Yapay zeka tarafından oluşturulan prototiplerTasarım sisteminin her tarafına dağılmış küçük tutarsızlıklar nedeniyle çoğu zaman tutarlı bir şekilde iyi sonuçlar vermezler. Kararlarım alınmış ancak belgelenmemiştir, sabit kodlanmış değerler hiçbir zaman temizlenmemiştir veyaYapay zekaya çok fazla güvenmekmaketleri veya tasarım akışlarını kendi başına anlamlandırmak.
Dün bir şeye rastladımfaydalı pratik rehberAtlassian'dan Hardik Pandya tarafından — onsürüklenmeler nasıl azaltılır, hataları en aza indirin, bağlamı koruyun ve yapay zeka tarafından oluşturulan prototiplerin kalitesini artırın. Nasıl çalıştığını görelim.
Şaşırtıcı olmayan bir şekilde daha iyi yapay zeka prototipleridaha iyi verilerden geliyor- ama aynı zamanda daha iyi insan rehberliğinden de. Yapay zekanın doğru bileşenin nasıl seçileceğini ve erişilebilirlik göz önünde bulundurularak nasıl tasarlanacağını bildiğini varsaymamalıyız. Önceliklere, kararları nasıl aldığımıza dair net bir yola, tasarım ilkelerine, örneklere, yapılması ve yapılmaması gerekenlere ihtiyacı var.
Aslında tasarım kararlarına şu şekilde yaklaşmalıyız:altyapı. Bu, her karar verdiğimizde (yalnızca bir tasarım kararı değil, aynı zamanda işimizi nasıl önceliklendireceğimize ve burada nasıl kararlar vereceğimize dair bir karar bile), daha sonra yapay zeka tarafından tüketilecek olan spesifikasyon dosyasına giden bir yol bulması gerektiği anlamına gelir.
2. Denetim: FigmaLintTasarım sisteminin kalitesini denetlemek için yararlı araçlardan biriFigmaLint. Bu kullanışlı birücretsiz Figma eklentisiBelirteçleri, durumları, erişilebilirliği, bağlama belirteçlerini denetlemek, katmanları yeniden adlandırmak, ayrılmış örnekleri, eksik etkileşimli durumları ve sabit kodlanmış değerleri tespit etmek ve tasarım belgelerini hazırlamak için.
Sık sık çalışmak zorunda kalıyorsanızsatıcılar ve üçüncü taraflarSize tasarım sistemlerini ve bileşen kitaplıklarını sağlayan, bu yanınızda harika bir yardımcıdır; özellikle de prototiplerin, yapay zeka tarafından oluşturulan kodların ve yapay zeka tarafından yazılan belgelerin kalitesini artırmak istiyorsanız.
3. Üç Katman: Özellik Dosyaları + Belirteç Katmanı + DenetimKaliteyi sağlamak için tasarım ilkelerini, yönergelerini ve kurallarını şu şekilde oluşturuyoruz:spesifikasyon dosyaları”. Boşluk kurallarını, renk seçimlerini, bileşen kullanım yönergelerini, öncelikleri vb. içeren yapılandırılmış Markdown dosyalarıdır. Yapay zeka, her prototip oluşturduğunda bu spesifikasyon dosyasını okuyacak ve yeniden kullanacaktır.
Spesifikasyon dosyaları metin dosyaları olduğundan çok daha fazlasıdır.uygun maliyetliama aynı zamanda çok daha doğru çünkü maketlerdeki kalıpları tanıyan veya kod çözen yapay zekaya güvenmiyoruz, bunun yerine belirli yönergeler alıyoruz. Aslında kodu genişletmek genellikle modellerden kod oluşturmaktan daha etkili bir yoldur.
. belirteç katmanıTasarım sistemi boyunca kullanılan tüm belirteçleri listeler ve güncel tutar. Yapay zeka, geçici olarak makul değerler icat etmek yerine her zaman kapalı bir adlandırılmış değişkenler kümesi arasından seçim yapar.
Yıldenetim komut dosyasıYapay zekanın neyi yanlış anladığını yakalar. Prototipi tarar ve sabit kodlanmış her değeri işaretler ve gerekirse işaretler. Bunu yapan, yapay zekanın geri bildirimini beklediği sıradan bir yazılım olabilir.
Son olarak, bir tasarım sistemigemi güncellemeleri, bir senkronizasyon rutini hangi spesifik dosyaların güncellenmesi gerektiğini işaretler. Amaç, yapay zekanın eski bir sürüme karşı yazılanları değil, her zaman güncel, güncel özellikleri okumasını sağlamaktır.
4. Yapay Zekaya Hazır Tasarım Sistemleri ÖrnekleriKapanışSonuçta yapay zekasihirli bir şekilde çözemezuygun rehberlik olmadan teknik borç veya tasarım borcu. Büyük ölçüde net kararlara, belirlenmiş önceliklere ve iyi tanımlanmış ilkelere dayanır.
Daha fazlakasıtlı ve kesinTasarımcılar yapay zekayı yönlendiriyorsa, genel sonuçlar da o kadar iyi olacaktır. Bu, yalnızca tasarım sistemlerinin temizlenmesini ve iyileştirilmesini değil, aynı zamanda kararların Markdown dosyalarına damlaması gerektiğinden zaman içinde bunların bakımını da gerektirir. Gelecek yıllarda meşgul olacağız.
“Yapay Zeka Arayüzleri İçin Tasarım Desenleri” ile tanışınTanışmakYapay Zeka Arayüzleri İçin Tasarım Desenleri, Vitaly’nin yenisivideo kursuİnsanların gerçekten kullandığı yapay zeka özelliklerini tasarlamak için 100'lerce gerçek hayattan örnek ve kullanıcı deneyimi yönergeleriylecanlı kullanıcı deneyimi eğitimibu yılın ilerleyen zamanlarında.Ücretsiz önizlemeye geçinHer gün
TanışmakYapay Zeka Arayüzleri İçin Tasarım Desenleri, Vitaly'nin arayüz tasarımı ve kullanıcı deneyimi hakkındaki video kursu.
Video + Kullanıcı Deneyimi Eğitimi
450,00 $ 799,00 $Video + UX Eğitimi Alın30 video dersi (10 saat) +Canlı UX EğitimiHer gün
100 gün para iade garantisi.
Yalnızca video
30 video dersi (10 saat). Yıllık olarak güncellenir.
Ayrıca şu şekilde de mevcuttur:3 video kursu içeren UX Paketi.
- FigmaLint, TJ Pitre tarafından
- Atlassian AI-Ready Tasarım Sistemi Örneği, Atlassian tarafından
- Karbon AI-Hazır Tasarım Sistemi Örneği, IBM tarafından
- CMS Tasarım Sistemi Yapay Zekaya Hazır Örneği, Medicare ve Medicaid Hizmetleri Merkezleri tarafından
- Nordhealth Yapay Zekaya Hazır Tasarım Sistemi Örneği, Nordhealth tarafından
