当AI开始做交互，设计师该守住什么

本文系用户投稿，不代表机核网观点
⚠️ 未经作者授权禁止转载
 
游戏交互设计从来不是单纯的“排布局，做界面，调动画”。我们日常用到的每一个弹窗逻辑、每一处按钮热区、每一套信息折叠方式、每一次自动托管规则，背后都有成熟的人机交互（HCI）、认知心理学、可用性设计理论支撑。相比于互联网产品，游戏交互还多一层：它既要满足可用性、降低操作成本，又要服务沉浸感、塑造情绪体验。
还不止这一层。也有人觉得，游戏交互不过是从策划和美术那边拆出来的一个分支，谈不上什么独立学科。其实它有自己完整的学科根基，就是人机交互这套东西：认知心理学、可用性工程、交互设计方法，都在里头。所以这一行真正要解决的，不是界面好不好看，是玩家能不能顺畅地达成他想达成的东西。
最近看到一个说法，说经典交互理论是“互联网老一套”，跟游戏这种强调创造性的领域不搭。但回看行业，从3A大作到移动端精品手游，那些成熟、顺滑、几乎零学习成本的体验，底色里都是经典理论在起作用，只是方式比较隐蔽：多数团队并不会先搬出理论、再照着去设计一个功能，往往是界面做顺了、手感对了，事后才反应过来，原来这一处是费茨定律，那一处是希克定律。理论在游戏里一直都在，更多是以事后解释的方式存在，很少被当成事前的设计工具。可一旦交互开始由AI批量生成，光靠做完再复盘就兜不住了，理论得从幕后走到台前。
而生成式AI、AI陪玩、智能托管，眼下正在全面渗进游戏行业。界面这件事，正在脱离古法手搓：把自己攒下的那套判断炼化成一个skill，往后就是敲一句“AI你来、我看着改”。
那么问题就来了：AI出界面越来越快，也越来越像样，我们手里还剩什么是它拿不走的？
当代游戏交互的底层骨架 → 普遍落地的经典设计理论
玩家能感受到的“顺手、舒服、不费劲”，本质都是设计师把标准化HCI理论，落地成玩家无感的游玩细节。下面梳理的不是小众学术理论，而是游戏交互行业常用、落地最广、许多商业项目都在隐性复用的七大经典理论，适配绝大多数游戏UI、操作、信息层级设计，也是从业者要掌握的基础设计依据。
▲ 认知负荷理论｜游戏轻量化设计的核心依据
核心原理：人脑瞬时记忆与注意力有限，需要降低无效外在信息负荷，合理分配玩家注意力。 
落地举例：现代游戏普遍采用「分步解锁、信息折叠、按需展示」的设计逻辑，避免一次性堆砌系统与数值。二次元手游仅在主界面展示核心养成信息，冗余细节统一收纳；《明日方舟》弱化弹窗遮罩打断；《黑神话：悟空》《战神》战斗界面极致精简，仅保留必备数值，把视觉重心尽量交给场景与战斗。 
设计价值：复杂机制藏起来，简单操作露出来，有助于缓解玩家审美疲劳与操作焦虑。

▲ 希克定律｜杜绝信息爆炸与选择瘫痪
核心原理：界面可选项越多，用户决策耗时越长，过多无效选择会直接拖慢体验节奏。 
落地举例：不少精品游戏会采用分层开放体系，新手期仅开放基础战斗、简易养成，随等级逐步解锁高阶玩法；《永劫无间》商城通过分页、分类梳理商品，避免海量内容堆砌带来的决策压力。
设计价值：设计师主动为玩家做减法，让玩家在对应阶段，只面对适配自身能力的选择，守护游玩节奏。

