这一篇回答一个 PM 最该先想清楚的问题:我的产品里,AI 到底"长在哪、用什么姿势跟人打交道"? 它不是讲某个按钮怎么画(那是 Shape of AI AI 产品 UX 模式库(Wayfinders/Inputs/Tuners/Identifiers/Governors/Trust/Dark patterns 七大类 + 设计指南) 模式库的活),也不是深挖对话界面的研究实证(那是 NNGroup AI 产品与对话式界面设计(20 篇 · 对话6类型/拟人化4度/谄媚sycophancy/智能优先于类人/可解释AI引用与免责声明/少废话直奔答案截断金字塔/提示建议3类·CARE框架·提示控件4用途/GenUI vs Vibe Coding·按钮复选框回归·Promptframe·用提示设计界面/AI助手4角色·创意伙伴宝洁776人实验·ChatGPT Agent初评·Google AI Mode·为何在GenAI与搜索间切换) 的活),而是先把 AI 介入产品的七种宏观姿势摆出来,让你在动手前先选对"形态"。
七种范式一句话地图(按"AI 介入感"由浅到深排): 人主导,AI 等召唤 → 人主导,AI 在后台帮忙 → 人和 AI 并肩干 → AI 主动出手 → 人用最自然的方式喂信息给 AI → AI 成为系统底座 → 纯聊天。
三条贯穿全篇的总心法,先记住:
- AI = 帮你做,不是替你做。 几乎每个好案例都给用户留了"撤销/忽略/接管"的口子。把控制权攥在用户手里,是 AI 体验的安全底线。
- 别让用户对着空白输入框发呆。 预设按钮、自然语言、拍照手写、高亮圈选——所有范式本质都在解决"普通人不知道怎么开口指挥 AI"这件事。
- AI 介入越深,设计责任越重。 后台静默优化、主动预测、独立硬件——介入感每深一层,出错的代价、隐私的风险、信任的崩塌就高一层。深度要配得上你担得起的责任。
七种范式速查表
| 范式(EN / 中) | 一句话 | AI 介入感 | 典型产品 | 核心场景 |
|---|---|---|---|---|
| Conversational 对话式 | 你问我答的纯聊天 | 浅(被动应答) | ChatGPT / Gemini / Dot | 通用问答、陪伴 |
| AI in old UI 传统界面嵌 AI | 在熟悉的老软件里挂 AI | 浅(嵌入式) | Notion / Figma / Linear / Grammarly | 给现有产品加 AI |
| Agentive UX 代理型 | AI 在后台默默干活 | 中(主动但不抢) | Gmail 补全 / Waze / Netflix | 提效、降噪 |
| Human in the loop 人机协同 | 人和 AI 并肩共创 | 中(协作) | Photoshop / v0 / Krea | 创作、写作、设计 |
| Hyper personalization 超个性化 | AI 当系统底座/独立设备 | 深(全感知) | Rabbit R1 / aiOS 概念 | 下一代 OS、硬件 |
| Multi-modal 多模态 | 拍写看听画都能指挥 AI | 中-深(多通道) | Photomath / Apple Pencil / Arc | 自然输入 |
| Trending 趋势 | 界面演化史 + 宏观方向 | —(元视角) | —— | 战略判断 |
怎么用这张表:做新 AI 功能前,先问"我落在哪一栏"。给老产品加 AI → 看第二栏(AI in old UI);想让 AI 主动帮用户省事 → 第三栏(Agentive);做创作工具 → 第四栏(Human in the loop)。多数成熟产品是几种叠加(如 Notion 同时是"对话式 + AI in old UI + 引用建信任")。
一、Conversational 对话式:AI 革命的起点
