给设计规范加一本"字典":让"alert"在组织里只有一个意思

简介: 本文是Schema-As-Code 证据链的"认知 + 合法性"站,覆盖主题行①的第二个关键设计——语义字典(Semantic Dictionary,覆盖层注册表)。回答"凭什么成立":语义字典是组织内唯一定义覆盖层、语义绑定、场景映射的资产,是全组织同一术语坐标系。

定位:Schema-As-Code 证据链的"认知 + 合法性"站(B 列:全景 + 背书),覆盖主题行①的第二个关键设计——语义字典(Semantic Dictionary,覆盖层注册表)。回答"凭什么成立":语义字典是组织内唯一定义覆盖层、语义绑定、场景映射的资产,是全组织同一术语坐标系。

快速阅读:
方法论总纲与开源:把设计规范写成代码格式,是所有 AI 工具的上游约束方法论
阶段一结构化诊断:组件语义快照与模式诊断:AI 生成界面的第一道检查
阶段二语义契约化:设计师作为"语义翻译者" 当AI生成界面时我怎么用规则锁住设计意图
角色专题1:设计师与产品经理:AI 界面语义走查指南


一、调整前:三条真实反馈里的"语义三无"

在没有语义字典之前,组织内的"语义"处于三无状态,每条都有团队里的原话为证。

真实反馈 1:"评审会上说'这里用一个 alert',散会后发现三个人理解成三个东西。"
前端理解为模态弹窗,设计师指的是顶部通知条,产品经理以为是可以自动消失的 Toast。三个人用同一个词指三个东西,每个人都对——因为没有任何注册表裁定"alert 在这个场景下是什么"。同名异义,无人仲裁。

真实反馈 2:"删除账户按钮该红色实心还是橙色描边?最后谁的职级高听谁的。"
新产品线设计"删除账户"流程,一位设计师主张红色实心按钮、一位主张橙色描边,双方都有道理,最终靠职级裁定。决策依据是个人经验,不可复用、不可跨产品线继承。决策无据,全靠经验。

真实反馈 3:"PRD 写'需明显提示风险',交付后才开始吵什么叫'明显'。"
开发按自己的理解实现,验收按自己的理解走查,争议在交付后才爆发。需求模糊,无法验收。

汇总成一张表:

环节 界面层呈现状态 缺失什么
评审沟通 同一术语多种理解 可引用的唯一定义注册表
设计决策 个人经验裁定 组织级场景语义方案
需求描述 自然语言形容词 可校验的语义引用
规范执行 文档供人阅读,AI 不可见 机器可查询、可校验的注册表

三条反馈,一个根因:组织里没有一份"唯一定义术语"的资产。字典在的时候,它是文档平台里供人阅读的文字;机器要查的时候,它不存在。


二、"用语义注册表统一定义"

"用语义注册表统一定义"在工业界已有成熟实践。

2024年起,企业数据领域已大规模实践"语义层"概念。Databricks在其Semantic Layer Architecture中将其定义为"business-friendly abstraction layer",统一跨部门对"客户""订单"等业务术语的理解。这与我们的语义字典同构,Databricks解决数据领域的语义一致性,我们解决界面领域的语义一致性。架构相同:元数据仓库 → 业务逻辑层 → 治理框架。

2026年,Kyvos进一步提出AI-Ready语义层:没有语义层,AI无法正确解释数据含义。这个逻辑在界面领域同构,没有语义字典,AI无法正确解释"红色按钮是致命错误还是普通警告"。

软件工程领域更早。DDD的限界上下文(Bounded Context)定义术语在特定边界内的唯一含义,防腐层(Anti-Corruption Layer)防止外部模型污染内部语义。我们的语义域(覆盖层)即Bounded Context:同一个Alert在transactional域与observational域含义不同,各自域内唯一定义;跨层禁止规则即防腐层,status.critical不可用于observational域,非法绑定在编译时阻断。

