積極體驗協同生成式AI的辦公座椅家具設計

摘要：旨在提升用戶在辦公座椅中的主觀幸福感，提出獲取用戶對辦公座椅的積極愿景并利用人工智能生成工具輔助設計轉譯。首先，采用Python程序爬取銷量排名前100的辦公座椅，隨后由6位設計師進行討論并篩選，最終確定24款符合積極體驗原則的辦公座椅樣本。其次，基于選定的辦公座椅樣本，通過半結構化訪談收集用戶的積極愿景，并運用GIOIA方法將這些愿景歸納為積極體驗的六大要素，以確定每個愿景對應的核心要素。再次，運用模糊層次分析法（FAHP）計算出用戶積極愿景的權重。最后，結合積極愿景及其權重，借助生成式設計工具Stable Diffusion輔助設計，制作出產品效果圖，并進行評估與驗證。成功獲取了可提升用戶主觀幸福感的積極愿景，并將其轉化為生成式AI所需要的“提示詞”并生成設計，通過積極體驗框架驗證了方案的可行性。積極體驗設計關注于滿足用戶更高層次的情感需求，通過深入探索用戶的積極愿景，增進辦公座椅使用者的幸福感和生活滿足度。此外，生成式人工智能的融入能夠提高設計工作的效率，增速辦公家具設計的更新換代，為辦公家具行業帶來了創新性的解決策略。

關鍵詞：積極體驗設計；辦公座椅家具；生成式設計工具；主觀幸福感；設計轉譯

中圖分類號：TS664 文獻標識碼：A文章編號：1003-0069（2025）03-0102-06

Abstract：The purpose is to enhance users’ subjective well-being in office chairs，propose to obtain users’ positive visions of office chairs，and use artificial intelligence generation tools to assist in design translation. Method：Firstly，a Python program is used to crawl the top 100 office chairs in terms of sales. Then，six designers discuss and screen them，and finally determine 24 office chair samples that meet the principle of positive experience. Secondly，based on the selected office chair samples，positive visions of users were collected through semi-structured interviews，and GIOIA method was used to summarize these visions into six elements of positive experience，in order to determine the core elements corresponding to each vision. Again，use the Fuzzy Analytic Hierarchy Process（FAHP）to calculate the weight of users’ positive visions. Finally，combining the positive vision and its weights，using the generative design tool Stable Diffusion to assist in design，a product rendering is created and evaluated and validated. The result successfully obtained a positive vision that can enhance users’ subjective well-being，and transformed it into the \"prompt words\" and design generation required by generative AI. The feasibility of the solution was verified through a positive experience framework. Conclusion：Positive experience design focuses on meeting users’ higher-level emotional needs，and by exploring users’ positive visions in depth，it can enhance the happiness and life satisfaction of office chair users. In addition，the integration of generative artificial intelligence can improve the efficiency of design work，accelerate the upgrading of furniture design，and bring innovative solutions to the office furniture industry.

Keywords：Positive experience design；Office chairs and furniture；Generative design tools；Subjective well-being；Design translation

引言

隨著現代辦公環境的不斷變化，員工的工作方式和工作需求也在不斷演變[1]。辦公家具，尤其是辦公座椅的設計，對員工的工作效率、舒適度和整體幸福感有著直接影響[2]。目前，積極體驗設計已成為學術界研究熱點之一[3]，部分學者逐步注意到更高層次的需求才能夠激發用戶的積極的體驗[4]，提升用戶的整體幸福感[5]。例如，吳春茂[6]將積極體驗設計理論導入高校家具設計領域，旨在有效提取用戶積極體驗，設計出提升其主觀幸福感的高校教室家具。黃沛瑤[7]構建了豐富積極體驗周期的 14 款設計策略，通過新技術賦能老家具，延長了老家具產品的積極體驗周期，提升用戶的可持續主觀幸福感。田曉梅[8]從積極體驗入手，對積極體驗設計策略的開發進行了深入探索，構建了提升主觀幸福感的積極體驗設計策略，進行高校寢室家具設計。上述研究均具有特定的學術價值，但在積極體驗研究領域，大多數研究僅限于制訂旨在增進用戶主觀幸福感的設計策略，并未進一步提供具體的設計方案，亦未驗證這些策略是否真正能夠提升用戶的主觀幸福感。與此同時，目前單一的實踐產出也無法滿足多元人群的積極愿景，隨著數字化和智能化技術的迅猛發展，有必要充分利用這些技術的潛力，以滿足消費者在細微之處的差異性需求，并持續提升大眾的幸福感。鑒于此，本文將積極體驗設計理論引入辦公家具設計領域，提出獲取用戶積極愿景的辦公座椅家具智能生成式設計方法，為辦公座椅家具設計的積極體驗設計研究拓寬思路，同時提供一種高效便捷的設計流程。

