《Applied Sciences》：A Human–AI Collaborative Design Methodology for an Adolescent Smartphone Addiction Management Device: Integrating LLM-AHP, SD-LLM, and Manual Refinement
编辑推荐：
缓解青少年智能手机成瘾仍是一项重大挑战。现有防成瘾产品存在关键局限性，包括易被规避、过度依赖用户自律以及强制控制不足。为解决这些问题，本研究提出了一种新颖的产品设计方法，整合了LLM-AHP（大语言模型-层次分析法）、SD-LLM（稳定扩散-大语言模型）以及跨
缓解青少年智能手机成瘾仍是一项重大挑战。现有防成瘾产品存在关键局限性，包括易被规避、过度依赖用户自律以及强制控制不足。为解决这些问题，本研究提出了一种新颖的产品设计方法，整合了LLM-AHP（大语言模型-层次分析法）、SD-LLM（稳定扩散-大语言模型）以及跨四个迭代阶段的人机专家优化。LLM-AHP分析确定了“独立于自律的强制管理”和“最小化人为干预与家庭冲突”为最关键需求。最终开发的硬件设备具有若干关键特征，包括不可拆卸外壳、非标准内六角螺丝、三重验证接触检测装置、紧急呼叫区域以及卷帘门。“LLM-AHP→SD-LLM→人机优化”的工作流程有助于精确识别需求、设计评估和方案生成，为其他基于硬件的儿童产品提供了可复用的设计框架。
**论文解读文章**
**研究背景**
青少年智能手机成瘾已成为全球性公共卫生问题。多项流行病学调查显示，智能手机成瘾在青少年群体中患病率高达30%至50%以上，且与近视、睡眠障碍、焦虑、抑郁等身心健康问题显著相关。尽管完全禁止使用手机不切实际，但现有管理方法存在明显缺陷：非强制方法（如自律、运动、心理干预）依赖用户自我约束，效果有限；强制方法中，软件方案（如应用锁、定时关机）容易被绕过或破解，硬件方案（如锁盒、定时锁屏外壳）要么仍依赖用户主动将手机放入，要么需要修改手机电路影响完整性，且均无法解决因反复劝说导致的家庭冲突。因此，亟需开发一种兼具强制控制、防规避、减少人为干预且兼顾紧急需求的硬件防成瘾设备，并建立系统化的设计方法学。
**研究内容与结论**
本研究提出一种“LLM-AHP→SD-LLM→人机优化”的迭代设计框架，成功开发了一款基于卷帘门机制的青少年智能手机防成瘾硬件设备。通过LLM-AHP量化用户需求，发现“独立于自律的强制管理”（权重22.28%）和“最小化人为干预、口头劝说与家庭冲突”（权重14.89%）为最核心需求。SD-LLM生成的设计方案经人机优化后，最终设备包含不可拆卸外壳、非标准内三角螺丝、三重验证接触检测装置、紧急呼叫区域及卷帘门等关键特征。该工作流程为同类硬件儿童产品的设计提供了可复用的方法论框架。论文发表在《Applied Sciences》。
**关键技术方法**
本研究采用以下主要技术方法：
1. **LLM-AHP需求量化**：利用大语言模型（LLM，如ChatGPT-4、DeepSeek-V3.2等）对来自访谈（北京某小学门口36名家长）、文献（X-MOL检索，2019-2026年，IF>1.0）、专利（欧洲专利局数据库）和网页（Microsoft Bing）的多源数据进行高频关键词提取与冗余消除，再通过AHP层次分析法（Saaty 1-9标度）由10名设计师进行两两比较，计算权重并排序。
2. **SD-LLM方案生成**：基于权重需求，使用Stable Diffusion（SD）生成初始设计方案；由5名设计专业学生识别问题后，利用LLM（DeepSeek-V3.2）提供改进建议与关键设计特征，再重新输入SD生成第二轮方案。
3. **人机优化**：由人类专家对最优方案进行材料、参数、结构、电路等细节完善，确保工程可行性。
**研究结果**
**3.1 基于LLM的需求分析与数据准备结果**
通过访谈收集50条反馈，补充82篇论文、31项专利和221个网页数据。423份有效问卷（Cronbach’s α=0.951）显示，高频需求词云中“防止成瘾”“强制控制”“减少时间”“减少冲突”最为突出。经筛选保留前29项需求（平均分3.66-4.04），排除分歧较大的30-37项。
