EvalPilot / Model Evaluation
模型评估
重构任务推进、配置决策与结果使用
覆盖从进入服务到下一步判断的核心体验
This case study is currently presented in Chinese. An English version is not yet available.
Read the Chinese version ↗
Business Context & Core Challenge
为什么重构模型评估体验
模型评估连接模型能力与模型决策
模型评估位于 LLMOps 的关键环节，将模型表现转化为支持模型选型、问题定位、复盘与协作的判断依据。
B-end PaaS / MaaS · LLMOps
核心挑战
现有产品已覆盖模型评估的主要环节；从进入服务到形成下一步判断，部分信息需要用户自行定位并建立关联，判断链路存在优化空间。
体验北极星
缩短从进入模型评估服务到形成下一步判断的时间
本项目将 TTD（Time to Decision）定义为体验北极星，用于指导本次 redesign 的设计取舍，并作为上线后的度量方向。
* 本节判断基于公开产品界面与产品文档；真实业务影响需结合上线后的行为数据与业务结果进一步验证。
Analysis & Design Strategy
分析与设计策略
体验设计流程
P2
产品体验分析 · 优化空间
基于公开可见的产品界面与产品文档，梳理模型评估中的用户任务、现有功能与信息关系，并结合业务链路和同类产品模式进行对照。
* 本节为独立 UX 分析，不代表原产品内部用户研究结论或官方业务分类。
P4–6
Scene 01
任务启动与跟进
- 用户任务
- 进入评估服务，发起新任务或找到已有任务继续处理
- 现有能力
- 服务主页已提供创建入口、状态信息与任务列表，已有任务可通过列表字段和行级操作定位并处理
- 优化空间
- 主行动、任务定位与状态判断分布在多个信息区，可进一步减少任务启动与跟进中的定位和判断成本
P4
Scene 02
配置决策与启动
- 用户任务
- 根据评估目标完成模型、数据与评估方法配置，并确认启动条件
- 现有能力
- 产品已提供模型、数据、方法及执行相关配置，覆盖评估任务的主要配置项
- 优化空间
- 配置项与评估目标的对应关系需要用户自行建立，配置确认与启动前核对存在优化空间
P4
Scene 03
结果判断与使用
- 用户任务
- 理解评估结果，形成下一步判断，并在需要时复核判断依据
- 现有能力
- 产品已提供结果分数、指标与样本明细，支持用户查看结果并进一步分析
- 优化空间
- 用户需要自行整合分数、指标与样本信息，形成可用于判断的依据；从查看结果到形成下一步判断之间存在优化空间
P4
评估目标与支持差异
同一评估链路中，不同评估目标关注的判断任务不同，对产品支持的要求也会随之变化。基于前述三个核心任务场景，对照现有产品能力，比较业务应用目标与技术验证目标的相对支持差异。
业务应用目标：判断模型是否适合业务场景，并支持后续选型与协作
技术验证目标：复核配置、指标与样本依据，判断评估结果是否可信
* 两类目标用于描述任务取向，不代表固定用户分类；本节结论为定性判断，不代表量化测量。
P5
任务启动与跟进
- 业务应用目标 · 用户任务
- 快速理解评估服务，发起新任务或跟进已有任务
- 业务应用目标 · 现有支持
- 入口、说明、状态与任务列表并列呈现，信息主要围绕任务状态与操作组织
- 业务应用目标 · 支持差异
- 功能与入口均可见，下一步动作需要用户自行判断
- 业务应用目标 · 相对差异
- 中等
- 技术验证目标 · 用户任务
- 定位目标任务，确认状态、配置上下文与可执行操作
- 技术验证目标 · 现有支持