一、研究方法及流程設計

（一）理論基礎

1.積極體驗

積極體驗是積極心理學概念在設計中的應用。[9]積極體驗在2012年首次被代爾特夫大學德斯梅特（Desmet）教授應用到設計領域，其核心目標在于提升人們的主觀幸福感[10]。同年哈森扎爾（Hassenzahl）提出了積極體驗要素，并將影響積極體驗的要素細化為自主性、相關性、技能性、刺激性、流行性和安全性[11]。如表1。這些要素分別從不同角度分析了提升用戶積極體驗的 內在動因[12]。隨后2017年Desmet提出了一個積極體驗框架，包括為愉悅的設計、為個人意義的設計和為美德的設計3個部分，這3個要素是層層遞進的，從愉悅而設計這樣短期愉悅到之后的為美德而設計是長遠的且這里的設計對象關注到全人類[13]。見圖1。

研究將得到的積極愿景需求通過哈森扎爾六要素進行分類，然后將生成的家具運用積極體驗框架進行評估，檢驗是否真正的提升了用戶的主觀幸福感。

2.Stable Diffusion

隨著Chat GPT，Midjouney，Stable Diffusion，Gemini等大模型的橫空出世，生成式人工智能大模型取得了飛速發展，各行各業迎來了新一輪的技術變革[14]。人工智能生成內容的出現使得人機交互中多模態內容的數量級和豐富度都大幅度增長，具備智能化、靈活性等特點。[15]Stable Diffusion能夠通過運用Control Net神經網絡結構等手段，實現對生成結果的風格和形式進行精細化控制，具有算法開源、生成可控性高等優勢[16]。目前，Stable Diffusion已經成為圖像生成領域中最被廣泛討論和應用的模型[17]。例如于鵬[18]以服飾辨識性為基礎，采用Lora訓練方式，發現僅需少量樣本即可實現苗族服飾特征在Stable Diffusion生成內容中的遷移。李莉[19]通過對比實驗證明Stable Diffusion模型能較好地傳承傳統紋樣的基因，藝術性與創造性兼具，更加符合傳統紋樣的藝術設計需求。由此，將生成式工具與積極體驗進行交叉協作，將積極體驗產生的積極愿景，轉化為Stable Diffusion所需要的提示詞，通過訓練lora模型產出設計實踐，提高積極體驗設計精準度，為設計出提高用戶主觀幸福感的辦公家具提供更加快速便捷的設計方法。

（二）研究流程

首先，利用python爬取銷量最高的100件辦公座椅，通過6位設計師討論并篩選出24個符合積極體驗原則的辦公座椅樣本。其次，基于積極體驗原則，利用選定的辦公座椅樣本通過半結構訪談獲取用戶的積極愿景，運用GIOIA方法將積極愿景聚類至積極體驗六要素，涵蓋自主性、相關性、技能性、刺激性、流行性和安全性6個方面。再次，利用FAHP計算獲取用戶積極愿景的權重。最后，通過生成式設計工具Stable Diffusion進行輔助設計，生成產品效果圖并進行評估驗證，評估重點在于是否在愉悅、個人意義和美德3個層次上提升用戶的主觀幸福感。（見圖2）

二、設計研究流程與結果

（一）辦公座椅典型樣本獲取

在辦公座椅樣本收集與分類階段，通過網絡購物平臺（如淘寶、京東）上進行數據爬取，以“辦公座椅”為關鍵詞進行搜索。對在線綜合購買排名前 20 且產品收藏量過萬的店鋪中，篩選出銷量最高的100件辦公座椅，見圖3。鑒于大部分購物網站均以側視效果展示產品造型，故選取樣本造型的左側視圖作為實驗樣本，并去除樣本背景顏色。邀請6位設計師對這些產品進行篩選分析，在體現積極體驗要素中的一種或多種原則的指導下，排除了同類型同形式的產品[20]，最終篩選24件辦公座椅，見圖4。

（二）用戶積極需求分析

1.積極愿景獲取

邀請用戶以半結構訪談的形式對上述24件辦公家具樣本進行“積極愿景”的可能性描述，即用戶理想中幸福需求是怎樣的，闡述對于辦公座椅新的可能性的主觀描述。通過社交媒體、設計師推薦等渠道招募了20名辦公環境下的潛在用戶作為訪談對象。被訪者覆蓋不同年齡、職業和背景，以確保需求的多樣性和代表性。在訪談過程中，研究者按照訪談提綱逐一進行提問，并鼓勵被訪者詳細描述他們的感受和建議。每次訪談持續10～15分鐘，并在訪談結束后將錄音進行文字轉錄和編碼分析并總結用戶對24件辦公座椅的主要積極愿景，見表2。

