本指南旨在幫助設計師快速且一致地布置 UI，對于設計有固定約束的移動應用程序 UI 尤其有用，同時在響應式網頁設計中也能發揮作用。和許多設計指南一樣，這些示例在實際設計過程中體會，會比單獨閱讀文字更有幫助。

在視覺藝術領域，藝術家注入作品中的顏色往往能成為作品的靈魂。正如靜電所說：“顏色就是一種力量。它可以在轉瞬之間改變圖片的基調，能夠增強、減輕、突出、說服、呼吁等等。顏色和文字可以相互輔助，讓彼此更有力量，甚至能在沒有任何文字的情況下傳達情感，是設計師手中的一大武器。” 這也正是顏色在 UI 設計中成為關鍵因素的原因。

Feed 流，簡單來說，就是將用戶感興趣的內容以信息流的形式呈現出來。我們可以把 “Feed” 理解為 “按需供給”，即產品通過數據算法為不同用戶推薦他們感興趣的內容，吸引用戶不斷下拉瀏覽；而 “流” 則指信息有規律排版的呈現形式。

最近正在參與小程序相關項目，因此嘗試撰寫一篇「相對全面且實戰」的文章，希望能給越來越火熱的小程序領域及設計師們提供幫助。本文閱讀時間約 10 分鐘，內容充實，建議耐心瀏覽。

現代管理學家彼得?德魯克曾說：“如果你不能夠測量，那么就沒法很好的管理它。” 過去，B 端體驗設計在我心中是難以測量的，總覺得它縹緲不定，只是一種因人而異的感受，很難評判好壞。但經過深入學習和研究后發現，其實它并非如此虛幻。本文將結合具體案例，探討體驗設計在 B 端設計中的應用，以及相關的思維模型和可量化的方法論。

在設計領域，不斷總結與交流是提升自我的重要途徑。在此，我將自己總結的一套新功能引導頁設計思路分享出來，希望能與大家共同探討，也期待大家提出問題和建議。另外，文章中使用到的 2.5D 軸測圖輔助線，我會在文末附件中添加，大家可以下載打印用來畫草圖，也可以在軟件上使用。

在設計領域，B 端產品設計因其復雜性和專業性常常被視為挑戰。近期閱讀《B 端產品設計精髓》一書，讓我對 B 端設計有了系統且深入的理解。以下將從定義、背景、目標等九個維度，分享 B 端設計的核心要點，希望能為從業者提供參考

Platformcraft 是一款來自俄羅斯的商業級云存儲產品，致力于為企業提供穩定、安全且高效的文件管理與協作服務。其品牌視覺以字母“P”與云的圖形結合為核心，簡潔而富有科技感，象征著平臺（Platform）與云端（Cloud）之間的高度融合。

從設計語言來看，Platformcraft 的標志設計強調結構感與數字秩序：

• 標識構建基于幾何網格，提升在不同尺寸與場景下的可識別性；

• 色彩采用深藍與漸變紫，傳達出專業性與技術前沿感；

• 在圖標使用上，適配度極高，無論是在 Dock 欄、移動端應用或印刷場景中都保持極佳的清晰度與一致性。

這套視覺系統不僅提升了品牌辨識度，也為其云服務產品賦予了可信賴的第一印象，是典型的“技術驅動 + 品牌精致化”結合的典范設計。

蘭亭妙微(www.tuitetiyu.cn )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。

如何打造“流程深度綁定”的垂直領域AI產品？｜從交互與UI設計角度深入解析

一款好的AI工具，不應該只是“出結果”，而應該“帶用戶走完整個任務流程”。
本文從交互設計與用戶體驗角度，詳解如何打造深度融合用戶流程的垂直領域AI產品。

一、什么是“流程綁定型AI產品”？

隨著AI工具的快速發展，很多產品停留在“工具層”：比如“AI寫PPT”、“AI改簡歷”、“AI出海報”等。但用戶常常用過即走，沒有復用與黏性。

相反，那些真正有沉淀價值的AI產品，往往具備兩個特點：

• 專注垂直任務：服務某個行業、崗位、具體業務場景

• 流程級融合：不是外掛式調用，而是完整嵌入用戶任務流程中

我們稱之為——流程綁定型AI產品。

比如 Notion AI、飛書智能助手、LegalMind（法律AI）、Copy.ai 等，它們在業務閉環中持續賦能，成為流程的“原生一部分”。

01｜AI產品別光想著“聰明”，先看清用戶到底在干嘛

說得再直接點：
別管你用的是GPT-4.5還是Llama 87.9，用戶根本不在意你模型多牛，只關心一件事：

“我這個事，到底能不能靠你省事搞定？”