但行业也有反面的声音。Design Systems Collective今年指出,很多所谓"语义令牌"只是换名(color-red-500改叫color-danger),没有场景定义。这恰恰反证了我们为什么需要真正的语义字典,不是换名,而是锁义。

参考链接:

Databricks Semantic Layer · Kyvos AI-Ready Semantic Layer · DDD Bounded Context · Design Systems Collective


三、关键设计:语义字典(三层注册表)

语义字典是覆盖层注册表,三层结构:覆盖层目录(Overlay Catalog)→ 语义重绑定(Semantic Rebinding)→ 场景映射(Scenario Mapping)。

层级 内容 查询时获得什么
第一层:覆盖层目录 4 个 L1 语义域:transactional(交易与操作)/ observational(观察与信息)/ navigational(导航与引导)/ conversational(对话与交互),加 L0/L2 层级 该界面点属于哪种交互关系、约束特征是什么
第二层:语义重绑定 术语在具体覆盖层下的强制语义(6 个语义绑定) 某令牌在此场景的准确定义与跨层禁止
第三层:场景映射 业务场景的绑定组合与组件组合(SCN-001 ~ SCN-006) 整个场景的完整语义方案,可直接引用

3.1 第一层:覆盖层目录(v1.0.0 全量)

覆盖层 ID 中文名称 定义 适用场景示例 禁止场景 层级
universal 通用层 所有界面点的基础属性 可访问性、响应式 L0(被所有层覆盖)
transactional 交易与操作 用户动作会改变系统状态或数据 支付、删除、提交、确认、撤销 纯信息展示、状态更新、新手引导 L1
observational 观察与信息 用户仅接收信息,无需立即行动 通知、状态更新、提示、反馈 需要用户决策、需要二次确认、不可逆操作 L1
navigational 导航与引导 用户需要方向指引,无数据变更 面包屑、步骤指示、返回、跳转 表单提交、数据操作、支付流程 L1
conversational 对话与交互 用户与系统双向交流,上下文持续 聊天、问答、建议、澄清 一次性操作、无上下文的状态提示 L1
financial 资金操作 transactional 的子层:涉及资金流动 支付、转账、退款 L2
data-destructive 数据销毁 transactional 的子层:涉及数据删除 删除账户、清空数据 L2

强制规则:每个界面点必须且只能被一个 L1 覆盖层覆盖(互斥);L2 是对 L1 的细化而非替代;未注册的覆盖层编译管线拒绝识别。

3.2 第二层:语义重绑定(v1.0.0 全量)

绑定是强制的,不是建议:

术语 ID 所属覆盖层 状态级别 语义绑定 约束注入 跨层禁止
status.critical transactional 系统级故障 阻断器:用户必须立即处理,否则系统状态恶化 视觉:红色脉冲、八边形图标;行为:必须二次确认;文案:必须说明后果;适用:仅用于阻断性错误 observational / navigational / conversational
status.warning transactional 用户可恢复限制 限制器:用户需要注意,但可以自助恢复 视觉:黄色静态、三角图标;行为:必须显示恢复时间;文案:必须提供操作步骤;适用:仅用于可恢复错误 observational / navigational / conversational
status.info observational 一般信息提示 信息条:用户可选择性关注,不影响系统状态 视觉:蓝色静态、信息图标;行为:可自动消失;文案:禁止附加操作说明;适用:仅用于纯信息展示 transactional
status.success observational 操作成功反馈 成功条:用户操作已完成,系统状态已更新 视觉:绿色静态、对勾图标;行为:可自动消失;文案:禁止附加操作说明;适用:仅用于成功状态 transactional
action.destructive transactional 不可逆操作 危险动作:用户动作将导致数据永久丢失 视觉:红色空心描边、危险图标;行为:必须二次确认;文案:必须说明不可恢复;适用:仅用于删除/清空等操作 observational / navigational / conversational
action.primary navigational 主要引导动作 引导动作:帮助用户进入下一步或完成流程 视觉:品牌色实心、箭头图标;行为:点击后跳转;文案:显示下一步预览;适用:仅用于流程推进 transactional / observational

