我用 AI 上线了一个排座位工具，这是我的思考

之前参加婚礼时，我注意到现场用来排座的是表格。

名字、桌号、人员关系都在里面，但很难一眼看出每个人到底坐在哪里。公司行政编排工位时也有类似的问题：遇到人员变动，需要快速替换座位；想知道哪里有空位，还得在表格里来回确认。

只要问题涉及空间关系，表格就开始变得别扭。

但另一面也很现实。如果只有十几个人，座位固定，只用一次，专门下载一个软件、创建项目、学习操作，可能还不如直接打开表格。

排座工具就卡在这样一个不上不下的位置：表格不够直观，专业软件又显得太重。

现在 AI 已经可以很快生成一个应用，我开始想，这类工具有没有可能做得足够轻，同时又比表格更适合处理空间关系？它到底值不值得成为一个可以长期使用的产品？

于是我做了 SeatMaply。

AI 可以快速做出功能，但不太会设计工具。我之前也用 AI 写过不少小工具，但大多只解决一个临时问题，工程量不大，也没有必要继续做完整。

这次有些不一样。排座工具涉及画布、空间关系、人员数据、元素层级和项目保存，用户还要频繁修改。它不是生成一个页面就结束了，而是要让人反复编辑，并且尽量不出错。

AI 写代码确实很快。只要描述清楚，它很快就能搭出画布、拖拽、旋转、人员录入这些基础功能。

问题是，功能能够运行，不等于工具能够使用。

如果只是让 AI 临时生成一个半成品，它通常会把需求逐条实现，却很少主动考虑：用户从哪里开始，下一步最可能做什么，哪些操作应该被合并，哪些信息不该同时出现，数据变化以后又该怎么回到正确状态。

它会完成一组功能，但不会自然形成一条顺畅的编辑路径。

SeatMaply 的“分三步快速编辑”，就是我重新梳理任务以后提出来的。AI 可以按照这套结构实现界面，却不会主动判断用户应该先处理什么、后处理什么，更不会自己把原本分散的操作压缩成三步。

这也是我在开发过程中越来越明确的一点：AI 能缩短实现时间，但产品的基本结构仍然需要人来定义。

画布能拖动，不代表画布已经设计好了

AI 一开始把拖入画布的所有元件放在同一个层级。

从代码角度看，这样最直接；从编辑角度看，却很难使用。桌椅、文字、人员卡片和大区域形状混在一起，元素互相遮挡，用户很难选中真正想修改的对象。

我后来要求它引入“层”的概念：不同层管理不同类型的元件，大区域形状放在底层，人员和座位保持在更容易选中的位置。

这里真正需要解决的并不是增加一个图层面板，而是先判断画布里有哪些对象、它们之间是什么关系，以及用户在不同阶段最可能编辑什么。

旋转功能也遇到了类似的问题。AI 最初没有把旋转数据限制在 0 到 359 度之间，数值会持续增加，无法合理判断；元素的旋转中心也没有处理好，转动以后位置会发生偏移。表面上看，旋转功能已经存在，实际操作时却始终有一种不受控制的感觉。

画布吸附的问题更隐蔽。

AI 曾经直接把吸附后的坐标重新对齐，并把它当成最终结果。但吸附的作用应该是辅助拖动，让元素更容易靠齐；它不应该在保存时再次替用户改写位置。经过多轮调整，我才把规则确定下来：吸附只参与拖动过程，最终数据仍然以用户确认的位置为准。

这些都不是什么可以写在产品首页的大功能，却直接决定了工具用起来是否可信。

用户未必能说出旋转中心、坐标归一化或者吸附逻辑出了什么问题。他只会觉得这个东西“不太好用”，然后回到原来的表格。

好用的交互，通常来自对工具习惯的继承

SeatMaply 里还有一些围绕人员卡片设计的操作：复制人员、交换座位，以及在备选列表和画布之间拖入、拖出。

AI 不会主动提出这样一整套交互。

即使让它分析需求，它更容易给出“新增”“编辑”“删除”“批量导入”这类标准功能。它能列出一个人员管理系统应该有什么，却不一定能想到排座过程中真正高频的动作是什么。

现实中的排座很少是把名单一次录入就结束。

人会临时增加或缺席，座位会反复调整，两个位置需要快速交换，暂时没有确定座位的人要先放在一边。只有把这些变化放进连续的操作过程里，才会意识到“交换”比“分别编辑两个人”更直接，“拖回备选列表”比“删除后重新添加”更符合人的理解。

能把需求写得足够详细，本身就需要产品判断。

另一方面，关于座位跟桌子绑定的这一整套取舍，也需要人的思考。如果旋转一个长桌子，它的座位一样会跟着旋转。如果座位的朝向会根据旋转自己改变，就没法正常识别座位的文字；如果座位始终自动纠正自己的朝向，对于一些需要灵活排布的场地也失去了意义。所以最好的办法是直接摊开让用户自己选择。我把横着的长桌跟竖着的长桌直接做成两个不同的组件，这样让初始生成的座位都有比较好的角度。

