从用户的角度来看，AI 系统本身就具有不确定性。它们可能会产生不一致的结果，并经常犯错。用户界面提供了许多机会来吸收、过滤和减少因 AI 限制而造成的挫败感。作为开发者，您在塑造 AI 用户体验方面发挥着核心作用，因为您对 AI 系统可能在哪些方面出现故障有着更深入的了解。
一个重要的设计考虑因素是用户对 AI 的控制程度。 有些机会对用户来说是不可见的，而另一些则需要用户明确互动。更大的曝光度意味着更高的灵活性，但也意味着必须管理的风险和复杂性更高。
在本模块中，我们将学习如何针对三种类型的曝光（后台、受限和开放式）设计用户体验 (UX) 模式的最佳实践。 对于每种类型，我们都会重点介绍技术和架构选择如何影响 AI 系统的用户体验。
Background AI
AI 可用于在不引入新功能的情况下巧妙地增强现有体验。这样可以最大限度地减少中断和故障的可能性。在这种情况下，产品完全负责实用性、可靠性和优雅降级。用户无需了解 AI 的运作方式，甚至无需知道 AI 的参与，即可从中受益。
在以下情况下，后台 AI 最为合适：
- 任务风险较低。
- 用户控制不会显著改善结果。
- 即使 AI 功能出现故障或无法使用，产品仍可提供其核心价值。
网络上有很多后台 AI 的示例，从垃圾内容过滤到娱乐内容推荐，再到复杂的示例，例如 B 站的弹幕评论。您可能甚至不会将其中一些功能视为“AI”。
示例：AI 赋能的评价摘要和重点内容
还记得 Example Shoppe 吗？我们目前已分享两份系统蓝图，分别针对不同的 AI 功能，包括客户支持功能和增强型产品搜索。现在，我们推出了第三项功能：评价摘要。不妨查看 AI 系统蓝图。
商品页面通常包含数百条评价。 对于用户而言，评估对他们真正重要的特征可能比较困难。
您可以使用 AI 来识别用户搜索中的重复主题，从而提供个性化的评价重点和摘要。在我们的示例界面中，用户正在寻找头戴式耳机，因此突出了音质和电池续航时间的主题。这有助于减轻认知负荷，并促使客户更快做出购买决定。
由于总结内容因人而异，因此在选择平台时，您应优先考虑隐私保护和速度。您可能需要选择内置 AI 和 Summarizer API，以便直接在用户设备上进行计算。
最佳做法
请遵循以下准则，确保 AI 功能能够顺畅地融入现有用户体验：
- 提供轻量级透明度：当 AI 转换或汇总用户生成的内容时，细微的提示可让用户了解相关情况。您可以使用“摘要”或“关键数据洞见”等中性标签，并通过提示或其他界面元素添加逐步披露功能。
- 允许选择停用：人们对 AI 的态度各不相同。有些人可能会觉得 AI 具有侵入性、令人不知所措或烦恼。提供清晰的路径来停用这些功能。
- 注意措辞：语言是任何用户体验的重要组成部分，包括 AI 生成的文本。在我们的示例中，摘要应反映趋势，而不是声明。在系统提示中添加规则，以减少或移除摘要中过于自信的措辞。
- 设计优雅的回退：尽可能在不使用 AI 的情况下提供价值。如果由于技术原因（例如模型不可用）无法提供摘要，系统仍应提供未总结的评价。下载模型后，应用可以自动显示新的摘要。
- 最大限度地减少设置期间的中断：客户端模型的初始下载可能会造成不便。首先展示该功能的价值。您可以添加有限的服务器端回退，或将下载移至用户历程的末尾，以尽量减少中断。适当的时机和情境构建有助于让您的产品与用户的优先事项保持一致。
受限 AI
虽然后台 AI 会自动运行，但受限 AI 功能由用户明确触发，通常通过链接或按钮触发。您可以在系统提示中确定任务、意图、限制条件和输出格式。与开放式提示光标不同，用户除了开始任务和接收输出之外，几乎没有其他选择。通过严格限制 AI 的功能范围，系统可保持可预测性。
与后台 AI 类似，受限 AI 功能非常适合与针对特定任务定制的客户端模型搭配使用。
示例：标题生成
生成标题可能是一项特别具有挑战性的任务。BlogBuddy 利用 AI 帮助写作者轻松撰写周到且贴合情境的标题。查看此功能的 AI 系统蓝图。
用户可以点击显示标题，生成多个草稿以供评估和优化。
我们在提示工程中介绍了如何使用 Prompt API 实现此功能。构建一个系统提示，其中包含任务、风格限制和输出结构。只有博文内容会从界面动态传递。通过客户端实现，该功能经过优化，可进行迭代，且无需设置费用。
最佳做法
您的目标是促使用户使用新功能。为此，请展示价值并让客户掌控结果：
- 清晰自信地沟通：与“向 AI 提问”等泛泛的语言相比，清晰的操作标签始终是更好的选择。用户应该能够直观地了解发生了什么，而不仅仅是了解如何发生。如果您的功能延迟时间较短，请添加标签来表明结果已可供使用。例如，显示标题而不是生成标题。
- 让用户保持警惕：添加轻微的认知摩擦，让用户保持警惕。通过提供多种选择，您可以防止用户因不喜欢某个结果而感到束手无策。用户应能够在保存结果之前明确接受或修改结果。
- 尽可能提前准备结果：尤其是对于客户端任务，请考虑预先计算结果，以便立即使用。
- 支持快速迭代：再生应简单、可逆且成本低。用户应能够撤消自己的操作。收集这些反馈信号，以便您在日后运行该功能时对其进行微调。
