信息架构自动设计

核心原则

1. 信息找路而非路找信息：IA设计从用户的信息需求出发，而非从功能列表出发
2. 层级克制：3层以内，每类3-7项，符合米勒定律
3. 批量生成人类筛选：AI批量生成分类方案，人类做最终筛选和判定
4. 验证驱动：关键分类节点必须标注需用户验证

🤖→👤 AI建议 → 人类审批

交互模式

🤖→👤 AI建议人类审批

输入

执行步骤

Step 1: 内容清单生成

从PRD中提取所有功能点和内容项：

• 功能模块清单
• 内容类型列表
• 核心业务实体
• 用户可触达的信息节点

Step 2: 自动分类

基于语义相似度生成分类建议：

AI基于功能名称和描述的语义相似度进行分类建议：

1. 提取每个功能点的核心关键词
2. 按关键词语义相近度分组
3. 检查每组数量是否符合3-7项约束
4. 超出约束的组建议拆分或合并
5. 标注分类置信度，低置信度分组标注needs_human_validation

• 约束条件：
• 已有分类优先保留
• 每类包含3-7项
• 层级不超过3层

Step 3: 导航需求定义

根据内容特点和用户场景，定义导航需求（不定义具体导航模式，由 UI Skill 决定实现方式）：

Step 4: 卡片分类建议

AI基于分类结果生成卡片分类建议：

1. 将Step 2的分类结果转化为卡片分组
2. 识别跨组归属模糊的功能点（可能属于多个分组）
3. 对模糊归属点生成2-3个候选分组
4. 标注需用户验证的关键分类决策点
5. 输出分类建议而非测试结论

Step 5: IA方案生成

生成2-3个候选IA方案，每个包含：

• name: 方案名称
• structure: 层级结构定义
• navigation_pattern: 导航模式选择
• avg_clicks_to_core: 核心功能平均点击次数
• alignment_with_user_model: 与用户心智模型的对齐度
• needs_user_validation: 需用户验证的节点标记

输出

存储路径：output/pm-design/design-ia/

输出文件：ia_proposals.json

{
  "ia_proposals": [
    {
      "name": "方案A：功能导向型",
      "structure": {
        "root": {
          "label": "string - 根节点名称",
          "children": [
            {
              "label": "string - 一级分类名称",
              "children": [
                { "label": "string - 二级分类名称", "items": ["string - 功能/内容项"] }
              ]
            }
          ]
        }
      },
      "navigation_needs": "4个同级模块需快速切换，层级深度≤2",
      "routes": [
        { "path": "/dashboard", "page": "仪表盘", "depth": 1 },
        { "path": "/courses", "page": "课程列表", "depth": 1 },
        { "path": "/courses/:id", "page": "课程详情", "depth": 2 },
        { "path": "/courses/:id/lessons/:lid", "page": "课时学习", "depth": 3 }
      ],
      "avg_clicks_to_core": 2.3,
      "alignment_with_user_model": "high",
      "needs_user_validation": ["分类节点X", "分类节点Y"]
    }
  ]
}

输出校验规则：详见下方输出校验规则章节

决策规则

质量检查

降级策略

输出校验规则

上游变更响应

上游变更影响

下游通知机制

与prd.json数据契约对齐

数据获取说明

本Skill需要PRD、现有IA和用户研究数据，请通过以下方式之一提供：

1. 直接描述功能列表和用户需求
2. 上传PRD文档 / persona.json / voice-analysis.json文件
3. 提供数据文件路径

• AI不负责外部数据采集，仅负责分析