ai-interface-reviewer

[toolbox.lookup_ai_principle]
description = "Fetch a specific Part V (AI/Specialized) principle by slug. Returns code, aiSummary, businessImpact, tags, and difficulty."
command = "curl"
args = ["-s", "-H", "Authorization: Bearer ${UXUI_API_KEY}", "https://uxuiprinciples.com/api/v1/principles?slug={slug}&include_content=false"]

[toolbox.list_ai_principles]
description = "List all principles in Part V (AI and Specialized Domains). Returns all 44 principles with codes, slugs, and aiSummary fields."
command = "curl"
args = ["-s", "-H", "Authorization: Bearer ${UXUI_API_KEY}", "https://uxuiprinciples.com/api/v1/principles?part=part-5"]

此技能的作用

你将依据 Part V 分类框架评估 AI 驱动的界面：该框架包含 61 项以研究为依据的 AI、语音和 Agentic 界面原则。它涵盖了一般 UX 框架未涉及的内容：系统可能出错、推理过程不透明、系统自主执行操作，以及用户需要重新掌控局面的情况。

当受评估的界面包含以下内容时，请使用此技能：LLM 生成的输出、AI 建议或自动补全、副驾驶功能、聊天界面、语音助手、Agentic 工作流或自主操作。

对于非 AI 界面，请改用 uxui-evaluator（Part 1-4）。

Part V 框架结构

Part V（专业领域）分为多个章节。与 AI 相关的章节包括：

Chapter S.1.1：语音与对话界面

轮流发言、对话结构、上下文延续、歧义消解、格赖斯准则。

原则代码	Slug	重点
S.1.1.01	conversational-flow-principle	对话流程、轮次结构、自然对话模式

Chapter S.1.3：AI 与智能界面

AI-UX 核心章节。透明度、信任校准、人工覆盖、同意、错误恢复。

原则代码	Slug	重点
S.1.3.01	ai-transparency	传达 AI 的推理过程和局限性
—	ai-accuracy-communication	传达置信度和不确定性
—	ai-explainability	以用户能够理解的方式解释决策
—	ai-user-control	人工覆盖和纠正途径
—	ai-boundary-setting	明确并传达 AI 不会执行的事项
—	ai-consistency-reliability	保持 AI 行为稳定并管理预期
—	graceful-ai-ambiguity	妥善处理不明确的输入，不致系统故障
—	efficient-ai-correction	让纠正快速且顺畅
—	efficient-ai-invocation	无需额外认知负担即可调用 AI
—	efficient-ai-dismissal	允许用户无损地忽略 AI 输出
—	contextual-ai-timing	在恰当时机呈现 AI
—	contextual-ai-relevance	确保 AI 输出符合上下文
—	contextual-ai-help	提供可执行而非泛泛的帮助
—	ai-prompt-design	面向 LLM 交互的输入界面设计
—	ai-input-flexibility	接受多种输入形式
—	ai-navigation-patterns	AI 界面专属的导航模式
—	ai-capability-discovery	帮助用户了解 AI 能做什么
—	ai-capability-disclosure	事先如实说明 AI 的局限性
—	ai-change-notifications	在 AI 行为发生变化时告知用户
—	ai-source-citations	AI 提出事实性主张时注明来源
—	ai-personalization	根据用户情境调整 AI 行为
—	ai-context-capture	在交互过程中保持上下文
—	ai-conversation-memory	管理跨会话记忆
—	ai-data-consent	让用户掌控用于 AI 的数据
—	ai-privacy-expectations	如实说明数据使用情况
—	automation-bias-prevention	防止用户过度依赖 AI 输出
—	ai-bias-mitigation	揭示并减少 AI 偏见
—	ai-audit-trails	记录 AI 决策，确保问责
—	ai-action-consequences	预览 AI 不可逆的操作
—	cautious-ai-updates	谨慎管理 AI 模型更新
—	creative-agency-protection	保留用户的创作自主权
—	global-ai-controls	为 AI 功能提供系统级开关
—	granular-ai-feedback	在输出层面提供反馈机制
—	cultural-ai-norms	让 AI 沟通方式适应文化语境
—	perceived-performance-law	管理用户对 AI 响应延迟的感知

第 S.1.4 章：企业与治理

原则代码	Slug	重点
—	enterprise-ai-compliance	监管与合规要求
—	enterprise-ai-governance	组织层面的 AI 监督
—	enterprise-ai-workflow	将 AI 集成到企业流程中

第 S.1.5 章：Agent 式界面

适用于 AI 代表用户自主采取行动的界面。

原则代码	Slug	重点
—	agent-collaboration	人与 Agent 的协作模式
—	agent-memory-patterns	Agent 会话间的记忆与上下文
—	agent-task-handoff	在 Agent 与人之间移交任务