所以別上來就是“AI能力墻”或者“萬金油輸入框”，而是得先搞清楚一件事：
你的用戶每天的任務流是怎樣的？他們到底要完成什么？中間的決策點、阻力在哪？

舉個例子：

假如你做的是一款企業月報生成工具，那用戶的任務流可能是：

• 拉數據（煩）

• 編排結構（亂）

• 寫文案總結（難）

• 美化排版（懶）

你就不能只提供“自動生成一段月報文案”，這太淺了。
你得：引導他們一步步把數據丟進來、智能推薦結構、按模塊生成內容、順手美化導出——這是流程綁定。

AI不是一個功能，是一條任務線。

02｜不要把AI“外掛”到流程上，要“嵌進去”

很多AI產品失敗的原因，就在于它像個外掛一樣掛在任務之外。

舉個反例：
一個做招聘平臺的AI工具，是這樣用的：

用戶打開平臺 → 找到JD → 復制去AI工具里生成JD → 復制回來貼上

體驗感很像：“我還得背著你走一圈”。結果當然沒人想用第二次。

相反，你要做的是：

• 用戶打開JD編輯器，就自動彈出“推薦崗位結構”

• 輸入一句話，AI就按企業調性生成多段內容

• 用戶選中一句，旁邊出現“調正式 / 更親民”按鈕，一鍵改風格

• 寫完自動保存為“我司風格模板”，下次復用

流程從始至終，AI在里面，不是外掛。這才叫“深度綁定”。

03｜任務主線驅動交互，而不是把功能塞滿界面

現在很多AI產品的界面，打開后像個大型工具箱。

左邊是“寫文案”、右邊是“生成PPT”、中間是“靈感噴泉”，每個功能都能點，但就是不知道從哪開始。

 給你個建議：

把AI交互改造成“任務向導”，像游戲里的主線任務一樣，一步步做完。

比如你做一個活動策劃生成工具，可以這樣引導：

1. 你這次是“品牌種草”還是“促銷引流”？

2. 那目標平臺是什么？預算多少？

3. 好了，這是3個推薦結構模板，點一個試試

4. 已生成文案，是否想自動配圖、生成小紅書排版？

用戶跟著這條主線走完，感覺不是“我在用工具”，而是“它在幫我把事搞定”。

04｜讓AI“像個搭檔”，而不是“來干掉你”

現在大家對AI又愛又怕：

• 愛它快

• 怕它亂說話、沒腦子、太自信

所以一個非常關鍵的體驗點是：“可控感”。你得讓用戶感覺：

AI聰明，但我說了算。

幾個特別實用的設計點：

• 輸出內容用卡片形式包裹，加個小角標：“AI建議”，用戶心理就沒負擔

• 每段建議旁邊加按鈕：改口氣 / 換一種說法 / 展開寫寫，強化交互

• 加入“思考中…”的動態反饋，別秒出，0.8秒剛剛好。人腦需要緩沖

• 允許回滾、撤銷、存為模板，這不只是功能，是信任感來源

記住：AI不是來“替你做決定”的，而是“協助你把決定做得更靠譜”。

05｜UI到底能不能讓AI更可信？別停留在表面

很多人說AI產品的UI就做個打字動畫、用灰色背景、加個圓頭像就完事了。

這說實話，是太低估UI的能力了。
UI不是來“美化AI”，是用來建立信任、節奏感、角色感的。

舉兩個小誤區：

• 打字動效做得太快，像在背稿，反而不可信

• 顏色太鮮艷，用戶以為你在“推銷”這個建議，不是提供幫助

正確的做法是：

• 使用中性色（淡藍 / 淡紫 / 柔灰）作為建議背景，語氣溫和但明確

• AI輸出卡片左上角標記來源：“根據你輸入的品牌調性自動生成”

• 鼠標 hover 顯示輔助操作，不打擾主流程

• 用戶編輯后，可標記“此版本被采納”，讓AI學會風格（哪怕假裝）

信任感 = AI行為 + UI語境 + 可控反饋的組合。
不是裝出來的，是一步步搭建出來的。

06｜別急著炫技，把“能留下來的東西”做好

做AI產品，最怕的不是沒功能，而是：

用戶每次用都得從頭來一遍，沒沉淀、沒積累。

建議你在設計時，就考慮兩件事：

• 這次任務完成后，有沒有什么可以自動變成資產？比如生成的內容、結構、模板、提示語等

• 下次用戶來，是不是能基于上次留下的東西繼續，而不是重新開始？

實例：

• 寫了一篇月報，AI自動抽取結構保存為“我司月報模板”

