想象中，一位成熟的UE设计师应当拥有敏锐的洞察力、惊人的判断力和出众的执行力。他们拿到需求后能快速给出一版原型方案，完美契合业务需求的同时，还兼具极佳的用户体验。
然而，事实上绝大部分设计师都达不到这个水平。在日常设计工作里，我们需要花费很多时间去思考一个问题——为什么 A 方案比 B 方案更好。
在一些情况下，这个问题很好解答。无论是 iOS、Android 这类行业通用规范，还是各类软件应用共同缔造的某种“范式”，都为我们提供了一个标准答案模板，只要按设计规范来，大体上不会出错。但在另一些情况下，这个问题会变得异常棘手。
设计规范能为我们提供方向性的指导，但终究不是可以打开所有门的万能钥匙。一旦落到细节处，我们会发现“规范”的解释范围是很广泛的，很多时候是一种模糊的正确。比如，为什么 checkbox 和 switch 有时候可以明确区分，有时候却可以相互替换？触发新任务时，什么时候用全屏弹窗，什么时候用子页面？…
这些问题通常会流经多个环节。首先设计时，设计师自己要想清楚，然后需要向产品、研发解释“为什么”，有时甚至还需要向领导论证方案的合理性。这个过程中就很容易出现“公说公有理、婆说婆有理”的现象。这个时候就需要设计师站出来拍胸膛了。
我们自然可以搬出“尼尔森十大可用性原则”、“用户体验五要素”等”行业圣经“来撑场，但真正具有说服力的唯有数据和用户真实的感受。如何在资源有限（无法做灰度测试）的情况下，快速验证设计的可行性呢？传统工作流中，我们会用 axure、protopie 等设计工具绘制高保真原型，然后找用户进行实操测试。很有用，但很费时间。而现在，在 AI 快速发展的今天，我们有了新武器——vibe coding。
以前要做一份高保真交互原型，需要使用动态面板、连线、调节动效参数，复杂功能还要用到中继器等。现在借助 AI studio、codex、cursor等工具，几句话就能让 AI 生成一份可交互的高保真原型，甚至AI还会根据自动补全交互细节，这无疑大大降低了时间成本。
举几个近期使用的例子：
案例一：简单的用户测试
这是一个 app 端消息中心的筛选面板，由于实际消息类型多达上百种，因此产品提出要允许用户自定义常用消息，方便快捷筛选。此时有两种处理方案：
- 方案一（左侧）：当前面板下钻；
- 方案二（右侧）：叠加新弹窗；
这两种方案理论上各有优劣（非本文重点，不在此赘述），但在实际的用户测试中，80% 的用户（共测试了 5 位用户）选择了方案一。他们的理由很一致：方案一的交互更自然更符合习惯，方案二的弹窗叠加比较少见。
有了真实用户的声音，我们的设计就有了更充分的说服力。花半小时搭建 demo，加上用户实际操作，整个测试过程也不过花费半天不到的时间。
案例二：复杂的交互演示
这是一个WEB 端的“添加算法”功能，这个面板包含了总多功能，如搜索算法、标签筛选、多选、反选、字母索引、列表折叠展开等。要想把每个功能及其联动逻辑描述清楚，需要在交互稿中铺陈大量文字，研发理解起来也需要时间。而通过以下简单描述：
即可让 AI 输出一份完整的演示 demo：
还原度极高的 demo，再辅以简单的交互说明文档，沟通从未如此顺畅～
其他还有很多类似的案例，无一不说明了一个事实：AI 已经切实地改变了我们的工作模式。作为从业者，一方面为 AI 带来的提效感到高兴，一方面又免不了产生职业危机。但我想，除了高兴和担心外，作为这个时代的见证者，内心总会有一种期待——明日的世界是怎样的，科技最终会带领我们走到哪一步？