- 根据需要，提供更精细的控制：可以使用其他结构化元素（例如语气标记、长度选择器或预设样式）来优化结果。在许多情况下，随着用户信心和要求的变化，对额外控制的需求会逐渐显现。设置反馈环，以便您跟踪这些进展。
如何在后台 AI 和受限 AI 之间进行选择
某些功能可以实现为后台 AI 或受限 AI，具体取决于您显示这些功能的方式和时间。这种区别受可见性、认知负荷和时间安排的影响，而不是受可用功能的影响。例如，标题可以在后台主动准备，而无需用户明确点击按钮。当用户聚焦于标题字段时，您可以显示建议。
此方法最适合以下情况：
- 功能所需的输入默认可用
- AI 赋能型功能数量较少
- 预计算的成本较低
- 建议可以集成到应用中，而不会分散用户完成任务的注意力
相比之下，受限 AI 更适合具有多项 AI 功能或操作的产品。显式触发器有助于避免不必要的计算，并让用户更清楚地了解意图和代理。
开放式 AI
开放式 AI 可让用户通过自由格式的输入直接控制 AI 系统的行为。用户无需触发预先确定的操作，而是可以使用自然语言提供上下文。提交后，AI 系统会解读意图、添加缺失的上下文，并尽最大努力猜测下一步该做什么。
输入内容具有高度的个性化特征，且往往难以预测，因此 AI 系统需要能够处理这种可变性。这种类型提供极大的灵活性，但对用户体验的风险也最高：
- 用户输入不明确或不完整
- 不可预测的输出
- 回答不正确或具有误导性的可能性更高
- 过度信任的风险增加
- 试图破坏系统，例如，让系统生成不当内容
示例：AI 赋能的客户支持智能体
以 Example Shoppe 为例，客户支持涵盖各种问题：订单跟踪、退货、产品问题、配送问题以及不符合明确工作流程的边缘情况。回顾平台模块中的 AI 系统蓝图。
为最常见的操作添加受限 AI 功能后，界面可能会显得拥挤。而开放式 AI 支持代理可以提供灵活性。
- 快速解决常见问题。
- 缩短等待时间并降低支持费用。
- 无需复杂的支持流程，即可针对各种主题提供即时帮助。
支持代理的价值在于大规模处理各种变化。最终，您需要构建一个能够负责任地处理这些输入的系统。虽然您希望并期待用户运用自己的最佳判断并校准信任度，但您可能需要对模型提供的错误回答承担责任。
用户与代理开启对话，询问“我的订单在哪里？”或“我被扣了两次款，你能帮我吗？”智能体可解读意图、提出澄清问题、检索相关信息，并提出后续步骤或行动建议。
大多数开放式 AI 系统都依赖于服务器端模型。这些组件可以与其他组件（如数据库、外部工具和业务逻辑）相结合，形成复合 AI 系统。您应提供升级途径，以便用户联系人工支持代理。
最佳做法
侧重于透明度、信任度校准和控制机制：
- 引导用户清晰表达意图：提供提示建议（“我想退货”）和建议的后续问题，以减少歧义。
- 让系统状态和假设清晰可见：代理应清楚地传达其理解的内容（“您似乎在询问订单 12345。”）以及其正在使用的信息。
- 先询问再行动：在执行退货、退款、更改地址等敏感操作之前，客服人员应先总结操作内容，并请求用户确认。
- 设计用于验证和更正：用户应该能够更正误解、重新措辞请求或回放对话，而无需重新开始。
- 与受限的 AI 功能相结合：过多的来回对话可能会让用户感到厌烦。以快捷方式的形式添加结构化元素。例如，系统推断出的订单号可以显示为可点击的元素，用户可以搜索、选择或替换该订单号，而无需以文本形式重新措辞请求。
- 显示不确定性和局限性：智能体应承认不确定性、指出信息缺失，并在置信度较低时妥善升级到人工处理。
这类 AI 体验要求用户批判性地评估回答，并了解何时需要升级问题。
要点总结
在本模块中，我们回顾了不同类型的 AI 用户体验：
- 借助后台 AI，您可以为现有用户体验添加更多价值或惊喜。
- 受限 AI 功能可用于特定且明确定义的用例，这些用例最好通过 AI 来实现。
- 对于变化性高的领域，需要开放式 AI。只有在对系统的技术性能非常有信心时，才使用开放式问题。
下表总结了每种 AI 的推荐用户体验模式：
| 用户体验主题 | 用户体验模式 | 背景 | 受限 | 开放式 |
| 透明度 | 明确标明 AI 生成的内容 | |||
| AI 行为的简要说明 | ||||
| 系统状态和假设可见 | ||||
| 指南 | 提示建议 | |||
| 结构化输入（标记、预设） | ||||
| 控制 | 显式 AI 触发器 | |||
| 预览后再应用输出 | ||||
| 多种替代方案 | ||||
| 重新生成 | ||||
| 撤消 | ||||
| 信任校准 | 措辞保守 | |||
| 置信度指示标志 | ||||
| 风险和故障管理 | 有意设置的摩擦点和审核关卡 | |||
| 人工交付 / 上报 | ||||
| 不使用 AI 的优雅回退 |
其他读物
如需继续了解用户体验模式，建议您参阅以下资源：
- 阅读 Google 的《人与 AI 指南》。
- Microsoft 的 HAX 工具包，尤其是其人与 AI 交互指南。
- Emily Campbell 的人工智能的形态。
- AI 产品开发艺术第 10 章。
检验您的掌握情况
视频通话背景模糊功能属于哪种类型的用户体验模式？
何时应将开放式 AI 用作用户体验模式？