还有个印象比较深的功能，就是不规则房间的构建。如果按照设计工具的习惯，可能会提供钢笔或者布尔工具让用户去描绘这样的场地，但是这会增加普通用户的认知负担，所以我直接简化成了一个非常简约的合并和拆分功能，普通用户也能快速上手。

一个人如果没有用过足够多的工具，也没有长期观察过交互方式，很难凭空想象这些操作。AI 使用的依然是人提供的需求和已有模式。

所以，用 AI 做产品，当实现成本下降以后，决定做什么、怎么组织、哪里需要克制，反而更需要设计经验的判断。

工具设计的很多工作，是重新安排功能的轻重

做 SeatMaply 的过程中，我前后改了数十处大小体验问题。

有些修改是在增加能力，更多时候是在删减、合并和调整优先级。

AI 一开始设置了多种带有功能名称的房间组件。但继续往下看会发现，它们在数据结构和操作方式上没有本质区别，本质上都是一个空间区域。继续保留这些类型，只会增加选择和理解成本，所以最后被我合并了。

我弱化了组件锁定功能的位置。它在复杂画布里有用，却不是用户进入工具以后最先需要看到的操作。

云端项目保存功能最初也有一条明显的交互死路。发生版本冲突时，系统只提示存在冲突，却没有告诉用户接下来能做什么。后来我重新定义了保存规则：名称不变时覆盖现有项目，修改名称时创建一个新项目。这样，用户既可以继续原来的项目，也有明确的“另存”路径。

这类决策很难用“有没有这个功能”来衡量。

一个工具可以什么都有，依然很难用。因为真正影响体验的，往往是哪些功能被放在前面，哪些功能被藏在后面；哪个动作可以直接完成，哪个动作会把用户带进死路。

AI 倾向于把可能性不断加上去。人更应该做的，是沿着真实任务一路检查，把不必要的分支砍掉，把中断的路径接起来。

SeatMaply 不需要替代表格

做独立产品时，很容易因为投入了很多精力，就想证明它适合更多场景。

但 SeatMaply 的边界其实很明确。

如果只有十几个人，座位固定，只使用一次，表格可能更快。如果不关心具体空间，只需要把人员分成几组，表格也更合适。

SeatMaply 的价值，要到这些情况里才会逐渐明显：座位需要在未来反复调整；需要直观看到空位和人员分布；需要处理几十人甚至上百人；或者最终结果需要交付给其他人查看，让对方不用对着表格重新理解空间关系。

这也意味着，它天然不是高频工具。

用户可能只在婚礼、会议、办公室调整等特定阶段使用，用完就走。既然如此，产品就不应该强迫用户学习一套复杂系统。进入以后能不能快速开始，修改时会不会卡住，结果能不能直接交付，比堆积大量功能更重要。

我不认为每一个临时需求都值得做成独立产品。AI 降低了开发成本，却没有取消产品是否成立这个问题。

执行变便宜以后，更应该认真判断：这个工具解决的问题是否持续存在？它比已有方案多解决了什么？这部分价值是否足以抵消学习和迁移成本？

人人都能写代码以后，独立产品还有没有意义

我之前搬家清理了很多书，却一直留着一本腾讯的《在你身边，为你设计》。

书里讲的是用户体验时代下相对完整的设计过程：先明确问题和目标，再把目标转成设计策略，通过执行与测试不断修正，最后形成可以协作和复用的规范。

到了 AI 时代，其中很多执行过程正在被压缩。以前做不到的功能，现在可能很快就能做出来；以前需要多人协作的原型，一个人也可以完成。

但这套过程里最难的部分没有消失。

问题仍然需要被定义，目标仍然需要被取舍，方案仍然要放进真实使用路径里测试。AI 能帮人更快地抵达一个结果，却不会自动判断这个结果是不是值得抵达。

这也是为什么我还想尝试做独立应用的原因吧。

就像人人都有相机以后，照片依然有好坏；人人都有画笔，画出来的东西也依然有天差地别。工具普及改变的是门槛，不会自动抹平判断、经验和投入的差异。

SeatMaply 当然不是一个高频、适合所有人的产品。它有没有足够大的需求，能不能长期成立，我现在也不能下结论。

但做完这套工具以后，我越来越确定：AI 能降低执行成本，却无法替人完成方向选择和体验筛选。

当代码越来越容易生成，产品之间真正拉开差距的，可能正是那些无法通过一句提示词直接生成的决定。

欢迎体验：seatmaply.com

你用 AI 打造过什么工具吗？欢迎评论交流。