构建信号SIGNAL TO BUILDEnglish站主登录 ↗
← 知识整理
产品设计与用户体验 ／ 知识整理 · 中文

Medium UX 文章精华合订(GenAI UX模式/研究实验方法/移动趋势/包容性/信息架构/公司案例 多主题)

Will 收藏的 102 篇 Medium UX 文章(59 个主题)精华合订,按 7 大簇压成一篇能代替整个收藏夹的笔记。①GenAI/AI UX 模式——21 GenAI UX Patterns(增强vs自动化 / 三档自动化等级 / CoT展示 / 表达模型信心与限制 / guardrails)、七种 AI UI 布局(浮窗/内嵌/无限画布/居中对话/左面板/右面板/网格)、预测式 UX(上下文管理控件)、设计 AI 产品五步框架。②研究与实验方法——A/B 测试五步法(定义成功→找瓶颈→建假设→排优先级→测,含奥巴马竞选 5700 万美元 + 海地赈灾 102 万美元实证)、宏观vs微观vs虚荣指标。③移动与趋势——2026 九大移动趋势(预测式/Zero-UI/Agentic/空间3D/玻璃拟态/微交互/自适应/伦理/无密码)。④包容性/无障碍——11 招(对比度 4.5:1 / 多通道编码 / 表单外置标签 / alt 文本 / 标题层级 / 触摸目标 ≥7-10mm² / 键盘可达),含 Tesco/Virgin 营收实证。⑤信息架构/流程/复杂性——协作框架(中心化→去中心化共享 Commons)、复杂性如何累积(功能膨胀/流程叠加/技术债 + 二八削减 + 复杂度预算)、价值主张画布、全球化≠翻译(雪佛兰 Nova / 达美乐 vs 家乐氏)。⑥公司案例——Airbnb/Calm/Canva/Duolingo/Spotify/Uber/Slack/Gmail 等拆解索引。⑦职业/软技能——2026 三类设计师(块状通才/极深专家/开挂应届)、AI 时代 UX 真本事(克制与判断 > 画 UI)、落地页转化六心理学。面向 AI 产品 PM:Why/何时用/反例 优先。与 [[shape-of-ai-patterns]](AI UX 模式库)、[[ai-ux-interactions]](七种 AI 交互范式)、[[laws-of-ux]](UX 定律)、[[nngroup-ux-principles]](UX 金句)、[[nngroup-information-architecture]]、[[nngroup-persuasive-design]]、[[ux-metrics-roi]] 高度互文,这里只补它们没覆盖的清单/数字/案例,不重写。

资料来源：其他产品、设计与学习资料 · 本站发布：2026-09-26 · 笔记更新：2026-06-03

AI UX用户研究无障碍

这一篇是把 Will 收藏的 102 篇 Medium UX 文章(59 个主题文件夹) 蒸馏成的"一篇代替一个收藏夹"。题材很杂——从 GenAI UX 模式到 A/B 测试、移动趋势、无障碍、信息架构、公司案例、职业建议。读法:按 7 个主题簇看,每簇只记"值得贴工位的几个框架/清单/数字 + Why",其余文章在文末"覆盖清单"里如实列出,方便你回去翻原文。

读者画像:做 AI 产品的 PM,非技术专精。所以这里 Why / 何时用 / 反例 比 What 重要;术语首次出现行内解释。

重要:本仓库已有几篇专门 wiki 覆盖 AI UX 模式(Shape of AI AI 产品 UX 模式库(Wayfinders/Inputs/Tuners/Identifiers/Governors/Trust/Dark patterns 七大类 + 设计指南))、AI 交互范式(AI 时代的 UX 交互范式(传统界面嵌AI/Agentive代理型/对话式/人机协同/超个性化/多模态/趋势 七种))、UX 定律(Laws of UX UX 定律 28 条(Fitts's / Hick's / Miller's / Jakob's / Tesler's / Doherty / Peak-End / Von Restorff / Gestalt 格式塔五法 / Aesthetic-Usability … 中英,按 6 大意图簇组织))、UX 金句(NNGroup UX 原则 / 金句 19 条(You Are Not the User / Keep It Simple / Less Is More / Why Beats What / It Depends … 按 5 大主题成簇 + 心法/反例))、信息架构(NNGroup 信息架构 IA(IA 三模型 · IA vs 网站地图 · 扁平 vs 深层层级 · 分类法 Taxonomy 全流程 · 左侧垂直导航 · 隐私政策页 5 大坑))、劝导心理学(NNGroup 劝导式设计与行为心理学(说服六原理 · 认知偏差 · 注意力局限 · 信息觅食寻路 · 心智模型 · 信任层级 · 自我决定动机 · 隐私伦理边界 · 26 篇))、UX 指标 ROI(UX 指标与 ROI(HEART/SUS/NPS… 指标体系 + UX 价值折算成钱的方法 + 汇报话术))。本合订不重写它们,只补这批 Medium 文章里独有的清单、数字和公司案例,相关处给出跳转。