是什么:最简单的姿势——用户像跟人聊天一样,一来一回(linear back & forth)地问 AI。没有特殊命令,没有学习门槛,打开就能用。ChatGPT、Gemini、Bing AI 都是这个模式。
Why(为什么它是起点而非终点):对话式之所以引爆 AI 浪潮,核心不在"技术多强",而在人人都能用、人人都能懂——它把强大的 AI 算力,包装成"跟一个无所不知的朋友聊天"。这是 AI 第一次对普通人祛魅。但要清醒:纯线性对话只是入门姿势,后面六种范式都是在补它的短板(对着空白框不知问啥、长对话翻不回去、纯文字效率低)。
设计要点(从真实产品扒出来的 5 条):
- 保持真实,别装人:AI 直接说"我是 AI",不假装人类(呼应 NNGroup AI 产品与对话式界面设计(20 篇 · 对话6类型/拟人化4度/谄媚sycophancy/智能优先于类人/可解释AI引用与免责声明/少废话直奔答案截断金字塔/提示建议3类·CARE框架·提示控件4用途/GenUI vs Vibe Coding·按钮复选框回归·Promptframe·用提示设计界面/AI助手4角色·创意伙伴宝洁776人实验·ChatGPT Agent初评·Google AI Mode·为何在GenAI与搜索间切换) "智能优先于类人")。
- 不确定就问清楚:AI 没听懂时先反问确认,而不是瞎答。
- 一开始就说明能力边界:告诉用户"我能做什么、不能做什么",管理预期。
- 可改问题、可随时停:用户能编辑历史输入、随时清空对话——控制权在人手里。
- 预设模板降门槛:首屏给"写邮件/解释概念/生成食谱"等快捷入口,治"空白框恐惧"。
案例与变体:
- ChatGPT:基础范式,加载时用打字光标动画告知"AI 在工作"、底部反馈按钮收集数据、支持语音朗读(多模态延伸)。
- Dot(情感陪伴/日记反思型):用对话气泡 + 真人式逐字打字增强亲切感;用第三人称转述用户经历("Mei enjoys cooking…")制造"被理解、被记录"的共鸣;捏合屏幕调出日历回顾过往对话。这是对话式偏"陪伴"档的代表,对做 AI 聊天/伴侣产品的 PM 直接相关。
何时用 / 反例:通用助手、情感陪伴产品首选。反例:如果用户要的是"在表格里改个公式"或"把这段话改简洁",硬塞一个独立聊天框反而绕——那该用下面的"AI in old UI",让 AI 长在任务现场。
二、AI in old UI 传统界面嵌 AI:给熟产品挂上 AI
是什么:不另起炉灶,而是把 AI 嵌进用户早已熟悉的老软件(Word、Notion、Photoshop、Figma、Linear),做补全、搜索、生成、排版。
Why(为什么这是给老产品加 AI 的最优解):用户零学习成本——AI 自然融入现有流程,不打断工作流。对 PM 的现实意义:你手上多数产品不是从零做 AI App,而是"给已有产品加 AI 能力",这一范式 ROI 最高、风险最低、最容易被存量用户接受。心法是"外挂式增强,不强制重构界面"。
这一范式下有 6 个子模式,从浅到深:
2.1 Natural language search 自然语言搜索
把"说一句话"变成万能遥控器。不用点选项、拉下拉、翻菜单,一句自然语言("去年销量最好的产品""open bugs with SLAs")就能搜索、筛选、跳页甚至发起操作。
- Linear:在原有"筛选器 + 列表"架构上加一个"AI Filter",接受自然语言、自动解析成标准过滤条件——旧界面零改动,新能力快速部署。
- Stripe 开发者文档:搜索栏加"Ask AI Assistant",自然语言提问 → 双阶段加载("Gathering sources"收集 → 边写边答)→ 答案下方列可点来源 → "Was this useful?" 反馈。