- 提供任务列表、状态字段与行级操作，支持任务定位与后续处理
- 技术验证目标 · 支持差异
- 现有信息组织更贴近技术验证目标，长列表定位与任务跟进存在额外判断成本
- 技术验证目标 · 相对差异
- 中等
* 两类目标用于描述任务取向，不代表固定用户分类；本节结论为定性判断，不代表量化测量。
P5
配置决策与启动
- 业务应用目标 · 用户任务
- 根据业务场景明确评估目标，完成与目标匹配的任务配置
- 业务应用目标 · 现有支持
- 直接呈现模型、数据、评估方法、指标、参数与费用等配置项
- 业务应用目标 · 支持差异
- 评估目标需要用户进一步转化为模型、数据与评估方法配置，现有产品以技术配置为主要组织方式
- 业务应用目标 · 相对差异
- 较高
- 技术验证目标 · 用户任务
- 精确控制模型、数据、方法、指标与执行条件，支持任务复查
- 技术验证目标 · 现有支持
- 覆盖模型、数据、方法、指标与执行条件等专业配置
- 技术验证目标 · 支持差异
- 技术配置与验证目标整体匹配，优化重点集中在字段组织、配置连续性与启动确认
- 技术验证目标 · 相对差异
- 较低
* 两类目标用于描述任务取向，不代表固定用户分类；本节结论为定性判断，不代表量化测量。
P5
结果判断与使用
- 业务应用目标 · 用户任务
- 判断模型是否适用，识别优势与风险，并支持选型与协作
- 业务应用目标 · 现有支持
- 提供分数、图表、指标与样本内容，相关信息分布在不同区域
- 业务应用目标 · 支持差异
- 现有结果以技术指标和样本信息为主，用户需要进一步整理结果与依据，形成业务判断
- 业务应用目标 · 相对差异
- 较高
- 技术验证目标 · 用户任务
- 复核指标定义、异常表现与样本依据，判断结果是否可信、是否可比
- 技术验证目标 · 现有支持
- 提供指标与样本明细，相关配置、异常与样本信息分布在不同区域；公开界面未见跨任务直接对照入口
- 技术验证目标 · 支持差异
- 现有结果支持基础阅读，深度复核与跨任务对照需要额外的信息定位和整理
- 技术验证目标 · 相对差异
- 中等
* 两类目标用于描述任务取向，不代表固定用户分类；本节结论为定性判断，不代表量化测量。
P5
设计取舍
减少任务推进与结果判断中的额外成本，保留专业配置与深度复核能力；业务应用目标下，加强评估目的引导与结果解释。
P5
设计策略推导
提升模型评估支撑模型决策与协作的效率
- 任务启动与跟进 · 业务目标
- 提升评估任务推进效率
- 任务启动与跟进 · 设计目标
- 降低任务启动、定位与状态判断成本
- 任务启动与跟进 · 设计策略
- 评估启动路径重组 · 状态预览与任务定位 · 表格工作区重构 · 按需引导机制
- 配置决策与启动 · 业务目标
- 降低配置错配与无效执行风险
- 配置决策与启动 · 设计目标
- 明确配置范围与启动预期
- 配置决策与启动 · 设计策略
- 评估目的前置 · 配置路径重构 · 配置上下文整合 · 启动前确认
- 结果判断与使用 · 业务目标
- 提升评估结果的决策与协作价值
- 结果判断与使用 · 设计目标
- 降低结果判断与证据复核成本
- 结果判断与使用 · 设计策略
- 结果查看路径分层 · 结果解释与证据复核 · 结果可比性构建 · 结果交付机制
P6
原产品评估配置 · Before
Task Initiation & Tracking
任务启动与跟进
降低任务启动、定位与状态判断成本
服务主页同时承载两类核心任务：新任务发起和已有任务跟进；其中，已有任务跟进进一步涉及任务定位、状态判断与后续处理。由此，服务主页更接近一个持续任务处理工作区。
体验设计需要优先维护工作区中的行动关系和任务处理的连贯性，让不同阶段的操作始终围绕同一条任务处理链展开。
