设计哲学与设计思维
设计哲学与设计思维
「设计」这个词在 AI 时代正在经历第三次扩容：它既是解决问题的过程，又是意义的创造，现在还要回答「人与模型如何协作」。本页面向有经验的产品经理、设计师与候选人，不讲「什么是设计」的入门课，而是梳理设计思想的谱系——设计思维、以用户为中心、认知心理学、情感化与伦理——以及每个框架的适用边界，最后落到 AI 时代设计的新问题。
与 产品设计与原型总览 的分工：总览页讲「怎么把设计做出来」（链路、判据、检查表），本页讲「设计为什么这么做、依据什么思想判断」。两页对照阅读，能把设计决策从经验直觉升级为有据可查。
设计是什么
设计即决策
Herbert Simon 在《人工科学》中的定义至今仍是最常被引用的一个：设计是「把现有状况改变为理想状况的智能活动」。它不只是画画，而是一连串决策：为谁做、做什么、不做什么、如何呈现、失败了怎么办。每个决策都消耗认知与时间，所以设计的核心能力是在信息不全时做出可逆性最高的决策：能推迟的决策尽量推迟，不能推迟的决策留好回退路径。
从决策视角看，设计过程产出的是「决策记录」而非「漂亮图」：每个方案背后都应有「当时我们判断了什么、依据什么」。这与总览页把设计定义为「从问题定义到体验质量验收的决策系统」一脉相承——设计评审的本质是对决策链的审计。
双重性：问题求解与意义创造
- 问题求解（function） 面向任务：让用户更快、更准、更省力地完成目标——这是可用性工程与交互设计的领域
- 意义创造（meaning） 面向理解与身份：产品让用户「成为什么样的人」、表达什么价值——这是品牌、叙事与情感设计的领域
两者不是先后关系而是并存关系：一部手机解决「通信」问题，也同时回答「我使用什么设备」的身份问题。AI 产品放大了意义层——用户与 AI 的关系（助手、老师还是伴侣）本身就是设计要回答的问题。忽略意义层，产品「好用但无感」；忽略问题求解层，产品「有感但难用」。
设计史一页速览
| 阶段 | 代表运动 / 人物 | 给「设计」注入了什么 |
|---|---|---|
| 包豪斯（1919–1933） | Walter Gropius、Marcel Breuer | 设计与工业生产的结合：设计是「为大众的标准化」，形式追随功能 |
| 现代主义与国际主义 | Le Corbusier、乌尔姆造型学院 | 理性主义、网格系统、少即是多：设计是「秩序」 |
| 人本设计与参与式设计（1960s–1980s） | Don Norman、北欧参与式设计（UTOPIA 项目） | 用户进入设计过程：设计是「共情」与「参与」，不只是美学 |
| 体验经济与体验设计（1990s–2000s） | Pine & Gilmore、《体验经济》、Nathan Shedroff | 设计对象从「物」转向「体验」：流程、服务、情感都是设计对象 |
| 设计思维产业化（2000s–2010s） | IDEO、斯坦福 d.school、英国设计委员会 | 设计成为企业级方法论，人人可学；也引发「仪式化」批判 |
| AI 时代（2020s–） | 生成式 AI、Copilot 与 Agent | 设计对象从「界面」扩展到「人与模型的协作关系」 |
一页速览的要点：每个阶段都不是推翻前一个，而是叠加。今天的「设计」同时携带功能主义、人本主义、体验思维与 AI 协作四个遗产——不理解叠加史，就容易把某个时代的局部主张当成设计本身。
设计思维（Design Thinking）
d.school 五阶段模型
斯坦福 d.school（2005 年由 David Kelley 创办）把设计思维流程化为五阶段：同理心 → 定义 → 构思 → 原型 → 测试：
| 阶段 | 目标 | 典型方法 | 产出 |
|---|---|---|---|
| 同理心（Empathize） | 理解用户的处境、动机与痛点，而不是急于给方案 | 情境观察、深度访谈、沉浸式体验 | 用户故事、洞察卡、同理心地图 |
| 定义（Define） | 把洞察收敛为一个可设计的问题陈述（POV） | 角色建模、How Might We 重构 | 问题陈述：POV = 用户 × 需求 × 洞见 |
| 构思（Ideate） | 发散出尽可能多的方案，暂不评判 | 头脑风暴、反向思维、类比迁移 | 候选方案清单（先不筛选） |
| 原型（Prototype） | 用最便宜的载体让方案可体验 | 纸上原型、角色扮演、低保真 demo | 可触碰的原型，每次只测一个变量 |
| 测试（Test） | 让用户在原型上真实使用，获得新洞察 | 可用性测试、反馈访谈 | 迭代依据——测试后通常回到前序阶段 |
d.school 强调两点：原型越便宜越好——目的不是接近最终产品，而是制造「对话」；阶段可以回跳——测试发现的洞察往往推翻定义，而不是按顺序走完。
