摘 要
作为智能原生操作系统 DingOS 的核心技术之一，Guineration 生成式 UI 体系深刻践行了 DingOS“服务定义软件”的核心理念。DingOS 以“一切皆服务、服务按需而取、按用付费”为设计宗旨，致力于通过智能原生能力与粒子服务架构，实现资源的高效复用与用户需求的精准匹配。Guineration 作为 DingOS 的生成式 UI 引擎，将这一理念具象化为动态界面生成技术，不仅降低了用户获取服务的门槛，更通过“顾问式交互”，让每位用户都能以零学习成本享受高度个性化的体验，充分体现了 DingOS“助天下人尽享智能物联服务”的愿景。
随着人工智能技术的快速发展，仅局限于对话式交互的AI已经不能满足用户对个性化、动态化图形界面（GUI）的需求。本文提出了一种基于内容驱动和生成式AI的界面生成框架——Guineration，通过引入八要素描述模型、声明式元件系统和动态匹配用户偏好的个性化生成框架，实现了用户界面（UI）的实时生成与自适应优化。该系统将UI拆解为可组合的最小单元“元件”，结合用户行为数据与上下文情境，通过生成式模型动态合成符合用户偏好的界面布局与视觉风格。实验表明，Guineration 在用户满意度、界面美观度及生成效率上均优于传统静态设计范式。本文的核心贡献在于提供了一套完整的 UI 生成技术体系，为人机交互领域的内容驱动界面设计提供了新的实践路径，为 Human-AI-Interaction 的新交互范式奠定了基础。
为了更直观地先行了解 Guineration，可以先通过一段视频了解该体系：
DingOS-AIGUI
引 言
传统 GUI 设计依赖预定义的组件和固定布局，难以适应多场景、多用户的个性化需求。尽管智能用户界面（IUI）研究已发展数十年，但现有方法仍面临两大挑战：动态生成能力不足（需人工定义交互逻辑）和个性化适配效率低下（缺乏细粒度样式控制）。
Guineration 通过以下创新点解决上述问题：
-
八要素描述模型：将 UI 抽象为形、度、色、构、质、字、动、音八个维度，实现界面特征的结构化表征；
-
声明式元件系统：语义化的设计令牌（Design Tokens）组成了包含多种形态、状态的元件，支持实时、按需的调整；
-
个性化生成框架：结合样式代理（Style Agent）与布局代理（Layout Agent），通过用户满意度反馈持续优化生成效果，沉淀面向不同用户画像个性化偏好的知识库与样式生成能力。
方 法
总体框架
Guineration 系统总体框架见图1，总的来说，就是设计阶段离线生成多样化的设计资产，运行阶段根据内容和用户画像实时生成界面，并通过持续的反馈优化模型。具体来说，系统包括以下部分：
-
设计资产准备：设计师先行创建声明式元件库、样式字典和底板 等多维度设计资产（支持多种交互事件和状态），并对其进行结构化管理。这些资产通过 Token Studio、主题编辑平台、底板编辑平台等工具产生，形成符合八要素规范的设计数据。
-
UI 编排：对于具体业务场景，开发者可以在 UI 编排平台上将上述设计资产组合为具体的界面（UI）结构，即底板。在服务端，界面布局和样式被描述为 JSON 数据结构，客户端按需拉取并渲染，实现“SDUI（服务驱动 UI）”的交互模式。
-
个性化建模与 A/B 测试：基于用户画像和实时内容输入，系统引入样式代理和布局代理两个生成式模块，分别负责生成界面的视觉样式（颜色、字体、尺寸等）和布局结构。为了不断优化个性化效果，设计师可以利用实验创建平台中的生成算法，创建大量不同界面版本的测试样本，推送给用户进行 A/B 测试，采集用户的满意度和行为反馈，并将其作为训练信号反馈给生成模型。
-
运行时反馈闭环：系统内置用户满意度预测算法，对用户交互事件和数据进行实时评估。用户对界面的点击、留存及反馈等信息用于评估当前 UI 的表现，并参与模型的在线微调。随着反馈数据的不断积累，系统能逐步修正生成策略，沉淀出后验的设计规则，来细粒度控制某类特定用户画像中的 UI 样式属性值，提高后续界面的用户满意度。
综上所述，Guineration 系统通过离线准备多样化的设计资产，在线利用生成式 AI 模型进行界面编排和样式选择，同时结合 A/B 测试和用户满意度闭环，不断迭代优化界面效果，实现端到端的内容驱动动态UI生成（见图1）。
图1：Guineration 系统总体框架
八要素描述模型
基于认知科学理论（图2），将 UI 分解为八个可量化维度：
-
形（形状形态）
-
度（尺度尺寸）
-
色（色彩空间）
-
构（布局结构）
-
质（材质效果）
-
字（文本排版）
-
动（交互动效）
-
音（音效）
图2：大脑视听皮层对多媒体信息的认知顺序
