visionOS 学习心得：反馈音别让麦克风听见

苹果官方指南里讲空间音频：声音有方向，可以锚定在界面元素上做操作反馈——捏合确认、状态切换，一声短促的提示音就够了，比视觉反馈更快到达。

我今天新的理解，是语音类产品有一条容易被忽略的红线：录音时不能播反馈音。

原因很朴素：麦克风不挑食。你播给用户听的提示音，会被它一起录进去，污染录音本身。用户回放自己的语音备忘，里面全是"叮、咚、已锁定"——反馈音是给用户听的，不是给录音听的。

由此推出三条：

1. 时序不能反。"录音开始"的那一声，必须在麦克风打开之前播完——先响，后录。开始音和麦克风抢同一条跑道，谁先谁后是设计问题。
2. 录音中的状态变化不能靠声音。比如长按超时自动转入"锁定"状态，这一下没法用提示音告诉用户，只能走视觉：提示条、图标变化。这逼着你把视觉反馈做扎实，不能偷懒全甩给声音。
3. 更一般地说：多通道反馈不是"每个通道都塞满"。通道之间会互相干扰——设计反馈时多问一句：这个通道的输出，会不会污染另一个通道的输入？

visionOS 学习心得：动效要给足，然后退场

苹果官方指南里说，空间里的动效要克制：小、慢、靠近中心，别搞大范围、高速、意外的运动。背后是一条金律——动物体，不动视角。移动画面里的物体没事，移动用户的视角（用户没动、画面却说动了），感官冲突直接拉满，这就是晕动。

我今天新的理解，是从一个录音按钮的波形动画想到的：

波形一直在跳，按"动物体"原则没问题——动的只是个小波形，不是视角。但如果用户盯着它看 30 秒，会出另一个问题，累的不是前庭，是眼睛：

1. 眼肌疲劳。波形一直变，眼睛持续聚焦动态目标，睫状肌和眼外肌持续紧张。录音时人还高度集中（"到底在录吗"），眨眼变少，干眼+疲劳双打击。
2. 注意力劫持。人眼对运动天然敏感，波形会不自觉勾住视线。本想看一眼确认，结果被勾住 30 秒——设计在和注意力作对。
3. 信息价值递减。波形前 2 秒说"在录了"，后 28 秒只说"还在录"。用高刺激动效传达静态事实，是浪费。

解法就一句话：动效强度和信息量成正比。开始那一下给足（确认感不能省），2–3 秒后衰减成静态或呼吸态，只留红点+计时器。更优的版本：有声音输入时才跳，无声时静止——既是电平表又是反馈。

反馈要给足，然后退场，别一直刷存在感。

visionOS 学习心得：视觉大小与热区大小

苹果官方指南里说，空间里的可交互目标默认做到 60pt，目标之间间隔不小于 16pt（或中心距 60pt）。注意，这不是审美建议，是物理下限：眼动追踪的注视点本身会抖，加上头部微动和校准漂移，落点有个误差圈；小于 60pt，系统就分不清你在看它还是看它隔壁。iOS 的 44pt 是给手指点的，手指有触觉确认，眼睛没有——"点"的东西换了，尺寸规范就得换。

我今天新的理解有三层：

1. 视觉尺寸和热区尺寸是两回事。想把按钮画小巧可以，但注视热区必须撑到 60pt+（iOS 的 hit slop 在空间里的加强版）。反过来也成立：按住说话的录音主按钮，我做到 80pt+——捏住保持时手会抖、眼睛要一直盯着确认状态，目标越大，抖动余量越大。

2. 视觉小+热区大，打架吗？先算一笔账：60pt 在 1 米外其实很小，根本不挡视野，"打架"可能是个伪命题。非要更小，就得解决"幽灵高亮"——视线扫过看不见的热区边缘，按钮突然亮了，用户会觉得系统玄学。解法是两档高亮：进热区边缘只给极弱的预高亮，对准视觉区才给完整高亮。两次用户就学会"靠近会亮一点，对准才触发"。

