ai-native-ux

设计 AI 原生用户体验

从静态界面转向流畅、以意图为驱动的交互，充分利用模型智能。

根据 Lenny's Podcast 和 Newsletter 中 14 位嘉宾和文章分享的见解，帮助用户设计 AI 原生用户体验。

如何提供帮助

1. 权衡自主性与控制权 - 协助用户决定哪些任务应由 AI 自动完成，哪些需要人工监督。
2. 为非确定性而设计 - 帮助打造能够适应模型不同输出并提供便捷纠正机制的 UI 模式。
3. 构建对话语法 - 指导用户定义自然语言界面中不可见的规则和结构化元素，使其更具可预测性。
4. 迭代反馈循环 - 帮助实现简单、高频的反馈机制，根据用户交互优化模型表现。

核心原则

为流畅的意图表达而设计

Aishwarya Naresh Reganti + Kiriti Badam：“大多数人往往会忽视非确定性。你不知道用户会如何使用你的产品，也不知道 LLM 会如何回应。第二个区别在于自主性与控制权之间的权衡。”

摆脱固定按钮和表单，转向通过自然语言表达用户意图的界面。这要求在语言的灵活性与传统 UI 的精确性之间取得平衡。

明确界定决策边界

Adriel Frederick：“我当时就想，没错，之所以会出问题，是因为算法往往无法理解长期影响，也无法理解人们会如何应对，更无法理解你对产品的意图。我认为让产品经理承担这个角色非常重要。这就是我们的工作。开发算法驱动型产品时，你的工作就是确定算法应负责什么、人应负责什么，以及决策框架是什么。”

明确规定哪些决策应由算法做出，哪些需要人工介入。这个框架能够弥合机器优化与人类意图之间的差距。

为语言构建结构化语法

Aparna Chennapragada：“自然语言界面。NLX 就是新的 UX。我常听到产品开发者说：‘哦，对。有了 AI，模型就会吞噬产品。’但这并不意味着产品不需要设计。”

自然语言体验不应完全交由模型处理。设计师必须针对会议或播客等特定场景，定义其中不可见的 UI 构件和语法。

让纠错轻而易举

Gustav Söderström：“AI DJ 的使用方式是按下一个按钮，就会出现一个数字化的人物。现实中有个叫 X 的人，数字化后的 X。于是他成了 AI，会出现并跟你聊你喜欢的音乐，给你推荐音乐，你可以收听。如果你不喜欢，只要再次呼叫他，他就会说：‘好，那我们来听听几年前夏天的歌吧。’或者‘这是《最后生还者》昨天那集里出现的一些新歌，最近很流行。’”

由于 AI 的输出本质上具有可变性，应优先考虑简单的反馈循环。使用数字化角色或“呼叫帮助”按钮，让用户能够自然地纠正 AI 的错误。

优化指令遵循能力

Kevin Weil：“它非常擅长遵循指令。我觉得大家……我开始看到人们逐渐发现这一点，但它可以处理非常复杂的任务。你可以给它两张图片，一张是你的客厅，另一张是你想摆放的各种照片、纪念品或其他物品，然后对它说：‘告诉我该怎么摆放这些东西。’”

将交互模式从简单命令转向复杂的多步骤指令。设计 UX，充分利用模型处理多模态输入的推理能力。

沿着代理控制阶梯逐步扩展

摘自《为什么你的 AI 产品需要不同的开发生命周期》：“首先，找出一组控制度高、代理自主性低的功能（上图中的版本 1）。这些功能应当小巧、可测试且易于观察。在此基础上，思考这些能力如何随着时间推移而演进，一次逐步提高一个版本的代理自主性。”

只有在低风险环境中验证性能后，才提高 AI 的自主性。先从控制度高的功能入手，将宏大的 Agent 目标拆解为小巧、可测试的行为。

保留用户的工作流状态

Ryan J. Salva：“当你在编辑器中工作时，无论是 VS Code、IntelliJ，还是其他编辑器，Copilot 都会在你输入时提供建议，通常以这种斜体灰色文本的形式呈现。正如你所说，它能够推断出这些内容，确实很神奇。”

将 AI 建议直接集成到现有工具中，使用斜体灰色文本等不会造成干扰的提示。这能确保 AI 在不打断用户创作势头的情况下提供帮助。

模板与框架

• NLX（自然语言体验）设计元素（Aparna Chennapragada）- 一组必须在对话式 AI 界面中明确设计的隐形 UI 构件。
• AI 让像素变得免费（Sam Schillace）- 正如互联网让信息分发变得免费，AI 将让像素生成变得免费——从而推动整个软件行业从静态应用转向动态应用
• 容错用户界面（Gustav Söderström）- 一种 AI 产品设计原则：UI 的构建应能适应底层机器学习模型的错误率。
• Canva Magic Media UX 演进（打造 AI 产品的反直觉建议）- Canva 如何迭代其文生图 AI 功能，减轻空白提示词框带来的畏难感，并引导用户获得更好的结果
• 降低风险的 AI Agent 设计模式（让产品管理借助 AI Agent 再度变得有趣）- 四种在保留潜在收益的同时限制 AI Agent 出错风险的模式，适用于任何 Agent 设计。
• AI 建议的 200 毫秒延迟甜蜜点（Ryan J. Salva）- 行内 AI 代码建议保持开发者工作流状态的最佳响应时间
• AI 结对程序员定位（Ryan J. Salva）- 一种用于指导 AI 编码工具伦理与 UX 决策的产品角色／隐喻

完整列表及详情请参阅 references/artifacts.md。

帮助用户思考的问题

• “在此工作流中，人类控制与 AI 代理自主性的当前分布情况如何？”
• “当模型给出错误或置信度较低的响应时，界面会如何处理？”
• “我们是否提供了足够的视觉提示，帮助用户跳过空白提示词框？”
• “要让这段对话显得结构清晰且有用，需要哪些隐形 UI 语法？”
• “AI 响应的延迟是否足够低，能维持用户的工作流状态？”
• “我们如何区分用户撰写的内容与 AI 生成的建议？”

需要指出的常见错误

• 空白提示词陷阱 - 期望用户知道该输入什么，却不提供视觉起点或引导选项，会导致用户不知所措。
• 过度构建僵化 UI - 为模型功能硬编码特定 UI 元素，会让产品变得脆弱，无法跟上 AI 的快速进步。
• 黑箱式自主性 - 在缺少早期人机协同控制的情况下提高 AI 的代理自主性，会使调试变得不可能，并在出错时摧毁用户信任。
• 忽视非确定性 - 将 AI 视为固定的决策引擎，会在模型不可避免地产生不同结果时导致糟糕的用户体验。

深入了解

14 位嘉宾的全部 14 条精选洞见，请参阅 references/guest-insights.md

相关技能

• AI 产品策略
• AI 评估