用户意图点击 / 输入系统响应
第 14 课 UI/UX与人机协作
我们不再设计工具，而是设计关系
预计 30 分钟 · 系列：从 0 到 1 设计一个 Agent
本课要点
- 把自主性设计成可理解、可控制、可恢复的协作关系
- 用行动前、中、后的界面模式建立信任
- 让透明度与风险匹配，而不是展示所有过程
当 AI 从被动工具变为主动的 Agent，用户体验的重点不再只是“更强的功能”，而是“更好的协作关系”。我们需要通过合理的界面设计，让用户理解、信任并愿意与 Agent 一起完成任务。
用户意图制定计划选择工具自主行动反馈与接管
自主性是技术系统的输出，可信度是设计过程的输出。
1. 设计原则
好的 Agent 界面不是隐藏复杂性，而是让自主性变得可理解、可控制、可协作。设计任务是通过可见性、可预测性和可控性重建信任。
原则一：确保意图清晰
目标、约束、例外与禁区
原则二：提供透明度，为用户赋能
解释关键判断，而非倾倒日志
原则三：维持用户控制
可暂停、可覆盖、可调整自主度
原则四：用反馈建立安全感
告诉用户发生了什么、为什么、下一步
原则五：为协作而设计，而非替代
AI 提建议，人类保留判断与介入
可见性 + 可预测性 + 可控性 = 信任
2. 设计模式：控制、同意与问责
原则回答方向，模式回答界面里该放什么。六个模式按照一次智能体交互的功能生命周期组织。
行动前 建立意图
意图预览让用户审阅目标与计划
自主性调节按任务设定行动边界
行动中 提供上下文
可解释理由展示关键决策的原因
置信度信号提示不确定性与适用范围
行动后 安全与恢复
行动审计与撤销查看记录，必要时恢复
升级路径不确定时请求澄清或人工帮助
您的行程中断处理方案
我检测到您上午 10:05 的航班已取消。我计划这样做：
- 1取消 UA456 航班处理退款并确认取消细节
- 2改签 DL789 航班下一个有确认座位的直飞航班，下午 2:30 起飞
- 3更新酒店预订通知 Marriott 您会晚到
- 4发送更新后的行程把新的航班和酒店信息发给您和您的助理 Jane Doe
自主性调节
根据任务复杂度与风险，选择合适的自主程度。
信任不是开关，而是渐进授权。
设计道歉：不只是报错
错误不可避免，修复路径是展示问责、重建信任的机会。
1承认错误2说明即时纠正3提供人工支持
分阶段落地
先建立安全，再根据用户信任和运行数据逐步增加自主性。
1基础安全建议与提议
2校准自主确认后行动
3主动委托低风险自主
治理让这些模式持续运转
产品、设计、工程、领域专家和客户支持共同维护自主性政策、风险登记与行动审计。
3. 识别必要的透明性时刻
不是把每一步都展示出来，而是先识别系统在哪些节点作出了判断，再决定用户需要看到什么。
只汇报正在处理，用户不知道发生了什么。
正在处理……
展示关键结果的判断、依据与边界。
正在评估申请，基于您的资料和政策规则进行判断……
暴露每次调用，关键信息被淹没。
调用 getUser() → search() → calc() → send()…
先审计系统的决策逻辑，再决定界面在哪里开口。
3.1 决策节点审计
梳理 Agent 的决策流程，找到需要向用户解释的关键节点。
准备与绘图
1组建跨职能团队产品、设计、工程与领域专家
2画出端到端流程记录从用户输入到系统输出
定位隐藏逻辑
3标记模糊点找出没有唯一匹配的选择
4识别最佳猜测检查系统依赖的概率与置信度
5弄清判断依据标出影响决定的规则和信息
创造用户体验
6写清晰解释把关键判断翻译成人话
7更新界面在需要的时候显示信息
8验证信任确认用户理解并能介入
保险理赔审核示例
1正在评估损伤照片与车辆损伤样本比对•••
2正在审查事故报告分析责任关键词与法律依据•••
3正在核实保单覆盖检查具体除外条款•••
