近期金融业务完成了反馈态和空状态改版，用 AI 工具串联完成了从 IP 人格化文案到品牌视觉落地的完整链路。过程中最深的体会是：AI 真正的价值不在于替代设计，而在于释放设计师对用户情绪管理的把控能力。 在借贷这类高敏感性场景中，一个加载动画的迟疑、一句提示文案的冰冷，都可能成为压垮用户信任的一根稻草。而这次我们用 AI 做到的，让每个“时刻”都成为与用户建立情感连接的契机。
金融产品的特殊性在于，用户在与钱相关的场景中始终处于高警觉状态。数据显示，在借贷类 App 中，空页面停留时长超过 3 秒的用户流失率会大幅增高。
所以，反馈状态和状态需要实现三重平衡：
- 信息明确性：避免使用模糊性，以及过于负面的词汇
- 品牌渗透性：通过 IP 形象降低功能界面的迷失感和冰冷感
- 情绪安抚性：用场景化比喻缓解焦虑（如“账单正在赶路中”替代“加载中”）
这要求设计师既要有用户心理洞察，又要具备跨工具协作能力——而这正是AI可以破局的关键点。
在金融高敏场景中，情感化文案都是建立用户好感和信任的重要触点。通过 AI 进行语义分析与情绪建模，能够精准输出符合品牌调性的拟人化表达——既保持严谨的业务表述，又融入有温度的共情语言，在用户决策的关键时刻持续传递品牌专业度与亲和力。所以需要构建符合品牌IP调性的语料库
Step 1 IP 人格化文案生成
通过约束性提示词工程，让 AI 输出符合金融场景特质的文案：
输入框架：
- 业务定位：金融借贷场景
- 受众特征：高敏感、高隐私人群
- IP 人格特征：亲和、可靠、热心
- 约束条件：禁用绝对化承诺 规避监管敏感词
输出案例：
- 原提示：审核中
- AI 输出：潮起潮落，我们一起等待曙光
这里以 deepseek 为例，收敛金融场景，如无数据、无结果、异常错误等空状态，成功、失败、审核中等反馈结果，筛选并沉淀符合业务场景和 IP 定位的情感化语料库。
Step 2 IP 视觉标准化生产
基于 DeepSeek 输出的文案及动作拆解作为参考，使用 WebUI、Comfy UI 等 AI 工具搭配已有的 IP lora 进行视觉生产。这里以 Comfy UI 为例，使用 F1 大模型，将 Prompt 以
触发词（IP）+情绪词+动作指令+业务元素+背景类型+镜头语言+增强与限制的结构进行输入
将输出的素材集，按照视觉规范标准化处理，结合 AI 输出的情感化文案，在不干扰用户主流程的前提下提供相应的情绪价值，做好用户的情绪管理，让用户感受到产品的温暖和人情味，提升用户对品牌的好感度
以上，通过两种 AI 工具的串联高效完成了空状态和反馈状态的改版，在用户触点上，成功给予鼓励，等待缓解焦虑，失败做到安抚，让每个“时刻”都成为与用户建立情感联结的契机。
当然 AI 并不能解决所有问题，尤其是在一些个性化场景，AI 作为提效手段还要在设计师的创意和把控下才能准确发挥。
金融业务和金钱息息相关，所以在一些运营、流程反馈场景中会高频的使用 IP➕“¥”符号的组合方式，虽然AI现在发展得非常聪明，但还是无法覆盖一些本土化标识，无法直接生成带有“¥”的元素
所以这里就需要设计师对于 AI 灵活的运用能力和训练能力，让 AI 真正成为“懂你”的设计助手
Step 1 金币 lora 炼制
“¥”符号即可直观表达金融行业，也是 IP 特征中的重要部分，所以要考虑用低成本的方式解决这个能够长期收益的问题
- 素材源准备：造型简易，可用 3d 软件或 2d 转 3d 完成
- 数据集处理：多角度数据集生产，Tag 分类与调整，训练集参数调整
- 模型测试：XYZ 模型测试，loss 值测试
Step 2 lora 混合工作流
使用 comfy 将 IP lora 与金币 lora 混合使用，大模型：F1，IP 主体权重：0.8，金币元素权重：0.6，采样器：Euler，迭代步数：25，CFG scale：3.5
以上经验可见，当 AI 接手重复性劳作后，设计师得以跳出执行层，更专注在用户体验的本质问题上，聚焦金融场景中的体验命题，并能发挥 AI 能力解决金融业务的冷硬体验感，构建品牌人格的情感化表达，从而提升用户好感度和品牌渗透能力。
同时，设计师的核心竞争力也正从「技法熟练度」转向「AI 工具链的创造性串联能力」。这要求我们既要有拆解用户体验问题的洞察力，也要具备将业务场景结合 AI 能力工程化思维。
最后，值得坚信的是：AI 终将淘汰的，从来不是设计师，而是停留在流水线作业模式的「设计思维」。而拥抱 AI 的意义，是释放出更多属于设计师的、不可替代的共情力与创造力。
欢迎关注「58UXD」的微信公众号：
