RUBIK STUDIO
让 AI 编程融入开发者工作流

Rubik Studio 是面向开发者的 AI 编程助手。我在既有产品框架下负责其全部模块的设计。本案例先展示编程助手的界面成果,再围绕任务入口、代码采用、会话管理和状态反馈,解释这套专业工具如何组织用户操作。
我更关注用户如何表达任务、理解结果,并判断下一步可以做什么。对于 AI 工具,生成内容只是其中一个环节,围绕内容的操作关系同样决定体验质量。
- 70%+
- 开发效率提升
- 85%+
- 设计效率提升
- 1000亿+
- 代码知识库
- 15+
- 全球研发中心
- 职责
- 编程助手全部模块设计
- 工作环境
- IDE 内固定侧栏
- 案例重点
- 复杂任务、AI 结果与用户控制
02 / 核心界面
编程助手与代码工作区并置
助手在 IDE 侧栏中呈现任务输入、对话、代码结果、Add to editor 与复制入口。保留完整工作环境,可以先说明助手与代码之间的空间关系,再进入局部功能。

02.1 / 项目范围
我的工作范围
- 设计职责
- 负责 Rubik Studio 编程助手全部模块的设计工作
- 接手基础
- 许多产品逻辑和基础框架已被定义
- 本案例展示
- 现有界面材料,以及根据软件结构进行的回顾分析
- GeniusCanvas
- 作为相关产品场景,用于延伸专业 AI 工具的分析范围
- 结果呈现
- 以界面成果、状态材料和设计判断为主要内容
02.1 / 信息架构
用一个工作面板承载不同层次的任务
这套界面同时处理环境层、会话层、任务层和结果层的问题。它们虽然集中在一个侧栏中,影响范围却不同:环境提示关乎当前使用条件,会话组织关乎工作线索,任务入口关乎如何发起工作,结果操作关乎某一条输出。区分作用范围,是理解复杂工具的一个切入点。

环境层
说明当前环境是否适合使用助手,影响整个面板。
顶部持续可见
会话层
区分、命名并找回不同任务的工作线索。
靠近面板顶部
结果层
承载回答、代码以及围绕单条结果的操作。
面板主要阅读区域
任务层
提供快捷任务、自由输入和继续追问。
底部稳定操作区
02.2 / AI 工作流
让常见任务有入口,也保留自由表达
输入区上方提供 Unit Test、Code generation、Code Correction、Code notes 和 Code recommendations。快捷入口有助于把‘我要怎么向 AI 提问’转化为‘我现在要做哪类工作’,自由输入则允许用户补充具体要求。两者配合,能够照顾重复任务和非标准问题。
这种组合并非 Rubik 独有,它的价值在于任务的可发现性。快捷入口越多,扫描成本也会增加;当前按钮分为两行,任务名称的抽象层级并不完全一致。若继续迭代,我会结合任务频率和上下文重新决定顺序与分组。

从选中代码到形成可继续使用的解释
将代码解释与注释展开为选中代码、AI 分析理解、生成解释、生成注释、应用与同步五步,并继续列出函数文档生成、代码重构建议、多文件关联解释、注释规范管理和文档导出分享。这个展开方式说明,解释代码不是一次性回答,而是围绕代码对象、上下文、产物和后续使用形成的一组任务。