核心工作场景围绕「主行动 → 任务定位 → 持续处理」展开，并将按需帮助作为支持层，建立稳定的工作区结构。
01 / 04
评估启动路径重组
主行动前置，首屏回归任务工作区
主页的首屏应优先承载任务发起和已有任务处理的服务内容。原页面默认在首屏展开使用流程说明，使说明信息、任务入口和任务工作区之间的优先级不够清晰。
本次改版将「新建自动评估」提升为页面级主行动，让任务发起与已有任务处理成为首屏核心内容；完整使用流程收为轻量入口，避免说明信息持续占用任务工作区。
- Before · 说明占位 / 操作混层
- 说明内容占据首屏重心；任务工作区被压缩；主入口混在表格工具区。
- After · 任务优先 / 主路径锚定
- 首屏优先呈现任务工作区；新建评估成为页面级主行动；使用流程改为轻量入口。
02 / 04
状态预览与任务定位
状态外显，收敛任务范围
评估任务会在服务主页持续积累，随着数量的增加，任务跟进会同时涉及集合状态判断和具体的任务定位。原产品的任务状态只停留在表格行内，任务定位更多依赖完整列表中的筛选与逐条识别。
本次改版把任务定位拆成集合判断与单任务识别两个层级：表格上方承担任务分布与范围收敛，表格行承接具体任务识别。随着任务持续积累，用户可以在缩小范围后定位目标任务，减少长列表中的查找与状态判断成本。
- 状态预览栏与筛选
- 关键状态聚合，快速建立任务分布感知；按状态缩小任务范围，进入对应任务列表。
- 定位条件整合
- 整合时间范围与关键词搜索，覆盖不同任务定位维度。
- 表格状态列
- 承担单条任务的状态识别，完成从集合筛选到具体任务的定位。
* 状态范围：「未运行」涵盖「已停止」「编辑中」；两者均未进入完成或失败终态，且当前不处于执行中。
03 / 04
表格工作区重构
固定识别锚点，保障操作连续性
任务表需要在高密字段中持续支持任务识别、状态判断和后续操作。原页面使用一套固定字段展示任务信息，横向查看时关键识别信息和操作入口难以持续保持在当前视野内；不同评估关注也共用同一套列视图。
本次改版围绕用户在不同目标下的查看需求，区分持续可见的任务信息与可按需调整的字段：关键识别与操作入口保持稳定，非关键字段支持自定义。既帮助用户聚焦当前需要的信息，也避免横向浏览或列视图变化影响任务识别和后续操作。
- 固定任务识别列
- 任务名称 / ID 持续可见，避免横向滚动中丢失识别锚点。
- 状态驱动操作
- 查看进度、查看结果、停止、删除等动作随任务状态变化。
- 列视图自定义
- 按任务关注点个性化字段展示，不影响关键识别列和操作列。
- 固定操作列
- 行级操作保持可达，承接状态判断后的下一步处理。
04 / 04
按需引导机制
让帮助贴近行动节点
原页面把完整使用流程长期放在首屏，帮助信息和真实操作时机脱节；不同使用阶段都以同一套说明内容承接，难以匹配用户当下需要的帮助。
帮助机制从常驻说明转为按需介入：首次进入解决启动问题，主动查看承载完整流程，关键路径只补充当前节点需要的信息。
- 无任务 · 给出首次行动入口
- 空状态下直接引导创建评估任务，帮助用户完成第一次启动。
- 主动查看 · 承载完整流程说明
- 使用流程以模态框形式集中展示，用户需要时再打开。
- 进入路径 · 贴近关键节点提示
- 交互式漫游在创建、追踪、查看结果等关键路径中提供局部提示。
* 原页面的帮助方式：一套默认展开流程长期占据首屏；首次使用需要跳离当前任务工作区，静态插图未承载可操作信息，缺少直接、积极的行动入口。
Evaluation Configuration
任务配置
明确配置范围与启动预期
评估配置是将评估目的逐步转化为可执行条件的决策过程。
本次设计将评估目的作为后续配置的约束条件，使配置范围随目标逐步明确，并在启动前建立清晰的执行预期。