一、GenAI / AI UX 模式(这批收藏的最大块)

一句话定位:Shape of AI AI 产品 UX 模式库(Wayfinders/Inputs/Tuners/Identifiers/Governors/Trust/Dark patterns 七大类 + 设计指南) 已经给了 AI UX 模式的"百科全书"(七大类模式库),AI 时代的 UX 交互范式(传统界面嵌AI/Agentive代理型/对话式/人机协同/超个性化/多模态/趋势 七种) 给了"七种交互范式"。这一簇补的是几份更操作化的清单——决策门、自动化分级、信心/限制的具体表达法,以及一份"AI 界面长什么样"的布局图鉴。

1.1 21 个 GenAI UX 设计模式(最值得记的一份清单)

这份清单的价值不在"罗列 21 条",而在它把"做不做 AI、做多深、出错怎么办、信任怎么建"串成了一条从决策到落地的链路。挑出对 PM 最有用的几组:

▸ 先过决策门:要不要上 GenAI(模式 1)

▸ 增强(Augment)vs 自动化(Automate)(模式 3)+ 三档自动化等级(模式 4)

  • 自动化 = AI 替用户干完(适合重复、费时、低价值任务);增强 = AI 帮用户干得更好(适合用户要保持控制权、创意/主观性强的任务)。
  • 三档等级:无自动化(只给建议,用户决定,如 Grammarly)→ 部分自动化/辅助(给初稿,用户改,如 GitHub Copilot)→ 完全自动化/代理(AI 自己干完,如 agent 自动做竞品分析发邮件)。
  • 何时用哪档:按任务风险定——低风险(提醒、筛选)可高度自动化;高风险(金融交易)必须留人工监督闸。
  • 反例:把高风险任务做成全自动黑盒,一旦出错用户来不及介入 → 信任崩塌。这正是 AI 时代的 UX 交互范式(传统界面嵌AI/Agentive代理型/对话式/人机协同/超个性化/多模态/趋势 七种) "Agentive 代理型"那一节强调"可解释 + 可控 + 可介入"的原因。

▸ 建立信任的四件套(模式 7/8/10/11)——AI 产品 PM 最该内化的一组:

模式 怎么做 反例
表达产品限制 Convey Limits 明说能力边界(Claude 标"知识截止日期";Rufus 遇非购物问题直接说"管不了") 营销吹成无所不能,用户用了才发现做不到 → 失望
展示思维链 Display CoT 显示处理状态("检索中""分析中")+ 逐步展开推理 + 标信息来源(Perplexity) 长时间转圈不解释,用户焦虑以为卡死
提供数据来源 Data Sources 答案带可展开引用(NotebookLM 链回原文),高风险领域(医疗/金融/法律)尤其关键 给结论不给依据,高风险场景没人敢用
表达模型信心 Model Confidence 高风险场景标置信度(Grammarly 用"likely");低风险(生成艺术)反而别打扰 把不确定的答案讲得斩钉截铁,误导用户
  • Why 这四件套是一体的:GenAI 的根本风险是"用户分不清这次输出可不可信"。限制 + CoT + 来源 + 信心,本质都是给输出贴上可信度标签,让用户自己判断要不要核实。

▸ 错误处理双轨(模式 16/17):

  • 用户输入错 → 自动纠错(高信心时模糊匹配)+ 提问澄清(输入模糊时引导补充,别瞎猜)+ 给"编辑"快捷入口。
  • AI 系统错 → 三种错型:系统失败(幻觉/虚假输出)、系统局限(没数据答不了)、语境错误(技术对但用户误解);用模糊措辞降信任风险("这可能不完全准确")+ 给恢复路径 + 收集反馈喂迭代。

▸ 其余 8 条速记(各自一句话):把用户需求转成数据需求(从感受/目标倒推要什么数据)、渐进式引导(先基础后高级,讲好处不讲技术)、利用心智模型(Copilot 像传统补全)、多样输出(给几个选项激发创意)、记忆与回忆(记偏好但给查看/编辑/删除入口)、上下文输入参数(自动填历史/智能补全)、Co-Pilot 共编(AI 当灵感加速器不当替代者)、自动化用户控制(开关/滑块 + 撤销路径)、捕获反馈(显性点赞点踩 + 隐性跳过/删除信号)、模型评估(LLM-as-Judge + 人工,混合可把准确率推到 99%)、guardrails 安全护栏(过滤有害内容,EU AI Act 合规)、数据隐私透明(Slack 明说"客户数据不用于训练")。

决策导向(给 AI 产品 PM):这 21 条里,1/3/4/7/8 是上线前必答的设计决策(要不要做、做多自动、怎么标信心和限制);16/17/18 是上线后的运营闭环(错了怎么办、怎么收反馈)。把它当 AI 功能的 checklist 过一遍,比逐条背更有用。详尽模式库见 Shape of AI AI 产品 UX 模式库(Wayfinders/Inputs/Tuners/Identifiers/Governors/Trust/Dark patterns 七大类 + 设计指南)。

