AI-Assisted Redesign · Figma Make
AI 驅動重構:權證小哥可轉債 PC 到 Web
將長期運作於 PC 端、以 Excel 式資訊結構為核心的可轉債主力分析系統,重新整理成可在瀏覽器操作、也更容易持續迭代的 Web Demo。這不只是一次視覺翻新,而是重新安排投資人閱讀資料、切換策略與查找標的的方式。
我先以手動設計建立資訊架構與畫面骨架,再透過 Figma Make 快速補足互動與介面細節。工程團隊同步拆解舊有程式邏輯,設計端則先用假資料驗證前端體驗;介面方向確認後,再銜接真實資料與既有功能。
View live demoWhy Redesign
從能用的舊工具,走向能持續演進的產品
舊版累積了大量成熟的可轉債分析邏輯,但承載它的介面仍接近 Excel 操作模式:篩選分散在下拉選單中、欄位密度高且優先順序不明,使用者需要在大量數字與多個區塊之間自行拼湊判斷。
同時,舊架構技術債高、Bug 修復成本高,也不利於因應新的商業需求。重構的目標不是改掉原本有效的分析能力,而是保留核心邏輯,將它轉化為工程更容易維護、使用者更容易理解的 Web 產品基礎。
降低技術債
從難以調整的舊式 PC 架構中拆出可維護、可持續擴充的前端介面。
重排閱讀優先順序
保留專業分析欄位,但讓策略切換、關鍵數據與查找入口更快被看見。
驗證 Web 體驗
先用可操作的 Demo 對齊方向,降低設計、工程與驗收之間的落差。
重構的核心,是保留使用者熟悉的分析邏輯,同時讓資訊、操作與後續迭代都有更清楚的容器。
Design Process
先整理舊邏輯,再讓 AI 加速實作與驗證
AI 能快速把方向變成可以操作的介面,但不能取代前期的判斷。因此流程先從理解舊系統與資訊優先序開始,再以手動設計定義結構,最後才讓 Figma Make 協助產出可測試的細節與互動。
-
01
盤點舊版功能與資料邏輯
拆解清單頁、個別標的頁、策略篩選、搜尋與分點資訊,確認哪些是核心決策資訊、哪些可改以次要層級呈現。
-
02
手動建立資訊架構與版面骨架
先定義導覽、策略頁籤、清單表格與個別標的頁的閱讀順序。此階段使用假資料,讓工程能同步拆解原本的程式結構。
-
03
以 Figma Make 製作可操作介面
將已定義的方向帶入 AI,快速完成搜尋、頁籤、收合與表格等互動模式,讓設計不只停留在靜態畫面。
-
04
依回饋反覆校正細節
針對欄位權重、對齊、視覺平衡與 RWD 表格行為持續修正,確保 Demo 足以支援後續功能串接與工程實作。
List Redesign
可轉債清單:從密集試算表,改成能快速掃描的策略工作台
清單頁是使用者篩選與比較可轉債的主要入口。舊版的篩選方式與欄位呈現雖然完整,但操作邏輯隱藏在下拉選單與大量色塊裡,使用者必須先理解系統規則,才能開始找到適合的標的。
下拉篩選改為策略頁籤
將「主力大買股、券現價暴增股、融券暴增股」等常用判斷情境直接放到頁面第一層,降低找到策略入口的成本。
以欄位分區凸顯關鍵數據
重整表格的欄位順序與視覺層級,保留原有的專業資料量,同時讓個股漲幅、主力、信用與籌碼資訊更容易橫向比較。
讓排序成為可見的操作
將排序欄位與目前排序方向清楚呈現,讓使用者能更快依照關心的數據切換比較方式。
搜尋升級到導覽列層級
使用者在清單、個別標的與其他功能之間移動時,都可能臨時需要查找代號或名稱。因此將搜尋放到全站導覽列,輸入時直接顯示可轉債與標的對應結果,縮短從「想到標的」到「進入資料」的路徑。
Detail Page
單一可轉債頁:把判斷要用的資訊留在視線內
個別標的頁需要同時承載走勢、主力籌碼、基本資料與分點資訊。舊版將所有區塊長時間固定在畫面中,雖然資料完整,卻犧牲了圖表的閱讀空間,也讓使用者很難快速辨識目前最重要的資訊。
首屏集中呈現重點指標
將轉換價、轉換價/張、未轉換餘額、發行規模、距離回日、周轉率、速動比等常用資料整理到頂部,進入標的後能先完成快速判斷。
次要分點資訊可依需要收合
用戶調研發現分點資料不是每次分析都需要,因此保留完整資訊但提供隱藏控制,讓圖表與技術指標在需要時取得更大的可視區域。
把次要資訊收起來,讓圖表回到分析中心
左側保留個股交易量最多券商與分點交易資訊,讓有需求的使用者仍能深挖資料;但當任務轉為讀取走勢與籌碼變化時,使用者可以收合側欄,降低雜訊並擴大主圖表的閱讀面積。
AI in Practice
AI 加速了驗證,但設計判斷仍需要由人掌握
這次使用 Figma Make 的價值,在於能更快把設計方向轉成可操作、可討論的 Demo。團隊不必只看靜態稿猜測互動方式,也能更早發現資訊與操作上的問題;不過,AI 並不會自動理解金融資料的優先順序與複雜表格在不同尺寸下的取捨。
更快把想法變成可驗證的體驗
- 所見即所得地調整互動、元件與頁面節奏,立即檢查實際效果。
- 減少 RD 只依靜態稿刻 UI 的理解落差,讓驗收更聚焦在產品行為。
- 約一週完成首版可操作 Demo,讓討論提早發生。
- 可保留每次調整後的版本與改動脈絡,方便回看決策。
先定義規則,才能避免 AI 只是把畫面排滿
- 間距、對齊與元件細節仍需人工校正,否則容易累積不一致。
- AI 常以數量平均分配畫面,需要設計者介入判斷真正的視覺權重。
- 高密度表格在 RWD 下沒有單一最佳解,必須先決定閱讀任務與資料取捨。
AI 是把設計意圖更快帶到可討論的狀態;決定什麼該被看見、什麼可以延後,仍是產品設計最重要的工作。
Takeaway
把熟悉的分析工具,轉譯成可維護、可理解的 Web 體驗
這個專案讓我重新確認:面對既有系統,設計不一定要從零發明新流程,而是要辨識哪些使用習慣與分析邏輯值得保留,哪些摩擦可以被重新安排。透過前期的架構釐清與 AI 輔助,我們能更快把重構方向做成可檢視的產品,讓設計、工程與後續迭代有共同的討論基礎。
保留資料分析價值,重整資訊與操作架構。
以可操作 Demo 縮短設計、工程與驗收的距離。
讓資訊優先順序與使用情境,而不是資料量,決定畫面結構。