- 设计要点:保留传统 UI、输出结构化兼容原系统逻辑、给预设提示("assigned to me")顺便教用户怎么表达。
2.2 Referencing for trust 引用来源以建立信任
让 AI 答案"有出处",用户才敢信。 因为大家都知道 AI 会"幻觉"(瞎编),所以要在答案下方列出可点击、可验证的参考来源。
- Notion:答案标注"8 pages found",列出实际引用的页面卡片、可点跳转——"不仅有结果,还有为什么是这个结果"。
- Arc Search / Adobe Acrobat:引用不只是链接,而是基于原文位置的"语义引用"(鼠标悬停高亮 PDF 里的实际段落),并配清晰免责声明("AI 回答可能不准,请核查")。
核心:信任来自"能验证、能回溯、能控制",尤其在技术、合规、医疗、法律、科研这类权威性要求高的场景是刚需。这一点与 NNGroup AI 产品与对话式界面设计(20 篇 · 对话6类型/拟人化4度/谄媚sycophancy/智能优先于类人/可解释AI引用与免责声明/少废话直奔答案截断金字塔/提示建议3类·CARE框架·提示控件4用途/GenUI vs Vibe Coding·按钮复选框回归·Promptframe·用提示设计界面/AI助手4角色·创意伙伴宝洁776人实验·ChatGPT Agent初评·Google AI Mode·为何在GenAI与搜索间切换) 的"可解释 AI/来源引用"深度呼应——那篇还补了一个关键反例:给了链接但点进去 404 的"幻觉来源"反而是危险的信任陷阱(用户因为"有来源的形式"就更信,却不去真验证)。所以引用必须是"真能点开且真实"的。
2.3 Context bundling 上下文捆绑
把提示词预设在按钮里,治"空白输入框不知从何下手"。用户点一下按钮("写一封辞职信""总结这份报告""给我解释这张图"),AI 自动带入页面上下文,无需用户自己写 prompt。
- Grammarly:选中文本自动弹"Rewrite with Grammarly",把"风格选择"做成按钮(assertive/confident/diplomatic),输出后还给 Insert/Retry/Shorten——输出不是终点,是继续微调的起点。
- Apple(Mail/Notes):非侵入式嵌入,选中文字点"Rewrite/Proofread",AI 几乎没有"存在感",保持系统极简。
- Figma(空间式 AI):点"魔法棒"调出一个 2D 语气矩阵(Casual↔Professional × Basic↔Technical),拖动橙点 = 调 prompt 参数,但比打字直观得多——AI 被定位成"语气调整器"而非"内容生成器"。
- Monday.com:AI 嵌进公式栏/段落"⋯"菜单,针对"写公式""总结段落"做精准优化,而非泛用聊天。
心法:降认知负担(Reduce cognitive load)+ 上下文感知(系统已知你想写什么,不用你说)+ 流程内辅助(In-flow,不跳出工作流)。这就是 NNGroup AI 产品与对话式界面设计(20 篇 · 对话6类型/拟人化4度/谄媚sycophancy/智能优先于类人/可解释AI引用与免责声明/少废话直奔答案截断金字塔/提示建议3类·CARE框架·提示控件4用途/GenUI vs Vibe Coding·按钮复选框回归·Promptframe·用提示设计界面/AI助手4角色·创意伙伴宝洁776人实验·ChatGPT Agent初评·Google AI Mode·为何在GenAI与搜索间切换) 里"提示建议/提示控件"的产品化落地。
2.4 Living documents 灵活文档
利用 AI 的"并行处理"超能力——人一次只能处理几件事,AI 能同时处理几百份文件,批量提取时间、地点、人物、情绪,做大规模横向对比。