通用术语的重绑定示例(同一个词,不同覆盖层下绑定为不同语义):

通用术语 transactional 下绑定为 observational 下绑定为 navigational 下绑定为
Alert 阻断器:用户必须立即处理,否则系统状态恶化 信息条:用户可选择性关注,不影响系统状态 路径提示:用户需要方向确认,无状态风险
确认 不可逆操作确认:用户理解后果并承担风险 已知晓确认:用户收到信息,无需承担风险 路径确认:用户确认前往下一节点
取消 操作撤销:系统回滚到操作前状态 关闭提示:信息消失,系统无变化 返回上一步:导航状态回退
红色 危险信号:阻断、不可逆、需立即响应 非法绑定(observational 下红色非法) 非法绑定(navigational 下红色非法)

前端实现时不传 type="error" 参数,而是声明 overlay="transactional",由覆盖层强制注入语义。非法绑定在编译时直接阻断。

3.3 第三层:场景映射(v1.0.0 全量)

场景 ID 场景名称 覆盖层 语义绑定组合 组件组合 文案约束 约束注入
SCN-001 删除账户 transactional status.critical + action.destructive Alert + Button + Modal 必须包含"此操作不可恢复";必须说明数据删除范围 必须输入账户名二次确认;必须提供取消按钮;操作后跳转至登录页
SCN-002 网络中断 transactional status.warning Alert + Button 必须显示"网络不稳定";必须显示自动重试倒计时 提供手动重试按钮;倒计时结束后自动刷新
SCN-003 保存成功 observational status.success Toast 仅显示"保存成功";禁止附加操作说明 3 秒后自动消失;不可手动关闭
SCN-004 新功能上线 observational status.info Banner 显示功能名称和一句话说明;提供"了解详情"链接 点击链接跳转帮助中心;不可阻断当前操作
SCN-005 支付确认 transactional status.critical Alert + Form + Button 必须显示金额、收款方、支付方式;必须说明支付后不可撤销 必须输入支付密码或指纹;必须提供"取消"按钮
SCN-006 步骤引导 navigational action.primary Stepper + Button 显示当前步骤和总步骤;提供上一步/下一步 第一步禁用"上一步";最后一步变为"完成"

场景映射查询实例:设计师查询 SCN-001(删除账户),字典直接给出完整方案——覆盖层 transactional;语义绑定 status.critical + action.destructive;组件组合 Alert + Button + Modal;文案必须包含"此操作不可恢复";交互必须输入账户名二次确认。视觉探索在边界内展开,语义方案无需重新发明。

3.4 注册纪律

字典是组织内唯一定义覆盖层、语义绑定与场景映射的资产。三条纪律:

  1. 唯一性:全组织同一术语坐标系,任何团队不得维护平行的"私有字典"。
  2. 强制性:所有 YAML 契约必须引用字典中的已定义项,不可自创覆盖层或绑定;semantic_domain 的值必须在字典预定义列表中,非法引用在编译前置校验时直接阻断。
  3. 先注册、后引用:字典没有的,先走字典变更流程注册(快照证据 → 诊断归档 → 候选模式 → 评审入典),再引用。不为想象中的需求提前定义语义。

四、架构层概念:设计背景

覆盖层(Overlay)不是分类(Taxonomy)。分类模型语义内生于组件(<ErrorAlert> 自带"错误"语义,组件库升级时语义跟随重写);覆盖层模型语义外赋于组件——组件是空容器(<Alert> 只负责渲染),语义由覆盖层强制注入。组件库是底层(Underlay),语义覆盖层在组件之上加盖业务语义,把空容器翻译为业务语义组件。分类回答"这是什么组件",覆盖层回答"这个组件在此场景下承担什么语义"。

码本,而非术语表。术语表供人查阅,码本供机器解码:每个绑定是离散索引,编译管线查表后展开为连续约束。这决定了字典的读者不只是设计师,更是编译管线与 AI 工具。

在全景中的位置。语义字典位于建设层的最上游(元规则层):语义字典(上游·元规则)→ YAML 契约(中游·实例)→ 编译管线(下游·执行),契约库提供组织级管理。

