系列 《产品与体验:把不确定的能力做成可信的产品》 第 4 / 4 篇 入门

系列总览 — 为什么这样组织、读它需要什么、读完能做什么

学习地图 — AI 应用工程师学习地图 第 7 / 7 个系列

  1. 场景选择——锯齿状边界与 demo–产品鸿沟
  2. 形态——copilot、agent 与自动化,后台 agent 为什么成了主流
  3. 人机分工与信任校准
  4. 不确定性的呈现与非对话形态

上一篇:人机分工与信任校准

上一篇说校准信任的手段都是”让用户看到真实的能力与不确定”。这一篇讲怎么让用户看到:引用与来源怎么呈现、置信度怎么表达(不给数字)、拒答怎么说、流式与进度、agent 的步骤、审批的交互、diff 式审阅。然后讲形态:对话框是 2023 年的默认,不是最好的默认——内联建议、按钮化动作、环境感知、生成式 UI、语音与实时、后台交付,各在什么时候比对话框好。

呈现的三个原则:诚实(不把不确定的呈现为确定的)、可核对(用户能验证)、可行动(用户知道下一步能做什么)。它们把前六层的工程机制(引用正确率、拒答出口、审批的 justification、步骤流、diff)翻译成用户看到的东西。

本篇要回答的核心问题是:

引用、置信度、拒答各怎么呈现?1 进度、agent 步骤、审批、diff 各怎么呈现?2 对话框为什么不该是默认形态,非对话形态有哪些、怎么选?3

一、总览

1. 呈现与机制的对应

%%{init: {"flowchart": {"wrappingWidth": 300}}}%%
%% 图:系统里的机制与用户看到的呈现一一对应
flowchart TB
    subgraph P1[" "]
        direction LR
        M1["检索到的块(L3)"] --> U1["引用:点开定位到原文段落,粒度到句子"]
    end
    subgraph P2[" "]
        direction LR
        M2["模型的不确定 / 拒答出口(L2)"] --> U2["置信度用行为不用数字:「我不确定」、给两个选项、反问一句"]
    end
    subgraph P3[" "]
        direction LR
        M3["agent 的步骤与审批(L4)"] --> U3["步骤流可见、审批带理由与影响范围、diff 式审阅"]
    end
    subgraph P4[" "]
        direction LR
        M4["流式输出(L1)"] --> U4["首字 1 秒出现、进度可见"]
    end
    P1 ~~~ P2 ~~~ P3 ~~~ P4
呈现方式与背后机制的对应
呈现 背后的机制 层
引用可点开 检索的块 id 与来源文档、引用正确率 L3、L5
不确定用行为表达 拒答出口、自一致性、judge 《Prompt 与上下文工程(03):结构化输出——约束解码、schema 设计与失败修复》、《评测、可观测与可追溯(07):运行时可靠性与物理世界的仿真》
拒答说缺什么 结构化输出的出口字段与原因 《Prompt 与上下文工程(03):结构化输出——约束解码、schema 设计与失败修复》
首字前的骨架、token 流、步骤流、进度 流式事件、运行时的事件流 《模型作为组件(02):API 契约(一)——消息、工具调用、结构化输出与流式,四家 API 的共同骨架》、《工具、Agent 与 harness(03):agent 运行时——会话、持久化与 durable execution》、《生产化与运营(03):延迟工程——从 TTFT 到 agent 的多步》
agent 步骤可视化 会话日志、决策点日志 《工具、Agent 与 harness(03):agent 运行时——会话、持久化与 durable execution》、《评测、可观测与可追溯(06):可追溯——录制回放、决策点日志、失败分类与反馈绑定》
审批带理由与影响 execpolicy 的 justification、权限判定 《工具、Agent 与 harness(05):权限、沙箱与安全边界》
diff 式审阅 变更的前后状态、提案先于生效 《工具、Agent 与 harness(08):memory 与 human-in-the-loop》
生成式 UI 结构化输出、MCP Apps 《Prompt 与上下文工程(03):结构化输出——约束解码、schema 设计与失败修复》、《工具、Agent 与 harness(02):工具调用与 MCP——协议、tool search 与程序化工具调用》