IDEO 的贡献
IDEO 是把设计思维从设计圈带入商业界的关键推手：Tim Brown 2008 年在《哈佛商业评论》发表 "Design Thinking" 一文，把设计思维定义为「用设计师的敏感与方法，让技术、用户需求与商业可行性相会」；其 Design Kit 把方法包装成可学习的卡片包。IDEO 的贡献在于工程化：把原本靠师徒传承的设计直觉，拆解成企业可以排期的流程与工具——这是它被广泛接受的原因，也是后来被批判的靶子（见下）。
双钻模型
英国设计委员会 2005 年提出双钻模型（Double Diamond），把设计过程描述为两次「发散–收敛」交替：
| 阶段 | 性质 | 核心任务 |
|---|---|---|
| 发现（Discover） | 发散 | 深入问题空间：调研、访谈、观察，打开对问题的理解 |
| 定义（Define） | 收敛 | 聚焦问题空间：把洞察收敛成明确的问题定义 |
| 开发（Develop） | 发散 | 打开方案空间：多方案构思、原型、迭代 |
| 交付（Deliver） | 收敛 | 聚焦方案空间：测试、打磨、落地 |
2019 年更新版把四阶段重组为 Explore（发现 + 定义）与 Create（开发 + 交付）两个大菱形，并加入迭代循环与参与循环，强调对问题本身的持续质疑。双钻对 AI 产品尤其有价值：第一个菱形要求先证明「问题真的存在、值得做」，再进入方案——这正好克制「为 AI 而 AI」的冲动。
对设计思维的批判与边界
设计思维的流行带来了同样著名的批判，引用时注意区分「学术批评」与「行业吐槽」：
- 证据基础薄弱：设计思维被当作「创新方法论」大规模推广，但支持其有效性的对照研究很少，多数证据来自案例叙事，这是学术界持续争论的焦点
- 仪式化与简化：Natasha Iskander 在 HBR（2018）批评设计思维「本质上是保守的」——把复杂的社会问题压缩成可套用的流程，回避了权力与结构问题；Lee Vinsel（2018）更直接，称其「像梅毒一样」流行但空泛
- 反身性悖论：当「同理心」变成模板化的访谈脚本，它恰恰违背了同理心本身
提示
批判的准确口径：批评针对的是「把设计思维当万灵药、用它替代真实研究的实践」，而不是「理解用户、快速原型」这些朴素主张。理性用法是把设计思维当启动器（帮你从零开始），而不是当证据（帮你证明方案正确）。
设计思维在 AI 产品中的吸收
设计思维被 AI 产品工作流吸收的方式有三层：其一，生成式 AI 让「构思与原型」阶段的成本骤降——用 Prompt 生成概念图、用 AI 生成可点击原型（见 原型与设计交付）；其二，五阶段模型成为人机协作任务的框架——「同理心」阶段由用户研究完成，「构思」阶段人机共同发散；其三，双钻的「先定义问题再开方案」被吸收为 AI 需求评审的守门动作，防止直接进入「训练一个模型」的技术兴奋。
以用户为中心的设计（UCD）
ISO 9241-210 六原则
UCD 的权威定义是国际标准 ISO 9241-210:2019（《以人为中心的交互系统设计》）。它规定的六条原则：
- 设计基于对用户、任务与环境的明确理解——不是猜测，要有研究支撑
- 用户全程参与设计与开发——参与时点越早、频率越高越好
- 设计由用户中心评价驱动并改进——评价结果反哺设计，而不是评审走过场
- 过程是迭代的——设计、原型、评价、修改的循环
- 设计覆盖完整的用户体验——包括情绪、品牌、服务流程，不只是界面
- 设计团队包含多学科技能与视角——交互、视觉、工程、研究、业务
六条原则的真正含义是「以人为中心」而非「以用户为中心」的语义升级：2019 版标题即 Human-centred design——相关方不只是终端用户，还包括维护者与受影响的第三方（比如被 AI 判断影响到的用户），这正是 AI 时代伦理设计的入口。
UCD、UXD 与产品设计的关系
- UCD（以用户为中心的设计） 是一套过程原则，回答「怎么设计」：强调用户参与、迭代、评价
- UXD（用户体验设计） 是一套专业范畴，回答「设计什么」：涵盖研究、信息架构、交互、视觉
- 产品设计 是更大的决策框架，把用户价值、商业目标与技术约束放在一起权衡——UCD 是它的必要条件而非充分条件
实践中三者常被混用，但区分对 AI 产品有实际意义：UCD 保证「用户声音在场」，UXD 保证「体验被完整设计」，产品设计保证「做出来的东西有人买单」——AI 产品最容易缺的是第三种，因为技术兴奋会掩盖商业验证。
目标导向设计：目标 ≠ 任务
Alan Cooper 在《About Face》（交互设计精髓）中提出目标导向设计（Goal-Directed Design），核心命题是：用户要的不是「任务」，而是「目标」；任务是手段，目标是目的。他进一步把用户目标分为三层：