• 寫的文案被用戶改了，系統提示“是否保存為個人表達風格”

• 用戶輸入一句話，AI根據過往使用記錄給出更貼合的結果

做到這些，用戶越用越順手，越用越有粘性。你這個產品就不是工具，而是“習慣”了。

最后，幾點真心話總結：

1. 不要炫AI，而要讓AI幫用戶完成事，順著流程嵌進去。

2. UI不是裝飾，而是信任與協作感的建構者。

3. 流程綁定型AI的本質：不是做功能集合，而是做“任務協作系統”。

4. 你設計的不是界面，是用戶在這個流程里“越來越厲害”的過程。

蘭亭妙微(www.tuitetiyu.cn )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。

用戶體驗 (UX) 領域正在經歷一場令人眼花繚亂的人工智能 (genAI) 接管。

簡而言之：今年是人工智能 (AI) 接管用戶體驗 (UX) 的一年。在本文中，我將解釋其中的原因，并更新我使用人工智能進行用戶體驗研究的方法，重點介紹 ChatGPT 的深度研究功能如何顯著加速定性研究分析。

（注意：我將使用術語“AI”、“genAI”和“model”作為“生成性 AI”的簡寫，主要指大型語言模型 (LLM)，即創建文本的特定類型的生成性 AI。）

十個月前，我在 Medium 上發表了一篇關于AI 用戶體驗的原創文章，之后它迅速躥紅，閱讀量達數千次，遠超本博客迄今為止的任何其他文章。但在生成式人工智能領域，十個月就像十年狗年；日新月異的變化速度已經讓那篇文章的部分內容顯得過時。

因此，當我的母校倫敦大學城市圣喬治學院人機交互設計系聯系我，邀請我在他們的年度會議上發言時，我抓住了這個機會，重新開始我對這個學科的興趣，尤其是當我的老教授透露他們聯系我的部分原因是我的 Medium 文章很受歡迎時。

這是我對 UX 的 AI 的第二次看法，已更新至 2025 年，并涵蓋了我在 HCID 2025 會議上的演講（即使是我自己這么說，這次演講也進行得相當順利）。

這已經發生了。2025年，人工智能將接管用戶體驗

將顯示縮放圖像

2024年初，當我開始在工作中使用人工智能時，我感覺自己就像一位勇敢的探險家，踏入了陌生的領域。誠然，人工智能已經存在了一段時間，我們大多數人也只是在家里用它來制作儲藏室菜譜或視覺效果圖。但我們中很少有人有機會讓人工智能真正地重塑我們的工作，這主要是因為“人工智能會以你給它的任何東西為食”的數據隱私問題，以及由此產生的對人工智能用于工作的嚴格禁令。

將顯示縮放圖像

但2024年是私有AI的黎明。最終，像OpenAI和Anthropic這樣的提供商“封鎖”了他們的法學碩士課程，以確保其數據不會泄露，從而為像我這樣的機構打開了以訂閱方式使用私有AI的大門。

2025年即將到來，尼爾森諾曼集團的一項研究告訴我，用戶體驗專業人士是有史以來最重度的人工智能用戶之一。這項研究得出的一項關鍵統計數據顯示，如今用戶體驗專業人士使用法學碩士（LLM）的比例是其他樣本職業的750倍之多！

為什么用戶體驗師如此熱愛人工智能？

你有一把錘子，但你看到的并非都是釘子。從學習作業作弊（說實話，正在讀這篇文章的HCID/UX學生，如果你嘗試過用AI生成用戶訪談記錄——請停止吧），到一位不幸的音樂愛好者向Nick Cave發送了一首“模仿Nick Cave風格”的ChatGPT歌曲，激怒了他，在很多情況下，使用AI都不是好主意。

將顯示縮放圖像

媒體喜歡夸大此類故事，隨著時間的推移，這在時代精神中形成了一種層次化的“感覺”，即無論人工智能應用于何處，它都是無用或有害的。

我不同意。

將顯示縮放圖像

因為我們可以用這把錘子敲出一些釘子。GenAI 的局限性和功能與某些類型的用戶體驗研究的局限性和要求非常匹配。具體來說：

• GenAI 擅長總結文本數據→UX 研究創建了大量文本數據。
• 在 GenAI 中，幻覺是必然的 → 傳統的用戶體驗研究通常可以應對一定程度的“模糊性”。（但如果你的工作涉及高度精確的領域，禁止使用人工智能是明智之舉。）
• GenAI 本質上只能創造衍生輸出 → UX 開發者很少能創造出完全原創的輸出。相反，我們的優勢在于對已有內容的改編。