02.3 / 产品能力
从需求理解到部署集成的产品能力版图
历史长图把 Rubik Studio 的产品能力概括为需求理解、智能生成、可视化编辑、调试优化和部署集成五个阶段。这组表达比单一聊天界面更接近汽车软件开发平台的叙事:AI 助手不是孤立入口,而是被放进从理解任务到交付结果的连续工作。
- 01
需求理解
识别用户要解决的问题、任务类型和当前上下文。
- 02
智能生成
生成、解释或修正与开发任务相关的内容。
- 03
可视化编辑
通过界面化操作组织和调整开发内容。
- 04
调试优化
围绕运行问题完成定位、修正和优化。
- 05
部署集成
把开发结果接入后续构建与交付流程。
02.4 / 结果采用
把生成结果与采用动作分开
结果可见与结果被采用,是两个不同的时刻。A11 在代码块下提供 Add to editor 和复制入口,让用户在采用前查看内容,也让‘AI 返回了一段代码’和‘代码进入工作区’在界面上有所区分。
这是我对 AI 工具交互的重要理解:生成结果之后,仍需说明结果将作用于哪个文件、插入什么位置、修改多大范围。若继续迭代,我会进一步加入差异预览、撤销和恢复能力。
从请求到采用入口
03 / 系统连续性
会话、状态与反馈
AI 助手进入长期专业工作后,界面还要处理任务连续性、不同范围的风险,以及每条结果如何被评价。
把会话变成能够再次找到的工作线索
会话菜单提供新建、命名和删除入口;历史列表则用问题摘要、时间和分页呈现以往内容。新建会话服务于任务区分,命名帮助建立可识别的线索,历史列表帮助回到之前的问题。它们共同处理的是任务组织与检索,而不只是聊天窗口的数量。
会话越多,命名和查找成本越明显。列表需要帮助用户定位具体项目,并清楚区分会话历史与模型长期记忆。




让问题出现在对应的作用范围
环境提示位于面板顶部,输入计数靠近输入框,生成异常出现在对话区域。位置差异表达了问题的作用范围:当前环境、当前请求或者本次生成。专业工具还需要让提示含义与操作是否可执行保持一致,并解释用户下一步可以做什么。
当前环境可用
面板顶部 · 提示是否足以解释可用范围
当前处于外网环境
面板顶部 · 风险与发送权限是否一致
输入超过限制
输入框附近 · 用户如何在原地修正
本次生成失败
对话结果区域 · 怎样解释原因并支持恢复



从快速评价进入具体问题
界面把赞踩放在回答附近,进一步的反馈浮层允许补充建议或问题详情,以及期望的答案代码。这种层次将快速评价和详细说明分开,使用户可以从对某条回答的判断进入更具体的反馈。
对于依赖企业知识与自有模型能力的产品,绑定到具体回答的反馈可为人工校正、知识维护和模型评估提供材料。现有界面没有证明这些材料已经进入自动训练闭环。
填写成本也是设计取舍。让用户提供期望代码并不总是合适,尤其当用户本来就需要帮助。若继续迭代,我会先区分不相关、无法运行、解释不清等问题类型,再把详细描述和期望代码保持为可选。

04 / 设计探索
场景延伸:从编程辅助到汽车 HMI 创作
2023 年公开发布报道将 Rubik GeniusCanvas 描述为基于 Rubik Studio 与 Kanzi 的相关产品应用,服务于概念创作、3D 元素、特效代码和场景搭建。
GeniusCanvas 是相关产品背景,不计入我的个人设计交付。下面的产品关系来自公开材料,生成视觉只用于重建长图的展示清晰度。

Rubik Studio
Rubik GeniusCanvas
Kanzi:HMI 设计软件与 3D 引擎
Rubik GeniusCanvas
Rubik GeniusCanvas
概念、3D 元素、特效与场景创作
宽阔高效界面

沉浸式代码体验

智能对话面板

可视化预览与调试

组件化资源管理

当生成对象发生变化,哪些设计问题仍然成立?
当生成对象从代码变成视觉或 3D 内容,用户仍需要知道修改作用于哪个对象、结果能否继续编辑,以及怎样检查和回退。这说明作用范围、工作线索、结果判断和出错恢复,是能够迁移到不同专业创作工具中的设计问题。
05 / 回顾
专业 AI 工具的体验延伸到结果之后
回看 Rubik Studio,我更看重生成前后的操作关系:任务如何表达,结果如何采用,工作如何回看,失败如何被理解。这些关系共同决定 AI 能力能否进入可持续的专业工作。