Gains :
- Capacité à rédiger et à créer des jetons de conception, des noms de composants et des règles d'utilisation cohérents avec l'intelligence artificielle
- Capacité à produire rapidement de la documentation sur les composants, des exemples à faire/à ne pas faire et des textes d'utilisation avec l'intelligence artificielle
- Capacité à vérifier les suggestions de l'intelligence artificielle pour déceler tout conflit avec le système de conception existant et à préserver la singularité
Un système de conception est le langage commun qui donne à une famille de produits une apparence et un comportement cohérents : composants réutilisables (bouton, carte, champ de formulaire), jetons de conception (définitions nommées de valeurs telles que la couleur, l'espacement, la typographie) et documentation expliquant comment les utiliser. Un bon système de conception permet à dix concepteurs de concevoir le même produit comme s'il avait été fabriqué par une seule source. L'installation et la maintenance de ce système sont un travail fatigant, répétitif et gourmand en texte ; C’est exactement là que l’intelligence artificielle brille. Mais l’essence du système est la singularité et la cohérence ; Les recommandations d'AI ne peuvent être acceptées sans avoir été vérifiées pour déceler tout conflit avec le système actuel.
Tokens et dénomination : la base de la cohérence
Un jeton de conception est une valeur nommée et réutilisable d'une décision de conception : couleur primaire, centre d'espace, texte-titre-capitale. Grâce aux tokens, vous pouvez changer une couleur en un seul endroit et la mettre à jour sur l'ensemble du produit. Mais le pouvoir des jetons dépend de la cohérence de la dénomination ; Si blue-1, main-blue et PrimaryBlue sont utilisés en mélange, le système plantera.
L'IA est efficace dans deux domaines : examiner votre jeu de jetons existant par rapport à un schéma de dénomination cohérent et suggérer des noms conformes au schéma pour les nouveaux jetons. Une requête telle que « Traduire cette liste de jetons en dénomination sémantique (basée sur la signification) » vous aidera à générer des noms qui transmettent une signification, tels que color-action-primary au lieu de blue-500. Mais la décision finale en matière de nom concerne le contrat de l'équipe ; Le modèle ne fournit qu’un aperçu.
Astuce : lorsque vous nommez des jetons à l'IA, donnez 5 à 6 exemples de votre schéma actuel et dites "conserver le même modèle". La requête sans échantillon produit des noms étrangers à votre système.
Documentation des composants : le domaine le plus productif de l'IA
La documentation d'un composant comprend : ce qu'il fait, quand l'utiliser, quand ne pas l'utiliser, ses variantes, ses états (par défaut, survol, passif, erreur), des notes d'accessibilité et des exemples de "faire/ne pas faire". Écrire ces textes à la main prend des heures, c'est pourquoi de nombreuses équipes négligent la documentation.
L'IA comble cette lacune : lorsque vous décrivez un composant, elle produit des projets de documentation, des règles d'utilisation et des exemples de choses à faire/à ne pas faire dans un format cohérent. Ainsi, la documentation passe de « il n’y a pas » à « il y a un brouillon, il sera corrigé », ce qui est un gros gain. Cependant, le modèle ne connaît pas le comportement réel du composant ; Il est de votre devoir de faire correspondre les règles qu'il produit avec la réalité du système.
fragment de document
Apport de l'intelligence artificielle
vérification humaine
Qu'est-ce que ça fait ?
Définition claire des contours
Véritable aptitude à l’emploi
Quand utiliser
Scénarios généraux
Règles spécifiques au produit
Exemples à faire/à ne pas faire
Paires de repêchage rapide
Utilisations abusives réelles
Remarque sur l'accessibilité
Rappels standards
Confirmé par un test réel
Liste des variantes/cas
liste possible
Ceux qui existent réellement dans le système
Vérification des contradictions : préserver la singularité
L'ennemi juré du système de conception est la duplication : deux boutons faisant le même travail, deux échelles d'espace différentes, deux règles contradictoires. Lorsque l'IA suggère un nouveau composant ou une nouvelle règle, cette suggestion peut entrer en conflit avec le système existant : elle ne tient pas compte de l'ensemble de votre système de modèle. J'évalue donc chaque suggestion en demandant « est-ce que cela entre en conflit avec quelque chose qui existe déjà ? Filtrez avec la question. Vous pouvez également utiliser l'intelligence artificielle dans l'analyse des conflits : vous pouvez donner le résumé du système actuel et la nouvelle recommandation et faire répertorier les conflits. Mais la décision finale « singulièrement correcte » appartient à l’équipe.
trois mini-cases
Cas 1 — Dette de documentation effacée. Seules 6 des 24 composantes d’une équipe disposaient de documentation. Des projets de documents ont été produits pour les 18 composants restants dotés d’intelligence artificielle ; L'équipe a réparé chacun d'entre eux en 10 à 15 minutes. Les travaux, repoussés de plusieurs semaines, ont été achevés en deux jours.