▲ 菲茨定律｜游戏操作手感的底层公式
核心原理：目标尺寸越大、操作距离越近，指向操作成本越低、误触概率越小，是移动端、主机端手感设计的核心依据。
落地举例：手游将遥感、普攻、跳跑蹲等高频关键按钮放置在屏幕底部热区，放大尺寸适配拇指操作；主机游戏通过光标加速、手柄死区调节、选项间距优化，降低精准操作门槛。 
设计价值：玩家口中的“跟手、舒服、不别扭”，本质就是菲茨定律的标准化落地，规避反人类操作布局。

▲ 格式塔完形原则｜UI整洁统一的视觉根基
核心原理：人会自动将邻近、相似、连续的视觉元素归为一组，是界面层级、模块分组、视觉统一的核心理论。
落地举例：《原神》《崩坏：星穹铁道》等精品游戏，通过间距、底色、分割线，将养成界面的素材区、属性区、操作区清晰分组；同类道具、功能按钮视觉样式全域统一。
设计价值：让界面自主传递层级逻辑，无需玩家刻意记忆、学习、辨认，大幅降低上手成本。

▲ 心流理论｜游戏沉浸式体验的顶层目标
核心原理：当玩法难度、操作负荷、反馈节奏与玩家能力匹配时，玩家会进入高度沉浸的忘我状态，这是游戏体验设计的终极准则。 
落地举例：3A大作普遍采用场景化、隐形UI，弱化悬浮面板；竞技对局中屏蔽非战斗弹窗与活动提示；解谜、单机游戏梯度交付机制，难度循序渐进，避免过难焦虑、过易无聊。 
设计价值：这些交互减法、界面克制，说到底都是为了守护玩家的游玩心流，不打断沉浸体验。

▲ 尼尔森十大可用性原则｜游戏交互的基础验收底线
核心原理：通用可用性设计准则，覆盖反馈、可控、防错、统一、容错等全维度，是多数数字产品通用的交互验收标准。
落地举例：主流商业游戏大多覆盖该体系：操作即时反馈、包装贴合世界观、支持动画跳过与窗口关闭、高价值操作二次防错、材料不足按钮置灰、失败提示附带解决方案、新手老手分层操作。
设计价值：区分劣质交互与成熟交互的核心标尺，守住游戏交互的基础可用性。

▲ 心智模型理论｜交互直觉化的核心准则
核心原理：玩家会依托过往游玩经验形成固有认知，游戏交互贴合大众心智，就能实现零学习上手，违背直觉则会大幅抬升门槛。
落地举例：行业统一的背包拾取、道具消耗、装备上锁、角色养成逻辑，多贴合玩家通用认知；规避小众、反直觉的自定义操作与隐藏功能。
设计价值：优秀的游戏交互，通常不需要玩家刻意学习，上手即会、直觉顺滑。

