人机交互 · 做产品的方法 / 第 N 讲

如何精进打磨自己的作品

打磨,不是把作品反复擦亮;打磨是不断为它引入一个“更高的参照系”,再把那个参照系内化成你自己的标准。

授课 邱懿武 浙江大学国际设计研究院 时间戳 2026-06-20 ← 教学日志索引

底层模型

一切精进,都在做两件事:
一是找到一个比当前更高的标准,二是把现状与它的差距显性化,再逐步抹平。

← 借别人的标准(随叫随到 · 一次性)长出自己的标准 →

渠道 一
AI
随叫随到的对抗性陪练
→
渠道 二
GitHub
工程同行怎么解同一题
→
渠道 三
作品站
小红书等 · 审美同行的进料
→
渠道 四
自建知识库
把灵感沉淀成你的标准

这条轴从外到内:前三个是借别人的天花板,第四个让你有自己的天花板。所以“自建知识库”最重要——它把前三种一次性的输入,变成越用越值钱的资产。

四种方法

每张卡可展开:为什么有效 · 怎么做 · 常见误区 · 进阶。

1

跟 AI 探讨

关键不是问它“好不好”,是让它扮演一个会拒绝你的人。

+
为什么有效
  • 新手把 AI 当夸夸机,高手把它当对抗性陪练。它的价值不在表扬,在替你提前扮演那些会挑剔你的人。
怎么做
  • 指定一个有更高标准、且会拒绝你的角色(点一下看候选):
挑剔的甲方行业顶尖评委 你最难搞的那个用户竞品的产品负责人 三年后的你完全不懂行的小白(测“看不看得懂”)
  • 三件套提问法:评分 + 理由 + 三条最该改的。比“怎么改进”有用得多。
  • 多角色圆桌:让评委 / 用户 / 工程师互相辩论你的方案——他们吵在哪,哪就是你的风险点。
  • 让它先复述一遍它理解的你的目标,再开始批评,防止它在错的前提上夸你。
你是【挑剔的行业评委】。先用一句话复述你理解的我的目标,确认无误后: 1) 给这件作品打分(0-100)并说明扣分点; 2) 指出最该改的三处,按影响排序; 3) 每一处都说清“为什么现在不行 / 改成什么样才算过关”。 不要安慰我,默认我能承受批评。
常见误区
  • 只想要表扬;问题太宽泛没有约束;一次塞进太多诉求,结果哪条都没改透。
进阶
  • 把你的知识库当“品味内核”喂给它(见方法四),让它按你的标准提建议,而不是大众平均值。
2

GitHub 检索

看的不是 star 数,是同一个问题别人怎么解。

+
为什么有效
  • 对设计背景的人,GitHub 是一扇窗:看别人怎么把一个想法做成能跑起来的东西,以及一个东西是怎么一步步长出来的。
怎么做
  • 搜“和你解决同一问题”的项目,而不只是最热的;善用 Awesome-XXX 清单快速建立全景。
  • 一个项目重点看四样:
README — 怎么定位(学表达) Issues — 用户真正的痛点 Commits — 它怎么一步步长出来 边界 case 怎么处理
  • 故意去看废弃 / 失败的项目:学教训往往比学成功更快。
常见误区
  • 只看 star 排行;只 clone 不读 issue 与 commit;以为“看懂代码”才算学到——其实定位与取舍更值钱。
进阶
  • 把候选项目丢给 AI,让它横向对比定位差异、提炼各家取舍,你来下判断。
3

在作品站找优秀作品

小红书等 · 建立采集 → 拆解 → 复用的循环。

+
为什么有效
  • 这是审美与表达的进料口。但重点在第二步——很多人只做了采集,就停了。
怎么做
  • 看到好作品,强迫自己回答一句:它为什么好?(版式?留白?叙事节奏?第一眼的钩子?)
  • 把“感觉好”翻译成一条可操作的规则——这一步,才是拆解。
  • 和 AI 协作:把参考图丢给它,让它逆推风格规则 → 生成变体 → 迁移到你的场景。
常见误区
  • 直接抄;以及“收藏夹墓地”——只存不拆,等于没看。
进阶
  • 采集时就顺手做方法四的结构化登记,让今天的好作品成为明天知识库的一块砖。
4

建立自己的知识库 · 重点

把一次性的灵感,变成可复利的资产。

+
为什么有效
  • 前三种都是借来的、一次性的;知识库把它们沉淀下来,越用越值钱。用 opendesign.cc 收设计,就是在做这件事。
怎么做 · 三层逐级内化
① 素材库 — 看到的好东西 → ② 模式库 — 提炼出的规则 / 套路 → ③ 设计系统 — 你下手时的默认值
  • 收的时候就结构化:打标签 + 写一句“我为什么收它 / 能用在哪”。否则只是数字囤积。
  • 走到第三层,知识库就成了你的默认手感——别人的天花板,变成你的地板。
常见误区
  • 只收不标、不提炼;库与创作两张皮,从不回头用它。
复利点
  • 知识库可以反过来喂给 AI,当你的“私人品味内核”——这样它的建议是按你的标准来,而非大众平均值。前三种方法,到这里全部被回收复用。

还可以再补两条源

让“参照系”更立体——不止来自屏幕里的同行。

源 五真实用户 / 实测

同行作品再好也是二手。把作品放到真人面前看反应,是最硬的参照系——一个困惑的表情,胜过十条建议。

源 六约束驱动

主动给自己加约束:限时、限字、单文件、只用三种颜色。约束是免费的打磨器,逼着你把力气用在刀刃上。

沟通过程中,如何持续提升深度与质量

前面讲“去哪找标准”;这一节是把它变成日常工作流——也正好接“人机交互产品日志”的习惯。

先对齐,再动手

让 AI / 伙伴先复述目标,确认是同一张地图,再开工。

判断显性化

每个关键决定都记一句“为什么这样,而不是那样”。这是日后复盘与精进的真正资产。

小步快跑 + 留时间戳

每一步都产出一个可看的东西并登记,看着作品一步步长出来。

做完换个角色再审一遍

用方法一的对抗性自检收口:这次让谁来拒绝我?

双维度回看

按分区看一致性,按时间看成长——正是日志页的两个维度。

把过程也当产品

能可视化、可交互、可复盘,过程本身就是最好的教学素材。

一句话收束

四种方法,本质是同一件事:不断把一个更高的参照系请进来。

前三种,让你接近别人的天花板;第四种,让你长出自己的天花板。

而真正的精进发生在过程里——把判断显性化、留下时间戳、换个角色再审一遍。打磨不是终点的动作,是贯穿全程的习惯。