女士們、先生們、朋友們，這就是用戶體驗設計師們熱愛人工智能的原因。它與我們完美契合，并且是真正有用的工具。除了數據隱私限制（現已基本解決）之外，業界對使用人工智能沒有任何爭議*。只要你的研究報告寫得好，并且提供了所需的數據，沒有人會在意它是否由人工智能生成。

*然而，關于人工智能的倫理問題絕對應該引發更多爭議。我個人對用戶體驗行業對此的關注如此之少感到困惑，并將繼續通過強調人工智能技術過去和現在的倫理缺陷來引發爭議。

它的本質

將顯示縮放圖像

無論如何，繼續介紹菜譜。

我給你舉一個真實案例，關于一個用戶體驗研究，我最近在一個項目中用到了人工智能來分析用戶數據。所有身份信息都是匿名的。

我正在使用 ChatGPT Enterprise——一個私密的“隔離”版本，配備了最新的深度研究功能。這是OpenAI 于 2025 年 2 月推出的一款專業 AI“代理” ，號稱“非常適合從事高強度知識工作的人”。

將顯示縮放圖像

如果您無法訪問 Enterprise，您可以通過 20 美元的 ChatGPT Plus 訂閱獲得 Deep Research（不過，據我所知，您的數據不會被“隔離”）。

我的 2025 方法與之前的方法相同，分為三個步驟：

將顯示縮放圖像

• Feed：輸入內容。現在，您可以輸入的內容種類大大擴展：海量數據集、JSON 文件、屏幕截圖、網頁鏈接、PDF 文件，等等。ChatGPT Enterprise 尤其擅長讀取 PNG 格式的圖片，并且可以輕松理解屏幕截圖中的文本。
• 指示：告訴它該做什么。這仍然遵循我在原文中概述的“提示牌組”規則。
• 收獲：從中獲取所需的信息并根據需要使用，例如，為組織的高層領導創建報告。

步驟 1：飼料

Deep Research 的優點在于它可以處理大量數據，并且比大多數傳統模型（如 4o、Claude 3.7 Sonnet 等）具有更高的準確度。正如我所發現的，雖然你可以向其輸入諸如訪談記錄和原型截圖之類的文檔，但你也可以告訴它錨定到一個特定的文檔，并讓該文檔決定模型思考和分析的方向。

在我的案例研究中，該文檔是討論指南/研究計劃。

將顯示縮放圖像

討論指南通常由用戶體驗師與產品經理合作創建，通常包含以下內容：

• 研究背景：研究項目是什么？它的目的是什么？為什么要進行這項研究？
• 研究目標和假設：您想通過這項研究證明或反駁什么？
• 關于訪談參與者/用戶的信息：他們是誰？招募標準是什么？如果他們（就像我的情況一樣）是某個特定狹窄領域的專業人士，那么具體是什么？
• 訪談結構，包括訪談主題和問題類型，都與研究目標和假設相關。

第 2 步：指導

那么，你把訪談記錄、截圖和討論指南輸入到了模型中。你該如何告訴模型如何處理這些內容呢？

不再冗長的聊天

深度研究與傳統模型的一個關鍵區別在于，深度研究消除了大量的反復溝通。您只需進行一次操作，在回答幾個澄清問題后，模型就會開始執行其“任務”，根據您的指示生成一份高度詳細的報告。您只有一次提示機會，因此最好確保您的提示符合要求。

將顯示縮放圖像

我的提示方法與我在2024年的文章中基本相同：使用便捷的提示卡組來構建提示。我不會在這里再次介紹所有提示技巧，但您可以參考那篇文章來了解更多詳情。

將顯示縮放圖像

然而，一些提示“卡片”與其他卡片的權重發生了變化。以下是目前為止最有用的“卡片”：

提示卡：設置場景

解釋研究目的、針對哪家公司和產品、用戶是誰、模型將收到哪些文檔；如果有的話，將其錨定到您的關鍵文檔上（在本例中為討論指南）。

提示卡：角色

描述你希望模型扮演的角色，例如“在一家科技公司（X 公司）工作的世界領先的用戶體驗研究員，為英國的一家數字信息和分析產品公司工作[職業]。 ”