术语双轨。面向不同读者群时,三层结构有两套叫法:语义域 ≈ 覆盖层目录;语义令牌 ≈ 语义重绑定;场景映射 ≈ 约束注入。两套术语指向同一份注册表。


五、这些坑怎么被解掉:三条反馈的闭环

回到开头的三条真实反馈,字典就位后它们各自的解法路径。

反馈 1 的解法:"alert 到底是什么"——歧义在引用条目的瞬间消失

  • 症状复盘:评审会上"这里用一个 alert",三个人理解成三个东西。
  • 根因:没有可引用的唯一定义注册表,术语含义靠各自脑补。
  • 解法路径:查字典——transactional 域的 alert 是阻断确认,observational 域的 alert 是顶部通知条。设计师与产品经理沟通时,用字典条目编号替代形容词;争议以字典为仲裁依据,不再靠职级裁定。
  • 验证方式:同样的评审场景,引用条目编号后,三方理解在当次会议对齐,不再"散会后才发现"。

反馈 2 的解法:"删除账户按钮之争"——决策依据从职级变成注册表

  • 症状复盘:红色实心 vs 橙色描边,双方都有道理,靠职级裁定。
  • 根因:没有组织级场景语义方案,决策依据是个人经验,不可复用、不可跨产品线继承。
  • 解法路径:查询 SCN-001,完整语义方案既定(覆盖层 transactional + status.critical + action.destructive + 二次确认),视觉探索在边界内展开。
  • 验证方式:跨产品线语义天然一致——下一个产品线遇到"删除账户",直接引用同一场景映射,不重新争论。

反馈 3 的解法:"什么叫明显提示风险"——需求从形容词升级为可校验引用

  • 症状复盘:PRD 写"需明显提示风险",交付后才吵"什么叫明显"。
  • 根因:需求用自然语言形容词描述,没有可校验的语义引用。
  • 解法路径:PRD 改写为"引用场景映射 SCN-001,语义绑定 action.destructive,必须二次确认"。
  • 验证方式:验收标准在需求阶段即已确定——交付后的争议消失,因为"明显"已经被翻译成字典里的具体约束。

六、扩展路线

  • v1.0.0(当前):4 个 L1 覆盖层 + 6 个语义绑定 + 6 个场景映射,只覆盖证据最充分的 6 个漂移模式。
  • v1.1.0(规划):按业务需求新增覆盖层(如 onboarding 新手引导)、新增绑定(如 status.neutral 中性状态)、新增场景映射(如"批量删除""跨设备同步")。
  • v2.0.0(远期):重构覆盖层分类(如 transactional 拆分为 financial 和 data-operation),主版本变更,全组织升级。

版本治理(SemVer):新增覆盖层/绑定/场景 = Minor(设计系统负责人审批);修改既有定义语义 = Major(设计委员会评审);措辞澄清不改语义 = Patch(DesignOps 直接合并)。弃用项标记 deprecated 保留至少 90 天,编译时对引用方输出 warning 并附迁移指引;旧契约可继续引用旧版本字典(多版本共存,编译时按契约声明的字典版本解析)。


七、调整后:工具界面层的呈现状态

工具 / 环节 调整前 调整后
组件调用 Alert 是无语义的视觉容器 契约编辑器中覆盖层下拉自字典:选 observational 即继承"不可阻断流程"约束,选 transactional 即继承确认交互要求
验收环节 走查结论停留在"感觉不对" Checklist 第一组直接引用字典:覆盖层检查 / 语义绑定检查 / 约束注入检查,结论注明字典版本号
规范变更 文档平台发通知,人看漏、AI 不可见 字典单点变更 → 契约重编译 → 四种消费格式同步更新,Git Diff 可追溯