| 层次 | 回答的问题 | 例子 |
|---|---|---|
| 体验目标（Experience goals） | 用户想怎么「感觉」？ | 「感觉自己在掌控」「感觉聪明」 |
| 最终目标（End goals） | 用户想「完成」什么？ | 「订到便宜的机票」 |
| 人生目标（Life goals） | 用户想「成为」谁？ | 「成为被认可的旅行者」 |
设计方法：先研究目标，再建模（典型角色 persona），然后定义需求与框架——先问「用户为什么在乎」，再问「用户要做什么」。对 AI 产品，目标导向设计有新的警示：AI 可以把任务完成得极其顺滑（订机票、写周报），但如果用户的目标是「掌握这项技能」或「被尊重」，效率优先反而伤害目标——这也是「AI 助手太能干导致用户挫败感」的原因之一。
参与式设计与情境调查
- 参与式设计（Participatory Design）：源于北欧 1980 年代与工会合作的系统设计传统（如 UTOPIA 项目），主张用户不是被研究的对象，而是设计的共同作者——共同设计工作坊、共同原型、用户参与决策。适用边界：需要长期投入，适合重大变革与公共系统；快速试错场景会显得笨重
- 情境调查（Contextual Inquiry）：Beyer 与 Holtzblatt 在《Contextual Design》中提出，研究者进入用户真实工作现场，以「学徒–师傅」模式观察并追问。四条原则：现场情境（context，去用户工作的地方）、伙伴关系（partnership，用户是专家）、解释（interpretation，边看边确认理解）、聚焦（focus，带着假设去验证）。它与 AI 产品研究的适配度很高：观察「用户现在怎么用 AI 干活」，比问卷更能暴露真实协作模式
认知与设计（Norman 设计心理学）
Don Norman 的《设计心理学》（The Design of Everyday Things，1988 初版 / 2013 修订版）提供了理解「人如何与物互动」的认知语言。以下概念是设计评审时最常被引用、也最常被误用的术语。
示能性与能指
- 示能性（Affordance）：环境提供的「动作可能性」——一把椅子「提供」坐的可能性，一个球「提供」扔的可能性。它是环境属性与行动者能力的交集，不是物体的固有属性，更不是界面上「看起来像按钮」的意思
- 能指（Signifier）：向使用者传达动作可能性的线索——按钮的凸起、阴影、文字「点击」。Norman 在 2013 修订版中明确：在数字世界，能指比示能性更重要，因为屏幕元素没有物理示能性，全靠视觉与听觉线索传达
提示
「可供性」的常见误用：说「这个按钮有很好的 affordance」时，你实际指的是能指。Affordance 是「客观上能否发生动作」的关系，Signifier 是「用户知不知道能发生动作」。评审时混用不影响做事，但影响与工程师、研究员的沟通精度——「按钮不够 affordance」的准确说法是「按钮的能指不足，用户看不出它是可点的」。
映射与反馈
- 映射（Mapping）：控制与结果之间的对应关系。自然映射（空间对应、物理类比）不需要学习，如「上移键使内容上移」；糟糕的映射需要用户背规则。经典例子：四灶燃气灶的旋钮排布与灶头排布不一致，用户无法预判。数字界面的映射问题：滑动条方向与数值增减方向是否一致、拖拽落点是否符合直觉
- 反馈（Feedback）：系统对用户动作的即时、可感知的回应。原则：即时（延迟超过 0.1 秒就要有提示）、信息充分（说明发生了什么、下一步是什么）、不过度（每次按键都震动会让人抓狂）。AI 产品的反馈设计是难点：生成过程长达数秒到数十秒，必须用流式输出、进度阶段、状态说明填补空白（详见总览页的「状态可见」原则）
约束
Norman 区分四类约束，用来引导用户不犯错、减少认知负担：
| 类型 | 机制 | 例子 |
|---|---|---|
| 物理约束 | 物理上不可能 | 插头形状决定插入方向 |
| 逻辑约束 | 逻辑上不成立 | 未登录不能下单 |
| 文化约束 | 社会习俗约定 | 红色 = 警示，绿色 = 通过 |
| 语义约束 | 含义上说不通 | 「保存」不会删除文件 |
约束的延伸概念是强制功能（Forcing Function）：用约束强行保证正确行为——互锁（interlock，不关舱门不能起飞）、锁定（lock-in，必须完成当前步才能继续）、锁止（lockout，防止误触危险动作）。AI 产品中，「高风险动作前必须人工确认」就是逻辑约束加强制功能的组合。
心智模型与概念模型
- 概念模型（Conceptual Model）：设计者设想的「系统如何运作」的解释——设计师想让你以为系统是什么