2.積極愿景歸類

根據用戶“積極愿景”內容，運用GIOIA方法聚類至積極體驗六要素。具體步驟分為3部分：（1）第一階為初級編碼。將數據進行初步分類，提取關鍵積極愿景文本；（2）第二階為次級編碼。進一步將初級編碼中的關鍵積極愿景進行歸納，形成更高層次的積極需求關鍵詞；（3）聚類積極要素。將這些關鍵詞根據研究目標（積極體驗要素）進行聚類。訪談內容聚類示例見表 3。

（三）構建FAHP判斷矩陣計算積極愿景相對權重

1.構建辦公座椅積極愿景的層級架構

該模型分為目標層、準則層和指標層3個層級[20]。其中目標層定義為用戶座椅設計積極愿景，準則層定義為“自主性”“相關性”“技能性”“刺激性”“流行性”和“安全性”，指標層則定義為上述18個積極愿景詞匯，見圖5。

2.建立模糊互補判斷矩陣。

矩陣的一致性比率系數的數值（CR）要求小于0.1[21]，如果一致性檢驗大于0.1，說明模糊判斷矩陣未通過一致性檢驗，不能作為最終結論[22]。最終得出A、B1、B2、B3、B4、B5、B6的相容性指標均小于0.1，證明矩陣數據通過了一致性檢驗，故將上述權重結果匯總并整理指標權重，見表5。

三、原型生成與評估

（一）辦公座椅積極體驗設計原型生成

結合用戶積極愿景，配合權重參數，利用ChatGPT提取生成設計方案的視覺效果圖的提示詞（prompt），見圖6。設定提示詞的具體規則如下：（1）全文為小寫英文和權重數值，使用括號+關鍵詞+冒號+關鍵詞的權重的方式，“提示詞”高權重在前，低權重在后。（2）每個設計方案的文字描述不超過 25 個英文單詞，描述用逗號“，”間隔；（3）若對輸出結果有較為明確的風格定位，則可以通過不同詞組對預期風格進行重復描述，具體提示詞輸出見表6。

當下人工智能輔助設計工具處于高速發展迭代階段，其中以DALL-E2、Stable Diffusion 和 Midjourney等為代表的圖形創意軟件備受關注[23]。將提示詞輸入至 Stable Diffusion 的“/imagine”命令，經過多次運行生成了大量與用戶積極體驗相符的辦公座椅造型，形成了造型參考資料庫，如圖 7 所示。通過與10名設計師、5名行業專業組成焦點小組，共選出4組具有可行性的方案，見圖8。

（二）辦公座椅評估

研究采用多維度驗證設計方案對用戶主觀幸福感的提升效果，并重點考察其在積極體驗框架（愉悅、個人意義、美德）中的綜合表現。基于積極體驗理論框架，設計三級評估指標：一級指標：愉悅性（感官舒適度、美學吸引力）、個人意義（功能契合度、情感共鳴）、美德（可持續性、社會價值）。二級指標：細化至18項，如“座椅動態支撐的舒適感”“外觀設計的時尚性”“健康監測功能的實用性”“材料環保性”等，覆蓋用戶生理、心理及社會需求。采用李克特五級量表（1=強烈不同意，5=強烈同意）量化用戶滿意度，并輔以開放式問題收集質性反饋。為保障參與者多樣性，招募209名參與者，覆蓋18～55歲不同年齡段，職業包括程序員、教師、設計師等，確保樣本的代表性。并由10名家具設計師與5名行業專家組成焦點小組，從技術可行性、市場潛力、創新性等維度進行專業評分。對圖8進行評估選擇，評估結果見圖9。評估標準為：如果結果對愉悅設計產生積極影響，而對另外任意一個層次產生消極影響，將不符合積極體驗標準。結果如果對一個層次產生積極影響，而不對其他任意層次產生消極影響，其結果符合積極體驗標準。如均產生積極影響，則涉及有助于提升其主觀幸福感。

由調查結果可知，方案3較高的符合了用戶的積極愿景，在愉悅性（4.52/5）、個人意義（4.48/5）與美德（4.33/5）3個層級均表現優異。因此進一步細化設計細節，加入材質、顏色、光影等效果，以提高設計的真實感和可視化效果，具體展示效果見圖10。在行業專家評價方面，焦點小組指出，方案3通過“Stable Diffusion生成的多曲面結構”實現了人體工學與美學的平衡，且“集成無線充電與物聯網接口”符合智能辦公趨勢。

