引言最近在跟团队尝试用Gemini 3 Pro生成原型图,它可以通过HTML代码的形式给出原型,预览运行后团队觉得质量是不错的,可用性比较高。但它不能直接生成可编辑的原型图,这就有点头疼了。 步骤一:用Gemini 3 Pro生成HTML原型这次的案例是一个CRM管理后台,主要展示关键指标和数据报表。我操作的核心思路是:先让Gemini生成HTML原型,再导入原型工具调整和编辑。 交互需要手动设置:AI生成HTML原型多为静态原型,导入后按钮点击、页面切换、下拉菜单等功能的交互都还需要自己配置,这一点要清楚。 模板化局限:虽然Gemini、DeepSeek、GPT等大模型生成代码很快,但在视觉风格和布局容易模板化,如果想要更专业的效果,比如分享过的AI Agent生成原型,逻辑和一致性会更好一些。 总结整个流程下来,Gemini 3 Pro生成HTML代码原型,结合HTML转原型功能,可以让产品经理在前期方案验证、UI风格选择阶段快速落地想法。
场景一:AI生成产品原型图在项目最早期,我们通常情况下只有一个模糊的需求。这时候再去狂扣细节是没有意义的,重点应该是快速拉出来一个视觉上看得见的产品图来对齐需求。 我平时会用国内主流的AI生成原型图工具。它的特点是把文字需求或者参考图片发过去,就能结合市场调研和设计趋势,生成基础原型框架,而且一口气可以生成多个页面。 所以我总结了AI生成原型图的Prompt技巧:对于这类重逻辑、轻视觉的工具,你的提示词可以宽泛,但必须有界限。 、B端数据风、iOS规范)这样AI生成的原型图会更加贴合你的需求,耗时也不会太久。 场景二:AI生成高保真UI设计稿现在很多UI设计工具里,其实都已经嵌入了高保真UI生成能力。测试了之后发现,UI生成和原型图生成,在Prompt方面也有很大的区别。
一、AI生成原型图工具的定位与功能AI生成原型图,通常作为原型设计工具中的辅助功能推出。 目前市面上的AI原型图工具在生成方式和产出内容上各有差异,以功能相对完整的“墨刀AI”为例,其主要AI能力包括:自然语言生成原型图通过上传图片生成原型图支持AI编辑与导出编辑AI自动生成产品说明文档生成与原型对应的代码片段从以上功能来看 因此如果不能导出到原型编辑区进一步调整,就会限制其实用性。3. 三、AI生成原型图实际应用中的优劣势1. AI生成原型图的劣势仍需与人工结合:AI生成的原型图往往不会一次就满意,这就需要产品经理来不断提示修改,或者导出到原型编辑区进行手动调整,才能达到最终理想状态;提示词依赖度高:很多时候生成原型图的质量都依赖于你给
从今年AI工具的爆发式增长来看,原型设计领域也出现了越来越多的新玩法。前几天给大家介绍和分析了AI生成原型图的优势与局限,并探讨了它是否真的能应用于实际开发项目中。 几秒钟后,就能自动生成一份完整可以编辑的产品原型图,页面结构与HTML代码对应。 Step 3:自由编辑调整原型图生成后的原型图支持自由修改,无论是组件、图标、文案、图片还是页面布局,都可以像普通原型一样编辑、添加交互逻辑,可以根据产品的具体需求进行优化。 通过以上3步,可以实现直接将HTML代码转换为可编辑的原型图,可以节省产品经理在初期绘图的时间。 墨刀在提供高效原型设计体验的同时,也不断拓展AI相关能力,目前支持:AI生成高保真可编辑原型图;从HTML结构直接生成可编辑原型页面;原型页面支持后续编辑与交互设置。
最近在测试几款AI生成原型图工具时,有一个案例让我印象深刻——AI生成一套企业安全监管可视化大屏的原型图。 其实产品经理可以在前期借助AI生成原型图工具,来生成一部分原型图,拿来与客户沟通。这里我选择了国内主流AI原型工具——墨刀AI进行测试。 这个安全监管数据大屏的原型图在多个方面都表现不错:布局合理:主数据区、辅助信息区和分布均衡。动效自然:中部的3D监控视图、底部的滚动公告条提升了交互感。 AI生成原型图优势分析虽然在前面的案例中已经体现出了AI的价值,不过还是有值得再次强调的两点。 AI生成原型图缺点分析但话说回来,AI生成原型图也有一定的缺点,尤其在以下几个方面比较明显:生成效果有波动:有时候即使输入相同指令,输出结果也可能差异较大,这是目前大多数AI生成式工具的共性问题,所以在使用时需要留有一点容错空间
领导叫你画个图,结果拿过来一看:天哪!你画了个什么?今天我们就来讲一下,效果图和原型图,这对常常扰乱大家工作的完美CP。 从概念上来说,效果图和原型图还是相差比较远的,通过一下几个细节,我们就可以区分出效果图和原型图: 一、通过颜色分辨 原型图的颜色以黑白为主,当然,灰度原型也是原型图家族中的名门贵族。 为什么原型图的颜色会是如此的单调? 一般情况下,效果图色彩更加丰富些。如果一款产品的效果图的色彩运用和原型图相差无几,除非是有意而为之,不然这位设计师也绝对是low的可以了。 二、通过图标分辨 现在的原型图设计过程中,很多时候都会涉及到图标的设计和使用。而从严格意义上来讲,原型图内是不需要出现图标的,图标位置方块代替。