评估配置场景围绕「评估目的 → 配置范围 → 执行条件」组织创建流程，并让配置上下文贯穿其中。
01 / 04
评估目的前置
按评估目的收敛配置范围
原产品将评估对象、数据来源和评估方法集中在同一创建流程中。标准评估、基线评估与 GSB 对比评估对应不同的适用场景、配置范围和结果形式，这些关系需要用户在填写过程中自行建立。
本次改版将评估目的前置到创建入口，并通过评估类型承接：用户选择标准评估、基线评估或 GSB 对比评估时，明确本次任务要完成的判断，并进入对应配置路径。所选评估类型进一步约束后续配置范围和结果形式，减少填写过程中自行判断这些关系的成本。
- 评估类型选择
- 选择标准评估、基线评估或 GSB 对比评估，在进入配置前明确本次任务的判断目标。
- 结果预期外显
- 每种评估类型补充适用场景和结果说明，帮助用户理解选择后的输出差异。
- 配置范围收敛
- 所选评估类型约束后续配置范围，减少用户对无关参数和字段关系的判断成本。
02 / 04
配置路径重构
按评估类型组织相关配置
进入具体配置后，原页面虽然已有基础分区，但多类配置项仍集中展开，当前任务需要哪些字段、哪些配置彼此相关，仍需要在填写过程中自行判断。
本次改版让评估类型继续约束后续配置：当前任务只呈现相关配置项，并将强相关内容保留在同一连续步骤中。原本需要用户自行判断的配置范围和字段关系，直接体现在配置路径中，减少无关选项干扰以及回看、重复确认带来的配置成本。
- 评估类型驱动配置分支
- 标准评估、基线评估、GSB 对比评估进入不同配置路径。
- 只保留相关配置项
- 配置项围绕当前评估类型展开，并按对象、数据、方法和指标分组；无关字段不默认展示。
- 强相关配置同页完成
- 评估对象和方法在同一连续步骤内确认，避免过度拆分。
* 轻量验证后的取舍：在后续的轻量验证中，参与者出现超出预计的跨步骤回看与前序配置确认——更细的拆分降低了单页信息密度，却也增加了跨步骤确认成本。最终将强相关配置保留在同一配置阶段。
03 / 04
配置上下文整合
缩短交互步长，减少重复成本
创建评估任务时，历史配置复用、平台资产选择和本地数据补齐都属于当前配置的一部分。原产品的相关入口分布在任务列表、报告或独立选择流程中，使配置过程被拆分到多个触点，增加了流程切换和重复确认成本。
本次改版将这些配置动作纳入常规创建流程，并保留引用后的可编辑性，使配置复用、数据补齐和后续调整都能在同一流程内完成。
- 历史配置复用
- 将已有配置直接带入当前任务，减少重复配置。复用触点前置，关键字段可判断，引用后仍可编辑。
- 资产与数据补齐
- 在当前任务内补齐缺失资产与数据，保持配置过程的连续性。资产选择不离开当前流程，本地数据可直接补齐，避免跳转和重复配置。
04 / 04
启动前确认
集中校对配置，明确资源与费用预期
评估任务启动后会进入实际执行并产生资源消耗。原产品的配置明细、资源与费用信息主要分布在前序填写环节，用户触发启动时，这些信息没有集中呈现在当前决策节点。
本次改版将启动前确认独立为创建流程第三步：第二步完成配置校验后，用户在此集中核对任务范围、关键配置、资源与费用预期，再通过「启动任务」正式提交。配置校验与最终确认由两个步骤分别承接，避免提交节点再次承担配置判断的功能。
- 任务范围集中确认
- 汇总评估路径、对象数据、方法指标，帮助用户校对本次任务配置。
- 资源与费用预估
- 根据模型、数据规模和预计 token，展示推理单价与费用区间。
- 启动动作显性化
- 确认页主按钮由「下一步」转为「启动任务」，明确当前操作将正式进入任务执行与资源消耗。
- 配置校验前置
- 配置未完成时停留在第二步并提示待补项；满足配置条件后才能进入第三步确认页。