Cas 2 — La dénomination des jetons est devenue cohérente. Dans un système, les couleurs étaient mélangées comme blue1, mainBlue, brand-blue. L'IA a traduit 40 jetons existants en schéma sémantique ; L'équipe l'a révisé et est passée à une norme unique. Les erreurs de couleur ont été sensiblement réduites dans les conceptions ultérieures.
Cas 3 — Un composant conflictuel a été rejeté. AI a proposé un nouveau composant appelé « bouton d'action secondaire ». Lorsque l’équipe a recherché les contradictions, elle a constaté qu’il faisait le même travail que le « bouton fantôme » existant et a rejeté la suggestion. Leçon : toutes les suggestions n'ajoutent pas un nouveau composant au système ; Il est parfois judicieux d’utiliser ce qui est disponible.
Invites copiables
Votre rôle : administrateur système de conception.Documentez ce composant : <<composant et son comportement>>.Format : Que fait-il | Quand utiliser | Quand NE PAS utiliser | Variantes | Situations | Notes d'accessibilité | 2 Faire / 2 Ne pas exemple. Inventez un comportement que vous ne connaissez pas ; Écrivez « l'équipe doit remplir ».
Traduisez cette liste de jetons en un schéma de dénomination sémantique (basé sur le sens). Mes exemples de schémas actuels : <<5-6 exemples>>. Continuez selon le même schéma. Pour chaque jeton, donnez l'ancien nom -> le nouveau nom -> la table de justification. Liste : <<jetons>>
Rechercher les contradictions : Résumé de mon système de conception actuel : << résumé >>. Nouveau composant/règle proposé : <<suggestion>>. Cette suggestion entre-t-elle en conflit avec le système existant (composant qui fait le même travail, règle conflictuelle, jeton en double) ? Énumérez les conflits et votre suggestion.
Générez des paires d'exemples « à faire/à ne pas faire » pour ce composant : des scénarios d'utilisation correcte réalistes et des scénarios d'utilisation incorrecte réalistes. Pour chaque paire, expliquez en une phrase pourquoi c’est vrai/faux. Composant : <<nom et objectif>>
Invite faible/Invite forte
Faible : « Écrivez la documentation pour ce bouton. »
Résultat : Un texte général, formaté, sans connexion au système.
Fort : "Documentez ce bouton dans le format suivant (ce qu'il fait / quand ne pas l'utiliser / variantes / cas / accessibilité / à ne pas faire) ; inventez un comportement que vous ne connaissez pas, écrivez « l'équipe doit remplir ».
Résultat : Manuscrit modifiable, correctement formaté et correctement espacé.
Différence : format d'invite fort + interdiction de fabrication + invites à faire/ne pas faire.
Erreurs courantes
- Demander un nom de jeton sans exemple. Le modèle génère des noms étrangers à votre système ; la cohérence est rompue.
- Ajouter des composants sans rechercher les contradictions. La duplication est l’ennemi juré du système.
- En supposant que le comportement inventé par le modèle est correct. L'IA ne connaît pas le comportement réel du composant.
- Accepter la note d'accessibilité sans test. Le rappel standard ne remplace pas les tests réels.
- Rédiger la documentation une seule fois et ne pas la mettre à jour. Le document doit être mis à jour à mesure que le système évolue.
En résumé
Le système de conception est l’infrastructure de cohérence et d’évolutivité ; mais sa maintenance est souvent négligée car elle contient beaucoup de texte et est répétitive. L'IA résout cette dette en produisant rapidement une documentation sur les composants, des exemples de choses à faire/à ne pas faire, des scripts d'utilisation et des brouillons de dénomination de jetons. Mais l'essence du système est la singularité et la cohérence : chaque nom de jeton doit être vérifié par rapport à l'exemple de schéma, chaque proposition de composant doit être analysée de manière contradictoire, chaque description de comportement doit être vérifiée par rapport à la réalité. Utiliser le modèle comme rédacteur efficace ; L’équipe prend la bonne décision individuelle.
Tâche de candidature
- Sélectionnez un composant pour lequel il manque de la documentation et produisez un brouillon de document à la première invite.
- Remplissez les champs marqués « L'équipe doit remplir » avec le comportement réel.
- Avec la deuxième invite, convertissez vos 8 à 10 jetons en schéma sémantique et créez une ancienne/nouvelle table de noms.
- Pour une nouvelle idée de composant, recherchez les contradictions avec la troisième invite.
- Avec la quatrième invite, générez des paires d'exemples à faire/à ne pas faire pour un composant et ajoutez-les au système.
liste de contrôle
- [ ] J'ai lié le nom du jeton à l'exemple de schéma.
- [ ] J'ai analysé les nouveaux composants à la recherche de conflits.
- [ ] J'ai vérifié les comportements modélisés avec la réalité.
- [ ] J'avais prévu de confirmer les notes d'accessibilité avec des tests réels.
- [ ] J'ai conservé la documentation dans un format cohérent.
- [ ] J'ai préservé la singularité et évité les duplications.