而这些非功能需求(NFR) 的关键线索,往往隐藏在系统架构图、UI 原型图甚至一张简单的截图中。 而它们的设计依据,常常就藏在两张图里: 系统架构图 → 性能、安全、可靠性 UI 原型图/截图 → 兼容性、无障碍、UI 一致性 问题是:AI 能否像资深测试架构师一样,从一张架构图中看出这里需要做熔断测试 二、从 UI 原型图生成兼容性 & 无障碍(A11Y) 场景:一张 Figma 登录页原型图,包含输入框、按钮、Logo。 功能用例 --> 性能模型 --> 兼容性清单 用户工作流: 测试工程师上传一份包含流程图、架构图、原型图的 PRD。 释放 QA 专家的核心价值 工程师无需再花费数小时研究 WCAG 标准或 JMeter 配置,而是聚焦于: 审核 AI 生成的测试资产 设计更复杂的混沌工程场景 优化用户体验 3.
很多人疑惑AI生成高保真原型图和UI界面背后的原理,还有哪些工具的AI不是噱头而是真的能用。 今天这篇文章就不讲虚的,基于我和团队对目前主流AI的测试分析,从实操角度聊聊现在AI生成原型图和AI生成UI界面的底层逻辑和真实水平。 一、AI生成高保真原型图和UI界面现状先说一下目前大家都比较认可的观点,就是现在的AI虽然能自动生成高保真原型和UI界面,但是距离完整设计流程,还有明显局限。 二、AI生成原型图和UI界面原理与趋势很多人对AI设计的印象还停留在Midjourney文生图,但在原型设计和UI设计领域,现在的AI生成的已经不是一张静态的“死图”了,它能生成可编辑的产品界面。 所以更适合作为UI设计师在设计过程中辅助生成一些基础页面,不适合直接交付的高保真设计稿。3.
如今产品、设计、开发这几个圈子,大家聊得最多的就是三个词:AI生成原型、AI生成UI、AI生成代码。它们已经进入到很多团队的日常流程里,包括我们团队。 一、AI生成原型工具现状分析我们按产品诞生的顺序,分原型、UI、代码三个阶段来看,先说AI生成原型。这部分是目前产品经理感知强,也是对日常提效很直接的一环。过去产品经理一大半的时间在干嘛? 两极分化:文生图到基于设计规范生成早期那种“文生图”的方式,丢给AI一句话,一分钟就能给出赛博朋克风、极简拟物风的高保真界面。本质就是看过大量UI图,然后按风格给你“生成一张类似的”。 我自己反复试下来营销类落地页/APP类生成UI界面效果不错,但复杂交互界面就很容易翻车。因为营销页面强调视觉冲击和信息分块,AI比较擅长。但工具类界面强调效率、逻辑、细节,AI容易乱。3. 别用AI生成你完全不懂的领域——比如医疗、工业控制,AI编得比你知道的多。别指望一次生成就定稿——迭代3轮是常态,第一轮能看,第二轮能改,第三轮才能用。
设计师根据这些要求来设计低保真原型,逐渐修改得到高保真原型和UI设计图; 3. 工程师将这些设计图实现为代码,最终变成用户使用的产品。 这么多环节,任何地方出一点问题,都会拉长开发周期。 △ Airbnb内部的AI工具,从图纸到代码一步到位 看起来很美好,但Airbnb还没公开该模型中端到端训练的细节,以及手工设计的图像特征对该模型的贡献度。 以下内容翻译自他的博客: 理想上,这个模型可以根据网站设计的简单手绘原型,很快地生成一个可用的HTML网站: ? 一种包含门控单元GRU的语言模型,对源代码令牌序列进行编码; 3. 一个解码器模型,也属于GRU单元,把前两个步骤的输出作为输入,并预测序列中的下一个令牌。 ? 创建一个能更好反映这种变化的训练集,是提高生成效果的一种好方法,可以通过获取更多网站的HTML/CSS代码以及内容截图来提高; 3. 手绘图纸也存在很多CSS修改技巧无法捕捉到的变化。
原型图设计是一个艺术创作的过程,所以我们应当使用能够提高工作效率、激发创作灵感的工具,让工具为创作服务,而不是为创作去学习如何使用工具。 下面就介绍一下使用OmniGraffle制作移动应用原型图的设计。 启动 OmniGraffle 后,可以选择模板,这里选择空白模板。 ? 保持原型简洁。我们不必急于马上开始原型的设计,我们需要静下来想一想,页面到底需要什么元素,应当如何布局。原型不必像最终网站一样,如果你朝着这个方向工作,那么会吃力不讨好。 原型是用来帮助我们规划页面、网站的布局和层级设置,协助我们考虑布局在可用性方面存在的问题。 原型中的字体,可以一直使用Helvetica和宋体,并且不要使用太多不同的尺寸。 参考资料: 1、Wireframing with OmniGraffle, Part 1:Setting up your file 2、OmniGraffle 5 manual(PDF) 3、How to
