Notes
桌面 Widget 打破了传统的"打开 APP → 找到入口 → 获取服务"三步链路，将 APP 的核心动态状态（如自选股涨跌、今日申购）直接暴露在操作系统层，使服务触达从"用户主动打开"转变为"系统主动推送"。
在移动端流量见顶的存量竞争环境中，这一模式的战略价值在于争夺用户的第一视觉焦点。桌面组件、系统级搜索（Spotlight）、手机下拉搜索（可直接唤起 APP 内功能页）都属于这类系统级触点——它们的共同特征是绕过 APP 本身的导航层，在更高的操作系统层截获用户注意力。
延伸形态还包括第三方平台的 MCP 服务（如东财的资讯行情投顾 MCP），代表将服务能力嵌入 AI 助手生态的进一步整合路径。
传统导航链路是"点击 Tab → 进入页面 → 获取信息"。卡片导航将这一链路反转：信息直接前置到首页，用户通过配置卡片（如"看指数"、"盯行情"）在首页直接获取即时状态，无需点击进入子页。
卡片本身既是通道入口，也是信息载体，实现"所见即所得"。这一模式适合高频、轻量、无需操作的状态展示类需求——用户关心的不是"去哪里看"，而是"现在是什么状态"。
代价是大量卡片本身引入管理复杂度：用户需要配置哪些卡片显示、以何种顺序排列，形成二阶问题（华泰、华宝等通过专门的首页卡片管理功能来承接这一复杂度）。
金刚区（首页 Icon 聚合区）是 APP 内战略优先级最高的流量入口，位于首屏视觉中心，理论上触达路径最短。但用户因长期习惯对其产生惯性略过，实际曝光点击率偏低，形成"战略地位最高、实际效率最低"的内在矛盾。
根本原因是固定视觉模式引发注意力饱和，而非位置布局本身的问题。提高曝光频次无法解决这一问题，方向应是提升相关性——通过算法驱动的千人千面（减少无关曝光）或允许用户自定义配置（提升主动感知），让每次出现的内容都与当前用户意图更贴近。
底部 Tab 的结构设计，本质是基于用户意图类型的场景分发，而非功能归类。
用户意图可以划分为四类：目标明确的专业交易者依赖已有习惯，匹配自定义工具入口（弱分发）；功能导向型用户关注特定工具，匹配专属聚合页；新手用户缺乏方向，需要被引导，匹配首页运营强干预（投顾卡片、金刚区）；被动浏览型用户无明确目标，匹配资讯信息流与直播卡片。
将导航设计理解为"功能放哪里"是错误框架。正确框架是：哪类用户在什么状态下需要找到什么。Tab 结构是用户意图分布的镜像，而不是产品功能树的投影。
APP 导航不等于底部 Tab。现代 APP 的导航是一个三层流量分发系统：底部 Tab 是承载核心业务的骨架；首页金刚区与卡片模块是精准分发功能流量的中间层；桌面 Widget 与系统级搜索（Spotlight、手机下拉搜索）是将服务前置到操作系统层的外部触角。
三层共同构成"全链路流量分发网络"，设计决策的本质问题也随之改变——从"把功能放在哪里"，变为"在正确的场景，把正确的状态推送给对应的人"。
数据叙事是指将产品后台已有的用户行为数据，重新包装为用户愿意主动分享的个人故事。它不是数据可视化（给用户看图表），而是数据戏剧化（给用户一面映射自我的镜子）。
Spotify Wrapped 是这个策略的标杆实现：每年 12 月把用户全年听歌数据转化为一套电影感的视觉叙事——你的年度歌曲、总收听时长、风格演变轨迹，配上大胆配色和可分享的卡片格式。效果是数十亿次社交曝光、单年下载量峰值增长 21%。
数据叙事之所以有效，是因为它同时激活了两个心理驱动力：自我表达（"这就是我"）和互惠感（"产品在奖励我的忠诚"）。用户分享 Wrapped 不是在帮 Spotify 打广告，而是在社交网络中表达自己的身份认同。产品因此获得了零成本的病毒式传播，但驱动力来自用户的自我叙事需求，而非产品的营销意图。
当你的产品满足两个前提时，可以启动数据叙事策略：
- 是产品已经积累了足够长周期的用户行为数据（至少数月）；
- 这些数据本身承载了用户的情感投射（音乐品味、运动轨迹、阅读偏好），而不只是功能性操作日志。
将原始数据转化为叙事需要三个设计决策：
＊ 选择时间锚点（年度、季度、里程碑事件），这决定了叙事的节奏感和用户的期待周期；
＊ 提炼身份标签（"你是爵士夜猫子"比"你听了 200 小时爵士"更有传播力），把统计量翻译成人格描述；
＊ 设计分享载体（竖屏故事卡、可交互的滑动页面），确保格式天然适配社交平台的分发规格。