1.2 七种新兴 AI UI 布局(一张"AI 界面长什么样"的图鉴)

按 AI 在界面里的"站位"分,每种对应不同的 AI 角色和适用场景。何时选哪种,看 AI 是配角还是主角:

布局 AI 角色 适合 不适合 代表
右下浮动聊天窗 服务型助手 快速解决简单问题(查单/改密码) 复杂/创意任务,空间太小 Zendesk · Intercom
内嵌提示浮层 细节助手 改写/总结/补全,用户接受或拒绝 大段思考/创意写作 Notion · Grammarly
无限画布上的 AI 创意伙伴 对选中元素生成/改名/调布局 需理解整体或严格版本控制 Figma · Miro · TLDraw
居中对话界面 多功能助手 自由探索式问答/创作 多步骤/结构化任务(填表/搭应用) ChatGPT · Perplexity
左侧协作面板 策略伙伴 左聊右改,组织复杂内容(搭网站) 小屏 / 简单任务嫌重 ChatGPT Canvas · Lovable
右侧可收起面板 专业顾问 关键时刻帮忙,不打断主流程 以 AI 为中心的工作方式 M365 Copilot · Cursor
网格/表格界面 研究助手团队 研究/分析/汇总,每格一个小助手 不熟表格的人觉得复杂 Elicit · AnswerGrid

1.3 预测式 AI UX:用"上下文管理控件"替用户少打字

核心洞察:好的 AI 界面不是逼用户把需求一次性描述清楚,而是给一堆"上下文管理控件"(时间选择、风格选项、语气滑块、来源筛选)让用户点选,系统主动缩小范围。

  • 三种上下文捕捉场景:搜索流程(搜跑鞋自动高亮"公路鞋""日常训练"并给地形/品牌下拉)、文件上传后(传 PDF 自动给"总结/分析/提问"按钮)、内容创作时(写邮件给语气滑块"随意/劝说/正式")。
  • 响应式 vs 预测式之分:Claude/Copilot 是"默认设置 + 过滤器"(宽泛功能级选择,仍要用户手输完整问题);真正的预测式(Apple Reminders 输"Call"联想联系人、Gmail Smart Compose 整句补全、Grammarly 实时纠错)是基于行为预测、主动、个性化。
  • Why / 反例:让用户对着空输入框从零描述需求 = "白板恐惧"。控件化的上下文管理把"描述"降级成"点选",大幅降认知负担。反例是把控件堆太多反成新的复杂界面——回到 NNGroup UX 原则 / 金句 19 条(You Are Not the User / Keep It Simple / Less Is More / Why Beats What / It Depends … 按 5 大主题成簇 + 心法/反例) "Less Is More"。

1.4 设计 AI 产品的五步框架(轻量版流程)

明确目标(Why)→ 定成功指标 → 团队内快速原型 → 真实用户测试迭代 → 上线后持续监控学习。

二、研究与实验方法(A/B 测试是这簇的主菜)

一句话定位:本仓库的定量/定性研究方法主要在 NNGroup 系列。这一簇补的是 A/B 测试一份特别接地气的五步法 + 两个有真实金额的实战案例,以及"别被虚荣指标骗"的提醒。

2.1 A/B 测试五步法 + 两个实战数字

① 定义成功 → ② 找瓶颈 → ③ 建假设 → ④ 排优先级 → ⑤ 上线测试

  • Step 1 定义成功:先回答"网站到底为什么存在?最该优化的一个目标是什么?"——不是模糊地"优化一切"。不同站不同指标:电商=每访客收入、媒体=阅读/跳出、获客=表单完成、捐赠=每访客捐款额。
  • Step 2 找瓶颈:统一"什么算成功"后,看漏斗找用户掉队最狠的那一步。奥巴马 2007 竞选:流量不大但漏斗一看,卡点在"让人留邮箱"那步——改版后多拿 280 万邮箱,10% 转志愿者(28 万人),多募 5700 万美元。
  • Step 3 建假设:海地赈灾捐款页(2010)——原页面像填税表,假设"加灾区照片更有温度"。结果加图后捐款反而减少(图太大把表单挤到下方要滚动);改成"图文双栏不挡表单",最终多筹 102 万美元,48 小时测了 8 个版本。
    • Why 这个失败案例最值钱:它证明"测试前必须有明确假设"。盲测看到效果差就放弃,会错过"为什么差"的学习;有假设,失败本身就指向下一个更清晰的问题。
  • Step 4 排优先级:人少钱少流量有限,按"哪个改动最可能带大提升 × 最划算"排;第一次测别一上来搞太复杂(还要争取老板支持)。
  • Step 5 测:随机分组,达到统计显著再下结论。

2.2 宏观转化 vs 微观转化 vs 虚荣指标(别被好看的数骗)