- Elicit:把学术论文处理嵌进结构化表格,自动对比多文献(Hypothesis/Findings 等字段),配"Low confidence/答案可能不准"的置信度提示。
- V7 Go:在表格里新建一个 AI 属性列(如"提取情绪关键词"),选 GPT 工具 + 图片源,几十上百张图一次性生成结构化字段(Joy/Anger/Admiration 彩色标签)。
Why:这是 AI "扩容能力"的典型应用,适合数据密集型调研。设计上仍是"挂在表格旧逻辑上",迁移成本低。
2.5 Infinite Canvas 无限画布
把 AI 融进"无限大白板"的空间工作区,说一句"帮我总结""整理图标"就能调动 AI,适合设计、规划、创意、集体讨论。
- Figma:框选区域点"Replace content",AI 读取空间结构补全内容(如自动填食谱表格),黄色高亮处理区域、透明过渡强调"AI 是协作者不是接管者",输出后可微调回退。
- tldraw:画布 = 输入设备,输入"把矩形沿曲线排列",AI 直接做"几何动作"——语言即空间操作,无弹窗无确认,即时命中。
2.6 Non-linear conversation 非线性对话
"脑图 + 聊天 + 编辑器"的结合体。 不是从头聊到尾,而是点击任意内容块就能就地对话,回答显示在对应位置,可随时切换话题节点,多分支并行,最终形成融合 AI 的知识图谱。
Why:用空间布局替代线性时间轴,解决了线性对话最大的痛点——长对话里翻不回之前内容(NNGroup 称之为 "page parking / 过度滚动")。适合文献调研、产品拆解、知识地图等非线性思考。每个分支 AI 都"记得"上下文、异步生成不阻断阅读。
何时用 AI in old UI 整体 / 反例:存量产品加 AI、用户已有牢固使用习惯时,这是最稳的路。反例:如果你做的是一个全新的 AI 原生产品(没有"老 UI"可嵌),硬套这个框架反而束手束脚——那该考虑对话式或下面的超个性化。
三、Agentive UX 代理型体验:AI 在后台默默干活
是什么:一群"隐形 AI 管家",随叫随到但不打扰。它们自动补全、优化设置,但始终在幕后,你随时能切回主导权。
Why(为什么"不抢控制权"是它的灵魂):代理型的价值在"提效 + 降噪",但它最容易踩的雷是"越俎代庖"。所以每个好案例都死守一条:AI 主动帮忙,但用户能随时采纳/忽略/接管。 这是"协助但不干涉"原则。介入感拿捏不好,贴心就会变成冒犯(比如 Samsung "AI 涂月亮"那种过度增强引发的争议)。
四个子型,按"AI 主动程度"递进:
3.1 You complete me! 让我完整(智能补全)
AI 预判你下一步并补全,你一键采用、也能忽略。Gmail Smart Reply(输入"Dear Sir," 后预测下一句,按 Tab 采用)、Google Sheets Smart Fill(识别数据规律自动补全单元格)。心法:"半步领先"的节奏,最大化减少输入负担又不中断流程。
3.2 You surprise me! 让我惊喜(主动预测)
在你意料之外提供贴心服务,且随时可撤销。Siri Suggestions(收到带地址的消息自动在地图推荐该地点)、Arc 自动重命名下载文件(读邮件标题把"机票确认单"重命名得可读)、Pierre 代码审查(把代码改动自动总结成一行描述)。
3.3 You exist? 存在吗(隐形学习)
AI 像隐形人,在后台观察习惯、默默优化,你只在"搜索栏自动补全得真准""首页推荐变贴心"时才意识到它在。
- Netflix 三层感知:① 显性反馈(点赞收藏)→ ② 隐性情境(设备/时段/地区/是否刷剧)→ ③ 深度个性化(同一部剧给爱浪漫的人配情侣海报、给爱悬疑的人配惊悚海报)。"内容相同,包装不同"的智能微调。
- mymind:无界面智能,保存网页/图片时自动提取关键词、分类打标签(颜色 orange / 物品 table lamp / 设计师 / 氛围 warm),用户"常忘了 AI 存在,但每次找回内容都觉得它都帮我做好了"。
