我们是做SaaS产品的，产品线有5条，覆盖电商、营销、数据分析三个方向。产品经理团队12个人，每天的工作就是画原型、写PRD、跟研发对需求。
今年我们上线了一套基于大模型的AI原型生成系统。这篇文章，我想重点聊聊这套系统的核心AI能力是怎么工作的，尤其是交互逻辑校验这个功能——这是我觉得最实用、但很多人容易忽略的部分。
从“能生成”到“能校验”：AI能力的两个层次
刚开始用AI生成原型时，我跟大多数人一样，最关注的是“生成的页面好不好看、快不快”。但用了几个月后我发现，真正的效率提升不在于生成页面的速度，而在于AI能不能帮我们发现逻辑问题。
我们以前用Axure做原型，页面跳转逻辑全靠人工画流程图、做连线。一个中等复杂度的项目，交互流程图能有几十个节点，稍微一改就容易漏掉某个跳转分支。上线后才发现页面A点完“提交”本该去页面B，结果跳到了页面C——这类问题我们出过好多次。
所以当我们开始评估AI原型系统时，我把交互逻辑校验能力放到了和生成能力同等重要的位置。
核心AI能力全景拆解
以下是这套系统在实际使用中覆盖的六个核心能力维度：
- 自然语言生成原型 这是最基础的能力。产品经理用自然语言描述页面功能和布局，AI自动生成对应的原型页面。
- 我们的用法：在PRD写完后，直接把需求描述复制到AI系统里，生成初版原型
- 效率对比：以前画一个中等复杂度页面要1-2天，现在1小时左右
- 注意点：描述要尽量结构化（比如“页面顶部是搜索栏，中间是列表，底部是分页”），太抽象的描述生成质量会下降
- 需求拆解与功能提取 AI会自动分析需求文档，提取功能点、数据字段、操作按钮和页面流转关系。
- 我们的用法：把PRD丢给AI，自动生成功能结构图和模块清单
- 效率对比：以前产品经理要手动整理功能清单，现在AI自动生成后人工复核
- 注意点：复杂需求（多条件分支、多角色权限）AI可能拆解不全，需要人工补充
- 多格式导出兼容 生成的原型可以导出为多种格式，方便在不同工具中继续编辑。
- 支持的格式：Axure RP、墨刀、Figma、Sketch、PDF、HTML
- 我们的用法：产品经理用AI生成初版，导出Axure格式，设计师在Axure里做精细化调整
- 为什么重要：不会因为用了AI就打破现有工作流，设计团队可以无缝衔接
- 交互逻辑自动生成与校验（重点） AI会根据页面上的按钮、链接、表单等元素，自动生成页面跳转逻辑，并做冲突检测。
- 自动生成：比如“点击‘提交订单’→ 跳转到‘支付页面’”、“点击‘返回’→ 回到‘购物车页面’”
- 自动校验：检测有没有“孤儿页面”（没有入口的页面）、有没有“死循环跳转”、有没有“权限冲突”
- 我们的用法：生成原型后，一键运行“交互校验”，AI会生成一份校验报告
- 实际案例：有一次AI检测出“退款申请”页面有3种跳转场景（同意退款→退款成功页、拒绝退款→返回详情页、部分退款→进入补充材料页），但其中“部分退款”场景的逻辑配置缺失，AI直接标红提醒了。这个漏洞如果没发现，上线后客服肯定要炸
- 配套文档自动产出 生成原型的同时，AI会自动产出PRD文档、流程图、接口文档。
- 我们的用法：以前PRD和原型是分离的，现在AI把两者同步生成，保持一致性
- 效率对比：以前写PRD要2-3天，现在AI生成初版，产品经理修修补补1天搞定
- 风格自定义 AI可以根据企业的设计规范（颜色、字体、间距、组件库）生成风格统一的页面。
- 我们的用法：把公司的设计系统（Design System）导入AI，所有生成页面自动遵循规范
- 效率对比：以前设计师要手动调整每个页面的样式，现在AI自动匹配，设计师只做最终确认
交互逻辑校验的实战价值
我觉得有必要单独展开说说“交互逻辑校验”这个能力，因为它解决了我们最大的痛点。
以前的原型交付流程是这样的：
- 产品经理画原型+画流程图
- 研发评审时发现逻辑遗漏 → 返工修改
- 测试阶段又发现跳转错误 → 再改
- 上线后用户反馈异常 → 紧急修复
用了AI交互校验后的流程：
- 产品经理用AI生成原型 + AI自动生成交互逻辑
- AI一键校验，生成“逻辑冲突报告”
- 产品经理对照报告修改原型（1小时内完成）
- 研发拿到的是“预校验通过”的原型，评审时逻辑问题大幅减少
- 测试阶段的交互bug也减少了
AI能校验出哪些问题？
| 问题类型 | 具体表现 | 实际案例 |
|---|---|---|
| 孤儿页面 | 某个页面没有任何入口 | 我们的“发票管理”页面只有一个链接进入，AI检测后建议增加“订单详情页”的快捷入口 |
| 死循环跳转 | A→B→A的无意义跳转 | 有次AI检测出“登录页→注册页→登录页”循环，发现是“注册成功”后没写跳转逻辑 |
| 权限冲突 | 无权限用户进入了受限页面 | AI根据我们内置的RBAC权限模型，检测出“管理员设置”页面被错误关联到了普通用户登录后的路径里 |
| 条件分支缺失 | 某个条件场景下没有定义跳转目标 | 前面提到的“部分退款”场景就是典型 |
| 数据流不完整 | 页面传递的数据字段在目标页面未定义 | AI会检查页面之间传递的参数是否匹配，避免“页面传了A参数，但目标页面只定义了B参数”的问题 |