將顯示縮放圖像

提示卡：模板

告訴AI如何構建其輸出仍然是關鍵技術之一。您可以告訴它遵循討論指南的結構（如果相關），或者給它一個包含所有標題的示例模板。

將顯示縮放圖像

提示卡：思維鏈

將顯示縮放圖像

這項極其實用的技術如今已被人工智能工程師廣泛應用。簡單來說，如果你讓人工智能解釋它為什么得出某個結論，它得出的結論的準確性就會提高。

提示卡：Wild Card（新）

一位同事想出了這個主意。在我公司的許多用戶研究中，包括這個例子，我們已經預設了想要從用戶那里發現什么的框架。但是，如果用戶說了一些我們意想不到的話怎么辦？如果你不要求模型發現意想不到的事情，它就找不到。你應該自己尋找這些異常，但為什么不也讓模型思考一下呢？

將顯示縮放圖像

**這讓我想起了OpenAI 發布的一段搞笑又令人毛骨悚然的視頻：兩個視覺/語音 AI 助手正在與一位人類主持人交談，而另一個人則走到他身后，露出兔耳朵。兩位助手都無視兔耳朵，直到明確提示。

將顯示縮放圖像

步驟3：收獲

輸入你的題目和文檔后，選擇“深度研究”并按下“提交”按鈕，然后給自己倒杯咖啡。根據“任務”的復雜程度，AI 生成所需的報告可能需要長達一小時。在我的案例研究中，這大約需要 30 分鐘。

將顯示縮放圖像

太棒了，你拿到了報告，足足50頁！以下是整個過程中最無聊的部分：

!檢查!每一個!字!!!

雖然深度研究的準確率高于大多數模型，但遠未達到 100%，而且它產生的幻覺看起來尤其令人信服。所以，不要相信它。人工智能至今仍是一個熱切但缺乏經驗的助手，其工作必須接受審核。只有你，作為“知情人”，才擁有專業知識和解讀能力，能夠理解用戶訪談中的真實情況，否決人工智能的錯誤結論，并發現任何“兔子耳朵”，即使你設置了“萬能牌”，人工智能也可能遺漏了。

深度研究的一個巧妙功能是右側面板，你可以在那里看到它是如何一步步得出結論的。最奇怪的幻覺可能會在這里出現，而且很搞笑。我注意到，這類幻覺很少出現在最終報告中，因為深度研究功能中已經內置了“思維鏈”流程。

將顯示縮放圖像

重要提示：由于深度研究每次只允許執行一項任務，而不是來回對話，因此您無法在與AI對話時進行更正。請使用傳統方法，將報告下載到Word中。

修改完成后，您可以將 Word 報告上傳回 ChatGPT，讓它將 50 頁的文檔精簡成簡潔的 PowerPoint 風格演示文稿。這是最簡單的步驟：只需使用“模板”提示技術，并結合傳統的 AI 模型（例如 4o、o3 等）即可。

關于用戶引言的說明

根據我的經驗，傳統的人工智能模型在從訪談記錄中提取用戶原話方面表現糟糕，它們只會選擇進行解釋。相信我，我什么方法都試過了！相比之下，Deep Research 的引文直接引用了原文，因此用戶引文更容易進行交叉核對。我仍然建議手動檢查，尤其是那些最終報告會用到的內容。

深度用戶體驗研究：內幕

將顯示縮放圖像

因此，深度研究花了大約 30 分鐘來編寫分析報告。即使考慮到人工參與快速撰寫、文檔準備、檢查和修改的時間，這也比手動完成整個分析過程要快——而且絕對比我之前依賴傳統 AI 模型的方法要快。

需要注意的是：你可能很容易將分析工作完全外包給深度研究，而跳過檢查步驟。這將是一個大錯誤。最終，如果深度研究出錯，承擔風險的是你，而不是人工智能。即使模型越來越先進，保持警惕并在出錯的地方進行干預仍然至關重要。

忘記我告訴你的一切

將顯示縮放圖像

在我的HCID會議演講中，這是我最喜歡的幻燈片。告訴聽眾一堆有用、可操作的信息，然后讓他們把它們扔進垃圾桶，這其中有一種令人愉悅的反常之處。

但這就是人工智能領域的現實。事物每周都在變化，跟上潮流的唯一方法就是與時俱進。例如，我的演講中還沒有提到代理人工智能 (Agentic AI)，但在撰寫本文時，它是 2025 年規模最大（也是最模糊的概念！）的人工智能盛事。如果我在為 UX v3.0 撰寫人工智能文章時，很可能會談論代理人工智能。

或許不是！誰知道呢！

蘭亭妙微(www.tuitetiyu.cn )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。