- 心智模型（Mental Model）：用户实际持有的「系统如何运作」的信念——用户以为系统是什么
- 两者之间的差距由系统形象（System Image）（界面、文档、行为呈现的一切）决定：用户不读说明书，他们通过观察系统行为构建心智模型
AI 产品的心智模型问题尤其严重：用户会高估（以为 AI 什么都知道）或低估（以为 AI 只是搜索框）模型能力。设计任务不是「展示真实技术」，而是主动塑造有用的心智模型——通过能力声明、示例、失败反馈，让用户的心智模型尽可能贴近系统的真实行为边界。这呼应 交互设计基础 对心智模型的设计处理。
七阶段行动循环与执行 / 评估鸿沟
Norman 把人的行动拆为七个阶段：目标（Goal）→ 计划（Plan）→ 说明（Specify）→ 执行（Perform）→ 感知（Perceive）→ 解读（Interpret）→ 比较（Compare）。由此定义两个鸿沟：
- 执行鸿沟（Gulf of Execution）：用户知道想做什么，但不知道如何操作——界面没有提供足够的线索
- 评估鸿沟（Gulf of Evaluation）：用户做了操作，但看不出系统发生了什么、结果是否符合预期——反馈不足
设计评审的经典动作就是「走一遍行动循环，找鸿沟」：用户的目标清楚吗？操作线索够吗？每步有反馈吗？结果可解读吗？AI 产品中，评估鸿沟是重灾区——生成结果很长、质量不稳定，用户常常「看不出为什么这么回答」，需要引用来源、推理摘要、对比视图来填平（见 设计评审与可用性度量）。
好设计的标准
Dieter Rams 十原则
Dieter Rams（Braun 前设计总监）1970 年代提出的十原则，是「好设计」最广为引用的判据，评审时逐条对照：
- 创新——好的设计是创新的。反面：换皮不改骨（只有外观变化，没有使用方式或技术革新）
- 有用——让产品可用，服务于真实目的。反面：功能堆砌，用户 80% 的功能从不使用
- 审美——好的设计是美的。反面：只求功能不顾观感，专业工具也让人不想打开
- 易懂——让产品自我解释。反面：需要说明书才能用的遥控器
- 不张扬——产品是工具，应让位于内容。反面：界面处处抢眼，内容反而没人看
- 诚实——不承诺做不到的。反面：宣传「智能」，实际只是脚本回复——在 AI 时代，这条演变为「能力声明必须诚实」（见 设计伦理）
- 持久——经得起时间。反面：追逐一年一换的视觉流行，两年后显旧
- 细致——周到到最后一个细节。反面：主流程顺畅、边界状态（空、错、加载）全是窟窿
- 环保——对环境友好。反面：设计忽略能耗与浪费——今天可延伸到：AI 推理的成本与碳排放也是设计约束
- 极简——越少越好（Less, but better）。反面：多余的功能、选项与文案堆满每个屏幕
Rams 与 Apple 的关系常被讨论：Jonathan Ive 公开承认 Rams 的影响，苹果的许多产品设计（如计算器、iPod 与 Braun 经典产品的对比）被视为 Rams 原则的当代继承者。但注意：Rams 的「少」针对的是「不必要的多」，不是「简陋」——极简是深思熟虑的结果，不是删减的借口。
设计批评文化
设计批评（Design Critique）与「评审（review）」不同：评审是对照标准打勾，批评是围绕设计展开的生成性对话。好的批评文化有几个惯例：
- 对事不对人：批评的对象是设计，不是设计师；用「这个方案在 X 场景会失败」代替「你做得不好」
- 先理解后评判：批评者先复述设计意图（「我理解你想解决 X，对吗？」），再给反馈
- 区分问题与方案：指出「按钮位置让用户找不到」是问题，「应该放右上角」是方案；问题要先于方案被讨论
- 给理由不给偏好：「我不喜欢」没有信息量，「因为用户在这里需要保持上下文，所以不宜打断」才有价值
设计批评是设计组织的核心资产：它把个人直觉转化为集体判断，也是新设计师成长的主要路径。AI 产品设计批评的新课题：批评必须包含「模型失败时这个设计还成立吗」的视角（见 设计伦理）。
Kano 模型与设计优先级
1984 年狩野纪昭（Noriaki Kano）提出 Kano 模型，把用户对功能的态度分为三类：
| 类型 | 用户感知 | 设计策略 |
|---|---|---|
| 基本型（Must-be） | 没有会不满，有了觉得理所应当 | 必须做，但不构成卖点；缺了是事故 |
| 期望型（One-dimensional） | 越多越好，满意度线性上升 | 重点投入，是与竞品比较的分战场 |
| 兴奋型（Attractive） | 没有不介意，有了惊喜 | 差异化来源，但会随时间降级为期望型甚至基本型 |