2. 本文的章节安排

第二章引用、置信度、拒答;第三章进度、步骤、审批、diff;第四章对话框的局限;第五章非对话形态;第六章选形态的判据;第七章实践建议。

二、引用、置信度、拒答

1. 引用与来源

每个事实断言能点开定位到原文(哪份文档、哪一段,高亮);引用的粒度到句子或段落而不是”参考文档 A”;引用正确率(《检索与知识接入(07):检索评测与运营》、《评测、可观测与可追溯(03):评什么——单步、RAG、agent 与多轮的指标矩阵》)在这里是产品指标——一个指向无关段落的引用比没有引用更伤信任。没有依据的断言不呈现为事实(《评测、可观测与可追溯(07):运行时可靠性与物理世界的仿真》):要么去掉,要么明确标为”未找到依据的推断”。来源的可信度也呈现(内部文档 vs 网页 vs 模型自身知识)。

2. 置信度:用行为不用数字

不给用户原始的置信分数——用户无法解读”0.73”,且模型的自评不可靠(《评测、可观测与可追溯(07):运行时可靠性与物理世界的仿真》)。用行为表达确定程度:

用行为表达确定程度
系统的确定程度 呈现
高(有依据、自一致) 直接给答案 + 引用
中(有依据但不完全匹配、或候选间有分歧) 给几个候选并说差别(”如果你指的是 A 则…,如果是 B 则…”)
低(依据不足) 问澄清问题,或说”我不确定,以下是能找到的相关信息”
无(没找到) 拒答,说缺什么、下一步能做什么

用语言而不是数字(”我不确定”、”这一点没有找到依据”),并在系统提示里让模型按这个梯子行为(《Prompt 与上下文工程(02):prompt 设计——稳定的模式与不稳定的措辞》的出口设计)。

%% 图:置信度用行为不用数字——系统内部有依据数量、自一致性、检索分数这些信号,但不把「0.73」给用户;映射成四级行为:高 → 直接给答案 + 可点开的引用;中 → 给几个候选并说差别;低 → 问一个澄清问题或说「我不确定,以下是找到的相关信息」;无 → 拒答三部分(缺什么 · 下一步 · 已知部分)
flowchart TB
    S["<b>系统内部的信号</b><br/>有几条依据 · 自一致率 · 检索分数 · 出口字段"] --> L{"确定程度"}
    L -->|"高:有依据、自一致"| A1["直接给答案 + 引用可点开到段落"]
    L -->|"中:依据不完全匹配、候选有分歧"| A2["「如果你指的是 A 则…,如果是 B 则…」<br/>几个候选并说差别"]
    L -->|"低:依据不足"| A3["问一个澄清问题<br/>或「我不确定,以下是能找到的相关信息」"]
    L -->|"无:没找到"| A4["拒答三部分:缺什么 · 下一步能做什么 · 已知的部分"]
    X["<b>✗ 「置信度 87%」</b><br/>用户解读不了,模型自评也不可靠"] -.-> S
    classDef s fill:#fff7e0,stroke:#c98a00,color:#222
    classDef dec fill:#eef6ff,stroke:#5b8fd6,color:#222
    classDef a fill:#eefaf0,stroke:#4d9a5c,color:#222
    classDef bad fill:#fdecea,stroke:#c0392b,color:#222
    class S s
    class L dec
    class A1,A2,A3,A4 a
    class X bad

3. 拒答

“无法回答”是最差的拒答。好的拒答有三部分:缺什么(”你的问题里没有订单号”、”知识库里没有关于 X 的内容”)、下一步(”提供订单号,或我帮你查最近的三笔”、”你可以联系 …”)、已知的部分(”关于 Y 我找到了这些”)。拒答是产品的正常路径而不是错误页——《Prompt 与上下文工程(03):结构化输出——约束解码、schema 设计与失败修复》的出口字段(原因、缺失信息、建议)就是为这个呈现设计的;拒答率进面板(《检索与知识接入(07):检索评测与运营》、《评测、可观测与可追溯(04):回归与门禁——CI、供应商静默升级、A/B 与在线评测》)。