上面这七条，不是什么前沿冷门的科研理论，而是全球交互领域通用、落地成熟的经典HCI理论。游戏里那些UI设计、交互规范、体验优化，底层骨架就是这套东西。不少精品游戏的顺滑手感也靠它撑着，行业里的设计师默认就在高频复用。而且它们有个特点：用对了的地方玩家往往感觉不到，用错了就会立刻别扭。
这七条散在各处，真要系统地顺下来，绕不开 Alan Cooper 那本《About Face 4》（以下简称 AF4）。它把上面这套东西串成了一条主线：先搞清楚用户到底想达成什么，再谈界面长什么样。书里管这叫目标导向设计，一句话概括：产品成不成，看的是目标，不是功能堆得多不多。
放到游戏里也一样。玩家点开养成界面，目标是把手里的角色练上去；点开战斗，目标是打得爽、打赢，HUD上跳多少伤害数字、反馈给得多及时，都是为这个目标服务的。玩家可不是来欣赏我们排的布局。顺序搞反了，界面排得再规整，也帮不上玩家什么忙。
《About Face 4》这套方法，落到游戏交互里长什么样
前面说的那七条经典理论，是交互设计的「零件」：每条管一类问题，相对来说彼此是散的。真到了项目里，需要有张「装配图」让它们串起来、排好优先级，这也是 AF4 最有价值的地方——用目标导向设计当主轴，把那些零件组装成一套能落地的设计方法。
1. 目标导向：先问玩家要什么，再谈界面长什么样
Cooper 把用户的目标分成三层：
体验目标→想获得什么感受
最终目标→想达成什么结果
生活目标→想成为什么样的人。
游戏里这三层常常同时在场：想“打得爽”是体验目标，想“把角色练满”是最终目标，想“在公会里有位置”是生活目标。落到设计上，做每一屏之前先分清玩家在这里的目标属于哪一层。服务最终目标的界面，信息就该围着“还差多少”转；服务生活目标的界面，反馈就该围着“别人怎么看你”转。目标层认错了，界面排得再漂亮也是自说自话。
2. 三种模型要对齐
书里区分了三个模型：
实现模型→系统实际怎么跑 
心理模型→玩家以为它怎么跑 
呈现模型→我们决定让它看起来怎么跑 
游戏里这三者经常打架。伤害计算底层是一堆乘区和随机数，玩家脑子里只有一句“暴击就是数字变大”，交互设计师要做的就是把前者藏好、把后者做足。
3. 负担（excise）：哪些该砍，哪些恰恰是乐趣
Cooper 提了个词叫 excise，也可以理解是练习，专指那些不服务于用户目标、纯由系统流程硬塞给你的操作或者是一些重复内容。他把它分成几类：导航负担、拟物化负担、模态负担、样式负担。在工具类产品里，删负担基本没什么好商量的。
但游戏得单独算一笔账：有那么一些“负担”，玩家要的就是它们。抽卡前那段动画、合成装备时的确认停顿、通关后那句台词，按效率标准全是浪费，按体验标准全是乐趣。这是游戏跟软件APP们最不一样的地方。
4. 为“永久的中级玩家”做设计
Cooper 有个观察：新手期很短，专家是少数，绝大多数用户长期停在中间那一层，他管这叫永久的中级用户。游戏也一样，真正的新手只有开头几个小时，硬核玩家是少数，大部分人长期卡在中间。
落到设计上就是：新手引导别铺太长，深度系统别藏太深，主要精力该花在中间那层人身上。
当我们从「设计交互」范式迁移成「使用AI生成交互」
行业正在发生一个隐秘但深刻的岗位转变：过去是手工搭建交互体系，现在更多是调用AI工具、校验它的产出、把控最终体验。设计师手上的活，从“做出来”变成了“看出来”。
很多设计师误以为“用AI出UI、出交互逻辑=不用学理论”，正好相反，出活越快，越需要有人盯着它出得对不对。
1. 拆到具体环节：同一件事，做法变了

以前，往往需要设计师自己根据对应情况参考各种理论去处理各种设计环节。AI用起来之后这些内容不需要手动去弄了，但是同一环节的其他内容还是要设计是自己去核查。变的不是理论本身，是使用时机：以前是设计时的参考，现在是验收时的标尺。
2. 实践层面：AI生成交互的核心工作流程与避坑要点
具体到操作，需要先明确两条规矩：
① 先给理论规范，再让AI生成，杜绝无约束自由产出 。
自由生成的AI交互很容易出现漏洞。设计师必须提前输入基于HCI理论的硬性规范：信息层级标准、按钮热区规则、模块分组逻辑、弹窗打断机制、新手/老手分层逻辑。让AI在理论框架内做执行，而非自由发挥。
② AI只负责“执行落地”，设计师负责“决策取舍” AI无法判断体验分寸。
它不知道哪里需要简化、哪里需要保留仪式感、哪里需要防错二次确认、哪里需要静默留白。凡是涉及用户负担、沉浸体验、操作风险、直觉认知的核心决策，应当由设计师基于HCI理论判断，不宜交给AI。
这个转变虽然方便了，但是有个副作用：入行的门槛低了，专业的门槛高了。会画界面这件事不再稀缺，稀缺的是判断力。能做的部分被AI接走了，剩下的大多是判断题：这一处该不该留、那一屏的目标对不对、AI删掉的东西是不是玩家要的。这些要人拿主意的判断题，才是设计师真正要守住的。
理论落地约束：使用AI制作游戏交互的核心注意事项
前述的对照表已厘清「手工设计交互」与「AI辅助生成交互」在七个设计环节上的差异。但日常工作中所使用的，是产出界面与布局的生产型AI工具，而非对话式陪伴AI，因此关注点不在交互对话本身，而在于AI产出的分寸与边界。
这里的「设计意图」可不能等于聊天框。游戏里玩家调难度、筛背包、捏脸时拖的那根参数条，本质都是把意图一次性交出去，精度通常比打字问AI更高。生产型AI工具做的正是这一类事：把你的设计意图翻成界面，不是陪你聊。
设计师需要警惕的，正是一种工具被批量使用之后带来的典型偏差。

