如果观察近年来各大高校的手绘考试会发现， 题目的考察范围正在不断扩大：除了产品和界面本身，也越来越关注技术趋势、社会议题、未来场景与用户需求，要求考生能够从 问题出发，结合具体情境进行分析，并进一步推导出完整的设计方案。
比如清华美院信息艺术设计系交叉学科917信息设计，2026年考题以“未来家庭场景”为主题，要求设计一个能够与家庭成员交互、并拥有智能助手的产品，至少完成四个主界面；同济设计创意学院交互设计方向手绘真题，将“智能化技术+可持续理念”与老龄化社会需求结合起来，要求考生从需求分析、解决方案一直推导到使用方式、创新点与意义。
从这些题目可以看到，现在的手绘快题虽然依然需要画界面，但考察的已经不只是界面怎么画，而是你能不能把技术、用户、场景和设计方案联系起来。
为什么只会画 App
已经不够了？
过去很多数字产品的交互逻辑其实比较明确：人打开屏幕，通过界面操作产品，产品再给出反馈。所以我们学习手绘设计时，会大量训练App、网页、界面、信息架构等。但现在AI等新技术的发展，正在让这种交互关系出现新的可能。
比如以前打车，我们需要打开App、输入目的地、选择车型、确认订单，一步一步告诉系统“我要做什么”。但如果未来的AI能够理解自然语言、上下文和用户意图，交互就可能变成一句话：“我五点开完会，要去机场。”这时候，设计师需要考虑的问题就不只是“按钮应该放在哪里？”，而是： AI可以替用户完成多少事情？什么时候应该主动提供帮助？什么时候必须询问用户？用户怎么知道AI正在做什么？如果很多任务不再依赖传统App页面，用户又应该通过什么方式理解和控制系统？
所以，真正发生变化的并不是“App以后不用设计了”，而是App不再是唯一需要被设计的交互载体，人与技术之间的交互关系正在变得更加复杂。这也是为什么现在准备交互设计手绘，不能只停留在“把一个App画得漂亮”这一步，而需要进一步理解： 技术发生变化之后，人的行为会怎么变？产品会怎么变？交互方式又会怎么变？
这也是近年一些院校手绘题开始关注的能力—— 不是让你把某个技术名词画出来，而是看你能不能理解技术带来的变化，并把这种变化转译成一个真正成立的设计方案。
手绘快题考查的是
这4种能力
如果说手绘基本功解决的是“ 能不能把方案画出来”，那么真正让两个方案拉开差距的，往往是 你能不能把想到的东西变成一个合理的设计方案。尤其是遇到AI、VR、智能汽车、智能硬件等题目时，大家最后画出来的东西可能都很“未来”，但为什么有的人方案看起来特别成立，有的人却只是把各种科技名词堆在一起？核心其实可以归结为下面四种能力。
01｜技术理解力
第一种能力，是 技术理解力。现在设计师不需要成为程序员，但至少要知道一些和设计关系比较密切的新技术到底能做什么、适合解决什么问题。
比如生成式AI可以生成内容，AI Agent可以根据目标调用工具、执行一系列任务，计算机视觉可以识别图像和人的行为，多模态AI可以同时处理文字、图像、声音等不同类型的信息，AR/MR可以把数字信息与现实空间结合，传感器则可以持续获取环境或人体状态。
这些东西不需要你去背复杂的技术原理，但你要知道一个最基本的问题： “它到底能给我的设计带来什么？”
学VR，不要只记住“VR可以带来沉浸式体验”，而是继续往下想：它为什么需要沉浸？用户在VR里具体做什么？它和手机屏幕相比解决了什么问题？什么场景下VR反而没有必要？这样技术才不会变成方案里的一个装饰名词。
所以平时可以给自己建立一张简单的 技术图谱，把技术按照“它是什么—能做什么—适合什么场景—可以产生什么交互”整理起来。
朝菌学园 | 交互知识点总结
朝菌学园 | 交互技术相关课程内容
02｜交互范式理解
第二种能力，是 对交互范式的理解。这个词听起来有点专业，但其实很好理解： 交互范式就是人与产品、系统发生交互的一种基本方式。