三、进度、步骤、审批、diff

1. 首字前与流式

首字前 0.5–1 秒:骨架、状态(”正在检索…”)、已知信息先渲染(用户的问题回显、检索到的来源先列出来——来源在回答之前就有)。token 流让用户在第一个 token 就开始读(《生产化与运营(03):延迟工程——从 TTFT 到 agent 的多步》的感知延迟)。结构化输出用增量解析边到边渲染(《Prompt 与上下文工程(03):结构化输出——约束解码、schema 设计与失败修复》)。

2. agent 步骤的可视化

用户要知道 agent 在做什么、为什么。分层:默认一行摘要(”已读取 3 个文件,正在修改 auth.py“),可展开到步骤(每步的工具、参数摘要、结果摘要),再展开到完整内容——DeepSeek Harness 的 Trajectory 视图按来源检视每条记录,Codex 与 Claude Code 的步骤流是同一思想的不同密度。不分层的全量步骤是噪声,用户会关掉。步骤可视化同时是信任校准(透明)与调试入口(用户能指出哪步错了——反馈带 trace id,《评测、可观测与可追溯(06):可追溯——录制回放、决策点日志、失败分类与反馈绑定》)。

3. 进度与预估

长任务给进度(完成 3 / 7 步、已用 2 分钟)与预估(基于历史同类任务的分布——不确定就给范围);后台 agent 的完成通知与失败通知(部分结果 + 阻塞原因——《工具、Agent 与 harness(09):可靠性、评测与运营 agent》)。

4. 审批的交互

审批请求要让人在几秒内判断:为什么问(justification——”这条命令会删除目录”)、影响范围(会改哪些文件、会调哪个外部系统、能不能撤销)、选项(允许一次 / 允许本会话这类 / 拒绝 / 让我看细节——《工具、Agent 与 harness(05):权限、沙箱与安全边界》的批一类解审批疲劳)、默认安全(超时不批 = 拒绝)。审批不该是一个”允许 / 拒绝”的弹窗——那会训练用户点允许。

%% 图:agent 步骤的分层呈现——默认只有一行摘要「已读取 3 个文件,正在修改 auth.py」;点开到步骤列表(每步的工具、参数摘要、结果摘要、耗时);再点开到完整内容(完整参数、完整返回、模型的思考摘要);不分层的全量步骤流是噪声,用户会关掉;每一层都能从这里点「这步错了」带 trace id 反馈
flowchart TB
    L1["<b>第一层:一行摘要(默认)</b><br/>「已读取 3 个文件,正在修改 auth.py · 第 6 / 9 步 · 1 分 20 秒」"]
    L1 -->|"点开"| L2["<b>第二层:步骤列表</b><br/>① grep 'login' → 12 处 · 0.3 s<br/>② read auth.py → 4K · 0.1 s<br/>③ read session.py → 2K<br/>④ edit auth.py:+8 −3 行<br/>⑤ run pytest → 2 fail ✗<br/>⑥ edit auth.py(进行中)"]
    L2 -->|"再点开某一步"| L3["<b>第三层:完整内容</b><br/>完整参数 · 完整工具返回(或卸载定位符)· 审批记录 · 模型思考摘要"]
    L2 -.->|"「这一步错了」→ 反馈带 trace id + 步骤 id"| FB["bad case 队列(《[评测、可观测与可追溯(06):可追溯——录制回放、决策点日志、失败分类与反馈绑定](/traceability-record-replay-decision-logs-failure-taxonomy-and-feedback.html)》)"]
    X["✗ 不分层:几十步全量滚屏 = 噪声,用户关掉"] -.-> L1
    classDef l fill:#fff7e0,stroke:#c98a00,color:#222
    classDef fb fill:#eefaf0,stroke:#4d9a5c,color:#222
    classDef bad fill:#fdecea,stroke:#c0392b,color:#222
    class L1,L2,L3 l
    class FB fb
    class X bad
%% 图:两种审批弹窗——「允许 / 拒绝」两个按钮训练用户点允许;好的审批让人几秒内判断:为什么问(justification:这条命令会删除 build 目录)、影响范围(12 个文件、可用 git 恢复)、选项(允许一次 · 允许本会话所有 rm -rf ./build · 拒绝 · 看细节)、默认安全(超时不批 = 拒绝)
flowchart LR
    subgraph BAD["✗ 训练用户点允许"]
        direction TB
        B1["agent 请求执行:rm -rf ./build"] --> B2["[ 允许 ]  [ 拒绝 ]"]
    end
    subgraph GOOD["✓ 几秒内能判断"]
        direction TB
        G1["为什么问:命中规则「删除类命令需确认」<br/>理由:清理旧构建产物以重新编译"] --> G2["影响:删除 ./build 下 12 个文件(约 40 MB)<br/>可撤销:是(git 未跟踪,但可重新构建)"]
        G2 --> G3["[ 允许一次 ] [ 允许本会话所有 rm -rf ./build ] [ 拒绝 ] [ 看细节 ]<br/>60 秒无操作 = 拒绝"]
    end
    BAD ~~~ GOOD
    classDef bad fill:#fdecea,stroke:#c0392b,color:#222
    classDef ok fill:#eefaf0,stroke:#4d9a5c,color:#222
    class B1,B2 bad
    class G1,G2,G3 ok