同簇还有"用户访谈怎么做"(How to drive user interviews)、"用 AI 角色扮演做 UX 研究"——方法论主体见 NNGroup UX 研究方法选型(23 法速查/四象限定位/按问题-阶段-预算选/定性探索·定量验证·专家评估·IA·行为分析五大族);这两篇的独特点是把 AI 当受访者/陪练的新做法,属探索性。

三、移动与设计趋势(2026 趋势报告)

一句话定位:趋势类文章看一遍知道行业风向即可,别当框架背。这份 2026 九大移动趋势的价值在于它点出了一条主线——移动设计正从"界面设计"转向"系统设计"。

2026 九大移动趋势(一句话各记 + 一个数)

  1. AI 个性化与预测式界面:从"响应行为"到"预测意图",设计从画"页面"转向定"规则"(Reactive=你做X给X;Predictive=你可能要Y提前给Y)。
  2. Zero-UI / 对话式:UI 隐身,靠语音/手势/环境感知;前提是信任 + 准确(41% 用户担心隐私,Siri 准确率约 83%)。
  3. Agentic UX(AI 替用户行动):系统替用户做决定 → 设计重点转向信任("它懂我意图吗?为什么这么选?"),要可解释 + 可控。
  4. 沉浸式/空间/3D(AR):Vision Pro 推动;适用边界——产品价值与"空间感知"强相关(家居/汽车/穿戴)才值得,否则有限。
  5. 玻璃拟态/层级深度:GPU 成熟后回归,但只用于强调关键元素 + 保证对比度,本质是用材质强化信息结构而非装饰。
  6. 微交互/动效反馈:动效是界面的"标点符号"——确认操作、引导注意、强化行为;关键是时机不是炫轨迹,要短、明确、可忽略。
  7. 情境自适应 UI:响应环境与行为(地图夜间自动深色)。数据:自适应 UI 可提升 22% 任务完成率、31% 参与度。
  8. 可持续/伦理/包容:产品 80% 环境影响在设计阶段定;暗黑模式省 OLED 电;全球约 15% 人有障碍需求。
  9. 无密码/生物识别/安全:FIDO2 passkey 支持 150 亿账户,带来 70% 登录成功率提升。Face ID 案例的 UX 心法很妙——"异常优先设计(Exception-first)":不追求 100% 完美识别,而是预判失败场景(戴口罩/眼镜)提前适应,让失败"几乎感知不到"。
  • Why 这份趋势对 AI PM 有用:它把"AI/Zero-UI/Agentic"三个 AI 相关趋势和一个反复出现的设计哲学绑在一起——真正的竞争力在减少摩擦、增强预测、让系统行为可被理解和信任,而不是更花哨的视觉。

四、包容性 / 无障碍(11 招清单)

一句话定位:无障碍系统知识见 NNGroup 可访问性 / 无障碍设计(5 篇 · 包容性设计三辨析 · 深色模式科学与 8 大坑 · 屏幕阅读器用户研究 · 电话语音树 16 准则)。这份 11 招的价值是极其具体可执行——每条都能直接对照自查,且开头给了"无障碍 = 赚钱"的营收实证,适合用来说服老板。

4.1 先用钱说服老板:无障碍不是慈善是营收

  • 英国约 1390 万残障人士(占人口 20%),全球超 10 亿。
  • Legal & General 改无障碍后在线人寿险销售翻倍;Tesco 改后杂货配送年销 +1300 万英镑(还把主站换成了无障碍版);Virgin 改后在线销售 +68%。
  • Why:无障碍网站普遍 SEO 更好、加载更快、对普通用户也更好用——这是"做对了一件事,顺带改善所有人"的典型。

4.2 11 招自查清单(直接能用)

  1. 把无障碍融入日常:开发前就规划,别等测试阶段补(后期改贵)。
  2. 对比度够:WCAG 要求文字/背景对比 ≥ 4.5:1;别深灰底浅灰字。约 8% 男性、0.5% 女性色盲。
  3. 多通道编码:别只靠颜色——加图标 + 标题 + 加粗/下划线 + 花纹(Trello 色盲模式)。自查法:打印成黑白看还认不认得出。
  4. 表单标签外置:别把提示塞输入框里(开始输入就消失 + 读屏会跳过);标签放框外。
  5. 图片 alt 文本:描述内容 + 与上下文关系;纯装饰图用空 alt 让读屏跳过(别让它读文件名)。
  6. 标题层级组织内容:h1→h2→h3 表结构(读屏靠它导航),别为样式乱用标题;加"跳到主内容"。
  7. 交互元素明显:可点的要看得出可点 + 焦点指示器(点击/键盘/遥控都要)。
  8. 支持键盘操作:Tab 顺序符合视觉流(左→右、上→下);整站不用鼠标能跑就过关。
  9. 触摸目标够大:推荐 ≥ 7mm²,理想 10mm²,一根手指能舒服点(车载屏尤其要把常用键放够得着处)。
  10. 测试、测试、再测试:开读屏听内容、放大缩小、只用键盘——先共情;但真实残障用户测试不可替代。
  11. 用好现成工具:Apple/Android 无障碍指南、inclusive-components.design 模式库、WebAIM 对比检测器。