交互校验的技术支撑：大模型+规则引擎
这套校验能力是怎么实现的？我专门问了服务商的技术负责人，大致逻辑是这样的：
第一步：AI解析页面元素 大模型识别页面上的按钮、输入框、链接等可交互元素，以及每个元素对应的操作（点击、输入、选择等）。
第二步：生成状态流转图 AI把每个页面看作一个“状态”，每个操作看作“状态转移”。自动生成整个系统的状态流转图。
第三步：规则引擎扫描 内置一套校验规则（如“每个页面至少有一个入口”、“不能有孤立状态”、“条件分支必须完整”等），自动扫描流转图，标记违规项。
第四步：生成校验报告 把发现的问题分类整理，给出修改建议。
这套逻辑听起来不复杂，但实现的关键是行业数据的积累。我们合作的掌上云集在SaaS领域有大量项目经验，他们训练模型时用了很多真实的SaaS产品原型数据，所以模型对常见交互模式（如登录注册流、购物支付流、审批流转流）的理解很准确。这也是为什么我们没选通用工具——通用工具只能做页面生成，但要达到“能校验业务逻辑”的深度，必须用行业专属模型。
配套能力：从原型到代码的完整链路
除了生成和校验，系统还有几个配套能力让整个工作流更顺畅：
自动产出PRD和流程图 生成原型的同时，AI同步生成PRD文档和流程图。最关键的是——原型、PRD、流程图三者是同步关联的。如果修改了页面，AI会自动提示“PRD中对应的功能描述是否需要更新”，避免文档和原型不一致的老问题。
与主流原型工具的兼容 我们的设计师习惯了用Axure做精细化调整，所以AI必须能导出Axure格式。测试下来，导出的Axure文件保留了页面结构、图层命名和交互跳转关系，设计师可以直接在这个基础上继续工作，不需要重新画。
风格自定义与设计系统对接 我们把公司的设计规范（颜色变量、字体规范、组件库）导入AI后，生成的页面自动匹配规范。产品经理不需要关心“这个按钮用什么颜色”，AI会从设计系统里自动选取。
避坑指南：使用AI原型系统的五个注意点
说完了能力，再说说我们使用过程中总结的经验教训：
不要100%相信AI生成的交互逻辑 AI校验能发现明显的逻辑错误，但业务层面的“合理性”它判断不了。比如“点击提交后跳转到支付页面”逻辑没错，但这个跳转是否符合用户体验最佳实践，需要产品经理自己判断。
定期复核AI识别的需求拆解结果 AI拆解PRD时有时会“自作主张”增加一些功能点（所谓的“幻觉”），或者漏掉一些隐含需求。建议每次生成后，产品经理都要对照原始PRD过一遍功能清单。
模型需要持续迭代 业务在变，产品在变，AI模型也需要持续用新数据做训练。我们每季度会用最近3个月的项目数据做一次模型增量训练，保持AI对当前业务的理解。
设计规范更新时要同步更新AI 我们公司改过一次品牌VI，颜色和字体都变了。如果AI的设计规范不更新，生成的原型就会跟新VI不一致。建议把设计系统的变更同步给服务商，重新导入AI。
导出格式兼容性要实测 不同版本的Axure/Figma对文件格式的兼容性不一样。我们测试过，AI导出的Axure文件在某些旧版本Axure里打开会有样式丢失。建议在选型阶段就实测导出文件在你们所用工具版本下的兼容性。
总结
AI生成原型的核心价值，我认为经历了三个阶段：
- 1.0阶段：能生成页面（省了画图的时间）
- 2.0阶段：能生成逻辑（省了画流程图的时间）
- 3.0阶段：能校验逻辑（省了改bug的时间）
我们目前用的这套系统，在掌上云集的支持下，已经达到了“生成+校验+导出”的一体化水平。最让我满意的是交互校验功能——它帮我们发现了很多人工很难察觉的逻辑漏洞，相当于给原型上了一道“质检”工序。
对于正在考虑上AI原型系统的团队，我的建议是：别只看生成速度，更要看校验能力。能把逻辑问题前置发现、在原型阶段解决掉，才是真正的效率提升。
常见问题
问：AI生成原型的交互逻辑准确率能达到多少？ 答：以我们的使用经验，常规场景（如电商购物流、后台增删改查）的交互逻辑生成准确率约在85-90%；复杂场景（如多角色审批流、条件分支嵌套）准确率在70-80%。建议把AI生成的逻辑作为初稿，人工复核后再使用。
问：AI校验出的问题，人工修改后需要重新校验吗？ 答：需要。我们一般在修改后重新运行一次校验，确保修改没有引入新的问题。这个流程很快，几十个页面的校验通常几分钟就能完成。
问：系统能导出哪些格式？兼容性如何？ 答：主流格式都支持（Axure RP、墨刀、Figma、Sketch、PDF、HTML）。兼容性方面，Axure支持导出到rp9格式，Figma支持导出为fig格式，基本满足大部分团队的需求。建议选型时用自己常用的工具做实测。
问：设计规范（Design System）怎么导入AI？ 答：一般需要把设计规范的JSON或YAML文件提供给服务商，他们会在模型训练阶段把规范注入到模型里。也可以上传设计规范文档（PDF/网页），由AI自动解析提取规范信息。
问：系统能否识别并生成我们公司特有的业务组件？ 答：可以，但需要把这些业务组件作为训练数据的一部分提供给AI。比如我们公司有一套“数据表格”组件（包含特定的筛选、排序、导出功能），我们把该组件的设计稿和交互说明作为训练数据，AI后续就能识别并正确生成这个组件。