- 彩蛋型(Easter eggs):不为提效,为制造"哇!"的情绪正反馈——Apple 视频通话手势触发烟花气球、YouTube 字幕识别到"点赞订阅"就高亮按钮、Samsung 月亮拍摄增强。
3.4 You assist me! 你来协助我(可交还控制权)
AI 在后台处理重复任务,核心是 take-back / handoff 控制权无缝切换。
- Ford 辅助驾驶:车道保持自动微调方向(handoff 交给系统),但踩刹车/打方向就立即切回人工(take-back);触觉震动 + 语音提醒做反馈。这是"协助但不主导"最直白的物理隐喻。
- Waze:主动推荐更优路线但保留你的常用路线,标注预计省时,你"采纳"或"忽略"自由选。
何时用 / 反例:适合"用户重复做、AI 能预判"的场景(写邮件、导航、整理、推荐)。反例:涉及不可逆/高风险操作(转账、删数据、提交敏感信息)时,代理型不能擅自做主——必须升级成下面的"Human in the loop",停下来让人确认(NNGroup 称 decision gate 决策门 / human-in-the-loop 人在回路,是 AI Agent 的安全基线)。
四、Human in the loop 人机协同:并肩共创
是什么:AI 是助手不是老板,不完全替代你,在你需要时给建议。它建议文字修改、配色、补细节,像懂你节奏的搭档,在关键时刻点睛。
Why(为什么"留人在环"在创作场景是必需):创作和审查的价值判断必须人来做——AI 不知道"哪个更好""哪句该留"。所以这一范式的两条铁律是 Human in the loop(人始终掌控流程,AI 只在指定范围动)+ User curation(AI 给建议,采不采纳人决定)。它是"润色但不抢稿的编辑",而非"擅自重写的 AI 霸总"。
四个子型:
4.1 Highlight text content 突出显示文本内容
高亮 = 输入,问题 = 指令,返回 = 改稿。选中文字直接对它提问,无需重述上下文(高亮即 context anchor 上下文锚点),大幅降低 cognitive load。
- Lex.page:高亮 + 输入
@lex,就地请求润色/转风格("make this more casual"),无需 prompt 经验。 - ChatGPT:选中一句话直接说"suggest more quirky and funny ones",AI 接着这句往下写,不跳新对话线程。
4.2 Highlighting visual content 突出显示视觉内容
把"指哪改哪"搬上屏——圈选/点击视觉元素发起局部修改,AI 执行但人保留主导权。
- Vercel v0:点任意组件(标题/按钮)→ 浮层输入"Make the heading larger and darker"→ AI 改 + 版本历史(v1/v2)可回退。还自动加社证("Learn More (10,000+ users)")。
- Photoshop Generative Fill:套索圈选一块 → 输入"Cloud"→ AI 生成 3+ 个变体供挑,与原图光影融合,操作历史可回退。
4.3 Work with me 与我一起工作
AI 不抢活不啰嗦,只在需要时轻提示("Need help?""Got a better version"),围绕用户已有输入做增强而非覆盖。
- Granola:不做"统一总结",而是围绕你自己的 quick notes 个性化增强——"你写你要的,我补你要的"。
- Dovetail:研究工具里 AI"建议式高亮"(Suggest),但建议必须人工 Accept/Dismiss 才生效,系统不自我判断价值。