5. diff 式审阅

变更以前后对比呈现(代码 diff、文档的修订标记、配置的字段级对比、数据的行级对比),人能部分接受(接受这三处、拒绝那一处)、能评论、能要求修改。整段替换(”这是新版本”)让人无法核对——第三篇的可核对呈现。PR 是软件领域的成熟形态;文档、表格、业务提案要有各自的 diff 形态。

四、对话框的局限

对话框在 2023 年成为默认,因为它是把模型接进产品最便宜的方式。它的局限:

  • 用户要会问:空白输入框把设计的负担转给了用户(”该输入什么?”);边界外的问题最容易在这里出现(第一篇)。
  • 打断工作流:用户在编辑器 / 表格 / 邮件里,要切到另一个窗口问、再复制回来。
  • 输出是一段文字:表格、图表、表单、可点的动作被压成文本。
  • 来回成本:多轮澄清对简单任务是负担。
  • 不适合长任务:用户盯着对话框等 agent 跑(第二篇的同步 vs 后台)。

对话框适合的:探索性、需要来回的、用户知道要问什么的任务。其他的有更好的形态。

五、非对话形态

非对话形态
形态 是什么 适合 代表
内联建议 在用户正在编辑的地方直接给(补全、改写建议、灰字) 高频、粒度小、用户在流中 代码补全、邮件补全、表格公式建议
按钮化动作 一次点击触发预定义的任务(”总结”、”翻译”、”修复这个错误”、”生成测试”) 任务明确、参数少、用户不该写 prompt 编辑器右键菜单、邮件的”起草回复”
环境感知 AI 在用户的工作流里而不是另一个窗口:IDE、邮件客户端、表格、CRM、IM 内 几乎所有生产力场景 Copilot 在 IDE、AI 在 Slack / 飞书里(OpenHarness 的 ohmo——《工具、Agent 与 harness(06):源码级对照——Codex、DeepSeek Harness、Claude Code 与 OpenHarness》)
生成式 UI 模型输出结构化数据,前端渲染成表格 / 图表 / 表单 / 卡片而不是一段文字 输出有结构(对比、列表、数据、可选项) 购物比较卡片、数据分析的图表、表单预填;MCP Apps 是协议层版本(《工具、Agent 与 harness(02):工具调用与 MCP——协议、tool search 与程序化工具调用》)
语音与实时 语音输入输出、低延迟的来回(Realtime API,《模型作为组件(02):API 契约(一)——消息、工具调用、结构化输出与流式,四家 API 的共同骨架》) 免手、移动、客服电话、陪练 语音助手、电话客服
后台交付 提任务、走开、收到 PR / 草稿 / 报告 / 通知 多步、有落点、可等(第二篇) 后台 coding agent、定时报告
环境自动 无界面:事件触发、AI 处理、结果进系统(分类、路由、抽取) 边界内、可验证、高量(第二篇的自动化) 工单分类、表单抽取

