数据可视化
波纹式时序图 + 分层下钻，10 万数据点首屏渲染约 420ms。
首屏 ≤ 450ms
核心能力 / 5 个探索支点
让灵感落地的五项 AI 平台能力
每项能力都对应一组可量化指标，避免“看起来很强”的空泛描述。
灵感设计
从提示词到可编辑界面草案，单次生成给出 3 套差异化风格版本。
3 套 / 次
交互设计
按压、悬浮、交错入场三类微交互均带 44px 最小点按区。
点按区 ≥ 44px
拟物化设计
统一凸起/凹陷阴影令牌，控件在 320px 小屏仍保持圆润边界。
6 档圆角令牌
用户体验优化
埋点 + 热力图 + 漏斗，定位每个断点的流失原因并给修复建议。
漏斗误差 ≤ 2%
解决方案对比
三种落地路径，按团队成熟度选一条
对比维度来自真实交付评估：接入成本、可解释性、迭代速度与运维负担。
| 方案 | 接入成本 | 可解释性 | 迭代速度 | 适合团队 |
|---|---|---|---|---|
| API 直连 | 0.5 人日 | 中（黑盒调用） | 小时级 | 验证想法的 1–3 人小队 |
| 可视化编排 | 2–3 人日 | 高（节点可追溯） | 天级 | 有设计诉求的产品团队 |
| 私有化部署 | 8–12 人日 | 最高（全链路留痕） | 周级 | 数据敏感的合规型组织 |
图文混排特写
在波纹与阴影之间，发现数据的故事
可视化不是装饰，而是探索的导航仪
把每次 AI 推理结果映射到同一套视觉坐标：颜色只承载状态，粗细承载置信度，波纹承载时间。团队可在 3 次点击内从全局漏斗下钻到单条样本。
- 置信度低于 0.62 的样本自动打标，进入人工复核队列。
- 同屏图表不超过 4 个，超出即折叠为可展开卡片，避免认知过载。
- 关键数字使用强调色点亮，其余保持中性灰，保证 60-30-10 配比。
- 所有曲线提供 1× / 4× / 16× 三档时间粒度，回溯延迟 ≤ 900ms。
工作流程步骤 / 时间线叙事
从一条灵感，到一次可复现的 AI 交付
定义探索问题
写下 1 句业务问题 + 2 个可量化目标（如分类准确率 ≥ 0.9、平均响应 ≤ 600ms），避免无边界试错。
接入数据与清洗
用可视化编排拖入数据源，自动检测空值率与字段漂移；空值率 > 15% 的字段先隔离再决策。
选择模型与提示词
先跑 baseline（约 5 分钟），再按误差分布决定是否加检索增强或微调，避免一上来就重成本方案。
拟物化交互封装
将推理结果封装为可按压控件与动态插画反馈，统一使用双向柔和阴影令牌，保持视觉一致。
灰度与体验度量
先放量 5%，观察 48 小时内的任务完成率与误触率；误触率 > 3% 即回滚交互方案。
沉淀与复用
把通过的管道导出为模板，附带指标基线；下一个项目复用可省约 60% 的搭建时间。
常见问题 FAQ
探索过程中最容易卡住的 6 个问题
拟物化设计会不会牺牲可访问性？
不会，但要做两件事：一是文字与背景对比度保持 ≥ 4.5:1，二是阴影只做层次提示、不承载唯一信息。关键状态同时用图标或文字标注，色盲用户也能识别。
AI 平台的“探索”从哪里开始最省成本？
从单点指标切入：选一个已有数据、目标清晰的场景（如工单分类），用 API 直连跑通闭环，通常 0.5 人日即可拿到第一版准确率基线，再决定是否扩展。
数据可视化图表越多越好吗？
不是。同屏超过 4 个图表时，决策效率反而下降。建议主图 1 个、辅图 ≤ 2 个、明细折叠，并为每张图写明“看它回答什么问题”。
提示词调优到什么程度算收敛？
连续 3 轮评估集得分波动小于 2%，且失败样本不再集中于同一类型时，即可停止调优，把预算转到数据质量上，回报通常更高。
如何判断该做微调还是加检索？
看错误类型：知识缺失型错误优先加检索；风格与格式不稳定型错误优先微调。两者都严重时，先检索后微调，成本更可控。
上线后怎么持续发现体验问题？
建立三件套：漏斗埋点、误触热力图、每周 5 条真实用户语料回放。任何一项指标连续两周劣化超过 10%，就触发一次交互复审。
实用指导清单
7 条可立即执行的探索准则
每条都给出做法、参数或阈值，避免停留在“重视体验”的空话层面。
- 先定指标再选模型。把目标写成可测数字（准确率、响应时长、任务完成率），每个指标给出基线与阈值；无基线的项目先花 30 分钟跑一次评估集。
- 拟物化阴影只用一套令牌。凸起用左上加高光、右下加暗影，凹陷用 inset 反向；同类控件阴影参数不超过 2 套，圆角统一走 6 档令牌，避免视觉噪声。
- 控制同屏信息密度。主图表 ≤ 1 个、辅图 ≤ 2 个、明细折叠；区块内边距控制在 16–32px，卡片间距 12–20px，保证紧凑但可呼吸。
- 用交错入场引导探索顺序。入场延迟按 0.05s 递增、总时长不超过 0.7s；并始终尊重 prefers-reduced-motion，动效降级后信息顺序必须不变。
- 灰度放量遵循 5%–20%–100%。每档观察至少 48 小时，重点看误触率（> 3% 回滚）、任务完成率（下降 > 8% 回滚）与平均耗时三项。
- 给每次 AI 输出留人工出口。置信度低于 0.62 的结果默认进入复核队列，并在界面上明确标注“待确认”，避免自动化误判直接触达终端用户。
- 沉淀模板而非沉淀结论。把通过验证的管道、提示词与指标基线一起导出为模板，注明适用边界；复用前先核对数据分布是否漂移超过 10%。
从一条波纹开始，探索你的第一条 AI 链路
带上你的问题与数据样例，我们给出可执行的接入路径与预估指标，不承诺无法量化的“颠覆”。