- Captions:视频剪辑给三种风格模板(Impact/Cinematic/Paper),帧级别标出哪段被 AI 处理过(防"黑箱"、可回退),但字幕文案/段落顺序仍可改。
4.4 Real-time dreaming 边想边做(实时生成)
"我一边想,AI 一边跟着动。" 不是写完 prompt 点生成等半天,而是拖一下就给反馈、换个词就出新画面——核心卖点是"没有加载状态,这是实时的"。
- Meta AI:边打字边看图自动长出来,隐藏所有等待/确认动作,生成后还能 Edit/Animate 二次创作。
- Krea AI:图像 = prompt + 动态操作,拖左侧几何图形实时改右侧图像形态,支持结构草图 + 文本双驱动(多模态)。让用户感觉是"我在创作"而非"我在等 AI 给答案"。
- Decohere:支持 prompt 追加演化(版本树),选中变体当下一步起点,"逐帧生长";轻量加载("Slight loading, good feedback")——和前两个的"零加载"是有意识的不同取舍。
设计洞察(对做创作工具的 PM):实时反馈把用户感知从"请求"变成"控制",这是创作类 AI 体验的护城河。但"零加载"不是绝对——Decohere 故意留一点轻加载来给用户"系统在响应"的确定感。取舍点:沉浸感 vs 进度确定感,看你的用户更怕"卡住焦虑"还是更怕"被打断"。
何时用 / 反例:创作、写作、设计、研究等需要人类判断力的场景。反例:纯事实查询(订餐厅、查天气)硬要人逐步确认每一步,反而是折磨——那该交给代理型或对话式快速给结果。
五、Hyper personalization 超个性化:AI 成为系统底座
是什么:AI 从"App 里的一个功能"升级为贯穿整个系统/独立硬件的个性化助手。你说"想放松",它就调动娱乐、食物、环境,像最懂你的朋友。
Why(为什么这是最激进、责任也最重的范式):它把 AI 从"工具"推到"主动服务者",好处是极致便利(一句话跨 App 完成任务),但代价是全方位感知 = 全方位的隐私风险。介入感最深,出错和滥用的后果也最大。这是"未来式"范式,多数还在概念/早期硬件阶段。
两个子型:
5.1 aiOS AI 操作系统(对话式操作系统)
不用点按钮找菜单,直接告诉电脑你想做什么。核心特征:信息主动服务(系统把信息送到你面前)、懂你的情境(记住习惯/位置)、全方位感知(听话 + 看内容 + 行为习惯都是输入)、软件互相配合(你不关心用哪个 App,系统自动选工具)。
类比:就像"手电筒"从 App Store 的独立应用变成 iOS 控制中心的系统功能——常用能力会慢慢沉淀成系统底座,aiOS 用 AI 走这条路。设计师 Alexander Obenauer 的设想:在同一界面同时处理待办和邮件,把"软件"重心转移到"用户实际需求"上。
5.2 AI as a product 独立存在的产品(AI 硬件)
AI 不再是手机里的功能,而是独立硬件,能对话、感知环境(定位/声音/视觉)、自动生成上下文。
- Rabbit R1:多模态实体设备(按钮激活语音 + 摄像头识别 + 触屏),靠语言和行为驱动任务(查菜单/下单),卡片化输出关键信息,跳动兔子动画 + 语音做拟人加载反馈,甚至附透明硬盒强化"产品感"。
- Humane AI Pin:无屏 + 可穿戴 + 多模态。磁吸胸前,把信息投影到手掌当屏幕,靠语音 + 手势(挥/滑/捏)交互。但暴露一个关键设计挑战:AI 处理时几乎没有视觉反馈(甚至"尴尬的静默"),用户无法判断它是否在工作——这是"无界面交互"的可感知性难题。
特征总结:操作极简(说话就行)、全年龄可用、Everything in = Everything out(你说的做的周围的一切都是线索)、App 互联互通(一句话跨 App)。
