去年下半年，我系统性体验了一批 AI 产品，并整理成组内分享《AI-UX 智能交互设计》。准备过程中，最难回答的不是「哪个产品更好用」，而是开头那个问题：智能，到底是什么感觉？
靠谱、共情、主动、有逻辑、懂我、灵光一瞬——这些词指向同一种体验：系统不只执行指令，还能理解意图、预判下一步、在边界内自主行动。但落到界面上，「智能感」往往说不清、改不动、评不准。
我后来把这种感觉压成四件事。一个智能系统，应该：
- 理解：我的语言、意图、情绪
- 预见行为：在我说之前行动
- 自治推理：逻辑严谨，思虑周全
- 情境适应：设身处地待在当下情境里
这篇文章把分享里的观察收成一套可复用的设计框架。读完你会得到：
- HCI 与 AI-UX 的本质差异，以及意图为何成为新的设计重心
- 一条五阶段交互旅程：前馈 → 输入 → 输出 → 迭代 → 学习
- 每个阶段可落地的机制、案例与边界判断
从流程驱动到目标驱动
传统 HCI 里，用户告诉系统怎么做：点击、选择，一步步走完 WIMP 控件。主导权在人，界面表达的是可见按钮和流程。
AI-UX 里，用户表达要什么，系统决定怎么做。主导权转向系统——理解意图、自动行动。输入从点击变成自然语言、上下文与行动推理；界面从按钮菜单，变成对话、代理存在感等隐喻表达。
对话式界面常被当作这条分界线。豆包、千问、元宝、灵光，以及终端 CLI，形态各异，但都在用自然语言降低操作门槛。
对比表单，差异很清楚：
- 表单：字段需转译，但结构化、有方向，用户不容易迷路
- 对话：输入灵活，可多轮补全细节，但存在表达壁垒——用户未必知道该怎么说
两者不是替代关系，而是不同任务下的取舍。真正的问题不是「要不要对话」，而是在目标驱动的新范式里，如何把意图传达清楚、把系统行为变得可预期。
AI 时代，意图比入口更重要
Don Norman 的人机交互七阶段模型里，用户要花大量能量去指定动作序列、感知反馈——从目标到计划、战术、行动，再经感知、理解回到评估。知识、规则、本能三层叠在一起，执行段尤其耗能。
AI 把这条链路重新分工：
- 人：设置战略框架、关键模块、边界——「我的意图是……」
- AI：填充细节、执行战术、发散可能——「自动生成动作序列」
用户只需定目标，不必再找功能入口。Norman 模型里高耗能的执行段，被系统接管；设计重心上移到意图传达。
但意图从来不是一句话。向 AI 清楚表达目标并不简单——一个目标可以拆成许多信息元：
做一个 [应用]，有 [功能]，适合 [人群]，界面 [风格]……
六爻算卦、明天吃什么、智能广告投放，表面不同，底层都是同一套意图分解。
意图传达还有一个循环：用户输入 → 系统响应 → 用户修正 → 系统迭代 → 输出结果。用户参与修正越少，能耗越低；系统若能从结果中自主学习调优，下一轮修正也会更少。
五阶段框架：一条简化的 AI 交互旅程
参考 aiverse.design 的归纳，我把 AI 交互旅程压成五个阶段：
前馈 → 输入 → 输出 → 迭代 → 学习
前馈让用户探索 AI 能做什么；输入是用户向 AI 提供上下文；输出是 AI 的响应方式；迭代是用户如何修正意图；学习是系统如何适应并匹配用户。
下面按阶段展开。每个阶段都落到同一组问题上：判断是什么、界面怎么做、用户得到什么、边界在哪。
前馈：打开黑箱之前，先形成预期
AI 系统是黑箱。用户常卡在五个问题上：怎么传达意图？我这样表达 AI 会怎么理解？知识范围是什么？结果风险？偏差可能？
前馈（feedforward）是在操作前让用户预期系统会做什么——有助于执行的信息，形成初步预期。它通过预期、解释、边界三件事，提升系统的可供性：用户知道能做什么、不能做什么、做了会怎样。
行动建议：用「菜谱」降低空白页焦虑
ChatBot 从空白开始很难。前馈的常见做法，是用预设模板和行动建议展示系统能力：
- 案例激发：AI 设计师类产品的模板卡片（酒单、咖啡店品牌、分镜），让用户「照着做」就能开始
- 关键词探索：Idea Bang 式的标签云，把模糊创意收敛成可执行的 prompt
