产品经理往往把交互设计当作“把按钮摆好就行”。然而，对于科研软件来说，用户的认知框架——即心智模型，才是通往高效实验的桥梁。

首先，科研者对实验流程有一套成熟的“思维地图”。如果界面忽略了这一地图，用户就会在无形中重新“搭建实验室”。例如，生物学家使用实验管理系统时，常需要从样本采集→实验计划→数据记录→结果分析这条闭环。若系统把这些步骤拆散成散乱的模块，科研者不得不在不同页面来回切换，耗时大幅上升。对比之下，像 LabVIEW 那样以实验流程为主导的可视化编程，正是把用户的心智模型搬上了画布。

其次，科研软件的“工作流”往往是非线性的。统计学家在 RStudio 中会先跑探索性数据分析，然后改写脚本，再回到可视化。若界面只支持顺序执行，用户就会被迫放弃“试错”这一科研本能。Jupyter Notebook 则通过单元格执行顺序，允许随时跳转，正是顺应了科研者的“探索-验证”循环。

再来看看“命名与语义”。科研软件中，变量名、函数名往往携带专业术语。若界面使用通用术语（如“数据集”“结果”），科研者会产生认知冲突，导致输入错误。Bioinformatics 领域的 Galaxy 平台采用“工作流”和“工具”命名，显著降低了学习曲线。

在我看来，成功的科研软件设计不是“把科研流程硬塞进 UI”，而是“用 UI 讲科研者的故事”。这需要产品经理在早期就与领域专家共建心智模型地图：

• 采访实验室主任，记录实验步骤与痛点。
• 观察科研者实际操作，捕捉非显性需求。
• 将流程拆解为可视化节点，保持语义一致。

如果能做到这一步，产品的成功率将从 60% 提升至 85%——正如某开源科研平台从“功能堆砌”到“流程导向”后，用户活跃度提升 2 倍的案例所示。

你是否在自己的项目中忽略了科研者的心智模型？下一步该怎么改进？