Result Judgment & Use
结果判断与使用
降低结果判断与证据复核成本
评估结果是模型判断的依据。任务完成后，用户既需要快速理解整体表现，也需要在必要时回到指标与样本复核依据；结果积累后，还可能用于历史比较与后续交付。
本次设计围绕结果判断与证据复核展开，在快速查看、深度复核、横向复盘和结果交付之间持续保留任务上下文与判断依据。
评估结果场景围绕「快速判断 → 深度复核 → 横向复盘 → 结果交付」组织结果使用链路，并在各阶段保留任务上下文与判断依据。
01 / 05
结果查看路径分层
轻量预览支持快速判断，在线结果页承接深度分析
从任务完成后的整体结果确认，到指标、样本和具体依据的深入分析，结果查看对应不同的判断深度。原产品以在线结果页作为统一结果入口，不同深度的判断集中在同一结果层级中。
本次改版按判断深度重组结果查看层级：在任务列表与在线结果页之间加入 Drawer，承接任务状态、核心分数和结果摘要，支持任务完成后的轻量判断；需要进一步分析时，再进入在线结果页查看指标明细、样本证据和后续分析，并由在线结果页顶部总览承接更完整的结果判断。
- 轻量扫读入口
- 任务完成后在 Drawer 中预览状态、核心分数与结果摘要。
- 深度分析入口
- 在线结果页保留指标明细、样本证据和后续分析入口。
- 顶部结果总览
- 在线结果页顶部聚合任务上下文、评估类型、核心指标与结果摘要。
02 / 05
结果解释与证据复核
A · 从结果总览到关键指标定位
原结果主要通过指标图表和表格呈现，整体表现与重点差异需要用户自行归纳。随着评估结果进入模型选型、蒸馏参考和后续调优，用户需要快速建立整体判断，并定位值得继续查看的关键指标。
本次改版将「结果总览、AI 洞察与重点指标提示」组织为一条从整体到重点的阅读路径，帮助用户理解当前结果，并为后续评估详情中的结果复核建立明确入口。
- 结果总览
- 集中呈现综合得分与关键结果，让用户快速了解本次评估的整体表现。
- AI 洞察辅助结果解读
- AI 基于评估结果、指标定义与样本证据提供自然语言解释和可验证方向；不改变评分结果，不替代用户最终判断。
- 从理解到行动
- 当建议可由平台现有能力完成时，直接提供对应入口，减少用户从理解到执行的转换成本。
- 重点指标提示
- 仅在存在明确阈值、历史基线或异常规则时提供状态提示；其他指标只呈现数值与定义，避免把不同指标之间的数值高低直接解释为优势、短板或异常。
* AI 责任边界 · 有依据 / 留边界 / 不替代决策：结果提炼与总结降低阅读成本，自然语言转述降低理解成本，可验证方向支持下一步行动。信息越偏向推断与建议，越需要额外验证；AI 不提供最终判断。
03 / 05
结果解释与证据复核
B · 入口上下文决定默认指标范围
用户从结果页进入「评估详情」继续复核时，入口上下文决定默认指标范围，减少在高密样本表格中的重新定位成本。
详情页以单条样本为最小分析单元，保留分数、原始顺序与评估过程；用户可继续调整指标范围、排序和结果状态，以支持不同复核任务。
- 继承来源指标进入详情
- 从具体指标进入「评估详情」时，默认带入来源指标，后续复核围绕当前关注项展开。
- 样本层不追加优劣判断
- 任务级状态提示用于定位关注项；进入样本层后保留分数、原始顺序与评估过程，不根据相对高低自动排序、高亮或追加「最佳 / 最差」标签。
- 按评估过程组织字段
- 表头按评估过程自然排列；在查看输出和评分前先明确是否形成有效结果，减少对缺失内容的误读。字段依次为样本定位、输入与推理、结果状态、输出与依据、指标与说明。
- 不同入口对应不同默认范围
- 具体指标入口默认展示来源指标；直接进入 Tab 时默认展示本任务已配置的全部指标。进入后均可继续调整指标范围。
04 / 05
结果可比性构建
