视觉系统倾向于把图形解读为最简单的结构，这是简约倾向的知觉基础
别名: 简单性法则 · 好图形倾向 · law of Prägnanz · good figure
概念解释
面对一个本身有歧义、可以有多种理解方式的图形时，视觉系统不会在各种解读之间平均摇摆，而是稳定地倒向其中最简单、最规则、最容易描述的那一种整体结构。这条知觉倾向叫简单性法则（law of Prägnanz，也叫"好图形"倾向）。界面设计里"简约""极简"常常拿它当理论依据，但这条法则本身只是在描述视觉系统怎么解决歧义，并不是在断言"越简单越好看"或者"元素越少产品越好用"——那是完全不同的两件事，这条法则不负责回答。
机制
一个图形的轮廓、缺口、重叠关系，理论上可以被拆解成很多种不同的组织方式：哪部分算前景、哪几条边算同一个物体的边界、一处缺口要不要被脑补成一个完整形状。视觉系统最终锁定的那一种，往往是需要最少额外假设、能用最少规则完整描述出来的那种——规则、对称、连续这些属性能让一份描述"更省"，而歪斜、缺角、局部不对称通常需要额外的补充说明才能讲清楚。视觉系统优先选择前一种解读，是因为它能用更低的加工代价换来一个稳定可用的结果，而不是因为规则的形状天生更美观。
怎么研究
经典做法是给被试呈现本身存在歧义的图形——比如一个规则形状被局部遮挡后，既可以被看成一个完整图形被挡住一角，也可以被看成几块不规则碎片拼在一起——让被试报告自己实际看到的是哪一种组织方式，同时操纵图形的对称度、缺口大小、轮廓连续性作为自变量，因变量是某种解读被报告的比例，以及做出判断所需的反应时。后续研究进一步尝试把"简单"这个直觉说法量化成一种可计算的描述长度：描述一个结构需要多少条规则、多少个独立参数，参数越少说明这份描述越"简单"。这套量化让简单性法则从一句直觉描述，变成能对具体图形给出预测的模型，也让"哪种解读更简单"不再只能靠研究者主观判断。
边界
这条法则解决的是单个图形或局部轮廓关系怎样被组织成一个整体，作用范围停留在形状与图形识别这一层，不能直接预测一整块版面里多个独立元素该怎样分组——那要看间距、颜色、连线这些具体线索各自的强弱。当几种"简单"的解读打分接近时（比如一个图形按对称轴看是简单的，按连续轮廓看也同样简单），结果会变得不稳定，同一个人在不同时刻都可能报告不同的解读，这时不能假设视觉系统一定会给出唯一确定的答案。
怎么落地
- 需要用户快速、稳定地把一个图标或图形认成"同一个东西"时，让它的轮廓尽量规则、对称、连续，减少能被解读成多种形状的歧义部分，尤其要留意小尺寸下容易丢失细节的图标。
- 不要把这条知觉倾向当作"整个界面都该视觉极简"的依据——它只回答"一个图形会被看成什么形状"，不回答"页面该放多少个模块"，后者是完全不同的问题。
- 验证办法：把图形单独抽出来，不给任何文字或上下文提示，让不同的人各自描述看到的是什么形状；如果描述高度一致，说明当前轮廓的"最简单解读"足够明确；如果描述分散不一，说明轮廓存在能被多种方式组织的歧义，需要调整。