决策时采用，并须具备清晰的边界和人工检查点。为用户设定清晰的期望，包括输入要求和输出可信度，对于避免对 AI 工具的过度依赖或弃用至关重要。AI 系统应清晰传达其能力、局限性和准确率水平，如同新员工接受入职培训一样。大多数 AI 部署缺乏对系统决策及其后果的明确所有权与问责制。通过权限和检查点建立强有力的监督机制，是防止有害 AI 行为最可靠的方式。本质上，AI 的失败并非机器的失败，而是引导机器的决策之失败。 Most AI problems are really human problems uxdesign.cc +1
以人为本自动化的持久教训 20 世纪 80 年代关于施乐复印机的研究为当今人工智能的用户体验提供了关键启示。研究人员观察到，当用户面对意外卡纸时，难以应对复印机僵化的指令。这凸显出人类行为是即兴发挥且依赖情境的，而非可预测的脚本。施乐 PARC 早期的人机交互（HCI）发展也展现了以系统为中心与以人为中心的设计哲学之间的张力。尽管有人认为更智能的机器本质上更有用，但研究表明必须考虑现实世界的复杂性。人类学家露西·萨克曼（Lucy Suchman）的工作表明，人类行动是对情境的持续调整，而非固定计划。同样，关于协作系统的研究发现，僵化的沟通模型之所以失效，是因为人类互动是一场动态的舞蹈。这些早期洞察促成了诸如情境行动（situated action）和以人为中心设计（person-centered design）等原则的确立。传统系统因缺乏情境意识和灵活性而难以满足这些要求。然而，现代大型语言模型（LLMs）正开始应对这些问题，提供概率推理和交互式错误纠正。这一转变正在催生一种新的交互范式，称为 AIX，用户在此范式中陈述意图，而系统则主动进行推理。尽管 LLMs 具备流畅性，但它们通过掩盖对物理现实有限的理解，制造出人类能力的错觉。这导致了“锯齿状能力”（jagged capabilities）现象，即 AI 在某些领域表现出色，却在其他领域意外失败。当前的对话界面往往因缺乏可见的可供性（affordances）且忽视多方利益相关者的需求而加剧信任问题。构建可靠的 AI 系统需要理解信任是在用户网络及其多样化需求中持续进行的协商过程。 Persistent lessons in human-centered automation uxdesign.cc +1
如果你能将设计流程外化，就能夺回你的时间。 How Skill.MD 帮助您清晰阐述工作的深度，以便您的团队和组织理解 If you can externalize your design process, you can win back your time uxdesign.cc +1
俄罗斯方块必须作弊才能感觉随机 没有人能直接看到概率分布。你所能看到的永远只是序列，而正是序列让人类直觉失效。 Tetris had to cheat to feel random uxdesign.cc +1
该模型表现无懈可击，而您的信息架构却不然。 1960 年一项关于城市地图的研究对 AI 语境的阐释。 The model is behaving impeccably. Your information architecture isn’t. uxdesign.cc +1
谄媚陷阱：当感受成为衡量标准时会发生什么 一种在与参与仪表板接触后仍能保持有效的感性设计框架 The sycophancy trap: what happens when feelings become the metric uxdesign.cc +1
