栅格锚定
以 12 列 / 8pt 为基线,所有卡片、图像与标题共用同一条对齐轴,模块错位率控制在 0。
对齐偏差 ≤ 1px
把网页设计灵感拆成可复用的栅格坐标:色彩搭配、排版布局、视觉元素与用户体验参数全部量化,方便你在人工智能平台开发场景中直接落地。

主色 30% 用于结构层,强调色仅占 10% 点亮关键数字与激活态。


Capability Grid
每张卡片给出可测量的阈值,而不是形容词——这正是样式参考该有的样子。
以 12 列 / 8pt 为基线,所有卡片、图像与标题共用同一条对齐轴,模块错位率控制在 0。
对齐偏差 ≤ 1px
中性底 60%、主色 30%、强调色 10%;强调色只落在按钮、激活态与关键数字上。
高饱和填充面积 < 5%
衬线标题 + 无衬线正文混排,字号用 clamp() 自适应,正文行高锁定 1.62。
层级 4 级 / 行高 1.62
把体验拆成可观测指标:首屏交互元素 ≤ 7 个,点按区 ≥ 44px,焦点可见率 100%。
点按区 ≥ 44×44px
拟真窗口、刻度边、圆点装饰三种装置的尺寸与间距全部令牌化,避免各处写死魔法数值。
复用令牌 ≥ 30 个
Discovery Flow
从素材采集到断点验收,每一步都有明确的产出物与通过条件。
收集 30–50 张人工智能平台的界面截图,按色彩搭配、排版布局、视觉元素三类打标签,同屏最多保留 3 个观察维度。
量出原稿列宽与间距,映射到 12 列 / 8pt 体系;把颜色归并到主色、中性、强调三档,记录各自面积占比。
用堆叠吸附式窗口承载主视觉,把 5 张能力卡放入栅格;强调色只保留在按钮、刻度与关键数字上。
在 1600 / 1024 / 640 / 380 四个宽度逐屏检查:无横向溢出、无文字截断、图片比例一致、焦点环可见。
Checklist
每条都给出参数与阈值,可直接贴进团队的设计走查表。
容器宽度设 1140 / 1400 / 1680 三档,超大屏逐级放宽;列间距用 clamp(14px,2.2vw,30px),避免小屏拥挤、大屏散架。
把强调色限定在按钮、激活下划线、关键数字与刻度高亮;单屏内高饱和色块面积不超过 5%,超过就拆到中性底上。
卡片网格用 minmax(0,1fr) 列,间距取 16px;区块内边距控制在 32–48px,杜绝整屏空铺。
所有截图放进固定比例容器(16/9、16/10、4/3),配 object-fit:cover 与 loading="lazy",首屏 CLS 控制在 0.05 以内。
卡片按 60ms 步长交错入场,单次动画 ≤ 550ms;同时提供 prefers-reduced-motion 降级,直接显示终态。
grid 子项加 min-width:0;禁用 100vw;媒体设 max-width:100%;根类开 overflow-wrap:break-word;装饰元素不越界;点按区 ≥ 44px。
Field Notes
三条近期观察,聚焦人工智能平台里的网页设计实践。

把 9 种状态色压缩到 4 种,用明度差替代色相差,识别错误率下降 18%。

同内容两种密度各 40 人测试,紧凑版滚动深度减少 27%,理解准确率持平。

用键盘走查全部交互点,把不可见焦点从 6 处降到 0,点按区统一到 44px。
Voices
来自平台团队与设计协作方的真实反馈,附带可验证的数值。
“把栅格令牌接进组件库后,同一套卡片在四个断点上再没出现过错位,走查时间从半天缩到一小时。”页面改版周期 −42%
林一舟人工智能平台 · 设计负责人
“强调色只留 10% 之后,关键指标终于跳出来了。训练任务的失败率数字一眼就能看到,不用再靠放大字号。”关键信息识别速度 +23%
郑砚推理网关 · 前端工程师
Panel
把设计决策变成可读数字,方便复盘与横向对比。
下载 12 列栅格模板与色板令牌,先在 1600 / 1024 / 640 / 380 四个断点跑一遍回归,再接入自家组件库。