惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

N
Netflix TechBlog - Medium
G
Google Developers Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
T
The Blog of Author Tim Ferriss
Microsoft Azure Blog
Microsoft Azure Blog
GbyAI
GbyAI
L
LangChain Blog
云风的 BLOG
云风的 BLOG
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
aimingoo的专栏
aimingoo的专栏
P
Proofpoint News Feed
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
小众软件
小众软件
WordPress大学
WordPress大学
A
About on SuperTechFans
大猫的无限游戏
大猫的无限游戏
C
Check Point Blog
月光博客
月光博客
Stack Overflow Blog
Stack Overflow Blog
美团技术团队
Jina AI
Jina AI
T
Tailwind CSS Blog
Google DeepMind News
Google DeepMind News
D
Docker

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
Ant Design 又有了新“东西”~
CE青年 · 2024-12-17 · via 人人都是产品经理

“Ant Design X 登场,AI 设计新助力。” 在 B 端产品设计领域,Ant Design X 的推出带来新变化。它将如何影响 B 端设计师的工作?又为 AI 产品设计提供了哪些新思路?

最近,沉寂了许久的 Ant Design 迎来了全新的产品:Ant Design X

那这次的更新会和 Ant Design 5.0 的更新有什么不同?对于 B 端设计师又会造成哪些影响?为什么我说这又是一次“参考书”级别的更新~ 让我们来一起看看~

一、什么是 Ant Design X

我相信最近一年,已经有非常多的 B 端设计师开始负责 B 端产品的 AI 化迭代。

比如 小鹅通增加了 AI 助手、腾讯云增加了 AI 智能客服,每一个产品都在想与 AI 领域的结合,进而寻求新的增长点。

作为小团队可能会把它当做是一个简单的需求,而对于大的设计团队而言,我们需要考虑如何拆解 AI 的产品功能,以便于我们能够快速给到大量的产品进行复用,因此 AI Design X 就诞生了。

据在阿里内部的同学透露,在阿里团队内部就需要输出大量产品的 AI 模块迭代,因此孵化了诸多像:数据分析、信息搜索、智能客服 等多个 AI 功能。既然制作了如此多的功能,不如慢下来将设计当中的理论体系进行沉淀,因此就有了 ADX 的出现。

我们再来看其官网,整体风格延续的 Ant Design 的设计调性,这部分我还是非常喜欢。

二、Ant Design X 有什么?

首先在 ADX 当中,里面包含了:设计范式、对应组件、界面演示。

在我看来如果你对 B 端与 AI 产品的结合思路不够清晰,那一定要看设计范式~ 因为它是对整个 AI 产品内容进行全面的拆解。

对于组件和界面演示,我们就是在设计过程当中有对应问题,可以通过它来获取解决方案。

由于整个范式内容过多,我将其重要部分加以整理,带领同学们快速学习一遍。(当然也建议大家看完过后去到 Ant Design X 再进行细致阅读)

RICH 设计范式

在系统当中,Ant Design X 提出了 RICH,也就是 意图、角色、会话、界面。

意图,其实就是目的

在用户使用 AI 工具时,通常都都会有自己的想法,比如 想搜索一个设计知识点、查看对应的数据报表、获取帮助中心内容。

对于整个意图而言,主要分为:清晰/模糊、任务/咨询,我们通过用户对于意图的分类,进而采取不同的设计界面。

比如现在我有清晰的目的就是想让 AI 帮助我修改文档当中的一段文字,而这种时候我们通常会采取内嵌式的方式进行实现。这就是意识所带来的差别。

角色,则是 AI 所扮演的角色类型。

因为不同的产品在接入 AI 时,它的需求就会有所不同。

比如在帮助中心,AI 需要更强的亲和力;在 BI 的数据分析模块,则需要你更为专业。因此我们会给 AI 赋予更为表面的的外在形象,更为深入的内在性格。

对于形象部分,我们需要创造更为真实一致的 AI 角色。比如形象的部分,我们可以 外貌、服饰、动作 等内容构建一致角色形象;

对于性格部分,我们需要“说出”与角色相符的语言语气,这样才能使你的 AI 产品更具生动的表达。

由于很多 B 端系统会在很多地方接入 AI,因此在形象的部分 B 端产品会更倾向使用科技、概念的视觉形象。

会话,也就是与 AI 的对话设计。

在系统当中,AI 的所有内容都需要通过对话的形式进行交互,因此我们在设计时就需要梳理整体的交互状态。

同时对于 AI 来说它所生成的内容取决于用户所提供的文本量,所以对话当中就会包含有:开始、追问、提示、确认、错误、结束 等不同状态。

对于每一种状态,在文档当中都会给出清晰的解析,这是我们在日常设计当中可以重点关注的内容。

最后则是界面,对于目前整体的界面模式进行归类。

主要包含:内嵌式(Do)、助手式(Do+Chat)、独立式(Chat)三种界面类型。在交互的模式上给我们规定了 AI 产品的使用场景。

同时将使用 AI 产品的用户旅程划分为 4 个阶段:唤醒、表达、确认、反馈,在此基础上,我们就会使用不同的组件来进行阶段的设计。

组件这部分大家可以访问官网自行查看~ https://ant-design-x.antgroup.com/

三、如何使用 Ant Design X ?

这时候很多同学会有疑问,那我们现在能用 ADX 直接进行 AI 产品的产出吗?

我仔细查看了一下,觉得目前还是不行。

一方面是目前整体设计资源并没有完全开源,我们去访问目前的资源依旧不能下载,因此没办法基于它进行设计;同时针对这种才面世不久的设计系统,我们可以稍加等待,因为前期一定是不够成熟的,等着后续产品逐渐完善过后,有足够多的人实验了没有问题再接入也不迟。

所以我会认为,目前它是我们设计师最容易上手的 AI 学习手册,它能够帮助我们快速的了解 AI 产品当中的各种问题,你要做的就是在这些类型当中进行选择,内容的解析是真心不错~

那除了 Ant Design X 还有哪些与 AI 相关的内容呢?这些再给大家推荐几个不错资源:

AWS 的 Cloudscape 设计系统,提供了较多的 AI 设计模式,我们也可以进行尝试。https://cloudscape.design/patterns/

IBM 的 Carbon 设计系统,也提供了 AI 模式的拆解,大家也可以进行学习查看。https://carbondesignsystem.com/guidelines/carbon-for-ai/#ai-chat

在我看来,未来还会有更多的 AI 产品,更复杂的 AI 规范,我们作为设计师我们更应该提前了解,为自己争取更多发展新机会。

本文由人人都是产品经理作者【CE青年】,微信公众号:【CE青年Youthce】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。