**3.2 LLM-AHP权重计算结果**
DeepSeek-V3.2将需求分为目标层（A）、准则层（B）和方法层（C）。准则层权重：强制管理控制能力（B1）65.12%，灵活应急响应能力（B2）19.41%，用户友好便捷（B3）10.09%，外观结构（B4）5.38%。所有CR值<0.1，一致性可接受。综合权重排名前两位为：C1“独立于自律的强制管理”（22.28%）和C2“最小化人为干预、劝说与家庭冲突”（14.89%）；其次为C11“紧急使用与使用后立即强制覆盖屏幕”（9.94%）、C3“不可被规避或欺骗”（9.68%）、C12“紧急呼叫”（9.47%）、C4“定时强制覆盖屏幕”（7.02%）。权重分为五个区间，前6项为核心需求。
**3.3 方案生成结果**
SD初始生成中，设计学生发现“手机需放回外壳”“密码易被盗”“占用空间大”“不便紧急使用”等问题。DeepSeek-V3.2建议采用不可拆卸外壳、非标准内三角螺丝、底部紧急呼叫区域、卷帘门覆盖屏幕等特征。第二轮SD生成四款方案，经投票，方案4（卷帘置于右侧隔间）获全票支持，作为优化基础。
**3.4 最优方案核心组件详细结果**
- **设备外壳**：0.3mm铝镁合金，分手机仓和卷帘仓；开放式框架避免遮挡摄像头等；8个2mm边缘固定手机；配有两个非标准内三角螺丝，家长拧紧后可隐藏扳手或丢弃，无匹配工具无法拆卸。
- **接触检测装置**：安装于卷帘槽左侧，采用双电路（A和B）三重验证设计：若卷帘头未到位则电路A闭合、B断开；到位后A断开、B闭合。若插入绝缘物（布、纸、手指）使A断开但B未连接，或插入金属物使B连接但A未断开，或长度/时间不匹配，均触发警告。
- **卷帘与驱动单元**：宽度为手机屏幕的3/4，底部预留1/4用于紧急呼叫；0.3mm钢片表面覆绝缘材料；分段式（大段2mm、小段1mm）由柔性钢丝连接；卷帘头底部隐藏电接触片。
- **电池模块**：电量低于15%时充电提醒，若未及时充电则自动卷帘覆盖屏幕，防止用户故意耗尽电池。
- **控制模块**：包含CPU、语音识别模块、报警喇叭、振动模块、通信模块、遥控模块、定时器、继电器及卷帘开关机构。紧急时语音指令“紧急使用”可开启卷帘，2分钟后自动关闭，每24小时限用5次。不当使用触发70分贝以上连续报警（多位置发声）及连续振动。
**讨论与结论**
**讨论总结**：本研究通过“LLM-AHP→SD-LLM→人机优化”框架解决了硬件防成瘾设计中的核心挑战。主要贡献不在于创建新AI算法，而在于整合新的设计方法论和工作流程。与以往研究相比：① 首次利用LLM-AHP量化提供了强制控制合理性的数据支持（B1权重65.12%）；② 将LLM-AHP从农业管理、选址等扩展至硬件产品需求量化；③ 创新性地将传统“LLM-SD”流程转变为“SD-LLM”，利用LLM作为后处理优化代理加速迭代。新发现包括：问卷与权重排名存在显著差异（最大平均分比1.1，权重比149），表明比较方法能区分核心需求；最小化人为干预（C2, 14.89%）是第二核心需求，反映用户深层心理需求。局限性包括：缺乏长期有效性验证（仅通过15名参与者桌面评估，评分>8.0/10）；问卷样本仅来自北京一所小学；SD权重映射受限于相对权重；判断矩阵由10名设计师构建，但经7名领域专家（儿童心理学家、儿科医生、教育者）评估，80.95%项目达到“基本同意”以上水平。
**结论翻译**：
(1) LLM-AHP方法解决了需求模糊和主观偏差问题，量化了需求并基于权重排序。共24项需求，权重差异显著，分为五个区间。前两项为“独立于自律的强制管理”（22.28%）和“最小化人为干预、劝说与家庭冲突”（14.89%）；其次四项为“紧急使用与使用后立即强制覆盖屏幕”（9.94%）、“不可被规避或欺骗”（9.68%）、“紧急呼叫”（9.47%）和“定时强制覆盖屏幕”（7.02%）。从第7位起权重降至5%以下，关键需求集中在前六项。
(2) SD-LLM方法激发了新方案生成，并解决了设计师发现的问题。不可拆卸外壳、非标准内三角螺丝、紧急呼叫区域、卷帘门等关键特征均源于SD-LLM，但传统手工设计对于复杂组件的创意仍不可或缺（如三重验证接触检测装置由人类设计师设计）。
(3) 整个设计过程包括多源数据收集、量化分析、方案迭代和详细的人工优化，具有可重复性，可应用于其他儿童智能产品设计。
(4) 局限与未来方向：需扩大问卷样本量；应纳入跨领域专家；未来研究将包括用户测试和可靠性研究。