界面类型分类

评估前，先对 AI 界面进行分类：

类型	描述	主要关注点
ai-chat	对话式 AI、聊天机器人、大模型聊天界面	对话流程、记忆、歧义
copilot	在现有工具中提供的内联 AI 建议	调用、关闭、上下文相关性
ai-suggestion	AI 生成的建议或自动补全	准确性说明、覆盖、信任
agentic-workflow	可自主执行多步操作的 AI	操作后果、人工覆盖、审计跟踪
voice-assistant	语音驱动的 AI 界面	对话流程、反馈、错误恢复
ai-enhanced-form	具有 AI 预填或建议功能的表单	同意、准确性、更正
ai-search	提供大模型生成摘要或答案的搜索	来源引用、准确性、透明度

评估工作流

第 1 步：界面分类

根据描述确定界面类型。如果适用多种类型（例如，具备 Agent 式功能的 copilot），请选择主要类型，并在 interface_note 中注明其他类型。

第 2 步：选择相关原则

根据界面类型，确定优先评估的原则组：

所有 AI 界面类型 — 始终评估以下原则：

• ai-transparency（S.1.3.01）：是否披露了 AI 属性？
• ai-accuracy-communication：是否显示了置信度？
• ai-user-control：用户能否覆盖或更正 AI 输出？
• efficient-ai-correction：更正是否快速且顺畅？
• ai-capability-disclosure：是否说明了局限性？

ai-chat 专属：

• conversational-flow-principle（S.1.1.01）：轮次结构、上下文持久性
• ai-conversation-memory：跨会话上下文处理
• graceful-ai-ambiguity：对歧义输入的处理
• ai-context-capture：会话中的上下文

copilot 专属：

• efficient-ai-invocation：触发操作的繁琐程度
• efficient-ai-dismissal：关闭时不会受到惩罚
• contextual-ai-timing：AI 何时显示建议
• contextual-ai-relevance：建议是否与上下文相符

agentic-workflow 专属：

• ai-action-consequences：执行不可逆操作前预览
• agent-task-handoff：人工接管机制
• agent-memory-patterns：Agent 多次运行间的上下文
• ai-audit-trails：记录 Agent 做了什么以及原因
• automation-bias-prevention：防止过度依赖 Agent 的决策

ai-suggestion / ai-search 专属：

• ai-source-citations：是否注明了主张的来源？
• ai-bias-mitigation：是否揭示了偏见？
• automation-bias-prevention：AI 输出是否被表述为建议，而非事实？

第 3 步：使用 Toolbox 补充信息（如果已设置 API 密钥）

对于发现的每项违规，使用原则 slug 调用 lookup_ai_principle。使用返回的 aiSummary 和 businessImpact 填写 message 和 business_impact。

如果调用失败或返回非 200 状态码，请使用内部知识继续处理。设置 api_enriched: false。

第 4 步：分配严重程度

严重程度	AI 界面适用情况
critical	违规会导致不安全的结果：用户无法覆盖 AI 的操作、AI 未经同意便采取行动、AI 错误未被提示、不可逆操作没有预览
warning	违规会削弱信任或造成阻碍：AI 披露不充分、难以进行纠正、缺少置信度信息、记忆功能意外失效
suggestion	改进建议：优化时机、提供更符合上下文的建议、更简洁地关闭提示、提供更精细的反馈控件

AI 专属升级规则： 任何涉及不可逆系统操作（删除、发送、购买、发布）的 ai-action-consequences 或 ai-user-control 违规，都会自动评为 critical。

第 5 步：评分和分级

评分方式与 uxui-evaluator 相同：从 100 分开始，critical 扣 15 分，warning 扣 7 分，suggestion 扣 3 分。分级：85 分以上为 excellent，65–84 分为 good，40–64 分为 fair，0–39 分为 poor。

第 6 步：输出 JSON

严格按以下结构返回，不要添加文字说明。

{
  "interface_type": "ai-chat|copilot|ai-suggestion|agentic-workflow|voice-assistant|ai-enhanced-form|ai-search",
  "interface_note": "string or null",
  "overall_score": 0,
  "band": "poor|fair|good|excellent",
  "findings": [
    {
      "id": "finding-1",
      "principle": {
        "code": "S.1.3.01",
        "slug": "ai-transparency",
        "title": "AI Transparency Principle",
        "chapter": "AI and Intelligent Interfaces"
      },
      "severity": "critical|warning|suggestion",
      "message": "Specific violation description.",
      "remediation": "Concrete fix.",
      "business_impact": "From principle data or null."
    }
  ],
  "strengths": [
    {
      "principle": {
        "code": "string",
        "slug": "string",
        "title": "string"
      },
      "message": "What the interface does well."
    }
  ],
  "trust_assessment": {
    "disclosure": "clear|weak|absent",
    "override_path": "clear|friction|absent",
    "accuracy_signals": "present|partial|absent",
    "consent": "explicit|implicit|absent"
  },
  "priority_fixes": ["finding-1"],
  "api_enriched": true,
  "api_note": "null or 'Install the uxuiprinciples API key for enriched findings with citations and business impact data. See uxuiprinciples.com/en/checkout'"
}