决策导向:这 11 条里 2/4/8/9 是最高频被漏的(对比度、表单标签、键盘可达、触摸目标),做 AI 产品的 PM 评审时优先盯这四条。

五、信息架构 / 流程 / 复杂性(系统视角)

一句话定位:IA 系统知识见 NNGroup 信息架构 IA(IA 三模型 · IA vs 网站地图 · 扁平 vs 深层层级 · 分类法 Taxonomy 全流程 · 左侧垂直导航 · 隐私政策页 5 大坑)。这一簇补三份系统层面的思维工具——团队协作怎么打破壁垒、复杂性怎么悄悄累积、价值主张怎么对齐、全球化为什么不等于翻译。

5.1 复杂性如何累积 + 怎么削减(对 PM 最有用的一份)

复杂性不是一次大错,是无数"当下看起来合理"的小决定叠出来的,而且是指数级累积(10 组件=45 个交互关系,100 组件=4950 个)。

  • 四个累积源:功能膨胀(每加一个功能,代码/交互/测试/文档/培训全涨)、流程叠加(出错就加审批却从不删旧流程,像地层堆积)、非正式绕路(用 Excel 补系统能力 → 形成"隐性系统",人一走就崩)、技术债(不只在代码,组织/培训/汇报关系都会欠债)。
  • 为什么人管不住:人工作记忆只能处理约 7 个信息块;系统涨到数百组件时没人能理解全局 → 决策只能基于局部视角。还有"涌现行为"(堵车=个体驾驶叠加,组织混乱=各部门局部最优叠加)。
  • 真实爆雷:Healthcare.gov(2013,模块各自正常整合后连锁失败)、Knight Capital(2012,8 台服务器 7 台更新代码,45 分钟亏 4.4 亿美元)、Boeing 787(供应链协同复杂度致延期)。
  • 怎么削减(直接能用):依赖关系图找源头 → 二八分析(20% 功能带 80% 价值,删低频/边缘)→ 复杂度预算(加 1 个功能强制删 3 个旧的)→ 简化审计(定期主动删,不是优化)→ 模块化拆分 → 标准化平台化。
  • 文化层:激励错位是根因(PM 被奖励"加功能",流程只增不减);要把"删除与简化"也纳入奖励,设专门简化项目。"拒绝(说 No)"是最有效的控制方式之一。
  • Why / 给 PM:这份直接对应你日常最大的诱惑——"再加个功能呗"。把"复杂度预算"和"加一删三"当硬规则,是抵抗功能膨胀最实操的护栏。和 NNGroup UX 原则 / 金句 19 条(You Are Not the User / Keep It Simple / Less Is More / Why Beats What / It Depends … 按 5 大主题成簇 + 心法/反例) "Keep It Simple / Featuritis"、本合订 §6.1 的 Spotify/Evernote 案例一脉相承。

5.2 协作框架:从中心化到去中心化共享 Commons

一篇用"农业革命"做类比的组织设计文,讲设计团队怎么从"封闭各自为政"进化到"共享协作"。三种结构演进:

  1. 中心化(同心圆):老板定方向→中层传话→一线干活,创新只能从中心发起,外圈没决策权 → 像"古代农庄",信息不流动、人才受限。很多现代公司其实就这样。
  2. 去中心化(产品为核心):UI/UX/产品/CX/服务设计当平等节点围绕"产品与服务",靠创新流动(红线)+ 反馈系统(黄线)运转。
  3. 共享核心资源(Commons):中心是一个共享库——设计系统、研究文档库、策略模板、价值观、合规模板。各团队不从零开始,从 Commons 取可复用资产(Ant/Material Design 就是 Commons;Google OKR 是文化 Commons;Airbnb 实验平台是反馈 Commons)。
  • 附带一张实用对照表:UI / UX / 产品设计 / CX / 服务设计 五种角色的关注对象、典型任务、成果物、痛点类型差异——PM 拉通跨职能时可以直接拿来对齐谁管什么。
  • Why:对 AI 产品团队尤其相关——AI 时代角色边界在融合(见 §7),一个共享的研究库/设计系统/评估标准库能避免各团队重复踩坑。

5.3 价值主张画布(对齐"用户为什么买你")

