意图设计的翻译能力:从”人懂的直觉”到”机器读的规则”

0 评论 279 浏览 1 收藏 18 分钟

当设计意图必须变成机器能读懂的规则时,一个全新的角色——语义翻译设计师应运而生。本文从一次语义漂移的判断出发,深入解析如何通过YAML契约将模糊直觉编码为机器断言,并借助编译管线与三道闸门,让规则在组织内持续运转。这不仅是个人能力的升级,更是组织翻译机制的构建。

在前面四个主题行中,我完成了 Schema-As-Code把设计规范写成代码格式 框架从”发现问题”到”定义规则”的闭环前半段:

语义令牌字典把”红色代表致命”这种模糊直觉,编码为 status.critical 这样的离散语义令牌,建立了组织级唯一信源。但它只回答了”词汇是什么”,没回答”怎么造句”。

语义域把组件从”自带语义”变成”空容器”,语义由场景外赋。它只回答了”语法结构是什么”,没回答”怎么写文章”。

约束显化把”文案要准确”这种自然语言规范,变成机器可读的断言。它只回答了”写作方法是什么”,没回答”谁能持续产出作品”。

语义契约把设计意图翻译成YAML的7个冻结字段,经过入库三道闸,成为可版本管理、可 Diff 追溯的资产。但它仍然聚焦在”个人怎么写一份契约”,一个人,一台电脑,一份文件。

到这一步,规则可以写出来了,但还停在个人工具层面:一个人写,一个人用,一个团队内部消化。

编译管线开始回答”规则怎么被组织消费“:一份YAML编译出Prompt前缀、JSON Schema、Checklist、CI规则,自动分发给前端、AI工程师、DesignOps。但它回答的是”机器怎么分发”,没回答”谁来触发分发、谁来监控消费、谁来处理团队间的语义冲突”。

当组织里有5个团队、10个产品、20名设计师时,“个人写得好”不等于”组织运转得好”。同一个语义,团队A叫”严重”,团队B叫”Critical”;同一份契约,前端说Schema没更新,AI工程师说Prompt前缀没收到;规则写了30条,其中12条三个月没人用,成了“沉默规则”

“个人翻译能力”“组织翻译机制”,中间缺一个枢纽角色,不是写代码的工程师,不是画界面的设计师,而是专门负责”把设计意图翻译成机器规则,并让这个规则在组织内持续运转”的人。

这个角色,就是具备语义翻译能力的设计师。

本文是这个角色的能力宣言:不讲系统架构,不讲组织治理,只讲这个角色自身的能力模型,从一次语义漂移的判断开始,到一份YAML契约的产出,再到规则在组织内的消费与验证。

一、什么是翻译能力?人懂的直觉,机器读的规则

1.1 定义:在直觉和规则之间架一座桥

这种能力,不写代码,也不画设计稿。它只做一件事:把‘设计意图’翻译成‘机器规则’

 

1.2 起点:四种错误共用一种红,问题出在哪?

这个角色的经验,通常从一个判断转折开始。

面对一个AI对话产品的错误状态界面:至少四种错误,”Error in message stream””network error””Something went wrong””Too many requests”,全部是红色。但后果完全不同:有的是对话上下文丢失,有的是网络抖动会自动恢复,有的是限流等一小时就好。用户看到红色就刷新,把还能自动恢复的网络抖动,刷成了真正的对话丢失。

当时的判断这不是视觉问题,颜色本身没做错;这是语义问题,红色没有区分后果的严重程度。

为什么这样判断:如果是视觉问题,修正色值就能解决;但用户做出错误行动(不该刷新时刷新)的根源,是界面没有传达“这个错误意味着什么后果”视觉层是完整的,语义层是缺失的

经验沉淀:语义漂移的第一个信号,不是”界面不好看”,而是”用户看到界面后,做出了错误的行动决策“。这个信号后来成为这个角色识别一切语义问题的入口。

回头看,这正是前三个主题行各自缺一块的地方:

1.3 价值:从“口头说”到“机器执行”,解决了什么

二、语义契约:一份让机器“听话”的文件

一份契约要能让机器”听话”,必须回答七个不可省略的问题。不是拍脑袋定的,是我们踩过坑后逐步收敛出来的。七个字段,每个对应机器执行时的一个信息缺口:详见④主题行《YAML 契约:设计意图的接口定义,编译即规则》

七个字段中,真正能约束机器的是 llm_constraints。它把”给人读的规范”变成”给机器执行的规则”

description 是给人读的,机器无法判定”准确”还是”不准确”

visual_mapping 只管视觉渲染,不管文案内容对不对

llm_constraints 才是注入AI生成流程的断言,分三类,机器直接执行:

  1. 必须型:”必须显示倒计时” → 机器检查字段是否存在
  2. 禁止型:”禁止用’严重’替代 Critical” → 机器做字符串匹配
  3. 限制型:”只能使用 outline_danger” → 机器检查值是否在枚举范围

没有 llm_constraints,契约只是”给人看的规范”;有了它,契约才是”给机器执行的规则”。

2.1 一份源文件,十份编译产物:为什么不能手改

这个角色产出的11个交付件里,只有1个是源文件:语义契约(YAML)。其余10个全部是它的编译产物:

为什么禁止手改:手一改,版本就分叉。前端改Schema,AI工程师改Prompt前缀,契约一更新,团队A的Schema是 v1.1,团队B的Prompt还是 v1.0。同一个语义,两套版本。当时我们就判断:下游版本分裂,就是“四种错误共用红色”在组织层面的翻版,语义一样,表达不同,机器和工程师只能跟着做错。

2.2 七个字段,七问七答:机器必须知道什么

7个字段,到 v1.0 正式冻结,只增不减。其中 llm_constraints 是必填子字段它是契约真正能约束机器的入口。没有它,契约就只是“给人看的规范”,而不是“给机器执行的规则”。

这个道理,是我踩过坑才真正明白的,

2.3 第一份契约:当“错误状态诊断”变成机器能读的规则

这个角色翻译的第一个模式,通常就是”错误状态后果差异未分级”:

翻译成YAML(机器读的),四个关键翻译动作:

反向验证:机器若只读到 error_severity: fatal,能自动推导出“红色脉冲 + 八边形图标 + 刷新按钮 + 不可恢复文案”吗?能。因为视觉映射和用户行动早已写死在契约里,不需要任何二次解释。经验沉淀成一句话:翻译的本体,是“直觉变成断言”;而断言,天生不需要二次理解。

一份契约的结构性骨架(ERR-001错误状态诊断 示例)

契约不是代码,是一份”设计意图的身份证”。7个顶层字段,每个字段回答一个特定问题:详见④主题行《YAML 契约:设计意图的接口定义,编译即规则》

三、YAML契约:不是文档格式,是机器接口

3.1 写在文档里的规范,为什么AI看不见

3.2 YAML能做到什么:可读、可管、可校验、可分发的四重能力

3.3 关键设计:从”一段话”到”一组断言”

同样是”分级”,前者是一段话,后者是一组断言。这就是这个角色存在的理由

四、谁来翻译?,语义翻译设计师

当设计意图必须变成机器能读懂的规则时,谁来做这件事?答案是:团队里往往会长出一个叫“语义翻译设计师”的角色。他们不写代码,也不管像素,只专注一件事:确保机器能准确理解设计意图

但这活儿一开始并不需要专人专岗,它往往是从各个角色手里自然长出来的。

五、三道闸门:工作流的三个阶段

三道闸不是抽象概念,是我每次提交契约时必须跑完的完整检查链

三道闸环环相扣:格式正确 → 语义一致 → 生成合规。前一闸不过,后一闸不启。人只出现在两端,我写契约,我看效果。中间所有检查、翻译、分发、拦截,全部由机器按规则自动执行。

六、五个团队、一个标准:规则怎么在组织里统一

当只有一个人写规则时,没有治理问题。当5个团队、10个产品时,问题出现了:

同一个语义,三种表达。治理的四个设计:

  1. 统一基线 + 团队扩展:组织级规范手册强制继承,团队只能增加不能删减;
  2. 机器校验代替人工审批:规则写在 schema/intent-schema.json,任何人提交跑同一套检查,不因人而异;
  3. 消费追踪与沉默规则唤醒:30天零消费自动标记,通知语义规则负责人;
  4. 效果驱动的基线迭代:多个团队申请同一扩展 → 规范评审组评估是否升级为基线。

编译管线是这套治理的规则分发中枢:输入基线+扩展,按团队隔离编译,输出4种格式,消费数据回流。它让”统一基线、团队自治、无感知接入”从架构宣言变成可运行的工程机制。

七、数据说话:这套能力到底值不值

这个角色第一次用数据证明规则有效,是契约入库一周后打开消费追踪面板(演示环境数据):

三层度量面板的结构性概括:

个人层(语义翻译设计师)

  • 回答:我写的规则有人用吗?拦住了多少问题?
  • 核心指标:规则消费率(30天内被加载次数)、拦截归因数(本月因我的规则被拦住的漂移次数)
  • 看板:Steward工作台

团队层(DesignOps/前端TL)

  • 回答:我们团队接入了吗?返工降了吗?
  • 核心指标:基线规则继承率(已接入/应接入)、语义返工率(从30%→5%)
  • 看板:团队治理健康度周报

组织层(管理层)

  • 回答:这件事投入产出比如何?要不要继续投?
  • 核心指标:语义一致性得分(目标95%)、返工成本节省(盈亏平衡点:产品>3且组件>50)
  • 看板:季度投入产出报告

所有数字在 Phase 0 为”数据模型推演”,Phase 1 试点实测,Phase 2 全域统计。

八、写在最后:你的翻译能力从哪里开始

意图设计的翻译能力,是AI时代设计角色的进化方向。当AI可以生成 80% 的界面时,这个角色的核心价值不再是”画得更好看”,而是”告诉AI这个场景下必须表达什么语义、不能突破什么边界”。

这个角色的经验从一次语义漂移的判断开始。你的可以从下篇开始,那里有完整的操作步骤、6个模板和30天上手路径:《角色专题 ④|语义翻译设计师:操作手册》。

系列阅读指引

本文由 @阿基拉de_Akir 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自Unsplash,基于CC0协议

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 目前还没评论,等你发挥!