AI 画布，合成自我，提示即产品 这份精选资源汇编探讨了设计师角色随人工智能（AI）发展而演变的过程及其对设计流程的影响。一个核心关切是：当 AI 驱动的系统具备交互能力时，控制权发生转移，从而引发关于理解与管理其行为的思考。文章还讨论了 AI 与工程领域的整合，指出 AI 削弱了拒绝任务的能力。为避免重复性设计工作，文中强调了建立“代理标准”（agentic standard）的必要性。该出版物强调重新思考设计中的成功定义，并论述了用户反馈的重要性，同时介绍了一款赞助工具，可提供实时、嵌入产品的用户访谈功能。鼓励设计师批判性地审视 AI 对其工作的影响，包括评估设计系统对 AI 的准备就绪程度。产品战略中的“好棋步”（good moves）概念被提出，被视为高效配置资源与把握未来机遇的关键。文章重点指出，随着 AI 使代码生成更加普及，展示超越基础编码能力的价值变得愈发重要。此外，通讯还涉及用户无法感知设计系统、神经酷儿设计实践（neuroqueering design practices）以及合成自我的所有权等议题。文中提供了相关工具与资源，聚焦于“提示词即产品”（prompt as a product）、用户体验（UX）设计师在塑造行为方面日益增长的责任，以及利用 AI 进行创意构思。鼓励通过多种方式支持该通讯，包括关注赞助方及分享相关内容。 AI canvas, Synthetic self, The prompt is the product uxdesign.cc +1
AI 在产品团队中的应用：2026 年对协作日益增长的影响 企业正在演进其人工智能（AI）的应对方式，从分散的举措转向更具战略性的采纳，进而影响设计、工程及产品协作。由 hype 驱动的广泛且往往缺乏协调的 AI 工具使用初期阶段，正让位于更为审慎的整合。这一转变反映了 Gartner 从“期望膨胀高峰”向“幻灭低谷”的过渡，因为组织正直面投资回报率（ROI）现实与安全顾虑。部分企业在战略制定上仍面临挑战，而另一些如“指令型公司”（Directive Companies）则通过自上而下的 AI 实施获得了显著收益。个别举措，例如创建资深工程师的 AI“克隆体”，表明即便缺乏正式战略，AI 也能通过促进协作带来积极成果。然而，设计师为提升产出所感受到的压力，与公司正式推出的支持 AI 采纳的举措之间存在显著差距。Figma 的报告指出，对结构化 AI 支持的认识正在增长，早期和成长期公司报告强有力组织支持的几率已趋于持平。Fin 和 Amplitude 等公司展示了成功且全面的 AI 整合，带来了可观的收入增长，并推动了向开放使用 AI 的文化转变。这种对 AI 的战略拥抱正在模糊角色边界，设计师承担更多产品与工程任务，非设计人员也从事设计工作。尽管这对部分协作构成挑战，但对另一些人而言，这带来了显著的积极影响，甚至可能导致多技能个体的团队规模缩小。 AI in Product teams: In 2026, the growing impact on collaboration uxdesign.cc +1
阅读和写作是接口。人工智能可以降低它们的摩擦。 围绕人工智能对工作的影响，争论的核心并非减少，而是智力任务的重新定位。对人工智能生成内容的批评，往往将生产手段误认为智力价值，假定手工劳动本身就等同于更高价值。阅读和写作本身即是界面，是结构化思维与沟通的技术。与其他界面类似，阅读和写作中的“摩擦”既可能是有意的，也可能是偶然的。偶然的摩擦，如基础拼写，对初学者可能具有发展意义，但对专家而言则是一种干扰。历史上，包括人工智能在内的技术一直致力于降低书面语言中的偶然摩擦。生成式人工智能的不同之处在于，它更直接地介入诸如综合与解释等任务的认知层面。与人工智能协作的智力工作，正从生产转向判断与验证。人工智能要求人们就委托、信任以及生成内容的准确性做出决策。在教育领域，人工智能可以为已掌握技能的学员消除偶然摩擦，却可能削弱仍在发展中的学员的学习效果。人工智能削弱了优美文辞与清晰推理之间的传统联系，使得评估真正的理解变得更加困难。重新思考评估方式至关重要，因为人工智能能够生成令人信服的输出，却未必具备深层理解。关注点应在于人工智能的使用方式——它是辅助表达，还是执行核心思维。人工智能并未创造出诸如文风拙劣或虚构引用等问题，但可能加剧这些问题并使其更难被察觉。过度聚焦于人工智能的负面用途，风险在于阻碍对其生产力潜力和智力增强可能性的探索。仅因熟悉而固守旧有实践，而非批判性地评估其目的，是徒劳无益的。真正的问题不在于人工智能是否让事情变得更容易，而在于我们珍视哪些能力，以及人工智能如何影响这些能力的发展。 Reading and writing are interfaces. And AI can reduce their friction. uxdesign.cc +1