我们最熟悉的方式就是通过鼠标、键盘、触摸屏去操作电脑和手机；后来有了语音助手，我们可以直接说话；现在又出现了手势、空间交互、多模态交互以及人与AI协作等方式。
所以看到一个技术的时候，不要只问“它能实现什么功能”，还要问： 它会不会改变用户原来的操作方式？
比如过去智能家居需要用户打开App，一个个点击灯光、空调和窗帘；如果加入能够理解用户意图的AI，交互就可能从“用户操作设备”变成“用户表达需求，系统理解之后完成多个设备之间的协同”。这就是交互方式发生了变化。
华为鸿蒙智家智能中控屏MINI语音交互
因此，交互范式的学习不是让你记一堆概念，而是让你看到一个新技术时，能够判断： 它改变了谁和谁之间的关系？用户以前怎么做，现在可以怎么做？新的交互方式解决了什么问题？又带来了什么新的问题？
03｜用户使用场景构建
第三种能力，是 未来场景的构建能力。这也是很多同学做未来设计时最容易出现问题的地方：知道AI、知道VR、知道自动驾驶，于是把这些技术全部放进方案里，看起来很科技，但仔细一看，用户的行为和生活方式其实完全没有变化。
真正的未来场景不是“今天的产品+一个新技术”，而是要继续往下推演： 如果这个技术真的进入生活，人会发生什么变化？
如果考试题目让你设计智能座舱，老师真正想看的并不是你能不能画一个充满大屏幕的未来汽车，而是你有没有想过：自动驾驶之后，驾驶者还需要一直盯着道路吗？如果驾驶者不再承担主要驾驶任务，车内空间会不会发生变化？乘客之间的关系会不会变化？人的注意力又会转移到哪里？
图片来源：小鹏汽车
当人的行为发生变化之后，新的设计问题也会出现。 安全怎么保证、AI什么时候打扰用户、不同乘客的需求发生冲突怎么办、隐私信息怎么保护、用户如何知道系统正在做什么。最后，你再从这些问题出发，形成自己的产品、界面和交互方案。
所以做未来设计的时候，可以记住一个简单的逻辑：技术变化 → 人的行为变化 → 场景变化 → 新的问题 → 设计方案。这样做出来的方案，才不是简单“照搬技术”，而是真正从技术变化推导出了设计变化。
04｜对趋势的洞察力
最后一种能力，可以通过平时对 设计和技术趋势的积累。这一点很多同学容易理解成“每天刷几个AI新闻”，但真正有用的趋势积累，并不是记住今天什么技术最热门，而是理解 技术为什么出现、正在解决什么问题，以及它可能给设计带来什么变化。
当我们看到“具身智能”，不要只记住这个词很火，而是进一步了解它和传统机器人的区别、目前能够应用在哪些场景，以及如果它进入家庭、养老、教育或者公共空间，会带来什么新的交互方式。看到“多模态AI”，也不要停留在“可以处理文字、图片、声音”，而要继续想：当系统可以同时理解这些信息之后，人和它交流的方式会不会发生变化？
那么这些趋势到底应该怎么积累？
第一步是找对信息来源。可以定期关注科技报告、行业趋势报告、设计机构发布的研究，以及ACM CHI、HCI International等设计与人机交互领域的会议和论文；同时也可以关注科技媒体和优秀设计案例，了解一个技术从“技术热点”走向“真实应用”之后，到底发生了什么。
《装饰》&CHI等论文合集
第二步是不要只收藏，而是建立自己的技术趋势图谱。每看到一个新技术，可以简单记录几个问题：它是什么？为什么会出现？现在发展到什么程度？已经应用在哪里？它可能改变什么？
HCII热点技术与应用领域知识图谱
第三步是把趋势和设计案例对应起来。比如看到AI Agent，就去找它已经出现在哪些产品和场景中，再分析它改变了用户什么行为、带来了什么新的交互方式，以及还有哪些问题没有被解决。这样积累一段时间，你手里的就不再是一堆零散的“热门词汇”，而是一套可以随时调用的技术和设计知识。
这样到了考场，遇到一个陌生题目时，你就不会只能等着题目给你一个具体产品，而是可以从自己已经积累的 技术、趋势和案例 中快速找到方向。