在讲原型和原型链之前,先铺垫一些前置知识: 「所有的对象都是通过new 函数生成的。」 包括let obj = {},这种形式其实是语法糖,本质上是通过let obj = new Object()生成的。那么函数又是如何生成的呢? (); 那么Function函数又是谁生成的呢? 这张图很清晰说明了prototype和constructor之间的关系,每个函数(add、Object、Array、nothing)都有一个属性prototype,它指向函数的原型,而函数的原型中也有一个属性 原型链 这张图搞清楚后,自然明白何为原型链,我们一起过一遍 我们先看白色线条,白色线条表示原型,在原型部分我们已经说了,所有的函数都有一个属性prototype,那么Object函数的原型指向Object
说到绘制产品原型图的工具,大家一定首先先到的是大名鼎鼎的“Axure RP”,或者在线协同的“墨刀”。 对于小型的团队(3-5人),特别是在没有专业的产品经理的情况下,大部分我们在接到产品的需求时,我们需要借助一个简单的、快速的工具将需求体现在产品上。 这里没有任何限制,我们只需要将需要的控件通过拖拽的方式在主绘板上组合,即可得到我们想要的原型图。小白也将常用的控件列表出来,仅供大家参考。 ? 绘制出我的第一个草图 当我们在绘制一个产品的原型图时,我们首先应当在脑海中梳理出产品的大致业务功能和数据流转,并将他们抽象成具体的功能模块。 所以大多数,我们都是利用头脑风暴和思维导图的方式,将产品的原型框架做一个整体的设计。比如小白以K8S的管理为例,我们就需要在自己产品里面先找到共性和特性。
作为常年跟需求文档死磕的产品人,画原型图这事儿真的挺消磨耐心的。最近我“偷懒”了一下,没有画原型,没有拉组件,也没开设计工具。就写了一句话,然后让 AI 帮我生成一套完整的产品原型。 光看测评心里没底,今天我们就用一个真实的业务场景,放在如今最主流的 AI 原型设计工具身上实际测试一下,看看现在的 AI 原型图到底进化到了什么程度。 结果第一版那一句话的大白话指令,AI直接给我吐了一套完整的原型出来,效果还真有点出乎意料。二、AI 生成原型的真实效果拆解在这次 AI 生成原型的测试中,第一步是把需求描述发送给 AI。 不管是文案、配图还是加购流程都是符合设计逻辑的。3. 商品详情页:这个页面的设计是一个产品画廊,简单展示商品信息,咖啡制作细节与豆种说明。下方是标准化的定制区,有温度选择、甜度选择和奶类选择。 四、AI 原型设计的一套可用流程总结如果你真的想用 AI 生成原型图,经过大大小小几十个项目的折腾,我现在用AI画原型基本固定了下面这个四步工作流。建议大家直接拿去用:第一步:写一个“够用”的提示词。
三张图轻松KO⚡ JS 原型和原型链 ? ? 大家好,我是小丞同学,这一篇是 JS 高程精读系列的第 n 篇文章,主要解释 JS 中的原型和原型链 ? 非常感谢你的阅读,不对的地方欢迎指正 ? 可以看到,它们两个指向的是同一个对象,那么通过上面的一步步推理,我们可以得到这样一张图 ? 那到底什么是原型呢? 原型 原型又分为显式原型和隐式原型 __proto__ 隐式原型 在对象上有一个属性叫做 __proto__,这个属性是对象所特有的,也叫做隐式原型,当我们尝试在一个对象上查找属性或者方法时,如果说找不到这个属性或者方法 修改了构造函数的原型对象,constructor指向谁 functionName.prototype = {} 原型对象、实例对象、构造函数之间的关系 一张图搞定,前面的内容懂了,自己推一下 ? 原型链 原型链其实也很简单:对象 => 对象的原型 => 原型的原型 => 原型的原型的原型 => null,这就是原型链 那这是什么意思呢,在我们前面在讲查找原则的时候,其实也有提到,当一个要查找对象上的属性或者方法时
时间过的真快,今天将是创建型结构中的最后一个设计模式了---原型设计模式。 官方概述: 用原型实例指定创建对象的种类,并且通过拷贝这些原型创建新的对象 小编简单的说就是我们就是把对象复制一份不去new啦。 那为什么呢,原因很简单,效率高。 ByteArrayOutputStream baos = null; //2.try...catch...finally结构 try{ //3. (robot2.getBirthday() == clone.getBirthday()); // 内容比较 System.out.println("修改时间后原型 如果你没看过,往前面自己找一下吧,看准图图,看准huey。 下次见哦!
