很多开发者可能平时并不关心自己维护的页面是否存在内存泄漏,原因可能是刚开始简单的页面内存泄漏的速度很缓慢,在造成严重卡顿之前可能就被用户刷新了,问题也就被隐藏了,但是随着页面越来越复杂,尤其当你的页面是 SAP 方式交互时,内存泄漏的隐患便越来越严重,直到突然有一天用户反馈说:“操作一会儿页面就卡住不动了,也不知道为什么,以前不这样的呀”。
2025年04月27日
很多开发者可能平时并不关心自己维护的页面是否存在内存泄漏,原因可能是刚开始简单的页面内存泄漏的速度很缓慢,在造成严重卡顿之前可能就被用户刷新了,问题也就被隐藏了,但是随着页面越来越复杂,尤其当你的页面是 SAP 方式交互时,内存泄漏的隐患便越来越严重,直到突然有一天用户反馈说:“操作一会儿页面就卡住不动了,也不知道为什么,以前不这样的呀”。
2025年04月27日
讲信息引导方式的有很多,而本文主要从“是否会打扰用户”的维度,分两个类型举例分析了其中的设计以及原理。
上一篇讲了信息引导的策略层:可切入的场景和机制《系统性地教你:如何设计产品的信息引导?》。这篇就总结一下表现层的内容:有哪些引导形式?适用什么场景下?如何优化这些引导?
让各位在界面输出时,能更清晰地理解信息的引导。按照‘是否会干扰用户’的维度,我将信息引导分为两类:干扰型和不干扰型。下面我们直接进入主题:
2025年04月27日
今天我想简单讲一讲Android里的Toast,因为我刚接触,Toast的使用情境我遇到的不是很多,下面只讲一些我遇到过的情况。
一、什么是Toast
Toast是Android提供的一种显示消息的机制,有点类似弹窗,会在屏幕上弹出一个小框,框里面可以放入想要显示的内容(文本,图片均可),这个消息框过一段时间就会消失。
如果你从没有用过Toast,这么描述可能过于抽象,但你在使用手机的过程中一定见过它,只不过你不知道它就叫做Toast。
二、基本用法
2025年04月27日
上文为大家介绍了平台规范中的弹框类型,那么我们又该如何判断在哪些场景中需要用弹框?需要的话又需要哪种类型的弹框?针对这些疑问,笔者将展开进一步分析。
上一期我们讲解了平台规范中模态、非模态框的类型以及它们的使用方法。可回顾:《掌握“弹窗”设计规范,打造优质用户体验》。
可知道了平台规范中的弹框类型之后,你小小的脑袋瓜里有了大大的问号:了解得越全面,反而无从抉择了…这下该怎么办?
2025年04月27日
编辑导读:PRD作为产品经理经常撰写的文档,是产品的基本功。本文通过产品概述、业务流程、全局说明、功能性需求、非功能性需求五个模块输出一份“logo生成”需求文档,希望对你有帮助。
本人也小白转产品,在一家创业公司就职。由于没有人带只能自己根据产品经理的相关书籍和网络文章自行摸索了两个月。第一个月其实是比较痛苦的,完全不知道该做什么,只能不停看书看教程。
2025年04月27日
来人人都是产品经理【起点学院】,BAT实战派产品总监手把手系统带你学产品、学运营。
自己挖的坑一定要让别人给填好!
移动端的登录沿袭了很多PC端的经验,但也有其独特的演变,我收集了一些资料,结合个人的经验总结了一些内容,希望都从事产品的人有帮助,也希望前辈们不吝赐教。
1.PC端:
1.1 PC具有公共属性,输入密码是私密性的,需要在登录注册时给予适当保护;
2025年04月27日
有关全局提示/toast这一组件的原型说明该怎么写?这篇文章里,作者做了说明与解读,不妨来看看吧,或许会对产品同学有所帮助。
开发吐槽原型说明不清晰,领导催促原型要快细节再说,真是夹缝中生存的产品。今天教大家一个方法,既快又全。文末提供模板,可直接用。
步骤一:约定规范
2025年04月27日
在产品设计的过程中,尼尔森可用性原则算是应用最广泛、也是产品要求掌握的模型之一。本文从可用性原则的10条要求出发,结合案例和分析,给大家详细解释了这个模型。
雅各布尼尔森于 1994 年 4 月 24 日发表了《十大可用性原则》,这些原则不仅适用于 Web 端,还适用于移动端,为产品设计与用户体验设计提供了重要参考标准。
2025年04月26日
以前和大家分享过很多个ai3d模型生成软件,很多人都对这些软件比较感兴趣,今天再和大家分享另一个刚出不久的3d生成软件q3d。这个软件可以通过输入文本描述词快速生成3d网格模型。我基于当前版本制作了一个一键启动整合包。
·首先将网盘内的软件压缩包下载到本地电脑上,然后将软件压缩包解压到当前文件夹,双击启动程序启动软件。软件主要有两个功能,一个是文本转三例,还有一个是obg文件的标记化处理。
2025年04月26日
多模态视频异常理解任务,又有新突破!
“异常理解”是指在视频监控、自动驾驶等场景中,利用模型发现视频中的异常内容,从而预判危险,以便及时做出决策。
来自华中科大等机构的研究人员,提出了新的视频异常理解模型Holmes-VAU,以及相关数据集。
与通用多模态大模型对比,Holmes-VAU在各种时序粒度的视频异常理解上都展现出显著优势。
为了实现开放世界的多模态视频异常理解(VAU),已有的VAU benchmark只有短视频的caption标注或长视频的instruction标注,忽略了视频异常事件的时序复杂性。