- 多入口启动：粘贴文本、一句话生成、导入文件、混用模板——按用户手头素材选路径
机制是：用可见示例替代不可见的模型能力。后果是降低首次交互门槛。边界是：示例太多会变成功能货架，选项一多，决策反而变慢——精选比堆砌更重要。
输入：意图不只来自用户打字
单靠自然语言传达意图，往往太笼统。完整的意图来源分两层：
用户主动提供：直接输入的 prompt、指令、素材。
隐含、非主动提供：
- 上下文情境：时间、空间、传感器
- 推理知识库：习惯、文化、元数据
ChatBot 过于开放、门槛高。实践中四类增强输入最常见：
1. 结构化输入：可控
预定义格式——表单、变量、滑块——精准引导系统，减少歧义。限制边界、交出更细控制权、提高重复任务效率。
- Suno 的风格滑块与歌词模式
- Figma 的语气象限（简洁↔展开、专业↔随意）
- Lumalabs 可替换的提示词组件
- Adobe Firefly 从参考图提取构图、色彩、光照等属性再混合
后果是专业用户能稳定产出，而非跟模型赌运气。边界是：控件过多会把对话变成配置面板，只适合需要精确控制的场景。
2. 多模态输入：自然地输入
图片、声音、手势等富媒介，单位信息密度高，输入像自然知觉的延伸。用户不必把所见所想全部翻译成文字。
- iPad 画圈选中上下文
- Mixboard「选择即输入」
- Claude 对着文档语音提问
- 灵光「看见即输入」
边界是：多模态采集涉及隐私与误识别，需要明确的触发与确认。
3. 情境感知 + 意图识别：提前想到下一步
用户表达困难时，系统实时补充情境，增强表达，降低负担。关键是适度的主动性与有效的上下文补充。
- Hero AI 输入自动补全
- RunwayML 自动增强提示词
- ChatGPT 输入框预测续写
边界是：补全太激进会变成「系统替用户想」，打断思路；太保守则等于没有。主动性必须可忽略、可改写，思维才能和输入并行，而不是先被系统带跑。
4. 集成知识库：预先输入
定义 AI 知道什么、能做什么，把背景知识前置到交互之外，让使用无缝连贯。
- NotebookLM 的内容来源
- Meter 基于数据生成并组装 UI 组件
边界是：知识库过时或片面时，AI 会在错误前提下表现得很自信——需要来源可见与更新机制。
输出：用户低参与阶段，更要可见
AI 输出包含理解与行动：感知、理解、评估意图，形成计划与战术，最后实施。流程上是 输入 → 等待 → 输出 → 迭代。中间「等待 + 输出」是 AI 运行阶段，用户参与度低，也是体验最容易塌掉的区段。
按下之后如果长时间无响应，精神负担会陡增。更糟的是过程不可打断——用户被迫先等动画播完，再决定要不要改主意。
运行步骤：让系统「动起来」可见
把系统状态和处理步骤外显，等待时不焦虑，行动时可监督。
- v0 展示思维链：用户知道 AI 如何理解任务，可中途 Stop
- ChatGPT「Thinking…」可打断：复杂请求时状态可见、可中止
- Atlas 点阵动画 + 页面气泡：代理在网页上行动时，标注当前操作对象
边界是：思维链过长会喧宾夺主；关键场景必须保留「接管」入口。动画进行中仍可抓取、反转、改目标——这才是代理感，而不是一段播完才能点的片。
多线程 / 批量：用空间换时间
用屏幕空间承载并行可能性，打破线性聊天的吞吐瓶颈。
- Reve AI 回复队列：多条请求并行处理
- Conductor 多 Agent 并行
- Flora 图像生成矩阵：一次探索整个变体空间
边界是：并行越多，用户的比较与决策成本越高——需要筛选、排序、推荐。复杂度不会消失，只是从时间挪到了空间。
预览输出：校准大方向
在重投入前验证方向：高透明度、可控、低成本试错。
Gemini Deep Research 先给研究计划，用户可「修改方案」或「开始研究」。
边界是：预览本身也有成本；简单任务不需要两步确认。
实时生成：更快获得反馈
生成中演变、随时介入、提升代理感，把等待环节压成连续调参。
Krea 实时画布：用户改参数，画面即时变化。反馈从「等结果」变成「跟着手走」。
