mcpField
A
Agentic UX Design - Relationship-Centric Interfaces

Agentic UX Design - Relationship-Centric Interfaces

github.com/bencium设计与 UI4683.3k 次安装3 周前更新
代码仓库

关于 Agentic UX Design - Relationship-Centric Interfaces

Agentic UX Design - Relationship-Centric Interfaces 是面向 AI 产品及长期交互体验设计团队的技能。它将重点从孤立页面转向持续发展的用户关系,并提供记忆、渐进式信任、协作规划和长期指标的设计指导。

主要功能

  1. 01以关系为中心的界面设计
  2. 02记忆与连续性交互模式
  3. 03渐进式信任与自主性
  4. 04人机协作规划
  5. 05长期关系指标

适用场景

  1. 01设计具备记忆能力的 AI 产品
  2. 02规划信任与自主性控制
  3. 03构建人机协作规划体验
  4. 04评估持续的用户关系

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/bencium/bencium-marketplace --skill agentic-ux-design---relationship-centric-interfaces

安装后在 Claude Code 中输入/agentic-ux-design---relationship-centric-interfaces确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

CHECKLIST.md
EXAMPLES.md
REFERENCE.md

详细介绍

Agentic UX 设计——以关系为中心的界面

概述

从以屏幕为中心转向以关系为中心的设计范式。

传统 UX 优化的是单个屏幕和孤立的交互。Agentic UX 设计的是持续发展的关系:系统会学习、记忆,并在不同会话、设备和情境中与用户共同演进。

核心原则: 每次交互都建立在已学到的偏好和用户历史之上。系统不仅会响应,还会逐步形成理解,并随着时间推移不断累积。

开始时宣布:“我正在使用 Relationship Design 技能,打造一个具备记忆能力的 Agentic 界面,帮助与用户建立长期关系。”

适用场景

在以下情况下使用此技能:

  • 设计 AI 驱动的应用、聊天机器人或 Agent 系统
  • 构建会随着时间推移反复与用户交互的界面
  • 创建应能从用户行为中学习的系统
  • 为 AI 时代重新构想传统仪表板或 SaaS 产品
  • 用户抱怨每次会话都要“从头开始”
  • 需要衡量关系质量,而不只是转化率
  • 设计从透明到自主的信任演进过程
  • 构建协作式规划功能(人类 + AI 共同创作)

不适用场景:

  • 不需要用户账户的简单一次性交易
  • 不需要个性化的静态内容网站
  • 记忆或学习可能引发隐私问题的系统
  • 一致性比适应性更重要的界面(例如医疗设备)

Agentic UX 的五大支柱

1. 记忆革命:从静态偏好到情境智能

旧模式: 存储静态偏好(主题:深色,语言:EN)

新模式: 维护动态演进的关系模型

设计重点:

  • 行为模式: 不只是“用户点击了 X”,而是“用户每周二晚花 20 分钟,苦恼地寻找 Y”
  • 情感情境: 识别挫败、紧迫、探索和决策等状态
  • 时间演变: 偏好如何在数周或数月内发生变化
  • 跨会话连续性: 在不同设备和时间之间无缝延续

关键问题: 如果这段体验能记住一切,并随着时间推移不断改善,它会是什么样子?

2. 将信任作为设计素材:三个演进阶段

设计界面,通过逐步建立信任来赢得自主权:

阶段 1:透明阶段

  • 展示所有推理过程、决策过程和置信度
  • 说明系统建议采取某项操作的原因
  • 展示数据来源和逻辑路径
  • 用户希望查看一切

阶段 2:选择性披露阶段

  • 只在重要或不确定的决策中展示推理过程
  • 对常规操作保持低调而自信
  • 系统学会何时展示处理过程,何时自信地采取行动
  • 用户信任系统,但会进行核实

阶段 3:自主行动阶段

  • 独立采取行动,并采用细微的确认方式
  • 为错误提供清晰的升级处理路径
  • 用户将整个决策类别委托给系统
  • 通过持续一致、符合预期的行为建立信任

设计模式:

  • 渐进式披露控件(让用户调整透明度)
  • 置信度指示器(可视化系统的确定程度)
  • 信任修复机制(提供清晰的撤销或纠正路径)
  • 悬停时说明自主操作

关键问题: 用户如何逐步建立对该系统的信任?