Kano 对设计决策的用法：先保证基本型（痛点清零），再提升期望型（效率与质量），最后用兴奋型制造记忆点。两个陷阱：兴奋型会「审美疲劳」——去年让人惊喜的功能今年成为默认预期（如 AI 摘要）；Kano 分类随用户群体变化——对新手是兴奋型的功能，对专家可能是基本型。评测方法：Kano 问卷用「具备 / 不具备」双问题配对测量态度，可与 用户研究 的问卷方法结合。
情感化设计
Norman 三层次
Norman 在《情感化设计》（Emotional Design，2004）中提出，人对产品的反应发生在三个加工层次：
| 层次 | 特征 | 对应的设计手法 |
|---|---|---|
| 本能层（Visceral） | 立即的、基于外观与直觉的反应 | 视觉美感、材质、声音、动效、首屏印象（手法详见 视觉设计基础） |
| 行为层（Behavioral） | 使用过程中的感受：功能、易用性、效率 | 交互质量、反馈、容错——「好不好用」 |
| 反思层（Reflective） | 使用后的思考与评价：自我形象、记忆、意义 | 品牌、叙事、个性化、收藏与成就 |
三个层次不是并列可选，而是自下而上叠加：本能层吸引注意，行为层建立信任，反思层产生忠诚。设计评审时三个层次都要过：首屏抓不抓眼（本能）、任务顺不顺（行为）、用完之后用户「怎么跟别人讲这个产品」（反思）。
愉悦的四个来源
Patrick Jordan（《Designing Pleasurable Products》，2000）把产品带来的愉悦分为四类，是「情感化设计」的具体化：
- 生理愉悦（Physio-pleasure）：感官层面的舒适——手感、音效、操作流畅度
- 社交愉悦（Socio-pleasure）：与他人互动带来的愉悦——可分享、被认可、共同使用的乐趣
- 心理愉悦（Psycho-pleasure）：完成任务时的满足感——「搞定了一件事」的掌控感
- 思想愉悦（Ideo-pleasure）：价值观与审美认同——「这个产品的理念和我一致」
对 AI 产品，四类愉悦都有对应设计：生理（流式输出的视觉节奏）、社交（AI 结果可分享、可展示）、心理（用户感觉自己操控 AI，而非被 AI 操控）、思想（隐私立场、开源理念、帮助用户「成为更好的自己」）。
情感化与 AI 产品：人格、语气与拟人化的度
AI 产品天然携带「人格」问题，因为语言本身就在传递人格。三个设计维度：
- 人格（Persona）：AI 用什么身份、什么性格说话——助手、同事、教练还是专家？人格必须与产品定位一致，且在所有接触点保持一致
- 语气（Tone）：同一人格在不同场景的语气——道歉、警告、确认、庆祝各有讲究；语气设计要落到文案规范（见总览页的「文案与解释设计」）
- 拟人化的度（Anthropomorphism）：过度拟人化会制造错误的期待——用户把 AI 当「人」，就会期待它有常识、记得住、有同理心，一旦落空，信任崩塌的速度比「工具化」定位更快
提示
经验法则：AI 产品的拟人化应服务于功能（让用户更好地理解与使用），而不是服务于情感投射本身。称呼、语气可以像人，但能力边界、失败处理必须诚实像「系统」。反思层的情感（比如用户舍不得删聊天记录）是设计成果，不是设计起点——不要为了制造依恋而设计拟人化。
设计伦理
黑暗模式：定义与类型
黑暗模式（Dark Patterns）由 Harry Brignull 于 2010 年命名并建立档案，指利用界面设计诱导用户做出损害自身利益的决策的交互模式。学界的大规模审计（Mathur 等，CHI 2019，扫描 1.1 万个电商网站）建立了分类，常见类型：
| 类型 | 手法 | 例子 |
|---|---|---|
| 诱饵与切换（Bait and Switch） | 引导用户做一个动作，实际发生另一个 | 点「关闭通知」，实际跳转去下载 App |
| 确认羞辱（Confirmshaming） | 用羞辱性文案逼用户同意 | 「不，我不想省 30%」 |
| 强制注册（Forced Enrollment） | 想用功能先交出数据 | 看价格必须先注册邮箱 |
| 隐藏成本（Hidden Costs） | 结算时才冒出附加费用 | 勾选后才发现手续费 |
| 订阅陷阱（Forced Continuity） | 免费试用默认自动续费且难以取消 | 取消要打电话、排队、写邮件 |
| 预选干扰（Preselection） | 默认勾选对平台有利的选项 | 默认同意营销邮件 |
| 隐私窥探（Privacy Zuckering） | 诱导公开本可保密的个人信息 | 填「选填」字段实则用于广告定向 |
| 阻碍（Obstruction） | 让用户想要的操作变得繁琐 | 「退订」需要走五步并确认三次 |
反黑暗模式运动
黑暗模式从「道德呼吁」走向「监管事实」：
