5个不同#生成式用户界面#GenUI
1982年，首次人机交互（CHI）大会组织举办，标志着用户界面研究的正式开端。
1993年， Michael J. Muller 和 Sarah Kuhn 探讨“参与式设计”，强调用户在设计过程中的作用。
2006年，Rivka Oxman 提出数字设计分类法，区分参数化设计、算法设计和生成式设计。
2024年，Tae-seok Kim 等人发表关于生成式人工智能的 UI/UX 的分类、趋势和挑战的文章。
生成式用户界面（GenUI）代表了用户界面设计领域的一个深刻转变，它与传统的 UI 设计方法有着本质的区别。
那到底是哪里不同了？详见 ↓
1. 计算协同创造 (Computational Co-Creation)
-
习惯性思维
-
早期的设计自动化愿景常常将计算系统定位为最终将取代人类设计师。设计流程是以人类为主导，工具更多扮演执行者角色。
-
新的思考
-
-
GenUI 将 UI 创建转变为一个人机协作过程，AI 系统在其中积极地生成、优化甚至评估设计方案。
-
核心在于建立一种人类与 AI 的伙伴关系，而不是完全的自动化。
-
这被描述为“人机协同创造”或“增强设计智能”。
-
在这个对话式的过程中，设计师提供方向、约束和批判性评估，而生成系统则提供多种变体、可能性以及有时超出设计师常规思路的意外替代方案。
-
-
具体案例
-
-
一位专家设计师将这种关系比作建立一种“创造性对话”。
-
用他的话说：“重点不在于 AI 接管设计工作，而在于建立一种创造性对话。我提供方向、约束和批判性评估，而生成系统提供多种变体、可能性，以及有时我不会考虑到的意外替代方案。”
-
-
启发
-
-
这种协同创造模式从根本上重塑了设计过程本身。
-
它不再仅仅是设计师工具集的扩展。
-
这种协作促进了人类与计算代理（AI 系统）之间的合作，从而扩展了设计空间。
-
它使得设计过程能够以非线性方式快速适应不断变化的、情境化的设计问题。
2. 扩展设计空间探索 (Expanded Design Space Exploration)
-
习惯性思维
-
由于时间限制、认知偏差或有限的设计词汇，传统的 UI 设计过程往往过早地收敛于熟悉的解决方案。设计师的探索范围受限于自身的经验和想象力。
-
-
新的思考
-
-
GenUI 的一个突出能力是能够在复杂的可能性空间中促进对更广阔设计空间的探索。
-
它通过快速生成多样化的备选方案来支持更广泛的探索。
-
这些备选方案可能包括超出设计师典型模式的选项。
-
这被视为一种“计算发散思维”，它增强了人类的创造力。系统探索数据驱动的潜在空间。
-
-
具体案例
-
-
案例研究显示，像 Uizard 的 UI 生成功能或 Cursor.ai 助手工具被定位为扩展创造可能性的工具。
-
研究认为这种计算变体无法取代人类创造力，因为我们仍然需要评估其质量和相关性，但它通过建议意外的方向来放大创造力。
-
-
启发
-
-
GenUI 能够帮助设计师跳出思维定势，发现更多新颖和多样化的设计方案。
-
极大地扩展了设计师的想象力和选择范围。
-
允许在设计过程中探索更广阔的可能性。
3. 表示流畅性 (Representation Fluidity)
-
习惯性思维
-
传统的 UI 设计流程通常是线性的。
-
传统工具通常只在一个表示领域内操作（例如，一个工具用于线框图，另一个用于视觉设计，还有一个用于编写代码）。不同阶段之间的转换需要手动导出、导入或重新创建。
-
-
新的思考
-
-
GenUI 允许在草图、线框图、视觉设计和功能代码之间实现无缝切换。
-
这种表示形式之间的双向转换是 GenUI 的一个独特能力。
-
它支持多模态设计合成。
-
-
具体案例
-
-
像 Uizard 和 Galileo AI 这样的工具促进了这种多模态的设计合成。
-
一位系统开发者指出，当前的 GenUI 革命性之处在于能够几乎即时地在想法、书面产品需求文档文本和代码之间跳跃。
-
例如，“设计师可以用文字描述一个交互模式，立即看到视觉备选方案，通过直接操作进行优化，然后导出功能代码——所有这些都可以在几分钟而不是几天内完成。”
-
-
启发
-
-
极大地加速了迭代过程。
-
显著提高了设计效率，缩短了从概念到实现的周期。
-
使得设计师能够更灵活地在不同抽象层次上思考和工作。
4. 上下文适应 (Contextual Adaptation)
-
习惯性思维
-
在传统设计中，确保设计遵循品牌指南、可访问性标准、用户偏好和文化因素需要设计师明确应用规则和知识。进行细微的上下文调整通常需要大量的人工判断和调整。
-
-
新的思考
-
-
GenUI 能够根据品牌指南、可访问性标准、用户偏好和文化因素进行自适应调整。
-
它展现了一种“隐性设计知识”，允许生成系统进行难以显式编码的细微上下文调整。
-
设计师可以通过向 AI 提供包含特定语言和表达的 Prompt 模板，有效地向 AI 传达设计意图，从而适应不同的设计场景和问题。
-
-
具体案例
-
-
一项研究将这种能力描述为使得生成系统能够进行难以明确编码的细微上下文调整的“隐性设计知识”。
-
一位产品设计师描述了如何建立一系列 Prompt 模板，其中包含针对不同设计场景的特定语言和表达，以有效地与 AI 沟通设计意图。
-
-
启发
-
-
GenUI 能够生成更贴合特定需求和约束的设计。
-
能够自动处理复杂的规则和细节，减轻设计师的负担。
-
有助于确保设计在不同情境下都能保持一致性和适宜性。
5. 设计合成而非选择 (Design Synthesis Over Selection)
-
习惯性思维
-
传统的数字设计工具主要提供从预定义选项中进行选择。
-
创建真正新颖的元素通常需要设计师从头开始。设计过程更多地像是从一个有限的菜单中挑选和组装。
-
-
新的思考
-
-
GenUI 的方法通过重组和转换持续合成新的设计可能性，从而实现了从基于选择的设计流程向基于合成的设计的转变。
-
设计师的创造性决策从选择有限菜单中的项目变为更高级别的方向性选择。
-
-
具体案例
-
-
一位 GUI 设计师用比喻解释说，传统设计就像“宜家购物”——从现有选项中选择并组装。
-
而使用生成工具则更像是“烹饪”——用一个大致的食谱结合食材，但知道最终结果是在过程中涌现的。
-
-
启发
-
-
GenUI 鼓励一种更具探索性和生成性的设计方法。
-
设计师的角色从执行者转变为更高层次的指导者和决策者。
-
结果是能够产生更具原创性和适应性的设计。
这五个核心要素共同描绘了 GenUI 作为一个新兴设计范式的特点，强调了人机协同、广阔探索、流畅转换、智能适应和持续合成，这与传统的、更为线性、以选择为主导的设计流程形成了鲜明对比。
讨论材料：https://arxiv.org/html/2505.15049v1
加入mixlab社群
-