数据叙事依赖用户对数据采集的信任。
如果用户觉得"你在监控我"而非"你在为我记录"，同样的功能会引发隐私焦虑。设计时必须让用户清晰感知到数据的用途是回馈而非剥削。此外，叙事一旦形成年度惯例（如 Wrapped），用户期望只会逐年升高，创新压力持续累积。
"隐形 UX"是一种界面设计策略：刻意压低界面本身的存在感，让用户的注意力完全被内容（而非控件、动效、装饰）占据。衡量标准不是"界面好不好看"，而是"用户是否意识到自己在用一个 App"。
触发条件
当产品的核心价值来自内容消费（音乐、视频、阅读、地图）而非交互操作本身时，界面应主动退场。如果用户打开产品后第一反应是"界面真炫"而不是直接沉浸内容，说明界面正在抢戏。
三步落地：
- 首先选择深色或低对比度背景作为默认色调，让内容视觉元素（封面、图片、数据图表）自然成为画面焦点。
- 其次，砍掉所有不直接服务于当前任务的 UI 元素——没有装饰性动画、没有冗余按钮，只保留当前步骤所需的最小控件集。
- 最后，用留白和层级关系替代显式边框和分隔线，让信息自然分组。
约束与代价
隐形 UX 容易导致新用户发现不了功能（discoverability 下降）。需要配合渐进式引导或上下文提示来弥补。另外，过度极简可能让高级用户觉得产品"功能单薄"，需在简洁与功能密度之间找到当前用户群的平衡点。
💡 是什么
极简导航不是"按钮越少越好"，而是按照用户当前的设备场景和操作姿势，提供刚好够用的导航路径。核心思想是：导航结构应该随上下文变形，而不是在所有终端复制同一套信息架构。
Spotify 移动端只有三个底部 Tab（Home / Search / Library），但桌面端保留了侧边栏和键盘快捷键，车载模式则进一步简化为大按钮和语音控制。同一产品在不同场景下呈现不同的交互密度。
🛠️ 怎么做
第一步，按设备和使用姿势划分场景（单手持机、双手桌面、免视觉车载），为每个场景定义独立的导航层级深度和控件密度。第二步，确保跨端状态无缝同步——用户在手机上暂停的内容，在电脑上打开时应自动续播，不需要用户手动寻找。第三步，对空状态（empty state）做积极引导而非留白：用问句（"想听什么？"）加上趋势内容卡片，把"没内容"变成"有方向"。
一个容易被忽略的细节：Spotify 在 A/B 测试中发现搜索栏向上调整 3mm 能改善拇指触达的人体工学体验。这类微调累积起来构成体验的整体流畅感。
⚖️ 约束与代价
跨端适配意味着多套界面逻辑需要并行维护，工程和设计成本显著增加。另外，过度简化移动端导航可能导致功能"藏太深"，需要通过数据监控验证用户是否能找到关键功能路径。
💡 是什么
个性化推荐之所以能驱动留存，底层心理机制不是"推得准"，而是"让用户感觉自己被理解"。用户在产品中获得的心理奖赏是"被看见感"（feeling seen）——系统好像认识我、懂我的偏好和状态。这种感受把工具关系升级为情感关系，是用户从"在用"变成"离不开"的关键转折。
Spotify 的数据证实了这一点：用户有 25% 的收听时间花在个性化推荐面（Discover Weekly、Daily Mix 等），而非自主搜索。用户不是在找歌，是在享受"被懂"的感觉。
🔗 为什么
推荐系统的技术架构（协同过滤 + 音频特征分析 + NLP）只是实现手段。真正让个性化产生粘性的，是它触发了心理学中的"互惠效应"——我把行为数据交给你，你用精准推荐回馈我，这构成一个正向循环。一旦用户感受到系统在"进步"（越来越懂我），沉没成本和转换成本同时升高。
🛠️ 怎么做
落地个性化体验需要三个层次：第一层是冷启动速度，Spotify 在用户听完三首歌后就开始适配推荐，新用户不需要填写冗长的偏好问卷。第二层是反馈闭环，提供显式的调节入口（如 Taste Profile 的"多来点这种 / 少来点那种"），让用户从被动接受变成共同创造，即"human-in-the-loop personalization"。第三层是场景感知，根据时间、设备、行为模式切换推荐策略（晨间通勤 vs 深夜独处），让用户觉得"它知道我现在需要什么"。
⚖️ 约束与代价
过度个性化会造成信息茧房，用户永远接触不到自己舒适区之外的内容。需要在推荐中有意掺入适量的"安全冒险"（熟悉风格的陌生作品）来维持新鲜感。此外，个性化依赖行为数据积累，对低频用户效果有限。