让独立结果支持横向复盘
GSB 对比评估在任务创建时即明确比较对象，基线评估围绕固定基准展开；标准评估则形成独立结果。当模型、版本或配置持续迭代时，多次独立评估结果会出现历史对照场景，单次结果页难以承接这类复盘。
本次改版将分散的标准评估历史结果组织为横向复盘页，以共同数据集和指标交集建立可比范围，并保留模型、版本与配置上下文。系统负责对齐并呈现结果差异，不自动归因，也不替用户判断模型优劣。让原本的独立结果在持续积累后能够继续作为模型选型、调优与版本复盘的判断依据。
- 比较前建立共同基础
- 以共同数据集建立比较基础，指标按任务间的交集对齐，建立横向复盘的可比范围。
- 按判断深度组织差异
- 能力轮廓用于快速识别整体差异，指标明细承接具体数值比较，在同一可比指标内通过极值标注提高横向扫视效率。
- 保留差异，不自动归因
- 当模型、版本或配置等多个变量同时变化时，仅呈现结果差异，不自动判断差异来源，也不判断模型优劣。
* 比较前提与系统边界：仅标准评估结果，且存在共同评估基础。系统支持组织历史结果复盘、对齐共同指标并呈现差异；不自动归因差异来源，不替用户判断模型优劣。
05 / 05
结果交付机制
报告可独立交付，证据可在线追溯
评估结果会继续作为模型选型、调优与复盘等后续判断的依据，其价值也取决于结论、任务上下文和证据能否被稳定地引用和再次使用。原产品主要通过在线页面承载任务信息、指标和样本，当结果离开当前查看场景时，这些内容需要重新组织，判断上下文也可能随之分散。
本次改版基于在线结果页生成可独立交付的离线评估报告，并保留从报告回到在线结果页继续查看指标明细和样本证据的路径。离线评估报告提供阅读、分享与复盘，在线结果页继续承接深度复查，让评估结果从一次页面查看延伸为可独立交付、追溯并持续复用的判断依据。
- 核心结果与建议优先
- 首页集中呈现任务信息、核心评分与 AI 分析建议，帮助读者快速识别后续复核与优化重点。
- 报告结构标准化
- 按任务摘要、配置方法、指标概览和样本示例组织分页，减少手动整理成本。
- 样本示例支持复盘
- 基于同一评分规则抽取高分、低分与临界样例，帮助团队围绕具体输入、输出和评分依据复盘。
- 在线回流与证据追溯
- 二维码或链接连接对应在线结果页，需要进一步复核时继续查看指标明细、建议依据与样本证据。
* 报告中的 AI 分析建议：AI 分析建议基于当前评估结果、指标定义与样本证据生成，用于提供结果解释与可验证方向；不改变评分结果，不替代用户最终判断。
Interface / System Rules
评估界面承载规则
构 · STRUCTURE
增加有效信息区，保留识别锚点
以任务工作区为页面主承载面，通过减少容器占位、明确滚动归属并稳定识别锚点，让高密字段在扩展时仍保持清晰的浏览与操作关系
字 · TYPOGRAPHY
区分文本角色，降低识别成本
沿用平台基础字体体系，按内容角色建立混排分工：让不同类型的字段在高密界面中可被稳定识别
色 · COLOR
区分状态、风险与结果重点
保留平台品牌基线，将颜色职责扩展到状态、风险与结果重点；通过语义边界、HSL 色阶校准与对比度约束，在高密评估界面中建立稳定的信息层级，并控制颜色使用强度
* 结果用色：仅在比较基础一致、指标方向明确时表达正负语义；极值标注用于定位差异，不直接代表模型优劣，颜色不作为唯一判断依据
形 · SHAPE
控制密度，强化识别
沿用平台组件基线，通过圆角、图标与标签形态建立清晰的角色分工，在高密界面中兼顾组件识别与信息密度
质 · INTERACTION
区分打断强度，保持任务连续
界面的层级不仅影响视觉的前后关系，也能区分交互打断的介入强度。轻量操作保留当前任务，需要时再提升层级。