- Brignull 的 darkpatterns.org 持续归档案例，后更名为 Deceptive Design（欺骗性设计）——改名本身反映术语演进：FTC 与欧盟监管机构更倾向用「deceptive design patterns」
- 欧盟《数字服务法》（DSA，2022）明确要求在线平台不得利用界面设计欺骗或操纵用户；FTC 2022 年报告《Bringing Dark Patterns to Light》系统梳理了欺骗性设计的类型与执法口径
- 合规检查的常见方法：让一个「不想买、不想注册」的用户走完全流程，记录每个违背其意愿的界面决策；UX 伦理倡导（如 UXPA 伦理宣言）推动从业者把它当作职业底线
提示
判断标准：不要看「是否合法」，要看「是否利用认知弱点」。合法但欺骗性的设计在 AI 产品里尤其危险——AI 的「权威感」会放大黑暗模式的伤害：用 AI 生成的话术诱导升级、用「AI 建议」替代用户的知情选择，都属于此列。
价值敏感设计
价值敏感设计（Value-Sensitive Design，VSD）由 Batya Friedman 等人提出，是「把人类价值系统性地纳入技术设计」的方法论，核心是三类相互交织的调查：
| 调查类型 | 内容 | 例子 |
|---|---|---|
| 概念调查（Conceptual） | 厘清价值的内涵、相关方与冲突 | 定义「隐私」在这个系统里指什么，直接与间接利益相关者是谁 |
| 经验调查（Empirical） | 用实证方法研究价值在实践中的实现 | 访谈、观察、问卷，看用户实际如何体验隐私 |
| 技术调查（Technical） | 分析技术特性如何支持或阻碍价值 | 数据存储架构是否让「删除」真正可执行 |
VSD 的关键贡献：价值不是设计完成后的补丁，而是需求分析的输入——在设计一开始就识别「这个系统会影响谁的哪些价值」，并为价值冲突（如安全 vs 隐私）做显式权衡。对 AI 产品，VSD 与可解释性、公平性设计天然契合：它提供了把「公平」「透明」从口号变成设计任务的流程（可对照总览页的透明度章节）。
AI 时代的设计伦理：透明、问责、偏见与自主性
- 透明性（Transparency）：用户应知道自己在与 AI 交互、知道 AI 的能力边界与不确定性——界面层的落点是能力声明、置信度表达、引用溯源
- 可问责（Accountability）：AI 的每个影响用户的决策都要能追溯到责任人——设计层要求决策留痕、动作记录、审计面板，而不是「模型自己做的」
- 偏见（Bias）：模型偏见会通过界面被放大——默认值、示例、文案都可能隐含偏见——设计层的落点是内容审查、多样本示例、让用户可见并可纠正
- 人的自主性（Human Autonomy）：用户有权利理解、反对、退出 AI 决策——设计层的落点是「永远保留不用的权利」：不用 AI 也能完成任务，取消、转人工、关闭个性化始终可达
微软 Guidelines for Human-AI Interaction 与 AI 安全文档的设计层落点
微软研究院 2019 年发布《Guidelines for Human-AI Interaction》（Amershi 等，CHI 2019），18 条准则按交互阶段组织：
| 阶段 | 准则（18 条） |
|---|---|
| 初始 | 1. 明确系统能做什么；2. 明确系统能做到什么程度 |
| 交互中 | 3. 依据情境提供时机合适的服务；4. 展示情境相关信息；5. 匹配相关社交规范；6. 缓解社会偏见 |
| 出错时 | 7. 支持高效唤起；8. 支持高效解除；9. 支持高效纠正；10. 不确定时收窄服务范围；11. 说明系统为何如此行为；12. 记住近期交互；13. 从用户行为学习；14. 审慎地更新与适配；15. 鼓励细粒度反馈；16. 保持用户控制 |
| 长期 | 17. 帮助用户理解系统能力与局限随时间的变化；18. 提供全局性反馈 |
这 18 条与总览页的 AI 专章（自主性阶梯、失败分级、透明度）高度同构，是评审 AI 交互时的官方基准。设计层的落点还包括：
- Anthropic 的工程文档（《Building Effective Agents》的 human-in-the-loop 部分、Claude Code 安全与最佳实践）把「人工审批、最小权限、可审计可撤销」落成工程实践，设计师的职责是把它们翻译成界面要求
- OpenAI 的《Model Spec》与《安全最佳实践》从模型行为与部署两层约束产品设计；对设计师，重点是读懂其中「系统级护栏」与「界面级表达」的接口位置
引用口径：这些文档是工程与政策文档，不是设计规范；设计师的职责是把其中的承诺翻译成可感知的界面行为——用户在界面上看到的，才是真正的伦理承诺。
设计与商业
设计驱动创新：意义创新