这八个维度结合在一起，希望呈现出具有“还原真实”特征的设计语言（图2），为用户营造自然交互体验。每个维度由多个子维度组成，每个子维度通过设计令牌（如{color.primary.brand3}）动态引用样式字典中的值，支持语义化配置与全局一致性管理。
图3：八要素模型的多层级结构
声明式元件系统
元件（Component）作为最小 UI 单元，遵循高内聚、低耦合原则，仅通过底板容器实现复杂布局。元件通过 JSON Schema 定义状态驱动的动态属性。以按钮元件为例：
={"color-bg-state-default": {"bg": { "value": "{color.basic.brand.5}" }},"color-bg-state-hover": {"bg": { "value": "{color.basic.brand.4}" }},"shape-borderradius-state-default": {"borderradius": { "value": "{dimension.borderradius.xxl}" }}}
每个元件的数据结构采用声明式 JSON Schema 定义，结构与八要素模型同构：即元件的各类属性（如形状、尺寸、颜色、材质、文本、动效、音效等）都通过八要素进行组织，并在界面中呈现。这样的数据结构保证了元件之间的一致性和可扩展性。为了便于设计与实现的衔接，Guineration 通过插件形式与 Figma 深度集成，设计师可在 Figma 中使用 Token Studio 结合 Guineration 的插件导出并创建元件。
导出的声明式元件中每个状态（如 hover、active）通过设计令牌动态引用样式字典，确保一致性以及动态可控性，具体以按钮为例（下图4），说明如何实现 design token 对元件不同形态状态的描述：
图4：按钮元件的形态、状态示例
动态匹配用户偏好的 A/B 测试实验
A/B 测试实验由开发者、设计师创建，A/B 测试平台会根据用户画像的类型来筛选试验，并自动推送不同样本，最终通过样本回收的数据。
通过用户特征的选择，创建用户画像，在运行时，会根据这些用户特征的筛选，确认实验是否生效。
图5：通过用户特征定义用户画像
一个实验中的样本，是由基于 seed 值的算法实现，调节八要素的 seed，就会生成细粒度控制底板样式的 token value，通过这种方式，可以为每个实验快速生成多个样本。
图6：通过seed调控生成样本
实 践
本章以一个具体示例，说明利用 Guineration，内容驱动的个性化动态界面生成的实践。
首先，如图7，我们针对一个待实验用户画像，创建了6个不同的测试样本。
图7：6个待测试样本
这6个样本分别通过不同的八要素子属性下的 token value 调控，呈现出了不同的 UI 视觉效果。发布实验一段时间后，A/B 测试实验平台会根据设定好的实验结束条件，自动停止实验，并自动分析用户使用数据，得出样本的用户满意度排名，如下图8。满意度最高的样本，会自动沉淀为后验设计规则，用于提升生成的UI界面的用户满意度。
图8：A/B测试平台根据回收数据测算的样本用户满意度
后验生效后，对于符合这个用户画像的用户，在后续的使用中，会得到细粒度控制后的 UI，如下图9所示，通过一致化的调控，实现了让整体用户界面更加符合用户偏好。
图9：基于后验规则，针对同一用户画像动态生成的不同页面
结 论
本文提出了一种动态个性化界面生成框架 Guineration，通过八要素描述模型、声明式元件系统与个性化生成闭环，支持实时布局与样式优化，显著提升用户满意度与界面美观度。实验结果表明，Guineration 在生成效率和个性化适配上均优于传统静态设计范式，验证了本文方法的有效性。未来可进一步引入多模态交互与长期在线学习，增强系统对复杂场景的泛化能力与智能化水平。
未来，Guineration 的持续演进将进一步赋能 DingOS 重塑人机交互新范式。基于生成式 UI 技术，DingOS 可深度融合“粒子服务开发范式”与“顾问式交互模式”，实现服务与界面的有机融合，真正践行“按需而取、按用付费”的服务理念。同时，Guineration 的多模态感知与长期在线学习能力，将推动 DingOS 向“智能原生操作系统”进化——界面不仅是服务的载体，更是主动理解用户意图的顾问，通过实时风格迁移、跨端一致性渲染、情感化交互设计，让设备成为用户在数字世界的延伸。基于新架构及服务交互范式的 DingOS 开发者平台及 Guineration 设计系统将于近期向广大合作伙伴及开发者开放，期待更多志同道合者加入鼎道生态，共同实现“助天下人尽享智能物联服务”的愿景。