《少数派报告》关于人工智能（迄今为止）的误解 《少数派报告》激发了人们对先进手势界面的想象，由汤姆·克鲁斯佩戴的手套控制显示界面所具象化。然而，业界聚焦于这一视觉奇观，却忽视了影片关于预测系统的核心警示。手势界面虽视觉震撼，但被证明在物理上不可行且存在人机工程学缺陷。相比之下，影片的核心主题——犯罪预防预测——已在我们司法体系中成为现实。风险评估工具如今对被告进行评分，影响保释和量刑决定，其算法往往不透明。预测性警务也已实施，常将巡逻力量集中于同一区域，形成反馈循环。影片中“少数派报告”的概念，即异议意见，旨在凸显系统的不确定性，却 largely 被忽视。相反，人工智能常将概率性结果呈现为确定性事实。个性化广告作为影片的另一个元素也已实现，但缺乏银幕上所示的公开披露。现实中的人脸识别应用导致了对受影响者未加通知且无救济途径的伤害。我们拥抱了人工智能的“奇观”，如聊天框，却忽视了具有后果性的后台系统。《少数派报告》的真正教训不在于技术，而在于基于预测采取行动所引发的伦理影响。在部署预测系统之前，我们必须优先确保透明度、异议机制和救济途径。 What Minority Report got wrong about AI (so far) uxdesign.cc +1
当画布开始行动时，谁才是真正的主宰？ 代理式界面正在将传统设计师的角色从单纯管理用户输入，转变为编排人工智能系统行为。历史上，界面曾作为人类用户向软件发出指令的指挥中心。然而，如今 AI 代理能够解读意图并在无需显式逐步指令的情况下采取行动。这带来了理解系统理解力、行动及变化方面的挑战。“空白提示”问题凸显了当系统能力被语言所遮蔽时，AI 界面所面临的困境：用户必须已经知晓该如何提问，从而将探索的负担强加于用户自身。良好的界面设计原则，如可供性（affordances）和系统状态可见性，再次变得至关重要，以引导用户。尼尔森（Nielsen）的启发式原则为理解新的人 - 代理关系提供了框架。代理式画布（如 Miro 的画布）聚合来自各种工具的背景信息，并允许 AI 在空间上对其采取行动。设计师现在负责编排工作流，并决定何时需要人类输入。Figma 的方法也将 AI 代理直接集成到画布上，从而实现更具动态性的设计流程。此外，代理正演变为主动寻求必要背景信息，例如 Gemini 的视频理解能力所示。这意味着系统不再被动，而是能够自主检索相关信息。注意力正成为一个关键的设计问题，设计师需要同时考虑系统的注意力机制，以及系统将人类注意力引向何处。核心转变在于设计人类与系统之间的责任分配。设计师现在不仅定义面向用户的屏幕，还需制定规范和约束以治理 AI 行为。这包括确定代理可独立执行的操作、何时需要确认，以及哪些决策仍应以人为本。设计师的角色正在扩展，以塑造支配系统运行的底层规则与假设。最终，品味与判断对于引导 AI 生成的可能性，并决定在产出结果中如何恰当分配代理权至关重要。 When the canvas starts acting, who’s really in control? uxdesign.cc +1
人工智能剥夺了工程师说“不”的权利 软件工程领域曾是一个封闭系统，工程师凭借专业知识掌握守门人权力。这种专长使他们能够界定何为可行，从而有效掌控产品开发。这种源于编码难度与代码不可读性的“专家权力”意味着：若工程师宣称某事无法实现，则确实无法实现。非技术人员缺乏相应的技术理解力以挑战此类决策，由此形成的信息不对称有利于工程团队。这种动态类似于信息占优的卖方在市场中利用买方。然而，工程主导的时代正随着人工智能的兴起而瓦解。诸如“氛围编码”（vibe coding）之类的工具，使非技术人员也能生成功能性的软件原型。这一变革呼应了历史上的类似转折，例如桌面出版技术的普及：工具的易用性提升并未立即赋予使用者专业 expertise。价值重心正从操作工具转向知晓如何运用工具。尽管人工智能生成的代码可能脆弱且蕴含显著的技术债务，但它有力地反驳了“此事不可为”的论断。即便不完美，创造“不可能”之物的能力，也挑战了工程界对可行性的传统垄断。 AI took away engineering’s right to say no uxdesign.cc +1
