菜谱应用RecipeHub的搭建过程里,最先被认真对待的不是界面,而是数据模型。团队在完成初步构想后发现,RecipeHub不能只用来定义菜谱,还得真正帮人把菜做出来。他们整理了一份烹饪过程中的痛点清单,画了界面设计和原型,还找了几位厨师和家庭烹饪者聊过。
随着原型逐渐成形,团队确信可以改善烹饪结果。但靠什么改善?答案落在数据模型上。
功能定义的是“做什么”:应用为用户做什么、提供什么价值、创造什么独特体验。数据模型则是定义“怎么做”的第一步——它描述信息如何组织、每一块信息代表什么、彼此之间是什么关系。
这个概念听起来抽象,其实每天都在接触。最简单的菜谱本身就是一种数据模型:一份配料清单加一组操作步骤。
数据模型之所以重要,是因为它不只规定信息怎么摆,还决定应用如何理解这些信息,进而决定应用能做什么。团队把它分成三个层次:
- 合格:组织信息,让数据有清晰一致的结构,应用能读懂、能处理。
- 更好:支撑功能,捕捉信息之间的关系,让设想中的功能和体验更容易实现。
- 最好:拓展可能性,为超出最初设想的能力打下基础。
应用对自身信息理解得越多,能支撑的功能就越有意思。好的数据模型是应用的秘密配方。但最复杂的数据模型未必是最好的,真正合适的是能代表产品、支撑想要的功能、并允许产品继续演化的那一个。
以RecipeHub烹饪模式的关键功能为例,第一个功能看上去很简单:用户应该能缩放菜谱,做一半或两倍的份量。可最初的数据模型把配料清单的每一行当作一个配料,当“4块去骨去皮鸡腿肉”要翻倍时,问题就来了。
程序化处理有边界情况,用大模型做乘法则在数百万份菜谱的规模下成本会累积,这是必须意识到的取舍。对这个功能来说,好的数据模型会把用量和配料名分开;更好的数据模型还能处理配料条目里相当丰富的信息,把计量、单位等都纳入考虑。有了这样的模型,整份菜谱的缩放变得容易,应用能做到纸质菜谱做不到的事。
每个应用都不同,需要根据当前和预期功能设计不同的数据模型。只建模需要的东西和路线图上的东西,一个不需要缩放功能的菜谱应用,未必需要这一层。
配料缩放本身不算复杂,却为从菜谱中提取更丰富的数据打下了基础。团队很快开始试验配料分类的想法,因为鸡腿、大蒜、高汤和柠檬汁在菜谱里的角色差别很大。
RecipeHub的构想始于基于GitHub的菜谱协作,但受代码启发的部分不止于此。团队整天和代码打交道,依赖语法高亮区分关键字、变量、类等等,让代码更直观易懂,他们想把同样的事搬到菜谱上。
通过定义配料分类,应用可以对配料归类,帮烹饪者理解每种配料在菜谱里起什么作用。这相当于把代码编辑器提供的语义理解,交给家庭厨房里的厨师。这种分类是改善烹饪成果的方式之一,但不是唯一在做的事。
另一个反复出现的真实痛点是:菜谱让你在一个步骤里加入五六种配料。人已经开火,手可能还是脏的,却要记住每种配料是几杯、几汤匙、几茶匙。这正是纸质菜谱格式不得不做的取舍——步骤里省略每种配料的用量,既省版面,也免去编辑逐一核对无数“瓣、杯、汤匙”的麻烦。
在应用里这很容易解决:数据模型加上测试,让这件事变得微不足道。步骤因此能呈现更丰富的信息,按分类标出配料,并突出时间和温度等关键细节。一眼扫过去,做好这一步需要的东西都在眼前,不必担心漏掉什么。
一切回到想提供什么样的用户体验。一旦决定要帮人真正把菜谱做出来,这一层就是必需的。如果只有一位在家做饭的用户,能隔着厨房瞥一眼,靠鲜绿色的标记想起该加香草,这个数据模型就算完成了任务。
RecipeHub的功能和数据模型远不止这些。接下来团队会讲如何把一切整合成一份完整的产品规格,再讲ARC如何生成全部代码。
热门跟贴