Agent Skills
返回列表
简诗 AI 用户画像

简诗 AI 用户画像

数据分析 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_fccf428b/sales-uxia。

技能介绍

要解决什么问题

真实可用性测试的瓶颈不在问卷设计,而在招募与等待:每轮测试要凑齐目标人群、排期、回收,一个迭代往往只能跑一两次,交互摩擦常常到上线后才暴露。Uxia 用 AI 测试人员替代真人被试,让设计稿或线上页面在几分钟内得到一轮“可用性回归”,适合原型期高频压测流程。需要先明确它回答的是“这个设计是否易用”,而不是“这个设计值不值得做”。

技能如何工作

  • 测试人员不是真人,而是 LLM agent,基于人口统计与行为画像生成,可上传 persona 文档进一步细化
  • 五种测试类型:AI User Test、AI Live Test(粘贴线上 URL)、AI User Research、Accessibility Test、Human Test(仅企业版)
  • 约 5 分钟产出 transcript、heatmap、SUS/SUPR-Q 分数、无障碍检查结果与报告

调用过程分四步。Step 1 收集上下文:先读 learnings.md,再确认用户要的是建测试、配 tester、读结果、判断效度、导出数据还是工具选型。Step 2 路由:真实人类测试转 /sales-userbrain、/sales-uxtweak;卡片排序/树测试/首点击等 IA 方法转 /sales-uxtweak;要不要做的判断转 /sales-idea-validation;合成访谈转 /sales-syntheticusers、/sales-ditto;需要文档化 API 管道转 /sales-userintuition。Step 3 按需查阅 platform-guide.md,Step 4 针对具体场景落地建议。

反馈质量取决于任务设计。当 tester 只会“读屏”或回答“看起来很简单”时,说明任务写浅了:改成无提示、目标导向的场景任务(例如“你要取消订阅,完成它”),追加开放式追问,并把受众画像定义清楚,让新手与专家的行为真正分化。每类受众少量 tester 即可覆盖大部分摩擦点,加人数大多只是重复。分数建议按变体之间的相对比较来读,配合 transcript 和 heatmap 才是可执行的结论。

适用边界与注意点

  • Synthetic ≠ real ≠ demand:AI 测试人员适合早期高频迭代,但缺少真实的直觉、情绪与随机性,倾向给出迎合性回答;一次流畅的合成测试不能证明用户会付费
  • 无公开 REST API 与 webhook,唯一自动化入口是宣称支持 Claude/ChatGPT/Gemini 的 MCP link,且没有公开的 endpoint 与 schema——在运行时发现工具,别自行编造接口;同步到 CRM/数仓/Slack 目前只能手动导出
  • Human Test、受众增强、SSO/SCIM 均锁定企业版,免费自助档只有合成测试人员;各来源定价口径不一致,一律以 uxia.app/pricing 为准
  • SUS/SUPR-Q 用的是真实可用性框架,但评分者是合成的,只能作为变体间的方向性信号,而非绝对的可用性判定

使用场景

  • 原型迭代期:设计稿或 Figma 尚未上线,想在几分钟内跑完一轮可用性回归,找出流程摩擦点
  • 上线前检查:把线上 URL 交给 AI Live Test,验证真实用户能否按任务路径完成核心操作
  • 无障碍排查:没有专门团队时,用 Accessibility Test 快速扫描对比度、导航等基础问题
  • 工具选型对比:需要判断该用合成测试还是真人测试来验证最终版本,或评估替代方案的可行性

适合人员

  • 刚接手一个新功能、需要快速判断现有设计是否可用的产品经理
  • 在游离于多个工具之间、缺乏专用预算与研究团队的独立开发者
  • 负责界面规范与无障碍自查、但每次排期都来不及做完整测试的前端团队
  • 领导要求用数据说话、但无法实时招募真人用户参与验证的 UI/UX 设计师