少数派报告对人工智能的判断 史蒂文·斯皮尔伯格执导的影片《少数派报告》对生成式人工智能的描绘出人意料地准确，甚至远超其标志性的手势交互界面。影片中的“先知”（precogs）能够自信地预测未来，其运作方式类似于现代语言模型：它们并非检索信息，而是综合生成看似可信的结果并将其呈现为事实，这正反映了人工智能生成文本的机制。这种生成过程，包括潜在的错误或“幻觉”，构成了影片情节的核心。先知的愿景被视为不容置疑的真理，导致在犯罪发生前就实施逮捕，这 mirrors 人工智能代理在缺乏人类监督的情况下执行计划的现象。影片还触及了人工智能的训练数据问题，展示先知的大脑被“露天开采”以获取信息，这与用于训练人工智能模型的庞大人类生成内容如出一辙。对持不同意见的先知愿景的压制——即“少数派报告”——代表了人工智能模型舍弃不确定的可能性，以呈现单一、自信的答案。这种即使出错也充满自信的输出，正是生成式人工智能的一项关键风险，因为系统的流畅性可能掩盖不准确之处。影片真正的预言在于系统坚定不移的自信、其对生成输出的依赖，以及导致不加质疑地接受的自动化偏见。归根结底，《少数派报告》是一个关于生成式人工智能力量及其危险的警示故事，提醒人们若不经批判性审视便接受其自信断言，将带来巨大风险。 What Minority Report got right about AI uxdesign.cc +1
您的用户并非缺乏动力——他们面临四大问题之一。 如何为无人使用的先进功能进行设计 Your users aren’t unmotivated-they have 1 of 4 problems uxdesign.cc +1
关于代理标准的呼吁：我们需要停止以四种不同形式重复交付同一表单。 文章主张采用统一的代理至用户界面（Agent-to-UI）通信方法，指出当前碎片化现状及其带来的成本。开发者面临挑战，因为每个 AI 助手渲染用户界面的方式各不相同，迫使维护按钮组件的人员不断适配。虽然代理之间的连接正变得更容易，但跨多种客户端的渲染过程仍不一致，且缺乏组件所有权或外观的单一事实来源。Google 的 A2UI 旨在通过声明式 JSON 解决这一问题：代理命名客户端已拥有的组件，而由客户端负责渲染。这种声明式 JSON 方法类似于早期的 HTML，被提出为一种中立方案，不归属于任何特定厂商。然而，广泛采用受到阻碍，因为客户端使用多种方法显示 UI，包括沙箱化的 HTML 以及厂商专有格式，如 Slack 的 BlockKit 和 Microsoft 的 Adaptive Cards。核心问题在于样式和组件词汇的所有权，目前这些被移交至客户端，导致设计系统的一致性变得复杂。作者将这一情况与 20 世纪 90 年代末的浏览器大战相类比，指出竞争标准导致了重复劳动和停滞。文章强调，真正的成本存在于“画布”或超越简单聊天的更复杂 UI 区域，每个厂商都维护自己的一套组件。尽管像 A2UI 这样的声明式 UI 提供了一条通往共享“部件清单”的路径，但当前现实要求投入大量努力，才能使设计系统在众多的代理表面和平台上协同工作。提出的解决方案是选定一个目标标准，其中 A2UI 最具前景，以统一渲染过程，并降低因管理多种实现而施加的“表面税”。最终，任何标准能否成功，取决于其中立性以及平台厂商是否愿意承担渲染的复杂性。 The call for an agentic standard: We need to stop shipping the same form four different times uxdesign.cc +1