归根结底，交互快题真正拉开差距的，并不是谁会更多的“科技元素”，而是谁能理解技术，理解人的变化，再把这种变化转化成一个逻辑自洽的设计方案。手绘只是最后把这个方案表达出来的工具，而前面的思考，才决定了你最后能画出什么。
拿个案例实操一下…
前面讲了这么多，可能还是有同学会问：这些技术、趋势和交互范式，到底应该怎么学？其实最有效的方法之一，就是通过学习真实案例，但不要只看它最后长什么样，而是把它的设计过程拆开来看。
我们可以以Sony的aibo陪伴型机器人为例。Sony在自己的设计案例中明确提到，aibo 的设计主题是“a sense of life”——生命感，他们希望探索“与人一起生活的机器人应该是什么样的”，而不是单纯追求机器人能够完成多少任务。Sony 后来也明确表示，aibo 更强调人与机器人之间长期形成的情感关系，而不仅仅是功能本身。
案例百科班课程节选
这时候，我们就可以按照前面讲的逻辑去拆这个案例。
第一步，先看它哪里新。aibo 真正有意思的地方，并不是它长得像一只狗，也不只是“用了AI”，而是它把机器人从一个“等待用户下指令的工具”，变成了一个可以长期与人相处的陪伴对象。Sony 官方介绍中提到，aibo能够识别和熟悉不同的人，会根据过去的互动逐渐改变行为，而且它并不只是等待主人召唤，也会主动寻找主人。
aibo
第二步，再看它改变了什么交互逻辑。传统产品通常是“用户操作—产品响应”，但 aibo的交互更加接近一种持续发生的关系：用户和它互动，它记住这些经历，之后再根据这些经历调整自己的行为。aibo会根据与主人的互动逐渐发展出不同的行为和个性；它还可以通过眼睛、耳朵、尾巴、声音以及身体动作表达状态。
这样一来，我们就能从一个具体产品里学到几个非常重要的设计思路：AI可以记住用户。产品可以根据过去的互动发生变化，也可以从“被动响应”变成“主动回应”，而复杂的智能能力最终还需要通过用户能够感知的方式表达出来。比如aibo的眼睛会眨动、瞳孔会变化，身体会通过歪头、摇尾巴等动作表达状态；这些并不是单纯为了“可爱”，而是在把机器内部的状态转化成用户能够理解的外在表达。
aibo
第三步，就是把案例放回真实场景里。假设现在考试让你设计一个智能宠物，你就可以继续往下推：如果它能够认识用户，那么它可以根据不同家庭成员采取不同的互动方式；如果它能够记住长期互动，那么它的行为就不应该每天完全一样；如果它能够主动回应，那么什么时候主动、什么时候不打扰，就变成了新的设计问题；如果它能够表达自己的状态，那么除了屏幕，还可以考虑声音、灯光、动作、姿态等不同的表达方式。
这时候你会发现，一个案例真正能够教给你的，不是“aibo应该怎么画”，而是一套从技术到方案的思考过程。你可以把它简单总结成：案例 → 原理 → 场景 → 方案。
先看这个产品是一个具有什么功能的产品，再理解它背后的技术和交互逻辑，然后思考这个逻辑还能解决什么问题，最后放到自己的题目里重新设计。
比如现在你研究的是智能宠物，学到的是“记忆用户、主动回应、通过多种方式表达状态”；到了考场，如果题目变成智能座舱，你就不能把aibo原封不动搬过去，而是可以重新思考：未来的车能不能不是“我操作的一套系统”，而是一个长期理解我的智能驾驶伙伴？
比如智能宠物有一个很重要的特点：它会记住你。那么放进车里：座舱记得用户的驾驶习惯、音乐偏好、路线、容易疲劳的时间、喜欢什么样的信息量，本质上可以回答同一个问题。
所以，学案例不是为了记住一个产品，更不是为了考试的时候照着抄。真正值得积累的是案例背后的设计思路。最终你要建立的，其实就是一条可以让设计方案迁移的自考路径。案例看得越多，你能调用的设计逻辑就越多；而当这些逻辑真正变成自己的知识之后，面对一个陌生的手绘题目，你才不会只能从“我要画什么界面”开始，而是能够从技术、用户和场景 出发，快速找到属于自己的方案。
案例百科班一二期专题合集 | 扫描下方二维码添加教务老师二维码了解课程详情
_ʕ •ᴥ•ʔJOIN CLUB_