3. 以关系为中心的架构

设计持续的伙伴关系,而非孤立的交易。

从: 用户登录 → 完成任务 → 登出 → 系统遗忘一切

到: 系统持续了解:

  • 用户正在推进的目标和项目
  • 沟通偏好和模式
  • 从对这个用户有效的方法中学习
  • 随时间发展的关系深度

实现模式:

  • 记忆可视化: 展示系统记住的内容(偏好、目标、模式)
  • 上下文指示器: 通过细微提示,展示过往交互如何影响当前建议
  • 遗忘控制: 让用户决定哪些内容被记住或遗忘
  • 关系时间线: 以可视化方式呈现关系的发展历程

关键问题: 用户真正想实现哪些目标?Agentic 系统如何帮助他们更有效地达成这些目标?

4. 自主规划路径的系统

从: 明确设计每一种可能的用户路径

到: 设计目标对齐机制,由系统动态构建路径

Agentic 系统:

  • 持续了解用户的根本目标
  • 根据有效的方法调整交互模式
  • 从不完善的示范和自然语言反馈中学习
  • 为每位用户构建定制工作流

设计要点:

  • 目标连续性: 持续了解用户在不同会话中的目标
  • 主动提示: 温和地建议下一步,而不打扰用户
  • 协作规划: 人与 AI 共同制定方案
  • 自适应界面: UI 元素根据使用模式不断演变

关键问题: 系统能否帮助用户实现他们尚未充分表达的目标?

5. 全新成功指标:超越转化率

传统的 UX 指标(会话时长、转化率、点击次数)无法反映 Agentic 体验的核心价值。

改为衡量:

关系质量

  • 信任评分和委托意愿
  • 用户对系统决策的信心
  • 用户反复确认系统决定的频率
  • 用户对自主操作的接受程度

复合价值

  • 体验随时间的改善
  • 能解决的问题日益复杂
  • 通过积累的理解获得更好的结果
  • 第 6 个月与第 1 个月的对比

上下文准确性

  • 系统对意图和偏好的理解
  • 与用户价值观和目标的一致性
  • 对情境需求的识别
  • 对重要决策的预测准确性

民主对齐

  • 与更广泛的人类价值观保持一致
  • 符合社会接受度的行为边界
  • 合乎伦理的决策
  • 集体宪法原则

关键问题: 我们如何判断关系是在变得更好,而不仅仅是变得更频繁?

关系设计流程

阶段 1:了解关系背景

请思考以下问题:

  1. 关系持续时间: 用户通常会持续使用多久?(几天、几个月、几年?)
  2. 交互频率: 每天?每周?偶尔?
  3. 目标复杂度: 简单任务,还是不断演变的复杂目标?
  4. 信任要求: 何种程度的自主性才合适?
  5. 记忆敏感度: 系统应该记住什么,又应该忘记什么?
  6. 个性化深度: 体验应在多大程度上进行适配?
阶段 2:梳理信任的发展

针对具体用例:

  1. 明确透明度需求: 哪些内容必须始终得到解释?
  2. 识别常规操作: 哪些操作可以随着时间推移转为自主执行?
  3. 设计信任指示器: 用户如何查看系统的置信度?
  4. 创建恢复路径: 系统出错时会发生什么?
  5. 规划信任检查点: 用户如何调整自主性级别?
阶段 3:设计记忆架构
  1. 行为数据: 哪些模式至关重要?
  2. 偏好演变: 哪些偏好会随时间变化?
  3. 上下文信号: 哪些信号表明用户当前的状态或目标?
  4. 记忆控制: 用户如何管理被记住的内容?
  5. 跨会话连续性: 系统如何维持上下文?
第 4 阶段:构建协作式规划模式
  1. 目标捕捉: 系统如何了解用户的目标?
  2. 主动建议: 系统何时以及如何提供帮助?
  3. 共创界面: 人类与 AI 如何协同工作?
  4. 自适应 UI: 哪些界面元素应该不断演变?
  5. 学习反馈: 用户如何纠正系统的理解?
第 5 阶段:定义成功指标