除了前面提到的理论，设计师自己的游玩经验与职业直觉同样关键！
允许反过来问AI一句“你为什么这么设计”
AI会犯错的！它只是个工具！工具是可能有差错的！
大数据拟合出的“常见做法”，常见不等于对，更不等于适合。 怎么改：别只做验收，也别拿到就用。试着思考它的逻辑，或者直接问它：这一屏为什么这么排？这个确认弹窗为什么放在这一步？让它把理由讲清楚。讲得出来的地方，你能判断这个理由站不站得住；讲不出来的地方，往往就是它照着范本硬套的。
还有更重要的一半：你判完之后，要把话传回去。哪一处理由不成立、哪一处违背了玩家的习惯、这个项目里有什么是外面范本里没有的约束，都讲给它听，再告诉它接下来可以往哪个方向试。
把AI当副驾教练就对了。它某次指对了一条近路，不代表以后回回都信；它某次带错一个弯，也不该从此再不听。对AI生成的界面也一样：不能因为它某次排得整齐就认「整齐=对」，也不能一次翻车就退回纯手搓。校准到「该听时听、该否时否」，才是设计师的活。 
最后的把关理论：设计师才是把关者。
搞游戏设计的人，除了设计游戏，很大部分时间也在玩游戏、拆游戏，一款游戏哪里别扭、哪里爽，往往上手几分钟身体就有反应。这种长年累月攒下来的直觉，AI没有，它手里只有别人留下来的数据。
而且这些话讲多了还能攒下来。今天你告诉它这个项目要注意什么，换个项目往往还是这几条，攒着攒着就成了你自己的一套东西，下回开新活直接拿出来用。
结语：AI替代的是执行，不是设计判断
回顾这些落地在游戏中的经典交互理论，我们能清晰看到一条规律：技术一直在迭代，但人性从未改变。这堆目标导向的方法，支撑了过去十年的精细化迭代，也会约束未来AI游戏体验的边界。
真实的工作逻辑应该是这样：理论定规则、设计师定边界，先反问AI一句为什么，再把你的判断喂回去，最后才让它去执行。不少团队现在恰好反着来，让AI自由生成，设计师只做个微调。AI可以替代我们做界面排版、做基础交互、做内容输出，但它并不真正理解认知负荷、决策成本、操作手感、游戏心流与玩家心智，也不清楚玩家在这一屏到底想达成什么。它只能基于现有素材做拼接复刻，极易批量复制行业糟粕、固化劣质交互。而人类用户的认知规律、行为习惯与沉浸逻辑，大多包含在正统HCI理论体系之中，是机器很难自学、也很难替代的设计底层认知。
经典交互理论大多围绕一个核心，就是以人为本：降低负担、尊重习惯、贴合人性、守护体验。AI的本质却是工具，追求效率最大化、结果最优化。偏偏游戏体验从来不是“效率越高越好”，很多低效、留白、仪式感、不确定性，恰恰是游戏乐趣的核心。这也是为什么，那些看着多余的动画和停顿，不能交给一个只算效率的工具来裁。
正因如此，在全员AI生产交互的时代，经典理论非但没有过时，反而成了最难被替代的东西。未来游戏交互设计师的核心竞争力，不再是“会做界面”，而是懂理论、懂人性、懂边界、懂克制。守住它们，才是守住游戏交互体验的核心壁垒。
参考理论与研究
[1] Nielsen J. 10 Usability Heuristics for User Interface Design[R]. Nielsen Norman Group, 1994（2020 年修订）. 「尼尔森十大可用性原则」，原文与图解见 nngroup.com/articles/ten-usability-heuristics/
[2] Sweller J. Cognitive Load During Problem Solving: Effects on Learning[J]. Cognitive Science, 1988, 12(2): 257-285. DOI: 10.1207/s15516709cog1202_4 「认知负荷理论」，第一部分讲信息折叠、分步解锁的依据来源
[3] Hick W E. On the Rate of Gain of Information[J]. Quarterly Journal of Experimental Psychology, 1952, 4(1): 11-26. 「希克定律」，选项越多、决策越慢的原始实验