以 Level 0–4 建立从页面主体到强确认的交互介入层级，并对应不同的交互打断强度。层级越高，对当前任务的介入越强
Directional Validation
方向性验证总览
验证设计
- 验证目标
- 用轻量任务走查校准关键路径与局部方案，为方向性设计决策提供依据
- 方法
- 5 人轻量任务走查；按决策问题采用迭代走查或方案比较
- 对照方式
- 整体路径以原产品为基线；关键设计决策采用迭代前后或候选方案比较
- 本轮验证范围
- 5 人轻量走查适合校准可直接观察的交互与理解问题，例如关键任务推进、流程拆分是否造成回看，以及结果到证据的定位链路。重点用于识别反复出现的体验问题，并支持局部方案取舍与方向调整。
- 后续验证范围
- 涉及专业判断、真实业务环境或长期行为数据的结论，不由本轮轻量走查承担，例如模型优劣、AI 洞察的领域可信度与真实上线效果。这类问题进入后续专业用户与真实场景验证。
* 仅呈现影响设计方向的关键观察，完整走查记录不在作品集中展开
配置流程迭代
配置决策应该拆到什么粒度，才能降低单步复杂度，同时保留必要的上下文？
5 人轻量任务走查：使用初版 4 步配置流程完成表单任务，记录跨步骤回退与前序配置确认行为
- 初始假设 · 4 步 · 按字段类别拆分
- 将不同决策拆成更明确的步骤，降低单步信息密度
- 代表性观察
- 4/5 回退前一步确认对象 / 数据；2/5 方法选择时反复核对前序配置
- 调整后方案 · 3 步 · 按用户决策阶段组织
- 保留分页结构，分步依据从「字段类别」调整为「用户决策阶段」
默认展示规则比较
当用户带着明确指标意图进入「评估详情」时，默认展示范围应延续来源指标上下文，还是保持任务级信息完整？
5 人轻量方案比较，均体验 A / B 两种默认展示规则：A 默认展示任务已配置的全部指标，侧重信息完整与浏览自由；B 默认仅展示来源指标，侧重来源上下文延续与定向复核效率。重点看用户进入详情后是否还要调整指标范围，以及完成来源指标复核后能否继续查看其他指标，作为默认态取舍的依据。
- A · 直接开始来源指标复核
- 0 / 5 直接延续来源指标
- A · 增加其他指标继续查看
- 5 / 5 顺利完成
- B · 直接开始来源指标复核
- 5 / 5 直接延续来源指标
- B · 增加其他指标继续查看
- 4 / 5 顺利完成
* 比较后，我将「入口意图」作为默认态的决策条件：具体指标入口优先继承来源指标，降低定向复核中的重新定位成本；直接进入「评估详情」时保留任务已配置的全部指标，避免在缺少明确来源指标上下文时过早收窄指标范围。两种入口下均可继续调整指标范围。
上线度量与决策
* TTD 作为跨场景的体验度量方向，具体观察通过关键行为链路与决策条件展开；可比路径在具备历史数据时以原产品行为为基线，新增能力在灰度或上线后建立初始基线，并结合真实使用持续校准判断阈值
Development Handoff
开发交付规则
把 UX 判断转化为开发协作所需的明确规则
- 交互状态机 · 交互层
- 明确触发条件、反馈时机、状态写回、失败恢复和重复触发保护，减少交互实现偏差
- 任务状态语义 · 规则层
- 统一任务状态的跨载体语义，并按状态定义操作呈现、可用条件与确认规则
- 页面容器边界 · 容器层
- 明确容器边界，保证复杂数据和浮层状态下信息可见、操作可达
交互状态机
适用边界：由用户触发、需要异步处理，并在完成后写回状态或结果的关键操作；存在重复触发风险时，同时定义锁定与恢复规则。
- 明确失败 · 恢复提交
- 反馈失败状态 · 解除提交锁定
- 状态待确认 · 禁止重复
- 提示结果确认中 · 保持提交锁定
任务状态语义
矩阵定义开发交付中统一使用的任务状态语义及关键操作边界。状态语义作为跨载体规则依据；具体界面的展示名称可结合用户任务进行表达，并保持与统一状态语义的明确映射；操作入口仅在可交互页面中按场景实现。