从每个类别中选择 2–3 项指标:

  • 关系质量指标
  • 复合价值衡量指标
  • 上下文准确性信号
  • 民主协同保障措施

按周或按月跟踪这些指标,而不只是按会话跟踪。

设计模式库

具备记忆能力的界面组件

情境时间线

  • 展示用户随时间变化的历程
  • 突出显示偏好的演变
  • 展示关系中的关键时刻

情绪状态指示器

  • 识别挫折、紧迫感和探索意愿
  • 根据检测到的状态调整界面
  • 展示系统对上下文的理解

动态建议面板

  • 根据当前目标和历史模式提供建议
  • 为每条建议显示置信度指标
  • 解释为何此时提供这些建议
建立信任的组件

推理展示(透明阶段)

  • 展示决策逻辑
  • 显示置信度
  • 揭示数据来源

置信度量表

  • 以可视化方式显示系统的确定程度
  • 悬停查看推理过程
  • 根据置信度调整自主程度

撤销/纠正模式

  • 一键纠正自主执行的操作
  • 系统从纠正中学习
  • 提供清晰的升级处理路径
协作式规划组件

目标仪表板

  • 可视化展示进行中的目标
  • 显示进度指标
  • 提供系统建议的后续步骤

规划画布

  • 人类与 AI 共同制定计划
  • 系统贡献自身能力
  • 用户提供判断和策略

偏好演变图

  • 展示系统的理解如何改进
  • 让用户控制系统学习的内容
  • 提供遗忘控制功能

常见错误

❌ 将记忆视为静态设置

问题: 将偏好存储为键值对(theme: dark),而不是不断演变的模式

解决方法: 设计能够理解行为模式、时间上下文和长期演变的动态模型

❌ 二元信任模型

问题: 系统从一开始就要么完全透明,要么完全自主

解决方法: 设计三个阶段的信任演变机制,逐步提升自主程度,并让用户控制信任等级

❌ 使用传统 UX 指标

问题: 用会话时长和转化率衡量基于关系的系统

解决方法: 按周或按月跟踪关系质量、复合价值和上下文准确性

❌ 忽视隐私控制

问题: 系统记住所有内容,用户却无法控制

解决方法: 构建遗忘控制、记忆可视化和清晰的数据保留政策

❌ 设计页面而非关系

问题: 专注于像素级精准的界面,却没有构建关系架构

解决方法: 从关系模型着手,再设计支持持续协作的页面

❌ 没有信任恢复路径

问题: 系统出错时,用户会永久失去信任

解决方法: 设计清晰的纠正路径、让系统从错误中学习,并制定信任恢复流程

实际应用

参见 EXAMPLES.md,了解:

  • 欧盟 B2B 关系驾驶舱(汽车服务网络)
  • 具备记忆能力的内容发现(流媒体服务)
  • 协作式规划助手(项目管理)
  • 信任逐步建立的财务顾问

参见 REFERENCE.md,了解:

  • 详细的研究基础(DeepMind、Anthropic、OpenAI)
  • 技术实现模式
  • 记忆架构设计
  • 指标实现指南

参见 CHECKLIST.md,了解:

  • 关系 UX 审核清单
  • 记忆与数据契约冲刺指南
  • 信任演变设计工作表

快速参考

传统 UXAgentic UX
会话时长数月间的关系深度
转化率信任评分和委托意愿
点击率复利价值(第 6 个月与第 1 个月的对比)
孤立的屏幕持续的关系上下文
静态偏好动态模式演变
一刀切个性化自适应界面
显式导航与目标一致的路径构建
二元权限逐步演进的信任

请记住

  • 为持续数月的关系而设计,而非为单次会话而设计
  • 信任会经历三个阶段:透明 → 选择性 → 自主
  • 记忆意味着理解模式,而非存储静态偏好
  • 衡量关系质量,而不只是参与度指标
  • 系统应规划通往目标的路径,而不只是执行预定义流程
  • 用户应能控制记忆、信任级别和自主操作,这一点至关重要
  • 隐私和遗忘与记忆和学习同样重要

屏幕始终重要,但关系更重要。

评论

支持 Markdown