只展示帮助用户理解、判断和追责的信息，不暴露低层技术日志。
3.2 影响 / 风险矩阵
结合任务的影响程度与可逆性，决定合适的透明策略。
高影响低
高影响 + 可逆审阅通知 + 审阅轨迹
高影响 + 不可逆意图预览明确授权
低影响 + 可逆自动执行被动提示 / 日志
低影响 + 不可逆确认简单撤销选项
可逆可逆性不可逆
把高影响操作留给真正不可逆的时刻，并明确请求用户授权。
3.3 “等等，为什么？”测试
用用户会追问的问题，找到系统需要说明的判断点。
用户看到
“正在检查您的日历。”
等等，为什么？它在查谁的日历？
改进后的说明
检查您的可用时间与医生排班同步锁定预约时间
用户提问的位置，就是控制感正在流失的位置。
4. 透明性的实用界面模式
在需要解释的时刻，透明性首先是一个文字问题：讲清正在发生的动作、具体对象和边界规则。
4.1 状态更新公式
动词+具体对象+边界规则较弱 更清楚
“正在搜索航班……”
“正在扫描机票价格，寻找 600 元以下的选项。”
语气与风险匹配低风险友好、简洁，轻量提示 高风险清晰、准确，明确说明边界
4.2 四种界面容器
根据任务类型和风险级别，选择合适的容器承载透明信息。
动态面包屑
低风险、安静地显示后台进度
正在读取邮件 → 正在起草回复 → 等待确认
动态清单
高风险流程的任务锚点
✓ 验证账户余额 ◌ 计算换汇 ○ 执行转账
思考开关
为需要深挖的人保留原始日志
查看决策依据 ⌄ 已应用的用户偏好
审计轨迹
可回放、可撤销的事后信任
查看这次操作如何产生 →
4.3 对失败保持诚实
部分成功
航班已预订酒店已更新租车失败：无库存
只恢复失败部分，不需要从头开始。
工具故障
Google 日历连接无响应，我将在 30 秒后自动重试。
说明是工具故障，帮助用户区分系统能力与依赖问题。
可预测性、可靠性和可理解性，就是 Agent 产品本身。
5. 产品模态与用户意图的匹配
聊天不是所有 AI 能力的天然归宿
用户必须会表达、会措辞，还要记住系统能做什么。
读长段落才能提取信息，增加阅读和判断负担。
界面适应人，而不是人适应界面。
5.1 输入与输出模态
输入模态不同的输入方式，适用于不同的场景与用户需求。
输出模态不同的输出方式，帮助用户在合适的场景下获取信息。
模态选择要增加信息路径，同时提供无障碍替代。
5.2 任务审计
通过真实场景收集证据，判断合适的输入与输出组合。
手能用来打字或点按吗？
用户能安全地看屏幕吗？
环境允许说话或听音频吗？
主任务已经占了多少脑力？
01情境观察看真实工作
02聚焦访谈理解心智模型
03协作工作坊定义任务边界
5.3 输入 / 输出对齐矩阵
根据用户意图选择体验，而不是从 AI 能做什么开始。
| 用户意图 | 最佳输入 | 最佳输出 | 环境 |
|---|---|---|---|
| 快速状态检查 | 语音或单键点按 | 音频或推送通知 | 手忙、眼忙 |
| 具体细节查询 | 自然语言对话 | 短文本摘要 | 聚焦、低密度需求 |
| 复杂分析 | GUI（筛选器、滑块） | 视觉仪表盘 | 桌面办公 |
| 创意生成 | 多模态（图 + 文） | 交互画布 | 设计或起草环境 |
| 监控 / 警报 | 被动（后台系统） | 推送通知或音频 | 任何环境 |
| 引导式任务 | 结构化表单或向导 | 行内确认 + 进度 | 聚焦工作流 |
5.4 案例：野外技术员的多模态交接
根据工作环境切换输入和输出模态，让 AI 在不同场景下都能提供价值。
历史趋势电网地图
深度复核诊断时间缩短 20%
现场保持安全感知，回到车内再完成高密度分析。
结语：从原则到落地的完整路径
从“为什么”到“怎么做”，把原则、交互、时机、呈现与形态连接起来。
自主性是技术系统的输出，可信度是设计过程的输出。