何时用 / 反例:这是给"下一代 OS / AI 硬件"团队的战略参照,普通功能型 PM 短期用不上。反例 / 警示:Humane Pin 的商业失败提醒——介入感拉满但可感知性(用户知不知道 AI 在干嘛)和明确价值不到位,再炫的硬件也立不住。隐私 + 可感知性是这一范式的生死线。
六、Multi-modal 多模态:让 AI 适应你,而非你适应 AI
是什么:过去要写精确 prompt 才能让 AI 听懂,现在用画、拍、点、写、说等最自然的方式交互。拍照说"复制这风格"、写草稿说"润色下"、说话"总结会议"、圈选"简化这块"。
Why(为什么这是 AI 体验的终极方向):一句话定调——"未来是 AI 理解你,而不是你适应它。"多模态把"指挥 AI 的门槛"降到接近零:你用从小就会的方式(说话、拍照、手写、画画)表达,AI 自己负责理解。这是对"prompt 工程"门槛的根本性消解。
六个输入通道:
| 子型(EN / 中) | 输入方式 | 案例 | 解决什么 |
|---|---|---|---|
| Can you just snap? 拍照 | 拍一张/截屏,AI 就懂 | Photomath(拍数学题自动解题 + 步骤)、iPad 复制数字弹计算器 | 不用手动输入复杂内容(公式/题目) |
| Can you just write? 手写 | 自然手写,AI 同风格回应 | Goodnotes(手写识别 + 拼写检查 + 补全)、Calculator for iPad(手写算式,用你的笔迹写出答案) | 保留手写灵活性 + 文字处理精度 |
| Can you just look? 看 | AI 通过表情/视线读你 | JAWS(绿点引导视障者对准摄像头)、Hunger Station(眼动追踪打分预测"你最想吃啥")、New Computer(看屏幕→键盘模式,视线离开→语音模式) | 无障碍、情绪识别、注意力分析 |
| Can you just listen? 听 | 说话就操作 | Alexa / Siri(唤醒词 + 连续自然对话)、Arc(举手机当打电话触发语音搜索) | 比打字快、零门槛 |
| Can you just draw? 画 | 画草图,AI 填细节 | Apple Intelligence(手绘建筑轮廓 → 生成真实图,显示识别关键词概念图谱)、Adobe Firefly(structure reference,草图 + 强度滑块控制参考权重) | "你画框架,AI 填细节",做创意草案 |
| Be my extension? 成为延伸 | 动一下就懂(手势/动作) | Arc(捏合网页触发摘要、靠近耳朵触发语音)、Google Lens(圈选/涂画图像区域发起视觉搜索) | 不开口不点按钮,"动一下"AI 就知道下一步 |
设计共性:① 输入是自然动作(拍/写/看/听/画/动),不是 prompt;② 加载状态要么用环境填充("Summarizing for you…" + 轻音乐缓解等待焦虑),要么直接隐藏;③ 多数保留 User feedback(点赞踩)做闭环优化。这一栏与 Shape of AI AI 产品 UX 模式库(Wayfinders/Inputs/Tuners/Identifiers/Governors/Trust/Dark patterns 七大类 + 设计指南) 的具体输入组件可交叉参考。
何时用 / 反例:输入内容难用文字描述时(数学公式、视觉风格、图像区域)多模态碾压键盘。反例:对精确度要求极高、需要可审计记录的场景(法律文书、金融数字录入),纯语音/手写的识别误差是风险——要么配二次确认,要么仍用结构化输入。
七、Trending AI 时代的 UX 趋势:我们正处在哪
是什么:这是一个"元视角"——不讲单个模式,而是把界面演化史和宏观方向摆出来,帮 PM 做战略判断。一句原话定调:"History rhymes(历史总在重演),一切正在重演,但我们现在究竟处在何方?"