Roberto Verganti 在《设计驱动创新》（Design-Driven Innovation，2009）中提出第三条创新路径：技术驱动（how，如何做到）与市场驱动（what，用户想要什么）之外，还有意义驱动（why，产品对用户意味着什么）——不改变技术，也不跟随用户，而是重新定义产品的意义。经典案例：任天堂 Wii（不追画质，重新定义「游戏对家庭的意义」）、Swatch（把手表从计时工具重新定义为时尚配饰）、Alessi 厨房用品（把厨具重新定义为情感物件）。
Verganti 的关键主张与边界：意义创新来自与「诠释者」的对话（设计师、评论家、文化人），而不是用户调研；「用户无法说出他们没见过的东西」是立论基础，但也是最大争议点——意义创新如何验证？ 实践中的折中：用「小范围先锋用户验证意义」代替「大众调研验证需求」。
服务设计与设计思维的关系
服务设计把「设计」的对象从产品扩展到服务系统：触点（touchpoint）、前台（frontstage，用户可见）、后台（backstage，用户不可见）、支持流程与物理证据。核心工具是服务蓝图（Service Blueprint）：一张图把用户旅程与组织的可见 / 不可见行为对应起来，标出「交互线」「可见线」与「内部互动线」。服务蓝图之于服务设计，如同线框图之于界面设计。
与设计思维的关系：服务设计继承了设计思维的用户中心与迭代传统，但把单位从「项目」扩展为「系统」——它关心服务的前后台一致性、组织内协同，而不只是一次产品发布。AI 产品的服务设计视角：AI 客服的「后台」是知识库维护、模型评测、人工兜底团队——蓝图能暴露「前台 AI 承诺了后台做不到的事」这类结构性问题。
设计的商业价值：证据与口径
- DMI Design Value Index：美国设计管理协会追踪「设计驱动型」上市公司相对 S&P 500 的超额收益，2015 版报告称 10 年超额收益约 228%。注意口径：样本仅 15 家公司、入选标准由 DMI 主观裁定、存在幸存者偏差——它证明的是「设计驱动型公司表现好」的相关性而非因果性
- McKinsey Design Index（2018）：麦肯锡基于约 300 家上市公司的「设计成熟度」评分，发现设计成熟度排名前四分之一的公司，营收增速约为行业平均的两倍。同样有限制：设计成熟度是麦肯锡自定指标，评分包含自评与公开数据，选择性与口径都需审慎对待
提示
向管理层引用这些数字时务必附带口径：它们证明的是「系统性重视设计的公司在市场上表现更好」的相关性，样本与指标都有选择性。更稳健的论证来自内部数据：可测的可用性改进 → 转化率、客服成本、NPS 的变化，才是设计 ROI 的第一手证据。
AI 时代的设计再定义
三层模型：AI 作为设计对象、设计媒介与设计者
| 层次 | 含义 | 设计任务 | 例子 |
|---|---|---|---|
| AI 作为设计对象 | 设计「人与模型的协作关系」本身 | 交互范式、能力边界、控制权、信任机制 | Copilot 的旁路设计、Agent 的审批流（见总览页） |
| AI 作为设计媒介 | 用 AI 生成设计内容 | 提示词设计、生成结果的质量控制与版权管理 | AI 生成配图、文案、代码、原型 |
| AI 作为设计者 | AI 参与设计流程本身 | 设计流程的重新组织、人机分工 | AI 生成方案变体供选择、自动化可用性扫描 |
三层不是孤立的：一个产品可能同时是「AI 作为设计对象」（产品是 AI 助手）与「AI 作为设计媒介」（设计团队用 AI 做原型）。三层的共同问题是新分工下的质量责任：AI 生成的内容谁负责？AI 参与的设计谁署名、谁担责？这些问题没有行业共识，需要在每个团队内显式约定。
human-AI interaction 设计的新问题
- 不确定性表达：模型输出没有「正确 / 错误」标签，界面必须把不确定性翻译给用户——置信度分级、引用溯源、「这是推测」的明示；不可用假装精确的百分比
- 信任校准（Trust Calibration）：用户对 AI 的信任应与其真实能力匹配——过度信任（盲从错误建议）与信任不足（拒绝使用有效功能）都是设计失败；校准手段：能力声明、成功案例、失败反馈的持续教育
- 控制权交接（Control Handoff）：人与 AI 之间的控制权转移必须显式、可逆——谁在什么条件下接管、如何交回、交接失败怎么办；这与总览页的自主性阶梯（建议 → 草稿 → 确认执行 → 自动执行 → 审计）直接对应
- 长期关系设计：AI 会记住用户、会随时间改变——记忆管理、版本变化通知、「系统变了」的告知机制成为新常态（对应微软准则第 17、18 条）
提示