触发条件：在要求 Agent 执行找 Bug、审查代码、分析缺陷等容易受主观偏见影响的任务时。
○ 怎么做 (API 接口式封装)：
- 输入条件：避免使用带有预设偏见的提示词（如“去给我找个 Bug”），防止大模型因为想讨好用户而凭空捏造（幻觉）。
- 动作步骤：
1. 使用“中立词”：改用“平铺检索库，尝试理清逻辑，并如实报告所有发现”。
2. （高阶）设置相互角力的特工身份：利用其讨好天性设置赏罚。建立找 Bug 的（找一个加一分，拼命找）、证伪 Bug 的（证伪一个加分，错了扣双倍，疯狂证伪）和作为中立裁判的三个平行 Agent 相互对抗。
- 输出结果：通过博弈获得极高保真度、被反复挤干水分的客观真相反馈。
约束与代价：
- 资源消耗翻倍，只适用于极其关键且需要高确定性的攻坚排错场景。
一篇用眼动仪测试拟物和扁平设计的论文，进一步拆解了拟物的元素进行研究。实验结果添加阴影效果或圆形设计的实验组按钮在视觉搜索和识别效率、准确度方面显著地更有优势 (P < 0. 05) ; 相比扁平化文字链接，添加颜色或者颜色加下划线的文字链接可以显著地提高文字链接的搜索速度、准确度和任务效率 ( P < 0. 05) 。
葛列众、王宇轩于 2010 年通过制作邮箱原型进行可用性研究，也取得了良好的结果。
戴均开、葛列众于 2007 年的实验结果指出，计算机模拟的手机原型界面的可用性评估是有效的。
Android Design 里把主流设备的 dpi 归成了四个档次，120 dpi、160 dpi、240 dpi、320 dpi。如果以 160 dpi 作为基准的话，只要尺寸的 DP 是 4 的倍数，XHDPI 下乘以 2，HDPI 下乘以 1.5，LDPI 下乘以 0.75 即可满足所有尺寸下都是整数 pixel。
我在 MEET.ONE 的“设置”功能右侧加了文字“语言/Language”，是受到 Smartisan OS 的启发，他们的做法是把语言设置放在设置页最底部，同时右侧显示多个国旗。
四种信息架构，线性、层级、矩形结构、自然排列，其实就是 1 维、2 维、有限维度、无限维度/无维度。
Cooper 最早在 1995 年出版的《About Face: The Essentials of User Interface Design（第 1 版）》使用了界面 Interface design 这个词，而在 2003 年第二版中，用“Interaction Design”替代了它，书名也改为《About Face 2.0: The Essentials of Interaction Design》。在序言中 Cooper 解释，他认为随着技术的发展，工业设计、界面设计、信息架构甚至用户体验，这几个学科都不能解释书中讨论的核心问题“如何设计具有复杂行为的交互系统”。所以他选择了 Bill Moggridge 的交互设计这个名词。
Like industrial design, the discipline would start from the needs and desires of the people who use a product or service, and strive to create designs that would give aesthetic pleasure as well as lasting satisfaction and enjoyment.
I gave my first conference presentation on the subject in 1984, and at that time I described it as “Soft-face”, thinking of a combination between software and user-interface design […] we went on thinking of possible names until I eventually settled on “interaction design” with the help of Bill Verplank.
交互设计是指在人与人造事物（产品、服务或系统）之间创造一系列对话。