7.1 界面演化五阶段(我们在哪)
| 阶段(EN / 中) | 特征 | 标志 |
|---|---|---|
| CLI 命令行界面 | 键入指令直接跟电脑交互,"代码时代" | 技术初期 |
| GUI 图形界面 | 把命令打包成可点击界面,普通人也能用 | 1984 Mac |
| GUI 2.0 | 加云端连接 | 现代桌面/网页应用 |
| Conversational UI 对话式界面 | LLM 驱动,首次能用"自然语言"访问 AI 算力 | ChatGPT |
| Intent based 意图驱动(探索中) | 用户不再明确操作,系统主动理解意图、做出反应——AI 从"工具"变"主动服务者" | 未来方向 |
对 PM 的战略含义:我们正站在 GUI → AI 驱动交互的关键转折点上。"意图驱动"是终局方向(对应本篇第五栏超个性化的 aiOS),但它还在探索阶段——别把概念当现成方案,但要知道风往哪吹。
7.2 六大宏观趋势(本篇的全景索引)
这六个趋势,恰好就是本篇前六种范式 + 对话式,是设计资料区的顶层骨架:
- Conversational UI 对话式界面——以自然语言访问 AI 的主要方式(本篇 §一)。
- Hyper personalization 超个性化——系统按行为偏好主动提供个性化服务(§五)。
- AI in old UI 传统界面中的 AI——AI 融入已有界面,旧系统升级(§二)。
- Human in the loop 人类参与环节——人对 AI 过程干预监督,保透明与安全(§四)。
- Multi-modal AI–UX 多模态——融合文本/语音/图像/视频(§六)。
- Agentive UX 代理型——AI 主动执行任务,而非等你下命令(§三)。
何时用:做产品战略、向团队/老板讲"AI 时代我们该往哪走"时,用这个演化轴 + 六趋势当框架。它的价值是帮你定位"自己的产品在演化曲线的哪一段、下一步往哪个范式迁移"。
给 AI 产品 PM 的落地清单
把七种范式收敛成可执行的判断:
- 先定形态再画界面:动手前先用"七种范式速查表"问自己落在哪栏。给老产品加 AI → AI in old UI;想 AI 主动省事 → Agentive;做创作 → Human in the loop。多数产品是叠加态。
- 永远留撤销/忽略/接管的口子:无论哪种范式,"AI = 帮你做不是替你做"。控制权攥在用户手里是安全底线。
- 介入越深,责任越重:后台静默 < 主动预测 < 独立硬件,每深一层,隐私、可感知性、信任崩塌的风险就高一层(Humane Pin 的教训)。
- 不可逆/高风险操作 = 强制人在回路:转账、删数据、提交敏感信息,代理型必须升级成 decision gate(决策门),停下来让人确认。
- 治"空白框恐惧"是共通母题:预设按钮、自然语言、拍照手写、高亮圈选——都在解决"普通人不会指挥 AI"。这是降门槛的核心战场。
- 引用要真能验证:做"引用建信任"时,链接必须真实可点开,假的"幻觉来源"比没有更危险。
- 加载状态是体验分水岭:实时生成追求"零加载"沉浸,但要权衡"用户怕卡住 vs 怕被打断"——有时故意留一点轻加载反而给确定感。
源自 will-design-notes / AI-UX interactions(30 篇,7 大范式)。本篇是『范式分类骨架』层:更细粒度的可复用 AI 设计组件见 Shape of AI AI 产品 UX 模式库(Wayfinders/Inputs/Tuners/Identifiers/Governors/Trust/Dark patterns 七大类 + 设计指南) 模式库;对话式界面的深度研究实证(6 类对话/少废话/可解释 AI/谄媚/拟人化/提示 UX/GenUI)见 NNGroup AI 产品与对话式界面设计(20 篇 · 对话6类型/拟人化4度/谄媚sycophancy/智能优先于类人/可解释AI引用与免责声明/少废话直奔答案截断金字塔/提示建议3类·CARE框架·提示控件4用途/GenUI vs Vibe Coding·按钮复选框回归·Promptframe·用提示设计界面/AI助手4角色·创意伙伴宝洁776人实验·ChatGPT Agent初评·Google AI Mode·为何在GenAI与搜索间切换)。三篇互补——本篇帮你"选形态",模式库帮你"挑组件",NNGroup 帮你"挖一类交互的深水区"。原始截图保留在 sources。
来源与关联资料
- Shape of AI AI 产品 UX 模式库(Wayfinders/Inputs/Tuners/Identifiers/Governors/Trust/Dark patterns 七大类 + 设计指南)
- NNGroup AI 产品与对话式界面设计(20 篇 · 对话6类型/拟人化4度/谄媚sycophancy/智能优先于类人/可解释AI引用与免责声明/少废话直奔答案截断金字塔/提示建议3类·CARE框架·提示控件4用途/GenUI vs Vibe Coding·按钮复选框回归·Promptframe·用提示设计界面/AI助手4角色·创意伙伴宝洁776人实验·ChatGPT Agent初评·Google AI Mode·为何在GenAI与搜索间切换)