I-Card：一种由生成式AI支持的智能设计方法卡片集

研究背景与问题

• 作者发现了哪些问题或挑战？ 设计方法卡片通过简洁的格式帮助设计师理解和应用各种设计方法。然而，尽管这些卡片具有一致性和简洁性的优势，设计师却往往犹豫使用，因为它们缺乏动态和具体场景支持。另外，设计师缺乏能够将设计方法很好地转化为实践的支持工具。

• 为什么这个问题很重要？ 设计方法是指导创新和系统化设计活动的核心工具。如果设计师无法高效利用设计方法卡来解决实际问题，可能会影响设计效率、方法适用性以及最终设计质量。此外，卡片的静态特性对设计的灵活性和复杂性支持不足，无法适应动态变化的任务需求。

• 研究动机与相关工作 早期的研究如SUTD-MIT和IDEO等设计方法卡片提供了方法的一致结构，但其静态形式限制了使用场景的适应性和探索深度。近年来，其他设计工具已开始集成生成式AI以增强自定义和知识扩展能力，但针对具体设计方法卡片的AI支持研究仍相对空白。为此，本研究旨在探讨生成式AI如何加强设计方法卡的适用性和动态性。

解决方案

• 作者提出了哪些方法或解决方案？ 作者开发了一种整合生成式AI的智能设计方法卡片系统——I-Card。它通过个性化生成设计方法、具体案例支持知识传递，并通过交互式和动态的卡片设计改善用户体验。

• 该解决方案的创新之处是什么？

  1. 动态推荐机制：根据用户输入提供定制化设计方法推荐。
  2. 五种卡片类型：包括信息卡（Info Card）、方法卡（Method Card）、解决方案卡（Solution Card）、问答卡（QA Card）和资源卡（Resource Card），分别处理从信息输入到具体实现的全过程。
  3. 生成式AI支持：通过大语言模型实现个性化内容生成、问题解答和数据支持。
  4. 互动与动态性：卡片内容可以根据用户交互实时更新，支持迭代设计流程。

• 实施步骤是什么？使用了哪些关键技术？

  1. 研究设计与需求分析：通过格式化研究确定设计师的支持需求。
  2. 技术实现：基于Vue.js和Node.js开发了I-Card原型，采用生成式AI（如GPT-4）和检索增强生成（RAG）技术支持内容生成和数据查找。
  3. 功能设计与迭代：开发五种卡片类型，并进行五轮迭代改进。
  4. 用户实验：通过用户实验验证I-Card在设计效率、方法适用性、灵感提供和决策支持上的效果。

研究成果

• 取得了哪些具体成果？

  1. 效率提升：I-Card大幅减少设计方法选择时间，比传统SUTD-MIT卡片减少约2分钟。
  2. 适用性增强：个性化方法指导让设计师更容易理解并应用复杂的设计方法。
  3. 灵感提供：通过动态解决方案步骤和数据支持，给设计师提供了深层次的设计启发。
  4. 支持决策：QA卡和资源卡为具体设计场景提供了知识和数据支持，增强了数据驱动的决策能力。

• 与现有解决方案相比，它有哪些优势？ 相比传统的静态卡片：

  1. I-Card通过生成式AI整合动态内容，提高灵活性。
  2. 更低的认知负荷：设计师无需手动适配方法到具体场景。
  3. 提供多模式交互（文本、图像和图表）以增强用户体验。

• 实验或评估结果是什么？ 用户实验表明，使用I-Card显著提高了设计效率、方法适用性、灵感生成和决策支持。定性反馈还表明其动态特性帮助设计师在不同设计领域适应使用。

• 局限性与未来方向

  1. 生成式AI的幻觉问题：部分生成内容可能不准确，需增加内容验证机制（如知识图谱、强化学习）。
  2. 专业性扩展：当前用户研究主要针对学生和初级设计师，应进一步验证其在专业设计师群体中的适用性。
  3. 扩展至其他方法类型：未来可将I-Card框架扩展到包括意图卡（Intent Cards）和工具卡等。

总结

I-Card不仅体现了生成式AI在复杂知识传递中的潜力，还展示了如何通过动态、互动性强的系统改善用户体验。其研究成果为HCI领域提供了新的知识转换设计思路，尤其在增强适应性和交互性上，具有广泛的实践和研究意义。