5.4 全球化 UX:系统挑战,不是翻译挑战

这是 §"多语言/本地化"子簇(约 10 篇)里信息密度最高的一篇,核心论点:国际化 ≠ 本地化 ≠ 翻译。

  • 国际化(i18n) = 建支持多语言/多国的基础设施(多语言界面、时间格式);本地化(l10n) = 深入本地文化让信息"真正被接受"。多数公司只做翻译。
  • 压缩/扩展比:英转德平均扩展 35%("Food Poisoning" 13 字符 → 德语 22 字符 +69%);德转中可压缩 40-50%。所以输入框/按钮/提示都要留弹性。
  • 三个案例:雪佛兰 Nova 在拉美像西语"No va(不能走)"(同语言不同文化照样误解);银行扣款表单后期才扩展到多国(应先选国家再显字段,否则返工);达美乐(理解 70% 印度人吃素,设素食专区+paneer 口味,年收 8.7 亿美元)vs 家乐氏(1994 否定本地"热饭"文化推冷玉米片,市占 <0.01%,后出 upma 即食粉包才 +30%)。
  • 核心提醒:"UX 债务——假设普适性":一开始不考虑全球用户,后期返工会积累体验债,延误开发、损害信任、流失用户。和本合订 §5.1 复杂性累积是同一个"早做对省后患"的道理。

同簇其余本地化文章(Netflix 伪本地化、UI/UX Localization 指南、Wix 全球用户、为国际化设计、产品本地化技巧、多语言界面经验、语言与读写能力)——做出海产品时按需翻原文,主线观点都已被上面这篇覆盖。

六、公司案例拆解(收藏夹里的"产品解剖")

一句话定位:Will 收藏里有一批以公司命名的文件夹(Airbnb/Calm/Canva/Duolingo/Gmail/LinkedIn/Otter/Slack/Spotify/Uber),多是该公司的 UX/增长拆解合集。这里挑两个信息密度最高的代表 + 一个反复出现的反面教材,其余在文末清单列出。

6.1 反复出现的反面教材:功能膨胀杀死核心体验(Spotify / Evernote)

6.2 Duolingo(增长 + 留存的"产品解剖"合集)

Duolingo 文件夹是这批里最厚的公司合集(8 篇子文章),覆盖:GPT-4 驱动的 Duolingo Max、公司战略(使命驱动增长)、onboarding 测试(个性化/动画/速度)、重振用户增长、能量系统进化、20 天召回信息轰炸("emotional blackmail")、6 步再激活体验、freemium→premium 引导。

6.3 其余公司案例(索引)

Airbnb(Airbnb 设计语言与历年发布(2021-2025 季度发布时间线 + DLS 设计系统 + 信任/归属感设计) 已有专门 wiki)、Calm(冥想 App 体验)、Canva(易用性/模板化)、Gmail(邮件交互)、LinkedIn、Otter.ai、Slack、Uber——做对标分析时按公司名翻 sources 原档。

七、职业 / 软技能(AI 时代设计师值什么钱)

一句话定位:UX 职业发展系统见 NNGroup UX 向上影响·度量·战略工具·路线图·职业(13 篇:向上证明UX价值 How to Sell UX「如果…那么…」公式·修辞三角 ethos/pathos/logos·UX&Marketing 协作 / UX 度量 对齐组织目标工作坊·UX Goals vs OKRs vs KPIs·CASTLE 必用型软件 6 维 / 利益相关者 干系人分析权力-兴趣矩阵+态度·SWOT 四象限 / 路线图 6 步·优先级 5 法·旅程图耗时 73.8h / 职业 STAR·METEOR 面试·作品集) / Google UX 证书 / 作品集·简历·面试·求职。这一簇补两篇直击"AI 时代设计师/PM 的价值在哪"的尖锐观点,对正在想"AI 会不会取代我"的人很有用。

7.1 2026 公司要的三种设计师(传统资深不在其中)

基于 Anthropic 设计负责人 Jenny Wen 的招聘标准 + 906 位设计师问卷。核心:招聘从"经验年限"转向"能力形态"。

  • 数据背景:设计师对 AI 的评价——让我更快(89% 同意)、协作更好(80%)、设计更好(91%)、拖慢我(仅 25% 同意)。结论:"AI 让我更快"已是共识级基础能力,不再是优势。
  • 公司真正要的三种:
    1. 块状通才(block-shaped generalist):设计+产品+代码多领域都到 ≈80 分,能跨角色自己推动落地——适合当前"边界模糊"的组织。
    2. 极深专家(deep specialist):某领域 Top 10%,因为 AI 让"及格设计"变廉价,真正值钱的是"极致质量"。
    3. 开挂应届(cracked new grad):学习力极强、没旧流程包袱、直接动手做产品。
  • 不在名单里的:传统资深(8 年经验 + 强作品集 + 成熟团队)——问题不是能力弱,而是依赖旧组织结构(PM 给需求、研究给数据),而这些支撑角色正被 AI 压缩或消失。
  • Why / 给 PM:这条对 PM 同样适用——AI 时代值钱的是"判断做什么"而非"执行"。