与总览页的分工：总览页给「怎么设计」的操作判据（状态可见、可解释、可纠错、自主性分级、失败兜底），本页给「为什么这样设计」的思想依据（认知基础、信任校准、伦理约束）。如果只读操作判据而不知思想依据，AI 交互设计容易退化为「检查表打勾」；反之只谈思想不落判据，则无法在评审中收口。
来源说明
以下来源均于 2026-08-24 验证可达；页面可能随时更新。
官方机构与标准
- Stanford d.school Design Thinking Bootcamp（五阶段模型与工具包）
- IDEO Design Kit（设计思维方法卡）
- UK Design Council: The Double Diamond（双钻模型与 2019 年更新）
- ISO 9241-210:2019, Ergonomics of human-system interaction — Part 210（以人为中心的交互系统设计）
- Nielsen Norman Group（设计思维、情感化设计、心智模型文章库）
- Microsoft Guidelines for Human-AI Interaction（Amershi 等，2019）
- Anthropic Engineering: Building Effective Agents（human-in-the-loop 与护栏）
- Claude Code Best Practices 与 Security（最小权限与可审计实践）
- OpenAI Model Spec（模型行为规范，设计层翻译对象）
- OpenAI Safety Best Practices（应用层安全实践）
- Value Sensitive Design（designprinciples.uw.edu）（Friedman 团队官方资源）
- Deceptive Design（darkpatterns.org）（黑暗模式档案与类型定义）
经典著作与论文
- Don Norman, The Design of Everyday Things（设计心理学，1988 初版 / 2013 修订版）
- Don Norman, Emotional Design（情感化设计，2004）
- Patrick Jordan, Designing Pleasurable Products（2000）
- Alan Cooper, About Face: The Essentials of Interaction Design（交互设计精髓，第 4 版，2014）
- Jesse James Garrett, The Elements of User Experience（用户体验要素，2011）
- Dieter Rams 十原则（Vitsoe 官网：Good Design）
- Kano et al., "Attractive Quality and Must-be Quality"（1984）
- Batya Friedman & David Hendry, Value Sensitive Design: Shaping Technology with Moral Imagination（2019）
- Roberto Verganti, Design-Driven Innovation（2009）
- Amershi et al., "Guidelines for Human-AI Interaction"（CHI 2019）
- Mathur et al., "Dark Patterns at Scale: Findings from a Crawl of 11K Shopping Websites"（CHI 2019）
- Shostack, "Designing Services That Deliver"（HBR，1984，服务设计奠基文献）
批判与争议类（引用时注明口径）
- Natasha Iskander, "Design Thinking Is Fundamentally Conservative and Preserves the Status Quo"（HBR，2018）
- Lee Vinsel, "Design Thinking is Kind of Like Syphilis"（2018，评论文章）
- DMI Design Value Index（2015 版，样本与方法局限见正文）
- McKinsey Design Index, "The Business Value of Design"（2018，指标口径见正文）
发现错误？想一起完善？ 在 GitHub 上编辑此页！
本页面贡献者：AI-PM Wiki Team
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用