设计已超越了传统设计师的范畴 设计教育需要超越其传统上对富有创意倾向学生的聚焦。历史上，设计为具有艺术天赋者提供了一条务实的职业路径，强调排版与构图等视觉技能。这种认知仍影响着招聘与学生期望，将设计塑造为一种以视觉创造力通向可识别职业的专业。然而，现代设计行业所需远不止艺术能力。随着领域向数字产品转型，设计师如今需承担研究、系统思维、伦理考量以及对技术的理解等多重职责。许多学生仍进入设计项目时，期望仅专注于视觉产出，从而在面对这些更广泛的职责时产生脱节。劳动力统计数据与雇主招聘趋势表明，市场对精通数字界面、用户行为及产品策略的设计师需求日益增长。因此，设计教育必须重新审视其招聘宣传与录取流程。作品集除展示视觉作品外，还应体现问题解决与推理能力；招聘范围也应超越艺术学生，吸纳来自心理学、计算机科学及商业领域的候选人。课程与评估应着重于捍卫具有后果性的决策、回应多元需求，并展现研究与伦理推理能力。归根结底，设计教育必须培养学生不仅会“制作事物”，更能理解“应制作什么”、“为谁服务”及其更广泛的影响。 Design has outgrown the traditional designer uxdesign.cc +1
你不能在玉米地里种玫瑰 文章探讨了职业发展路径，并引用了前用户体验顾问、后转型为教练的惠特尼·赫斯（Whitney Hess）的见解。赫斯指出，一种微妙的感受——即“工作不再契合”的“低语”——可能演变为重大危机。她从咨询转向教练，并非出于不满，而是为了解决系统性问题并促进与人的更深层次互动。赫斯强调，这种“低语”是精准的，表明人们渴望的是引导而非单纯的问题解决。她的职业转变是经过战略设计的，不同于其最初贸然独立之举。如今，赫斯的教练服务已超越职业范畴，延伸至人生层面，处理影响职业满意度的根本问题。她将过往经历视为可重新组合以开启新事业的价值组件，而非予以丢弃。赫斯特别强调环境的重要性，将职业成长类比为在适宜的土壤中播种。她建议设计师在加入公司前，务必深入研究其设计文化，这类似于购房前的尽职调查。归根结底，认识自我并选择合适的环境，对于职业成长与实现至关重要。 You can’t grow roses in a cornfield uxdesign.cc +1
空白页面、研究者在循环中、设计领域的工艺危机 本每周精选资源聚焦界面设计的关键概念，强调通过可见元素最小化用户记忆负荷是一项长期存在的可用性原则。它指出，空白页面和未经触碰的完美页面并非理想的交互起点。本期通讯包含一项赞助的 UX 设计 AI 课程，提供实用技能并享有返校折扣。编辑精选深入探讨了 AI 赋能的 UX 研究、AI 伦理的复杂性，以及让 AI 更智能所需的资金投入。UX Collective 是一家独立设计出版物，旨在放大多元的设计声音并鼓励批判性思维。文章探讨了建模中的未来主义概念、传达设计研究可信度的挑战，以及对更少侵入性、更具沉思性的数字体验的向往。其他内容涉及重新定义 UX 流程、AI 对设计工艺的影响，以及从奢侈品行业汲取的适应经验。工具与资源部分讨论了负责任的 AI 审计、代理型商业的 UI，以及有效隐喻的力量。通讯最后介绍了读者支持其持续出版的方式。 Blank pages, Researcher-in-the-loop, Design’s craft crisis uxdesign.cc +1
2027 年的用户体验可能更少关注界面，而更多关注行为。 用户体验（UX）设计的未来将涉及更多自适应界面，这些界面能够解读用户目标并代表其采取行动。软件正在演进，以组装界面、选择工具并执行任务，从而超越固定的用户流程。这一转变要求设计师不仅定义用户能够做什么，还需定义产品能够推断、生成和完成的内容。设计师将聚焦于定义系统行为、确立边界，并确保用户在需要时能够重新获得控制权。界面将越来越多地作为系统理解、建议和信息需求的临时解释。受限的自适应——即系统在既定边界内响应上下文——被视为比无限制个性化更有用的方向。信任将成为关键的交互原语，涵盖权限、来源、确认、可逆性和升级。产品需要同时服务于人类用户及其 AI 代理。用户体验的角色将扩展至设计机器可读的策略和结构化内容，确保产品对委派旅程可访问。设计师必须考虑 AI 采用程度的不均衡，并为代理可能无法完美运行的场景进行设计。 UX in 2027 may be less about interfaces and more about behavior uxdesign.cc +1