7.2 AI 时代 UX 的真本事:克制与判断 > 画 UI

  • 大变化:原本几周的原型现在几小时生成,"能运行的软件"不再稀缺。设计价值从"做出来"转向"决定做什么、怎么做"。历史规律:印刷便宜后写作变重要,摄影普及后审美变重要,代码变易后判断力变重要。
  • 胜出型设计 vs 功能型设计:功能型 = 清晰展示 50 个漏洞;胜出型 = 识别其中 48 个同根因,直接给"Fix all"按钮——把复杂决策前置替用户消化掉(这就是 agentic design)。
  • 体验速度三招:降认知负担(Arc 让用户管任务不管标签页)、压缩时间(Linear/Superhuman 用键盘指令把分钟级操作缩到秒)、建立直觉(用户要停下想"下一步"就是设计失败了)。
  • 设计师真正的工作 = 克制 + 选择:AI 生成的界面越来越趋同时,关键变成"产品有没有清晰的观点(point of view)"——不是给 50 种排序方式,而是给"最合理的一种";不是展示所有可能,而是明确告诉用户"应该怎么做"。从"提供选项"转向"定义路径",从"执行"转向"判断"。

7.3 "当构建免费时,什么值得构建"(同 §7.2 的姊妹篇)

  • 数据:GitHub Copilot 让开发提速约 55%;2025 YC 冬季批约 25% 公司代码库 95% 由 AI 生成;"vibe coding" 成 Collins 年度词。
  • 米其林问题:高水平创作的难点不是"能做多少",是"决定不做什么"(Robuchon 极简料理靠克制)。成本趋零时功能极易无限叠加。
  • 低成本软件真正解锁的:内部工具革命(运营一天做出可用工具)、原型从天到分钟(缓解白板恐惧 + 测试更真实)、设计开发墙消失("design engineers"交付可运行组件)。
  • 但对用户体验的两个坑:"像素完美陷阱"(AI 生成的界面好看但缺校验/错误态/导航逻辑,基本可用性测试就挂)、"Spotify 问题"(功能膨胀)。
  • 结论:AI 提升的是执行(execution)效率,"决定做什么"的意图(intention)仍需人判断。关键能力从"如何构建"转向"是否构建",速度只是工具不是目标。
  • Why / 给 AI 产品 PM:这两篇是这个收藏夹的"题眼"——当 AI 把"造东西"变便宜,PM 的核心价值就从"能不能做"彻底转到"该不该做、做哪个"。这和 NNGroup UX 原则 / 金句 19 条(You Are Not the User / Keep It Simple / Less Is More / Why Beats What / It Depends … 按 5 大主题成簇 + 心法/反例) 全部"做减法/先理解问题"的金句、§5.1 复杂度预算闭环。

八、本合订覆盖的文章清单(59 个主题,如实列出)

下面按上面 7 簇归类列出全部 59 个文件夹标题。带 ★ 的是上面精读展开过的;其余已扫标题归类,需要细节时回 sources 翻原文。

① GenAI / AI UX 模式

  • ★ 21 GenAI UX Patterns 21 种 GenAI UX 设计模式
  • ★ Seven Emerging AI UI Layouts 新兴的七种 AI 界面布局
  • ★ Predictive AI UX 预测式 AI 体验
  • ★ A Practical Framework for Designing AI Products 设计 AI 产品实用框架
  • Navigating the new age of data visualization AI 时代的数据可视化
  • Synthetic data for designers 合成数据的未来
  • Role Play with AI UX Research — User Interviews 用 AI 角色扮演做用户访谈
  • Testing your UX ideas with vibe coding 用可视化 AI 编程测试 UX 想法
  • Vibe Coding for mobile with Cursor AI 用 Cursor 做移动端 vibe coding
  • Google says "Vibe Design" is here, but it didn't… 谷歌说 Vibe Design 来了但…
  • Escaping AI sludge why MVPs should be delightful 逃离 AI 泔水:MVP 为何要让人愉悦

② 研究与实验方法

  • ★ 5 Steps of A/B Testing AB 测试的 5 个步骤
  • How A/B Testing Helped Obama Win the Election AB 测试如何助奥巴马赢得大选
  • Email Testing: Obama Campaign's $500M Email Fundrai… 奥巴马竞选 5 亿美元邮件募款测试
  • How to drive and conduct user interviews properly 如何正确驱动和执行用户访谈

③ 移动与设计趋势

  • ★ 9 Mobile App Design Trends for 2026 2026 年 9 大移动应用设计趋势
  • Creating Usability with Motion: The UX in Motion Manifesto 动效创造可用性宣言
  • Why your brain rebels against redesigns — even good ones 为什么大脑抗拒改版(哪怕是好的)

④ 包容性 / 无障碍

  • ★ 11 tips for designing an inclusive user experience 设计包容性体验 11 招
  • How to Avoid Common Accessibility Issues 如何避免常见无障碍问题