結論

研究提出了一種創新的積極體驗驅動的辦公座椅生成式家具設計方法，通過積極體驗驅動的生成式設計，實現對用戶主觀幸福感的顯著提升。不僅豐富了積極體驗理論的應用維度，也為現代辦公家具設計領域注入了新的理論活力和實踐指導。通過積極體驗設計理論與生成式設計的有機整合，構建了一套系統化的設計流程，將用戶的積極愿景轉化為具有實際應用價值的設計方案。這一流程的實施，不僅在一定程度上確保了設計結果在愉悅性、個人意義和美德3個層面上的積極影響，而且通過智能生成式工具的應用，相對提高了設計效率和創新性。然而，我們也清醒地認識到，通過設計師對用戶積極愿景的需求轉述一定會有語義的流逝，研究在樣本量、積極心理需求的復雜性以及評估方法上仍有待進一步拓展和深化。未來，我們將繼續擴大研究視野，探索更廣泛的設計變量，并通過長期的用戶研究，不斷優化和完善設計方法，以期達到更高層次的設計精準度和用戶滿意度。

基金項目：內蒙古自然科學基金面上項目（2021MS03019）；國家社會科學基金藝術學項目（22EG213）；內蒙古師范大學基本科研業務費項目（2022JBTD014）

參考文獻

[1]莊慎.同步困境——空間與空間使用者的演變[J].建筑學報，2022（09）：33-37.

[2]肖燕芝，徐衍慧，張慧敏，等.窗里窗外——室內外植物景觀對身心健康的影響效應研究綜述[J].園林，2023，40（10）：75-84.

[3]吳春茂，陳丹丹，楊菲婭.積極體驗視角下的共享產品設計策略研究[J/OL].包裝工程，1-14[2024-08-15].

[4]馬斯洛.許金聲譯.動機與人格[M].北京：華夏出版社，1987：40-53.

[5]陳惠.論幸福感因素在產品設計中的呈現[J].包裝工程，2023，44（10）：258-264.

[6]吳春茂，李思宇斯. 基于積極體驗矩陣的高校教室家具設計研究[J]. 家具與室內裝飾，2022，29（4）：40-45.

[7]黃沛瑤. 面向產品積極體驗周期的設計策略研究[D]. 上海：東華大學，2022.

[8]田曉梅. 提升主觀幸福感的積極體驗設計策略研究[D]. 上海：東華大學，2022.

[9]段延君，曹恩國.基于積極體驗的無人商店設計研究[J].設計，2023，36（05）：5-9.

[10]DESMET P M A，POHLMEYER A E. Positive Design：an Introduction to Design for Subjective Well-Being[J]. International Journal of Design，2013，7（03）：5-19.

[11]HASSENZAHL M，ECKOLDT K，DIEFENBACH S，et al. Designing Moments of Meaning and Pleasure. Experience Design and Happiness[J]. International Journal of Design，2013，7（03）：21-31.

[12]李思宇斯. 基于積極體驗矩陣的情感化配飾設計研究[D]. 上海：東華大學，2023.

[13]鄭若彤. 基于積極體驗要素的城市社區老年人社交服務設計研究[D]. 浙江：杭州師范大學，2023.

[14]孫守遷，曹磊磊，王松，等.生成式人工智能大模型在設計領域的應用[J].家具與室內裝飾，2024，31（04）：1-9.

[15]李曉梅，錢曉波.AIGC背景下智慧廚電多模態集成交互設計策略[J].設計，2024，37（20）：126-129.

[16]汪皓，李雪蓮.針對軟體家具領域的AIGC輔助設計路徑優化研究[J].家具與室內裝飾，2024，31（06）：56-61.

[17]劉安安，蘇育挺，王嵐君，等.AIGC視覺內容生成與溯源研究進展[J].中國圖象圖形學報，2024，29（06）：1535-1554.

[18]于鵬，張毅.從特征辨識到圖像生成：基于AIGC范式的苗族服飾設計[J].絲綢，2024，61（03）：1-10.

[19]李莉，毛子晗，呂思奇，等.GAN與Diffusion在傳統紋樣設計中的實驗研究[J].絲綢，2024，61（08）：9-22.

[20]金燕紅，周雪冰，張宗登.基于模糊層次分析法的家用嬰幼兒浴盆設計與評價[J].家具與室內裝飾，2023，30（08）：72-75.

[21]李翠玉，陳智恒.基于FDM/FAHP/U-TRIZ理論的居家多功能康養護理床設計研究[J].家具與室內裝飾，2023，30（11）：80-86.

[22]張路，楊艷紅，周紅生. 基于FAST-FAHP理論的洗鞋機設計研究[J]. 沈陽工程學院學報（自然科學版），2024，20（01）：89-96.

[23]李振鵬，胡波，蘇悅.智能設計工具與KE-AHP方法協同設計實踐研究：以家庭種植產品設計為例[J].包裝工程，2024，45（18）：75-83+92.