[4] Fitts P M. The Information Capacity of the Human Motor System in Controlling the Amplitude of Movement[J]. Journal of Experimental Psychology, 1954, 47(6): 381-391. 「菲茨定律」，手感、热区、误触率的底层公式
[5] Wertheimer M. Laws of Organization in Perceptual Forms[M]//Ellis W. A Source Book of Gestalt Psychology. London: Routledge & Kegan Paul, 1938. 「格式塔完形原则」，原作 1923 年以德文发表于 Psychologische Forschung
[6] Csikszentmihalyi M. Flow: The Psychology of Optimal Experience[M]. New York: Harper & Row, 1990. 「心流理论」。游戏语境下的延伸可看： Chen J. Flow in Games (and Everything Else)[J]. Communications of the ACM, 2007, 50(4): 31-34. DOI: 10.1145/1232743.1232769
[7] Norman D A. Some Observations on Mental Models[M]//Gentner D, Stevens A L. Mental Models. Hillsdale: Lawrence Erlbaum, 1983. 「心智模型理论」，讲玩家为什么靠过往经验上手
[8] Cooper A, Reimann R, Cronin D, Noessel C, 等. About Face: The Essentials of Interaction Design (4th ed.)[M]. Hoboken: Wiley, 2014. ISBN: 9781118766576 中译本：艾伦·库伯 等. About Face 4：交互设计精髓[M]. 倪卫国, 刘松涛, 薛菲, 杭敏 译. 北京: 电子工业出版社, 2015. 第二部分四个小节的出处：目标导向设计与用户目标的三层划分见第 1、3 章；实现模型／心理模型／呈现模型的区分见第 1 章；负担（excise）及其分类见第 12 章；永久的中级用户见第 10 章
[9] Desurvire H, Wiberg C. Game Usability Heuristics (PLAY) for Evaluating and Designing Better Games: The Next Iteration[C]. Lecture Notes in Computer Science, 2009, 5621: 557-566. DOI: 10.1007/978-3-642-02774-1_60 把通用可用性准则改造成游戏版，54 名玩家对 116 条候选启发式打分，筛出能区分高/低分游戏的那批。
[10] Ternar D A. Generative AI in Game Development: A Qualitative Research Synthesis[C]. CHI '26, 2026. DOI: 10.1145/3772318.3791206 整合 2020–2025 年 10 项质性研究，其中一个主题是AI辅助下的交互精修已成为生产常态。
[11] 《中国游戏产业发展报告（2026）》：国内 86.36% 的游戏企业已在研发环节应用AI（北京日报报道） 可支撑开篇「AI全面渗透游戏行业」。