边界是：实时预览适合连续调参类任务，不适合长链路推理。
迭代：在上下文里微调，而不是重开对话
迭代不是「再说一遍」，而是从现有上下文和想法出发，继续优化。改哪里、改什么，应当一目了然；修正成本要远低于整段重写。
内联动作
精确上下文、指定范围——在当前对象上动手，而不是回到空白输入框。
- Polymet 设计建议一键 Apply
- Figma 批量替换内容
- Lumalabs 发散联想
- Lovart 对象标记与内容分离
画布节点：让推理过程可结构、可回溯
Flora 自由节点、AiArtSecret 脑图节点、Flowith 树状节点——用离散节点承载对话状态与语义，让 AI 的连续推理显性化。
一个节点可拆为：I 输入（用户意图）、O 输出（AI 回应）、R 隐含推理、C 上下文引用、P 模型状态 / 参数。迭代的本质是：修改部分 → 局部重算 → 保留已验证部分 → 推动整体演化。画布节点的自由度、结构化、可迁移复现，天然支持局部可控。
在此基础上，五种操作构成完整的「理解并影响 AI」工具箱：
| 操作 | 做什么 |
|---|---|
| 回溯 | 查看依赖、引用与推理链 |
| 修正 | 改内容并重新输出 |
| 插入 | 在输入与输出间增加辅助信息 |
| 分支 | 分叉更多输出，跨分支引用 |
| 聚合 | 将多路信息合并 |
机制是把历史上下文变成可见、可操控的结构模型。后果是信任、可控、可解释、可迭代同时提升。边界是：节点画布学习成本高，适合复杂创作与研发，不适合一次性轻量查询。
学习：让系统记住语境
ChatGPT Memory 是典型实现：用户声明偏好，系统更新记忆，用户可 Manage。长期 / 短期记忆支撑连续交互与个性化——说过的不用反复说，互动越多越贴合用户思维。
边界是：记忆错误会长期污染体验。信任靠三件事一起成立——用户必须能看见记住了什么、能编辑、能删除。少任何一项，个性化都会变成黑箱绑架。
边界：什么时候自动化，什么时候增强
交互的持久课题没变：让人看得清、想得明、做得到。三个老问题仍在——信息爆炸（找不着）、认知局限（想不到）、行动障碍（操作麻烦）。
AI 的价值在于三条路径：
- 推荐：理解意图与情境——给你想要的
- 决策：补充知识、预测未来、全局规划——帮你选更好的
- 代理：定目标、AI 执行——一条龙完成
但「全自动」不是默认答案。Google PAIR 的自动化 / 增强决策矩阵值得背下来：
高度自动化适合繁琐、重复、大规模的任务，指标是效率、降错、减少枯燥，设计要点是保留监督、预览、撤销。增强适合个人责任、高风险、主观判断、用户享受的任务，指标是创造力、控制感、乐趣，设计要点是用户掌控终稿，工具像「超能力」。
李继刚提过一种更贴切的分法：白盒工作流太脆，黑盒许愿太飘，人机协作的甜区是透明盒——人定战略框架与边界，AI 在框架内填充细节、执行战术；透明度随场景调节。
对应三条设计原则：
- 边界清晰：避免漫无目的许愿
- 容错空间：AI 能自我调整，用户能低成本修正
- 参与度可调：不同场景，不同力度的人机分工
IJHCI 的人机协作模型进一步提醒：除了任务信息流（感知、理解、预测），还有团队信息流——协同解释、协同理解、协同信任。界面要同时交出透明度、可理解性、可预测性，人和 AI 才谈得上共享心智模型。
AI 交互设计不只是把任务做完，还要理清人和 AI 的任务 + 关系。
回到那个问题
智能是什么感觉？
不是消息框里多一个闪烁光标，也不是把所有按钮换成一个输入框。它更接近这样一种体验：
- 你知道系统能做什么（前馈）
- 你能用自然、多模态、有情境的方式表达意图（输入）
- 等待时看得见、等得起、控得住（输出）
- 偏了能局部修、分了能合并、深了能回溯（迭代）
- 说过的不用反复说，系统记得你的语境（学习）
- 全程边界清晰，该自动时自动，该增强时给你超能力（关系）
AI-UX 不是给传统界面贴一层聊天皮肤。它是从流程驱动走向目标驱动时，一整套关于意图、可见性与协作关系的设计纪律。
能把这四个问题答清楚，「智能感」就不再是形容词，而是可以争论、可以迭代的设计方案。