用途
UX Researcher & Designer 是一个面向高级 UX 设计师/研究员的用户体验研究与设计工具包，用于从研究数据中生成用户画像、创建用户旅程地图、规划可用性测试，并将研究结果综合为可执行的设计建议。
主要能力
该技能覆盖四个工作流：
-
生成用户画像：基于用户数据（分析、问卷、访谈）创建有研究依据的画像。需要准备 JSON 格式的用户数据，包含 user_id、age、usage_frequency、features_used、primary_device、usage_context、tech_proficiency、pain_points 等字段。运行
python scripts/persona_generator.py输出人类可读结果，或python scripts/persona_generator.py json输出 JSON 格式。生成的画像组件包括：archetype（原型）、demographics（人口统计）、psychographics（心理特征）、behaviors（行为）、needs_and_goals（需求与目标）、frustrations（痛点）、scenarios（场景）、design_implications（设计启示）、data_points（样本量与置信度）。内置原型包括 power_user、casual_user、business_user、mobile_first。 -
创建旅程地图：为特定目标可视化端到端用户体验。需定义范围（画像、目标、起点、终点、时间范围），从用户访谈、会话记录、分析数据、支持工单等来源收集数据，按阶段填充动作、触点、情绪、痛点和机会，并用优先级分数 = 频率 × 严重度 × 可解决性 来排序机会。典型 B2B SaaS 阶段为：认知 → 评估 → 入门 → 采用 → 倡导。
-
规划可用性测试：将模糊目标转化为可测试问题，选择方法（远程有主持 5-8 人 45-60 分钟；远程无主持 10-20 人 15-20 分钟；游击测试 3-5 人 5-10 分钟），设计任务（场景、目标、成功标准），定义成功指标（完成率 >80%、任务时间 <2 倍预期、错误率 <15%、满意度 >4/5），并准备主持人指南。
-
综合研究：对原始研究数据编码（[GOAL]、[PAIN]、[BEHAVIOR]、[CONTEXT]、[QUOTE]），聚类相似模式，计算细分规模，提取关键发现（发现陈述、支持证据、频率、业务影响、建议），并按频率、严重度、广度、可解决性优先排序机会。
使用方式
通过触发词调用，例如“create user persona”“generate persona from data”“build customer journey map”“map user journey”“plan usability test”“design usability study”“analyze user research”“synthesize interview findings”“identify user pain points”“define user archetypes”“calculate research sample size”“create empathy map”“identify user needs”。
画像生成脚本用法：
python scripts/persona_generator.py
python scripts/persona_generator.py json
适用场景
- 需要从分析、问卷、访谈数据生成有依据的用户画像
- 需要为特定目标绘制端到端用户旅程地图
- 需要规划并执行可用性测试以验证设计
- 需要将访谈、观察等原始数据综合为可执行的设计建议
- 需要选择合适的研究方法、确定样本量、评估可用性问题严重程度
限制
资料未提供该技能的具体安装方式、收费模式、价格、平台支持范围或实际效果数据。画像生成脚本依赖 JSON 格式的输入数据，且画像质量建议基于 20+ 用户、至少 2 个数据来源。样本量 5-10 为低置信度（探索性），11-30 为中等（方向性），31+ 为高（生产级）。