思路与工具

解题之前， 先检查题目。

“所有问题都是技术性问题”，落实到我的工作里，首先是检查问题怎么被定义。这里展开我怎样提问、怎样判断自己的解释，以及用哪些工具把想法变成可以检查的东西。

开始时，我需要了解三件事。

  • 你要做成什么

    谁会使用结果？接下来要做哪个决定？做到什么程度才算有用？

  • 你已经试过什么

    已有的方案、观察、数据或原型，比一份精修的介绍更能帮助我理解问题。

  • 我们有哪些条件

    时间、预算、能接触的用户、可用工具，以及哪些人需要参与判断。

重构一次问题，行动就会不同。

下面是我从实践中归纳的几种转换。新的问法需要继续服务于原目标；不能因为它更容易回答，就把原来的问题丢掉。

交互原型的前台与后台
先体验，再实现前台保留用户体验的发起、执行与结束；后台由人员模拟尚未实现的响应。先验证交互能否被理解，再确定开发方式。前台 / 用户体验后台 / 人工模拟发起 · 执行 · 结束Wizard-of-Oz
  1. 前台 · 用户体验发起、执行任务、结束
  2. 后台 · 人工模拟按规则模拟尚未完成的响应
  3. 观察与判断先检验理解，再讨论开发

前台观察理解 · 后台模拟响应方法示意

机器人交互

如果只问功能还没做完，怎么测试？

把“理解交互”与“实现功能”分开。

后台人工模拟关键响应，先看用户能否开始、完成和结束互动。

看这个判断怎样落地
证据的组织方式
让判断有出处254GB 研究记录，按任务和观察整理，形成六类共 86 个可追溯问题。连线只表达整理关系，不表示数据分布。研究记录254 GB访谈 · 测试 · 行为保留原始上下文问题索引86个问题归入六类任务情境观察片段原始出处每个判断，都能沿线回看
  1. 原始记录保留任务与情境
  2. 任务与观察区分动作和解释
  3. 可追溯问题每个判断都有出处

记录 → 任务与观察 → 可追溯问题方法示意

研究记录

如果只问这么多记录，怎么整理完？

先问哪个决定需要什么证据。

按任务定位观察，把每个问题连接到原始片段，再讨论改什么。

看这个判断怎样落地
验证进入设计的时机
把检查放进过程洞察进入设计，设计与观察之间反复迭代，之后再安排确认。图中的轨道表示反馈关系，不表示轮次、时长或项目进度。设计 ⇄ 观察仍然可以修改洞察确认反馈回到设计，之后再检查
  1. 洞察明确要检查的假设
  2. 设计 ⇄ 观察反馈回到仍可修改的设计
  3. 确认再检查是否回答了问题

洞察 → 设计与观察反复迭代 → 确认方法示意

设计验证

如果只问开发结束后，怎样完成测试？

把检查移到还能修改的时候。

在设计与实现过程中观察使用，把发现送进下一轮，再安排后续确认。

看这个判断怎样落地

元思维：连提问方式也要检查。

  1. 01

    把目标和方案分开

    “加人”“做培训”“上 AI”已经是方案。我会先问：你想改变的究竟是什么？怎样才算做到了？

    留下：双方能确认的问题描述、范围和判断标准。

  2. 02

    拆条件，也看关系

    人、信息、工具、流程分别发生了什么？卡点在某个环节，还是在交接之间？哪些限制不能动，哪些只是沿用的习惯？

    留下：已有观察、可能原因，以及最需要补的证据。

  3. 03

    找一个能区分解释的试验

    是用户没理解，还是系统没有回应？先做一个小模拟、回看一段记录，或写一个脚本，让不同解释产生可观察的区别。

    留下：可以检查的研究方案、模拟体验或工具原型。

  4. 04

    连自己的判断一起检查

    什么结果会让我改变看法？重构后的问题还对得上原目标吗？办法实际改变了什么？把这些回答清楚，再决定继续、调整或停止。

    留下：结果、使用方法、未解决问题和后续验证安排。

工具箱 / 实际用过的手段

问题决定我拿起什么工具。

我的工具箱里有测量设备、研究方法，也有代码与 AI。这里列的是它们承担过的具体工作。新问题来了，我会重新判断哪些用得上。

  • 观察与测量
    Eye trackingEEG行为观察

    把信号放回使用情境

    把发生的事看清楚

    眼动 · EEG · 访谈 · 行为观察

    在包装研究里，分别查看视觉路径、比较早期反应、记录拿取与开启动作，再把解释放回同一个使用环节。

    乳品包装研究
  • 原型与实验
    Wizard-of-Oz任务脚本模拟交互

    用可体验的原型检查假设

    在开发之前试一试

    Wizard-of-Oz · 任务脚本 · 模拟交互

    在服务机器人研究里，由后台人员模拟尚未实现的响应，先观察用户能不能发起、完成和结束互动。

    服务机器人研究
  • 检索与知识
    PythonChromaDB语义检索

    从问题到有出处的上下文

    让资料能回答具体问题

    Python · ChromaDB · 关键词与语义检索

    维护产品与可用性知识库，分开资料范围、调整段落切分，让查询能返回相关上下文，并保留回看原文的路径。

    个人知识与 AI 系统
  • 执行与协作
    OpenClawClaude Code任务指令

    让执行有边界，让结果可检查

    把重复步骤接起来

    OpenClaw · Claude Code · 可复用任务指令

    组合运行时、编码助手和现有工具，处理查询、信息整理与归档。逐步明确输入、权限和检查方式，再放进日常工作。

    日常 AI 工作流

选工具前，我会问：它能消除哪个不确定性，或改变哪个卡点？如果一次观察、一张表就够用，就从那里开始。

决定继续之前，先检查办法有没有用。

研究需要回到原始记录，设计建议需要后续验证，工具需要放进真实任务中试用。如果证据不足，我会说明缺在哪里。一次小范围检查已经回答问题，就可以在这里结束；仍有值得解决的部分，再讨论下一步投入。

看具体案例

可以带走的材料

以下材料为本站整理的空白模板或指令示例，可下载后按任务改写。它们不包含客户数据，也不是上述项目的原始交付物或效果证明。