⑤ 信息架构 / 流程 / 复杂性 / 视觉基础

  • ★ A collaborative framework that breaks down information barriers 打破信息壁垒的协作框架
  • ★ How UX complexity accumulates 复杂性是如何累积的
  • ★ The Value Proposition Canvas 价值主张画布
  • How to Create a Value Proposition Canvas 如何创建价值主张画布
  • ★ Global UX: A System, Not Language Challenge 全球 UX 是系统挑战非语言挑战
  • Design for Internationalization 为国际化而设计
  • Designing Multi-Lingual UX 多语言用户体验设计
  • Multi-language UI Design Insights 从多语言界面设计中学到的经验
  • Multilingual UI UX: Language & Literacy in App Design 多语言界面:语言与读写能力
  • Netflix Pseudo Localization 伪本地化实践方案
  • Product Localization Tips and Tricks 产品本地化技巧与建议
  • UI Localization: The Ultimate Guide for Beginners 界面本地化入门终极指南
  • UX Localization: Adapting the User Experience for I… 适配国际用户的 UX 本地化(两篇)
  • Wix's Global Users and Localization Design Wix 的全球用户与本地化设计
  • Information hierarchy: high-density data design 信息层级:高密度数据设计
  • Design principles for UI alignment UI 对齐的设计原理
  • The Anatomy of Input Field 输入框设计解剖
  • Navigation design 导航设计
  • How to communicate errors 如何传达错误信息
  • Color Psychology Facts and Statistics 色彩心理学数据与统计
  • How to be strategic when picking a typeface 选字体的策略
  • What is design thinking 什么是设计思维

⑥ 公司案例拆解

  • ★ Duolingo(8 篇合集:Max / 战略 / onboarding / 增长 / 能量系统 / 召回 / 再激活 / 免费转付费)
  • ★ Spotify(功能膨胀案例)
  • Airbnb(另见 Airbnb 设计语言与历年发布(2021-2025 季度发布时间线 + DLS 设计系统 + 信任/归属感设计)) · Calm · Canva · Gmail · LinkedIn · Otter.ai · Slack · Uber
  • Others(杂项合集) · The long and short of telephone progress 电话技术演进
  • What happened to the car designed for women, by women 为女性设计的车后来怎样了
  • Designing useful ads 设计有用的广告

⑦ 职业 / 软技能 / 行业判断

  • ★ Companies want three types of designers in 2026 2026 年公司要的三种设计师
  • ★ Which UX skills matter most in the AI era AI 时代哪些 UX 能力最重要
  • ★ When building is free, what's worth building 当构建免费时什么值得构建
  • ★ The Psychology-Backed Formula for Landing Pages… 落地页转化的心理学公式
  • What Does a UX Engineer Do, Exactly UX 工程师到底做什么
  • How being a strategic advisor helps grow design influence 当战略顾问如何提升设计影响力
  • Innovation is not magic; it's technique 创新不是魔法而是技术
  • Taste is not a feature 品味不是一个功能
  • Functionality comes first; a pretty website doesn't… 功能优先,光好看不够
  • Low Traffic ≠ Failure — Low Conversion Is 低流量不等于失败,低转化才是
  • What We Learned Doubling Client Conversions in 90 days 90 天让客户转化翻倍学到的
  • The Fallacy of "Anyone Can Build an App" "人人都能做 App"的谬误

源自 Will 收藏的 Medium UX 文章合集(102 个 .md / 59 个主题文件夹,中英混排)。本合订做了取舍(ingest_quality: synthesized):每簇精读信息密度最高的几篇,其余扫标题归类。与本仓库 AI UX / UX 基础系列高度互文:AI 模式库 Shape of AI AI 产品 UX 模式库(Wayfinders/Inputs/Tuners/Identifiers/Governors/Trust/Dark patterns 七大类 + 设计指南)、AI 交互范式 AI 时代的 UX 交互范式(传统界面嵌AI/Agentive代理型/对话式/人机协同/超个性化/多模态/趋势 七种)、UX 定律 Laws of UX UX 定律 28 条(Fitts's / Hick's / Miller's / Jakob's / Tesler's / Doherty / Peak-End / Von Restorff / Gestalt 格式塔五法 / Aesthetic-Usability … 中英,按 6 大意图簇组织)、UX 金句 NNGroup UX 原则 / 金句 19 条(You Are Not the User / Keep It Simple / Less Is More / Why Beats What / It Depends … 按 5 大主题成簇 + 心法/反例)、信息架构 NNGroup 信息架构 IA(IA 三模型 · IA vs 网站地图 · 扁平 vs 深层层级 · 分类法 Taxonomy 全流程 · 左侧垂直导航 · 隐私政策页 5 大坑)、劝导心理学 NNGroup 劝导式设计与行为心理学(说服六原理 · 认知偏差 · 注意力局限 · 信息觅食寻路 · 心智模型 · 信任层级 · 自我决定动机 · 隐私伦理边界 · 26 篇)、UX 指标 ROI UX 指标与 ROI(HEART/SUS/NPS… 指标体系 + UX 价值折算成钱的方法 + 汇报话术)、Airbnb 设计语言 Airbnb 设计语言与历年发布(2021-2025 季度发布时间线 + DLS 设计系统 + 信任/归属感设计)。图片/视频原档保留在 sources(已 gitignore)。

来源与关联资料