一句话： 好设计会让自己消失；坏设计会一直跳出来，让用户问“为什么？”
0. 五秒结论
竞技卡牌游戏里，升到较高段位后在工作日白天排队，多次找不到对手。玩家少不是UI能解决的，但如果每次失败都要人手动点重试，问题就变了：明明是PvP，第一场却是玩家打UI。
原则是：别让我在对战之外还要战斗。 人脑一直带着“正常下一步应该怎样”“既然目标是这个，结构应该怎样”的预测。现实偏离时，就会出现“嗯？”“为什么？”“哪里怪怪的”。
本文把这种模式暂称为结构性不一致检测。它不是正式心理学术语，而是把prediction error、expectancy disconfirmation、processing fluency、Person–Environment Fit、Expectancy Violations Theory和专家直觉放进一个实用框架。
违和感是警报，不是对原因的判决。
1. 起点：第一只Boss叫“重试”
段位上升 → 人少 → 匹配失败 → 重试 → 又失败 → 再重试。UI不能造玩家，但可以持续搜索、自动重试或让人等待时做别的事。
抱怨于是从“没人”变成“为什么我是搜索操作员？” 卡牌游戏应该让人思考卡牌、节奏、风险与胜负，而不是增加“手动重启匹配专员”的兼职。
别把人类做成cron。 我打开的是游戏，不是UI运维招聘。
2. 原则：删除目标外PvE
不要把与用户目标无关的摩擦变成用户的工作。购物却和注册打架，订位却和空位界面打架，工作却先找审批人，自动化之后还让人每天盯着“今天自动了吗”，谈话却总要逆向工程隐藏规则——全是目标外PvE。
没人想获得“击败结账表单”成就。好服务不会给用户制造额外敌人。
3. 完成度高时，常常“什么都没感觉”
自动门正常开，付款正常完成，搜索正常找到，下一步自然，谁有决策权清楚，交流不用不停解码。然后结束。评价可能只有：“没什么特别。”
但这可能是高分。Processing fluency研究关注信息处理是否轻松，以及它和喜欢、信心、熟悉感等判断的关系。服务研究也说明期待与实际体验的关系会影响满意度。
成熟系统会透明。未成熟系统会不断自我介绍：“点这里”“先返回”“问另一个部门”。坏设计的自我介绍特别吵，好设计会降低存在感。
4. 研究语言里的“哪里不对劲”
Prediction error： 一项整合264个神经影像研究的元分析考察了奖赏、惩罚、行动、认知、知觉和社会推理等领域的预测误差。日常语言就是“啊？下一步居然是这个？”
Expectancy disconfirmation： 2024年元分析整合150条记录、168个独立研究、58,597名参与者。满意度不只看性能，“跟我想的不一样”也重要。
Processing fluency： 好读、好找、好懂、容易预测。别把客户的大脑当免费的辅助CPU。
Person–Environment Fit： 环境再好，也可能不适合某个人。贵鞋尺码错了照样磨脚。
Expectancy Violations Theory： 行为偏离由人物、关系和情境形成的期待时会吸引注意；也可能出现“比预想更友善”这种正向违背。
5. 五种结构性不一致
- 目标—手段： 想更快，却加三层审批。
- 责任—权限： “自己判断”之后又问“谁让你自己决定？”——把雷区包装成成长课程。
- 言语—行为： “欢迎挑战”，失败一次却被长期追责。海报和现场像两家公司。
- 评价—成果： 想要生产率，却奖励待得久；想要质量，却惩罚缺陷报告。人会优化得分方法。
- 人—系统： 重复点击、重复录入、每天手动启动、持续确认“没异常”。别把人类做成cron。
6. 违和感传感器怎么工作
理解目标 → 预测合理结构 → 看现实 → 找差异 → 问为什么 → 查原因、标准、责任 → 必要时重设计。
常发现问题不一定只是爱抱怨，也可能是习惯快速对照目的与实现。副作用是，一旦发现“这一步根本不需要”，以后每次都会看见。鞋里的一粒石子会成为整场散步的主角。世界永久进入UI Debug Mode。
7. 服务：别把UI做成Boss战
重复输入、不必要确认、可预测失败后的手动恢复、返回就丢数据、不清楚的主操作、只报代码不报原因、系统已经知道却再次询问——这些都是目标外战斗。
每个摩擦很小，但重复的小摩擦会占领体验。成熟服务不仅问“加什么”，还问“什么可以让用户以后再也不用注意？”
8. 环境：别用人的意志力给制度Bug打补丁
决策人不清楚就问老员工，完成标准不清楚就看空气，数据找不到就找“那个知道的人”，系统不互通就Excel粘起来，排程坏了就让人每天盯。
工作最后完成，不代表系统健康。可能只是人类在实时手动修正一个有缺陷的系统。 员工越能干，坏流程甚至可能活得越久。最强现场能力成了最差设计的生命维持系统。
9. 人：违和感不是读心术
反复出现言行矛盾、规则随场景改变、责任总往同一方向移动，值得观察。但“观察到不一致”与“对方一定有恶意”不是一回事。
分开事实、原预测、差异、替代解释和下一步验证。违和感是烟雾报警器，不是纵火犯照片。
10. 专家直觉什么时候可靠
Kahneman与Klein在2009年讨论了专家直觉可靠的条件，尤其重要的是环境存在可学习的规律以及有足够练习和有意义反馈。规则不停变化、结果很难验证、随机性极高时，经验长不保证直觉准。
也记录猜错的时候。别给自己的记忆评论区只显示五星。
11. 把违和感变成改进
写目标 → 写现状 → 找目标外战斗 → 问为什么要人做 → 检查技术、安全、成本、政策、历史原因 → 删除、自动化、合并、可视化 → 看改完以后“为什么？”有没有减少。
12. Why Count（“为什么？”次数）
数一次流程里出现多少次“为什么要点？”“为什么又输入？”“为什么问那个人？”“为什么我要手动确认？”“为什么有这个规则？”
0次：透明。1–2次：顺畅。3–5次：系统开始抢戏。6次以上：用户体验的是运维，不是产品。 这不是经过验证的学术量表，但作为改进入口很好用。
13. “普通”其实是奢侈品
门本来就该开，电本来就该有，搜索本来就该找到，支付本来就该完成，工作中本来就该知道谁决定，关系中本来就不该每次重建规则。
于是优秀系统得到的评价可能只是“挺普通”。可这个“普通”背后可能有大量异常处理、测试、文档和流程改进。最好的设计，会隐藏它有多难做。 餐厅不会宣布“好消息，今天厨房也没着火”，它只会上菜。
14. 结论：好设计会消失
违和感不是世界错了的证明，也不是自己正确的证明。首先只是内部模型和观察到的现实不一致的通知。
发现差异 → 分开事实与解释 → 分类不一致 → 验证原因 → 删除不必要摩擦 → 最终没人再问为什么。
别让我在对战之外战斗。别让我在工作之外工作。别让我为了正常生活还要做运维。尤其别把用户变成你系统的免费Debug工程师。