- 界面映射示例
- 状态语义「待启动」在任务列表中展示为「编辑中」
- 矩阵范围
- 矩阵仅覆盖跨页面持续存在的任务状态；创建中、启动中等瞬时状态由交互状态机管理
- 可比范围
- 对比入口仅表示当前任务具备参与条件；具体可比范围在选择历史任务后按共同数据集与指标交集校验
* 状态条件满足后仍需通过权限校验；权限不足时，入口禁用并说明原因
页面容器边界
页面容器依据内容归属、信息传递和交互责任划分。任务表格主页同时包含固定信息、长列表、多字段、非模态 Drawer 与即时反馈，可完整呈现这套规则，因此作为全局规则的代表场景；同一容器划分原则可延伸到表单、结果与报告页面，具体边界按页面结构落位。
Coded Prototype · 交互原型 / 引导演示
* 用于体验验证与交付对齐 · 独立改版，使用模拟数据，不写入真实业务系统，非商业产品上线。
打开交互原型 / 引导演示（外部站点） ↗AI-assisted Delivery Workflow
AI 协作设计工作流
AI 协作设计工作流
将已确认的设计判断推进到可执行设计，借助 AI 缩短设计定义、原型实现与设计验收之间的转换链路。
AI / Agent 承担原型实现、检查与局部迭代；产品判断、规则确认与设计验收仍由设计师负责。
* 用于体验验证与交付对齐 · 非生产实现（组织评审 / 研发协作）
AI 协作设计 · 实际工作闭环
稳定 Context 与当前任务共同定义输入，Agent 负责实现与自检，设计师依据验收结果判断修正与回写
工作资产沉淀
- 输入 · AGENTS.md
- 项目级长期上下文
- 输入 · task-state-and-operations.md
- 任务状态与操作规则
- 输入 · s2-start-confirmation.md
- S2 · Step 3 启动确认
- 执行 · SKILL.md
- 原型实现工作流
- 验收 · prototype-checklist.md
- 原型设计验收
Review / Next-round Priorities
设计复盘 · 下一轮投入
当前核心链路已形成可交付方案；本页基于业务目标 / TTD、当前证据以及风险与依赖，对已纳入方案的设计判断进行复盘。
设计判断 → 业务目标 / TTD 相关性 → 当前证据 → 风险与依赖 → 当前结论
Scene 01 · 任务启动与跟进
方案确认
主行动前置 · 集合 → 单任务定位 · 固定识别 / 操作锚点
- 后续验证 · 任务持续积累、多状态并存时的定位效率
- 当前走查未覆盖任务量上升与多状态并存，缺少真实定位行为证据
Scene 02 · 配置决策与启动
方案确认
评估目的前置 · 按决策阶段组织配置 · 配置上下文整合 · 校验 / 确认分离
- 后续验证 · 配置项增多与跨项依赖下的路径稳定性
- 现有路径已完成方向性验证，高级参数增加后的跨步骤回看与重复确认行为尚无相关数据
- 后续验证 · 同类任务的配置复用效率
- 复用入口已纳入创建流程，缺少真实调用与二次修改数据，实际复用效率尚无证据
Scene 03 · 结果判断与使用
方案确认
Drawer / 在线结果分层 · AI 职责边界 · 入口决定默认指标 · 样本层不追加优劣判断
- 后续验证 · AI 对指标解释与异常线索的专业可信度
- 当前验证未覆盖专业准确性，AI 解释与建议的可信范围尚无专业证据
- 后续验证 · 配置差异下的历史结果可比性
- 当前可比规则基于设计推导，真实历史任务与专业判断证据尚未形成
- 后续验证 · 非任务执行者的报告理解与回溯
- 当前缺少真实跨角色交付，独立理解与在线回流仍无使用证据