3. 热区策略看动作代价。展开预览这种低代价动作（误触了关掉就行），热区宁大勿小——点不中的成本远大于误高亮。开始录音、删除这种高代价动作，热区宁准勿大，最好热区=视觉边界。

visionOS 学习心得：关于按住说话

苹果官方指南里说，visionOS 的主输入是眼睛和手分工：Look 负责"指向"（看哪哪高亮，免费且持续），Pinch 负责"确认"（拇指食指一捏=点击），Drag 是捏住不放再移动。触屏上"指向+确认"是一个动作（点按），空间里被拆成了两个——这是为了躲一个经典坑：米达斯之触。眼睛扫过哪哪就响应，一天误触八百次，所以凡是有代价的动作，必须让手来拍板。

我今天新的理解，来自"按住说话"这个功能的设计纠结：

我本来觉得该用 toggle——捏一下开始、再捏一下结束。理由很正当：防手指非故意松开，防 hand tracking 抖动被识别为松开，还防长时间捏着疲劳。

但有两个代价我一开始没看到：

1. toggle 制造了一个"模式"。hold 是无模式的，手就是状态；toggle 下用户得一直确认"我现在到底在录吗"，多一份认知负担。
2. 误启动比误结束可怕得多。误结束=重录一条（烦）；toggle 下一次非故意捏合=不知不觉被录音（隐私+垃圾记录）。

最后结论：抄微信的作业——按住说话+上滑锁定。空间版：捏住=录音中，捏住超过 X 秒自动转入锁定态（"已锁定，捏一下结束"）。再加 0.5 秒抖动宽限：tracking 短暂丢失又找回，不算松开。

visionOS 学习心得：玻璃是可读性工程，不是装修

苹果官方指南里说，visionOS 的玻璃拟态不是装修风格，而是一套视觉层级机制：高斯模糊把真实世界压成背景层，边缘高光给容器定界，还会跟着背景亮度自适应加深或提亮。文字要用 Vibrancy 渲染——它对模糊后的背景做反向对比，保证字和背景的色差永远超过可读阈值。

我今天新的理解：

1. vibrancy 是"活的字"。普通文字是死的颜色，设成白色就永远是白色，背景一亮就隐身。vibrancy 的字会"看"背后是什么再调整自己：玻璃先把背后高斯模糊，vibrancy 在这个模糊层上做反向对比计算，背后亮字显深、背后暗字显亮。手机 App 搞深色模式是设计师预设两套颜色，但在 VR 里背景有无穷多种——白墙、夜晚、窗户、电视闪光，预设不过来，只能让字自己算。这就是为什么苹果把它做成系统级能力，而不是让每个 App 自己调颜色。你的钉子从白墙挪到窗边，字不用你管，自己保证可读。

2. 小面积用玻璃是借力，大面积用玻璃是赌博。小浮层背后就一小块实景，模糊半径一平均，基本是均匀色块，vibrancy 的反向对比有稳定的基准。但长列表竖着铺开，背后可能同时有亮窗户、深色沙发、浅色地板三种亮度，模糊后互相污染成一片明暗不均的灰雾，基准就没了，每行字垫的亮度都不一样。更隐蔽的伤害是滚动：字在灰雾上滑，对比度每秒都在变，读长列表时眼睛要不断重新适应，这是隐性疲劳。所以内容超过一屏、需要滚动的，直接不透明，别心疼那点通透感。

3. 材质厚度是一条滑杆，先看背景亮度，再看背景杂不杂。纯白墙是甜点区：背景亮但均匀，regular 的自适应加深刚好够，vibrancy 兜底，通透感保留最多。夜晚暗房间是亮字配暗底，对比度天然够，材质越薄越轻——thin 让钉子"飘"着而不是"杵"着；上 thick 在暗背景下就是一块黑板，又重又丑。窗外强光是极限情况：regular 的加深有上限，背后过曝时模糊后还是一片白，vibrancy 的反向对比算不出深色来，只能靠 thick 甚至不透明硬扛。

