如何做好AI产品的体验设计 ？先掌握这7个原则！
设计师们正在探索未知领域 。体验十多年来 ，设计我们首次在用户体验设计中面对一个未被开垦的先掌全新领域。这里没有现成的原则剧本 ，也没有既定模式可供参考 。何做好即便是体验最前沿的 AI 实验室 ，也在通过实验不断学习 ，设计观察哪些新交互方式能引发用户共鸣 。先掌
这让我想起移动触控界面初现时 ，原则设计师们创造了如今我们习以为常的何做好交互模式。正如早期 iOS 和 AndROId 的体验设计选择定义了移动计算时代 ，今天的设计突破正在塑造未来数十年我们与 AI 协作的方式 。
实时观察这些设计选择引起的先掌连锁反应令人着迷 。当某个设计奏效时，原则竞争者会争相效仿——这不是出于懒惰 ，而是因为我们都在共同探索这个新范式中的合理模式 。
今天，我想重点介绍最激发我想象力的突破——那些塑造我们对 AI 交互集体认知的设计选择 。其中有些现在看来显而易见 ，但每个突破是关键的发现 ，帮助我们更好地理解人类和 AI 会如何协作 。
一 、对话范式（ ChatGPT ）
核心洞察 ：人类本就擅长通过对话表达复杂想法——何必让他们学习新方式 ？
影响 ：确立对话作为人机交互的基础范式 。
对话式 AI 如今已无处不在 ，但正是这个突破性设计开启了我们的 AI 时代 。虽然 GPT 技术早已存在于 OpenAI 的开发者平台 ，但当时并未引发广泛共鸣——它看起来更像是开发者工具 。我记得初次使用时虽感惊艳，却未能激发我对于 AI 潜力的想象 。
采用对话形式带来了质的改变 ，这被证明是本世代最重要的设计决策 。聊天界面随后被广泛模仿，影响了几乎所有后续消费级 AI 工具 。这波生成式 AI 浪潮以自然语言为核心 ，而对话正是用语言交流的核心 ，这种范式会持续存在 。
上面是早期的 ChatGPT ，下面是之前的开发环境 。
二、来源透明（ Perplexity ）
核心洞察 ：没有来源标注 ，用户无法验证 AI 的研究结论 。
影响 ：让 AI 搜索结果变得可验证。
当人们开始使用 ChatGPT 时，缺乏引用来源成为一个普遍的痛点。虽然 ChatGPT 能基于海量训练数据生成回答 ，但无法追溯信息来源 ，使其难以用于严谨研究 。
Perplexity 通过实时引用来源改变了这一状况 ，使答案可追踪验证 。该功能被广泛模仿（包括 OpenAI 的网页搜索） ，解决了根本的信任问题 ：用户不仅要答案 ，更要答案来源的可信度 。
虽然在UI方面很简单 ，但引用来源是一个很大的进步 。
三 、共同创作（ Claude Artifacts ）
核心洞察 ：对话不仅能生成文字 ，更能驱动生成创意资产 。
影响：开创对话生成创意资产的创作流程 。
首次使用 Claude 里的 “ Artifacts ”功能时，我第一次感受到我不仅仅是和 AI 对话 ，而是和 AI 在共同创作 。虽然之前和 ChatGPT 和 Claude 的对话有助于构思 ，Perplexity 有助于研究 ，但“ Artifacts ”功能给了我惊奇的体验——我可以通过对话开启创作流程 ，并将其中最好的部分转化为可使用的创意资产 。虽然生成资产之后的工作流仍需完善 ，但我们正朝着这个方向进步。
对我而言 ，“ Artifacts ”功能证明 AI 协作将成为新型创作流程的核心 ，用户将与 AI 共同生成创意成果。
和“ Artifacts ”对话共同创作 。
四、自然交互（语音输入）
核心洞察：语音比打字能实现更自然和更丰富的表达 。
影响 ：降低和 AI 详细讨论的门槛 。
许多人忽视了语音输入的价值 ，这可能是源于对语音助手（比如 Siri ）的固有想法。但现实是，AI 转录技术已非常成熟 。
语音输入是很关键的 ，因为它让用户能真正运用自然语言 。当人们使用文字来表达时，会更仔细地组织语言 。而口头表达能让用户更即兴地表达 ，为语言模型提供更丰富的输入——这正是 AI 非常需要的。实际体验表明 ，当前语言模型完全能过滤掉口语中杂乱的部分（比如"呃""啊"） ，捕捉到用户想要表达的意思 。
ChatGPT iOS 应用上的语音输入
五、工作流整合（ Cursor IDE ）
核心洞察 ：深度嵌入的 AI 能优化工作流程。
影响 ：将代码编辑器转变为 AI 驱动的创造工具 。
Cursor 将 AI 创作流程直接整合到代码库中 。某些功能让人顿生"代码编辑器本该如此"的感慨（如强大的 Tab 代码补全） 。
作为前 UI 开发者 ，我已经几年没有编写代码了 。因为代码语法和框架迭代更新 ，重新开始编程对我而言是困难的。Cursor 帮助我规避了这些困难 ：我可以问 Cursor 任何关于的代码的细节问题并快速获得解答。
Cursor 还展现了 AI 直接读写文件系统的强大能力 ，大幅提升了用户的工作效率 。
与现有的编码工作流程的深度集成
六、环境辅助（ X 平台的 Grok）
核心洞察 ：用户在到困惑/困难的时刻 ，最需要 AI 的帮助 。
影响 ：实现内容场景中的即时 AI 辅助。
X 平台上的 Grok 按钮十分实用 。面对 X 平台的信息洪流 ，我常缺乏理解帖文的背景信息 。Grok 提供一键式实时解读，无论是表情包还是新闻标题 ，都能快速获得 AI 辅助解析。
随着网络内容日益增加，这类辅助将愈发重要 。虽然当前设计仍有改进空间 ，但已让我期待在其他平台看到类似功能 。Grok 按钮展示了环境辅助的价值 。最终 ，我认为操作系统级助手（ Gemini 、Siri 等）可能会提供此类功能 。
Grok 按钮可以为用户提供即时背景信息
七、过程透明（ DeepSeek ）
核心洞察 ：展示 AI 推理过程能获得用户更多的信任。
影响 ：通过展示 AI 推理使其更拟人化 。
DeepSeek 最近凭借 R1 推理模型引发关注 。虽然它不是市场上的第一个推理模型 ，它做出了一个关键的设计决策 ：暴露模型的“思考过程” 。它展示了它是如何得到最后的结论的 ，这种推理语言也使其更加拟人化 。用户可以依此验证结论的合理性 ，甚至可能从 AI 的推理本身中找到值得继续探索的想法。
这让我想起进度条对网页应用体验的革命性影响 。无反馈会引起用户的焦虑 ，进度条的展示让用户知晓系统正在工作 。展示 AI 推理同理——它证明系统确实正在运作 。
DeepSeek 展示了它是如何“思考”得出结论的
总结思考
这些突破不仅是巧妙的交互/界面设计决策 ，更是人机交互新章节的开篇 。每个突破都代表着有人勇敢的实验 ，尝试未有的模式，然后建立起能引起用户共鸣的模式 。
从 ChatGPT 的对话范式 ，到 Claude 的共同创作 ，再到 DeepSeek 的推理可视化——我们见证着新创意媒介的快速进化。创新速度非但未减 ，反而在持续加速 。但正是这种态势令人兴奋，我们不仅是观察者 ，更是参与者 。每位与 AI 协作的设计师 、开发者和创作者 ，都有机会为人机交互的新模式做出贡献 。
作者 ：We-Design