多数好的 AI 产品是这些形态的组合,对话框只是其中一个入口(Cursor 的四种形态——第二篇)。

六、选形态的判据

选形态的判据
问 倾向
用户在哪? 在工作流里 → 内联 / 环境感知;不在 → 对话或后台
任务多长?
  • 秒级 → 内联 / 按钮
  • 分钟 → 同步 agent
  • 更长 → 后台
输出是什么形状?
  • 文本 → 对话 / 内联
  • 结构 → 生成式 UI
  • 变更 → diff
要不要来回? 要 → 对话;不要 → 按钮 / 后台
参数用户知道吗? 知道且少 → 按钮;不知道 / 探索 → 对话
手与眼空吗? 不空 → 语音
输出要人看吗? 不用(边界内可验证)→ 环境自动

一条纪律:先问”为什么是对话框”——如果答案是”最容易做”,多半有更好的形态。

%% 图:选形态的决策树——用户在工作流里且任务秒级、粒度小 → 内联建议;任务明确、参数少、用户不该写 prompt → 按钮化动作;输出有结构(对比 · 数据 · 可选项)→ 生成式 UI;变更 → diff 式审阅;需要来回探索 → 对话;多步可等有落点 → 后台交付;边界内可验证高量不需人看 → 环境自动;手眼不空 → 语音;对话框只是其中一个入口
flowchart TB
    Q["一个 AI 功能"] --> Q1{"输出要人看吗?"}
    Q1 -->|"不用:边界内 · 可验证 · 高量"| F7["环境自动(分类 · 路由 · 抽取)"]
    Q1 -->|"要"| Q2{"用户在工作流里?"}
    Q2 -->|"在:编辑器 · 表格 · 邮件 · IM"| Q3{"任务多长 · 参数已知?"}
    Q3 -->|"秒级 · 粒度小"| F1["内联建议(补全 · 灰字 · 改写)"]
    Q3 -->|"明确 · 参数少"| F2["按钮化动作(总结 · 翻译 · 修复)"]
    Q3 -->|"变更"| F4["diff 式审阅"]
    Q2 -->|"不在 / 输出形状特殊"| Q4{"输出形状 · 时长?"}
    Q4 -->|"有结构:对比 · 数据 · 表单"| F3["生成式 UI(卡片 · 图表 · 表单)"]
    Q4 -->|"多步 · 可等 · 有落点"| F6["后台交付(PR · 草稿 · 报告)"]
    Q4 -->|"要来回 · 探索"| F5["对话框"]
    Q4 -->|"手眼不空"| F8["语音 / 实时"]
    classDef dec fill:#eef6ff,stroke:#5b8fd6,color:#222
    classDef f fill:#eefaf0,stroke:#4d9a5c,color:#222
    classDef chat fill:#fff7e0,stroke:#c98a00,color:#222
    class Q1,Q2,Q3,Q4 dec
    class F1,F2,F3,F4,F6,F7,F8 f
    class F5 chat

七、实践建议

  1. 审引用:能点开定位到段落吗?引用正确率多少?无依据的断言标了吗?
  2. 置信度用行为梯子:直接给 / 候选 / 澄清 / 拒答——写进系统提示与出口 schema;去掉一切原始分数。
  3. 重写拒答文案:缺什么、下一步、已知部分。
  4. 步骤分层:摘要 → 步骤 → 完整;进度与预估;后台的通知含部分结果。
  5. 审批三要素:理由、影响、批一类的选项;超时即拒。
  6. 变更全部 diff 化,支持部分接受。
  7. 对每个对话框问”为什么是对话框”,找一个该内联化 / 按钮化 / 生成式 UI 化 / 后台化的功能。

