把 UX 按知识章节系统展开，而不是只留在首页的一段口号里。

Users

用户与角色

先定义你在为谁设计，再决定信息、流程和界面该怎么组织。

很多坏体验不是因为页面不够精致，而是因为团队根本没有先把用户、场景和角色说清楚。角色卡、共识地图和研究方法，不是文档装饰，而是后面所有体验判断的起点。

• 人物角色决定入口、任务边界和优先级，不只是给团队看的画像。
• 共识地图能把用户想法、联想和感受从零散笔记收成一张对齐图。
• 研究方法要先服务于“想确认什么用户问题”，而不是先收集一堆材料。

Mental Models

心智与理解

体验不是只把信息摆出来，而是要贴近用户怎样理解、联想、判断和预期。

用户不是在空白状态下进入系统的。每个人都带着已有经验、预期和解释方式来理解界面。AI 时代更是这样，如果心智模型不被照顾，再强的能力也会被误解成黑箱。

• 关键概念需要被显性整理，否则团队很容易各说各话。
• 表达形式会影响用户把什么当作重点、把什么当作噪音。
• 亲和图和行为模型能帮助团队把零散观察收成更稳定的认知结构。

Research

研究与结构

系统化不是多写点文档，而是让研究、整理、建模和决策之间能真正衔接。

当信息开始变多、团队开始变大、触点开始变复杂，结构工作就不能再放到最后。研究方法、归纳方式和结构图，是防止内容和页面越做越乱的关键层。

• 一手与二手调研的边界要先分清，才能判断证据的可信度和适用范围。
• 结构图的价值，不在于图画得多复杂，而在于它能不能帮团队做取舍。
• 共识地图和亲和图更适合复杂主题的归纳，而不是只靠口头同步。

Behavior

行为与动机

如果不知道用户为什么行动、为什么停下、为什么回退，流程和界面就只能停留在表面优化。

行为设计不是操控，而是理解人在不同情境下会怎样节省认知、被什么动机驱动、又会因为什么风险停下。AI 产品尤其需要这一层，因为自动化越强，行为后果越大。

• 自然用户界面提醒我们：交互越贴近真实动作，认知负担越低。
• 行为探索不该只看点击，更要看触发条件、环境反馈和人的自我判断。
• 每一个你希望发生的动作，都应该绑定一个真正成立的动机点。