边界声明

语义字典不解决视觉值的一致性(那是 Design Token 层的职责),不定义具体场景的约束实例(那是 YAML 契约的职责),也约束不了"有没有人查它"(消费纪律在角色侧,见角色 1 长篇)。当前量化收益均为数据模型推演,待生产数据验证。


19201920.png

相关文章
|
8天前
|
人工智能 JSON 安全
Fastjson远程代码执行漏洞,阿里云AI安全为您保驾护航
阿里云AI安全产品联动防御Fastjson攻击
2187 12
Fastjson远程代码执行漏洞,阿里云AI安全为您保驾护航
|
8天前
|
云安全 人工智能 安全
|
8天前
|
人工智能 自然语言处理 数据挖掘
Qwen3.8-Max-Preview深度全解析:2.4万亿参数旗舰MoE模型+Token Plan限时优惠完整落地指南
2026年7月,全新旗舰级混合专家大模型Qwen3.8-Max-Preview正式开放抢先体验,作为通义千问Qwen3系列规格最高、综合推理能力顶尖的新一代模型,该模型总参数量达到2.4万亿(2.4T),是当前线上可调用的原生多模态旗舰模型,综合推理水准对标海外顶级Fable 5模型,在复杂工程开发、长文档深度分析、多步骤智能体自治、跨境多语言创作、海量数据挖掘五大高难度业务场景实现跨越式性能提升。
981 1
|
10天前
|
人工智能
Qwen3.8抢先体验!正式版即将发布并开源!
千问Qwen3.8即将开源,参数达2.4T,进化速度以“天”计,实力媲美Fable 5。预览版Qwen3.8-Max已上线阿里Token Plan等平台,限时优惠:日间Credits低至1折,夜间更优,个人/团队版月付仅35元起!
986 44
|
8天前
|
人工智能 自然语言处理 数据挖掘
最新版通义千问(Qwen3.8-Max-Preview)功能介绍
2026年,通义千问正式推出全新旗舰级大模型 **Qwen3.8-Max-Preview 预览版**,作为首款突破万亿参数规格的新一代基座模型,该模型总参数量达到**2.4万亿**,采用全新迭代的MoE混合专家架构,综合推理性能、长文本处理、多模态理解、复杂任务规划能力全面超越前代Qwen3.7-Max版本,整体实力跻身全球第一梯队,可对标海外顶级旗舰模型,是当前面向复杂工程开发、多智能体协同、超长文档解析、专业办公自动化场景的最优国产基座模型。
988 0
|
6天前
|
自然语言处理 测试技术 API
通义千问Qwen3.8-Max-Preview全功能解析:2.4万亿参数旗舰模型深度使用指南
在大模型技术持续迭代的当下,通义千问推出的Qwen3.8-Max-Preview作为新一代旗舰预览版模型,凭借2.4万亿参数的超大规模、多模态融合能力与全场景适配特性,成为开发者与企业用户探索AI应用的核心工具。该模型采用稀疏混合专家(MoE)架构,是通义千问首个突破万亿参数的多模态模型,可同时处理文本、图像、视频与文档等多种数据形态,在全栈代码开发、复杂逻辑推理、长文档分析与多智能体协作等场景实现跨越式升级。本文将全面拆解Qwen3.8-Max-Preview的核心功能,详解API调用流程与配置方法,覆盖多场景实战技巧,帮助用户快速掌握这款旗舰模型的使用方法,充分释放其性能潜力。
476 1
|
9天前
|
人工智能 自然语言处理 数据挖掘
Qwen3.8-Max 预览版全解析:2.4 万亿参数旗舰模型,Token Plan 限时优惠指南
Qwen3.8-Max-Preview是通义千问Qwen3系列旗舰MoE大模型,参数达2.4万亿,综合推理能力居行业第一梯队。支持思考/快速双模式,擅长大模型五大高难场景。现于阿里云百炼Token Plan、Qoder及QoderWork上线体验,个人版低至39元/月。在阿里云百炼官网:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
687 1
Qwen3.8-Max 预览版全解析:2.4 万亿参数旗舰模型,Token Plan 限时优惠指南

热门文章

最新文章