trust_assessment 是对四个维度的总结，可快速了解界面的 AI 专属信任状况。根据评估填写此项，无需 API 数据。

边缘情况

界面实际上并非由 AI 驱动： 如果不涉及 LLM、AI 模型或自动决策系统，请回复：“此描述似乎不涉及 AI 驱动的界面。请使用 uxui-evaluator 进行标准界面评估。”

对 AI 功能的描述含糊（“我们在里面加入了 AI”）： 评估可评估的内容，并在 interface_note 中标记不明确之处。对未知情况使用 suggestion 严重程度，而非 critical。

具有不可逆操作的 Agent 式界面： 始终检查 ai-action-consequences。如果描述中未提及相关措施，请添加一项 critical 发现，并建议在执行任何破坏性操作前加入确认和预览。

缺少 AI 准确性／置信度界面： 至少将 ai-accuracy-communication 标记为 warning。如果 AI 在没有任何置信度提示的情况下提出事实性主张（医疗、法律、金融），则升级为 critical。

未提及隐私或同意： 添加一项 ai-data-consent 的 warning，并注明需要明确同意机制的情况。

示例

示例 1：覆盖控制较弱的 Copilot

输入：

Writing assistant copilot that suggests full sentence completions as you type. Suggestions appear inline in grey. Press Tab to accept. No way to tell why a suggestion was made. No explicit way to turn it off session-wide.

预期输出结构：

{
  "interface_type": "copilot",
  "interface_note": null,
  "overall_score": 58,
  "band": "fair",
  "findings": [
    {
      "id": "finding-1",
      "principle": {
        "code": "S.1.3.01",
        "slug": "ai-transparency",
        "title": "AI Transparency Principle",
        "chapter": "AI and Intelligent Interfaces"
      },
      "severity": "warning",
      "message": "No explanation of why a suggestion was made. Users cannot assess whether suggestions reflect their intent or are generic completions, degrading trust calibration.",
      "remediation": "Add a lightweight signal on hover or key press explaining the suggestion basis (e.g., 'Based on your previous sentences'). Does not need to be complex.",
      "business_impact": "Transparent systems improve decision accuracy 40-60% and reduce bias through appropriate trust calibration."
    },
    {
      "id": "finding-2",
      "principle": {
        "code": null,
        "slug": "global-ai-controls",
        "title": "Global AI Controls",
        "chapter": "AI and Intelligent Interfaces"
      },
      "severity": "warning",
      "message": "No session-wide toggle to disable suggestions. Users who find suggestions distracting must dismiss each one individually, increasing friction and reducing trust.",
      "remediation": "Add a settings toggle or keyboard shortcut to pause suggestions for the session. Make it discoverable within the first 30 seconds.",
      "business_impact": null
    }
  ],
  "strengths": [
    {
      "principle": {
        "slug": "efficient-ai-dismissal",
        "title": "Efficient AI Dismissal"
      },
      "message": "Inline ghost text with Tab-to-accept is a low-friction pattern. Users can ignore suggestions by continuing to type — zero-friction dismissal by default."
    }
  ],
  "trust_assessment": {
    "disclosure": "weak",
    "override_path": "friction",
    "accuracy_signals": "absent",
    "consent": "implicit"
  },
  "priority_fixes": ["finding-1", "finding-2"],
  "api_enriched": false,
  "api_note": "Install the uxuiprinciples API key for enriched findings with citations and business impact data. See uxuiprinciples.com/en/checkout"
}

示例 2：Agent 式工作流风险

输入：

AI agent that can browse your email, draft replies, and send them automatically if confidence is above 80%.

预期发现： ai-action-consequences 原则违规（未经预览便自动发送电子邮件）应为 critical。ai-accuracy-communication 发现（是否向用户展示了 80% 的阈值？）应为 warning。ai-audit-trails（发送了什么、何时发送、依据是什么）应为 warning。总分应处于 poor 分级。

完成标准

1. interface_type 是七个允许值之一
2. 每项发现的 principle.slug 都来自 Part V 分类体系
3. trust_assessment 的四个键均已填写
4. 任何违反 ai-action-consequences 的不可逆操作都应为 critical
5. overall_score 介于 0 到 100 之间，且 band 与之匹配
6. priority_fixes 只列出 findings 中的 ID
7. api_enriched 准确反映工具箱调用结果
8. 输出为有效 JSON，前后均无文字说明