三张图轻松KO⚡ JS 原型和原型链 大家好,我是小丞同学,这一篇是 JS 高程精读系列的第 n 篇文章,主要解释 JS 中的原型和原型链 非常感谢你的阅读,不对的地方欢迎指正 愿你生活明朗 __proto__) 你会发现它们两个尽然长的是一样的,我们可以比对一下,看看它们是不是完全相等的 可以看到,它们两个指向的是同一个对象,那么通过上面的一步步推理,我们可以得到这样一张图 那到底什么是原型呢 原型 原型又分为显式原型和隐式原型 __proto__ 隐式原型 在对象上有一个属性叫做 __proto__,这个属性是对象所特有的,也叫做隐式原型,当我们尝试在一个对象上查找属性或者方法时,如果说找不到这个属性或者方法 修改了构造函数的原型对象,constructor指向谁 functionName.prototype = {} 原型对象、实例对象、构造函数之间的关系 一张图搞定,前面的内容懂了,自己推一下 原型链 原型链其实也很简单:对象 => 对象的原型 => 原型的原型 => 原型的原型的原型 => null,这就是原型链 那这是什么意思呢,在我们前面在讲查找原则的时候,其实也有提到,当一个要查找对象上的属性或者方法时
TreeMind树图功能:AI一句话生成,图片转导图,跨平台同步,多人编辑,多种结构和主题模板。 GitMind功能:AI助理生成导图,文件转导图,个人知识库,快速记录灵感,美学和体感兼顾,支持多种思维分型。 博思白板功能:AI生成PPT、图片、思维导图,智能对话,团队协同,模板社区。 亿图脑图MindMaster功能:AI智能助手,多人实时协同,多格式导出,知识图谱,AI生成PPT,细节定制。 AI思维导图工具主要特点对比 ProcessOn提供多样化图形绘制和AI快速生成功能,适合专业人士和团队使用; TreeMind树图利用AI技术快速生成和编辑思维导图,适合教育工作者和企业员工; GitMind 使用提示词生成思维导图 介绍一些使用提示词就可以生成的AI 思维导图的方法。
这期也是关于AI生成原型图主题的文章,内容聚焦在“AI生成点餐小程序原型图”。 我会结合实测的案例,展示AI生成的点餐小程序原型图效果,分析AI生成小程序原型图的优缺点,同时分享产品经理在实际工作中如何更合理地使用这类工具,从而为自己的工作提效。 AI生成饮品点餐小程序原型实测案例1:AI生成饮品点餐小程序原型实测案例2:AI生成饮品点餐小程序原型实测案例3:这三次AI生成点餐小程序每次生成都只花费了很短时间,大概经过1-3次修改和调整。 AI生成小程序原型图优点其实AI生成原型的优势是多于缺点的。首先,生成速度是比手动绘制要快得多的,能在短时间内产出可用的原型。 三、产品经理如何使用AI原型图工具产品经理在实际使用AI原型图工具的时候,经常遇到以下3个问题:不知道怎么发布指令:一句话的效果和一大段话的效果,对比起来好像没有太大差别,都不是很符合预期;频繁与AI对话修改细节
产品经理 - 需求、功能、数据 其实一直以来都纳闷,产品经理要做原型图,然后UI设计师要画UI 图,这两个之间貌似有许多重复的地方,而且还是大多时候还是并行进行,实在不知道二者之间的关系是什么,通过查阅资料 所以我拿去套进axure,页面配上功能说明、规则逻辑、流程图等,生成产品经理版交互原型,用来汇报领导、沟通协调、需求评审与讲解、与技术进行项目开发计划评审评估工期等。 他继续把线稿图用axure做完全部交互细节设计,期间与我反复沟通确认,最后生成交互设计原型。 高保真泥煤的不就是UI设计效果图了么,都到这一步了保真泥煤啊直接切图搞开发不好吗? 原型设计可以清楚明了讲需求,所以产品经理要用! PM整理思维脑图,头脑风暴之后,优化思维脑图,然后出草图,你可以用Axure或者visio甚至腾讯出的UI disigner或者最近比较流行的FluidUI(APP设计工具)来画草图,也可以称之为低保真原型图