八、本文小结

  • 三原则:诚实、可核对、可行动;呈现是前六层机制的翻译。
  • 引用可点开到段落、正确率是产品指标、无依据不呈现为事实;置信度用行为梯子(直接给 / 候选 / 澄清 / 拒答)不用数字;拒答三部分(缺什么、下一步、已知部分),是正常路径。
  • 首字前骨架与已知信息先渲染、token 流、增量解析;agent 步骤分层(摘要 → 步骤 → 完整,DeepSeek Harness Trajectory、Codex / Claude Code 步骤流),不分层是噪声;进度与预估;审批三要素 + 批一类 + 超时即拒;diff 式审阅支持部分接受。
  • 对话框的五个局限(用户要会问、打断工作流、输出压成文本、来回成本、不适合长任务),适合探索与来回。
  • 非对话形态七种(内联、按钮、环境感知、生成式 UI、语音实时、后台交付、环境自动),多数产品是组合;选形态按用户在哪、任务多长、输出形状、要不要来回、参数是否已知、手眼是否空、要不要人看;先问”为什么是对话框”。

九、自测

  1. 一个 RAG 产品在每条回答末尾列”参考文档:A、B、C”。按本文哪里不够?改成什么?

    答案

    引用粒度到文档不到段落,用户无法核对具体断言的依据;也没区分哪些断言有依据、哪些是推断。改:每个事实断言旁的引用可点开定位到具体段落并高亮;无依据的断言标为推断或去掉;引用正确率进指标;来源可信度(内部文档 / 网页)可见。详见第二章。

  2. 团队想在每条回答旁显示”置信度 87%”。为什么不该?替代是什么?

    答案

    用户无法解读数字,且模型自评的置信度不可靠(《评测、可观测与可追溯(07):运行时可靠性与物理世界的仿真》)——87% 可能对应任何真实正确率,反而制造虚假的精确感。替代:用行为表达——确定时直接给 + 引用,中等时给候选并说差别,低时问澄清或说”我不确定”,无时拒答说缺什么;用语言不用数字。详见第二章。

  3. 一个 coding agent 默认展开全部步骤(每次工具调用的完整参数与返回),用户反馈”太乱关掉了”。怎么改?

    答案

    分层:默认一行摘要(做到哪一步、正在做什么),可展开到步骤列表(工具名 + 参数摘要 + 结果摘要),再展开到完整内容;关键事件(审批请求、错误、完成)主动浮现,其余折叠。透明要可控——不分层的全量是噪声。详见第三章。

  4. 审批弹窗只有”允许 / 拒绝”两个按钮,用户点允许的比例 99%。问题与改法?

    答案

    没有理由与影响范围,用户无法判断只能点允许(审批疲劳 + 过度信任);99% 说明审批已失效。改:显示为什么问(justification)、影响范围(改哪些文件、调哪个系统、可否撤销)、选项加”允许本会话这类”与”看细节”、超时即拒;同时按 《工具、Agent 与 harness(05):权限、沙箱与安全边界》的风险分级减少不必要的审批,只问真正需要判断的。详见第三章。

  5. 一个”AI 比较三款产品”的功能输出一段 400 字的文字。用第五章判断该是什么形态。

    答案

    输出有结构(三个对象 × 若干维度)→ 生成式 UI:模型输出结构化数据(《Prompt 与上下文工程(03):结构化输出——约束解码、schema 设计与失败修复》),前端渲染成对比表格或卡片,维度可排序、可点开来源;参数少且明确(三款产品、几个维度)→ 可按钮化触发而不是让用户写 prompt。一段文字把结构压平了,用户还要自己在脑子里建表。详见第五章、第六章。