4. 圆角是注视人体工学，不是美学。眼球跳动每秒 3-4 次，落点本来就是概略的。直角的四个顶点在周边视觉里形成高对比的"钉子"，会把注视往角上拽——你本来想看中间的字，余光先被角勾走。圆角曲率连续，没有这种视觉钉子，视线顺着弧线滑进内容区。苹果规范要的是 continuous corners（连续曲率，不是普通圆角），因为曲率突变的地方同样会产生视觉噪音。还有个实操好处：眼动点击时，圆角容器的有效注视区更大，角落不浪费。

扛挪的本质，是假设你的界面永远处在"最别扭的观看条件"下还能用。那天扛的是位置变化，今天扛的是背景变化——思路是同一个：别假设世界会配合你。

visionOS 学习心得：空间里没有"蒙层"，层级只能交给深度

苹果官方指南里关于空间层级的说法很直接：在空间里表达"更重要"，不是放得更高，而是放得更近——层级走 Z 轴（深度轴）。弹窗浮在原窗口前方几厘米，关闭时推回原位，层级关系自己讲明白了。

我今天新的理解是：2D 靠背景变暗（蒙层）告诉你"这是上层"，但空间里根本没有蒙层这个概念——Z 轴不是"一种选择"，是唯一的层级语言。好在人眼自带"越近越重要"的优先级判断，5–10cm 的厘米级深度差就够了；物体互相遮挡一下，"谁盖谁"一目了然。visionOS 的 sheet 就是这么做的：浮在前方几厘米，眼动焦点自动落到最近的物体上，关闭后焦点无缝回到后方窗口，整个进出过程都是 Z 轴在叙事。

反过来，把"删除确认"做成和正文同深度、只靠红色按钮区分——眼动焦点还停留在正文上，用户得先花几秒找按钮，等于把 Z 轴这个免费维度白白浪费了。今天课后题正好考到这个：iOS 的"从下方滑上来"搬到空间里是错的，因为空间没有屏幕边缘、滑上来深度根本没变（层级一点没表达）、面板还可能从真实的桌子里穿出来。

还有个今天讨论最多的：visionOS 的 sheet 永远是模态的，这是平台强制规定，没得选。但官方立场恰恰是"尽量少用"——只有在有明确收益时才用模态，因为模态把人拽出当前上下文，还要求必须操作才能关闭，在空间里这种打断感比手机上更强。和手机正好反过来：手机把选择权给你（模态/非模态任选），visionOS 替你做了选择（sheet=模态），然后警告你别滥用。

我的理解是，模态的本质就是"用 Z 轴最前端垄断注意力"。所以非模态的需求，官方给了原生答案：多窗口并存、split view（分栏）、ornament（窗口饰件），都是"边干边看"不打断的模式。落到我自己的白板上就很具体：删除白板→模态 sheet，短平快，删完即走；笔刷、颜色设置→千万别用 sheet，用侧边小窗口或 ornament，让用户边调边在白板上试效果。判断句就是："用户需要停下来做决定"→模态；"用户想边看边调"→非模态。

visionOS 学习心得：别赌窗口落点

苹果官方指南说：把最重要的内容放在用户视野正中央、与视线平齐。

我今天的新理解是：这话只说了一半。指南说的是"默认落点"，但普通 Window 的最终位置永远是用户说了算——被挪到侧面、斜着看、怼在杂乱的现实背景前，都是常态。开发者根本控制不了窗口最后落在哪。

所以"放在正中央"不该理解成去控制落点，而该理解成一种鲁棒性要求：

扛挪的本质，是假设你的界面永远处在"最别扭的观看条件"下还能用。

落到实操：关键操作别贴窗口边缘，长文本和关键信息别左右顶满，不同现实背景下给文字可读性兜底，窗口缩放走自适应布局，斜视时别要求像素级拖拽——点选和自动吸附优先。