  1. 引用:每个事实断言可点开定位到原文段落并高亮,粒度到句段而非”参考文档 A”,引用正确率是产品指标(指向无关段落比没有更伤信任),无依据的断言不呈现为事实(去掉或标为推断),来源可信度可见。置信度不给原始分数(用户无法解读、模型自评不可靠),用行为梯子表达:高——直接给 + 引用;中——给候选并说差别;低——问澄清或”我不确定,以下是相关信息”;无——拒答;用语言不用数字,系统提示与出口 schema 让模型按梯子行为。拒答三部分:缺什么(”没有订单号”、”知识库无 X”)、下一步(提供信息、替代操作、联系人)、已知的部分;拒答是正常路径不是错误页,出口字段为它设计,拒答率进面板。详见第二章。 ↩

  2. 首字前 0.5–1 秒用骨架、状态、已知信息先渲染(问题回显、来源先列),token 流让第一个 token 就开始读,结构化输出增量解析边到边渲染。agent 步骤分层:默认一行摘要 → 可展开步骤(工具、参数摘要、结果摘要)→ 完整内容(DeepSeek Harness Trajectory 按来源检视、Codex 与 Claude Code 步骤流),关键事件主动浮现,不分层的全量是噪声;步骤可视化同时是信任校准与调试入口(反馈带 trace id)。进度与预估基于历史分布给范围,后台的完成 / 失败通知含部分结果与阻塞原因。审批三要素:为什么问(justification)、影响范围(改哪些文件、调哪个系统、可否撤销)、选项(允许一次 / 本会话这类 / 拒绝 / 看细节),超时即拒;只有允许 / 拒绝的弹窗训练用户点允许。diff 式审阅:代码 diff、文档修订标记、配置字段对比、数据行级对比,支持部分接受、评论、要求修改;整段替换无法核对。详见第三章。 ↩

  3. 对话框成为默认只因它是最便宜的集成;局限:用户要会问(空白框把设计负担转给用户,边界外问题最易出现)、打断工作流(切窗口复制回来)、输出压成文本(表格图表表单动作丢失)、来回成本、不适合长任务(盯着等);适合探索性、需来回、用户知道要问什么的。七种非对话形态:内联建议(高频小粒度在流中——补全、灰字)、按钮化动作(任务明确参数少——”总结” / “修复” / “起草回复”)、环境感知(在 IDE / 邮件 / 表格 / CRM / IM 里而非另一窗口)、生成式 UI(结构化输出渲染成表格 / 图表 / 表单 / 卡片,MCP Apps 是协议层版本)、语音与实时(免手、移动、电话)、后台交付(PR / 草稿 / 报告 / 通知)、环境自动(无界面事件触发,边界内可验证高量);多数产品是组合。判据:用户在哪、任务多长、输出形状、要不要来回、参数是否已知、手眼是否空、输出要不要人看;纪律是先问”为什么是对话框”。详见第四章到第六章。 ↩

这篇对你有用?
系列 《产品与体验:把不确定的能力做成可信的产品》 第 4 / 4 篇 入门

系列总览 — 为什么这样组织、读它需要什么、读完能做什么

学习地图 — AI 应用工程师学习地图 第 7 / 7 个系列

  1. 场景选择——锯齿状边界与 demo–产品鸿沟
  2. 形态——copilot、agent 与自动化,后台 agent 为什么成了主流
  3. 人机分工与信任校准
  4. 不确定性的呈现与非对话形态

上一篇:人机分工与信任校准

本文由 arganzheng 创作,采用 CC BY 4.0 许可协议。在保留原文作者、署名以及完整原文链接(https://arganzheng.life/presenting-uncertainty-and-beyond-the-chat-box.html)的前提下,欢迎各种形式的转载、翻译或商业引用。


COMMENTS

评论存放在 GitHub Discussions, 用 GitHub 账号登录即可发表,支持 Markdown。 想针对正文某句话说?选中那段文字,点浮出的「评论」即可划线评论;觉得哪里写错了,发表时勾上「同时提交 Issue」。 有人回复你时 GitHub 会按你的通知设置发邮件,不用守在这里。

×