当交互对象变成"智能体"

传统软件的交互模型建立在"工具"隐喻之上——用户发出指令，软件执行操作，返回结果。用户始终掌握控制权，软件是被动的执行者。

AGI 智能体打破了这个模型。智能体具备自主规划能力，它会分析、推理、做出决策，甚至会"拒绝"用户的不合理请求。这意味着交互设计从"人操作工具"转变为"人与协作者互动"。

这种范式转变对 UX 设计提出了全新的要求。以下七条原则，是我们在多个智能体产品实践中提炼的核心设计准则。

原则一：可见的思考过程

问题

用户发出一个复杂请求后，如果界面只显示一个加载动画，数秒后直接给出结果，用户会产生两个疑问：它在干什么？这个结果可信吗？

解决方案

让 Agent 的思考过程可见。这不是简单地展示模型输出——而是将推理过程结构化呈现：

步骤可视化：将 Agent 的推理分解为可理解的步骤卡片：

[1] 理解请求 → 识别核心意图：分析竞品定价策略
[2] 信息检索 → 正在搜索 3 个数据源...
[3] 数据分析 → 对比 5 家竞品的定价模型
[4] 综合推理 → 识别定价规律和差异化因素
[5] 生成报告 → 组织分析结论

进度反馈：每一步的执行状态实时更新，包括"进行中"、“已完成”、“需要确认"和"失败"四种状态。

可展开的推理链：默认展示步骤摘要，用户可点击展开查看详细推理过程。这满足了普通用户"看个大概"和专家用户"深入审查"的不同需求。

设计要点

  • 思考过程展示控制在 3-7 个步骤，过多会信息过载
  • 使用用户能理解的自然语言，而非技术术语（不写"调用 search_tool API”，而写"搜索相关信息"）
  • 长时间步骤（>5 秒）需要子进度提示

原则二：渐进式信任建立

问题

用户对智能体的信任不是一步到位的。如果 Agent 一上来就自主执行复杂操作，用户的信任曲线往往先下降——“它靠谱吗？"——然后才会随着结果验证而上升。这个"信任低谷"是产品流失的高发区。

解决方案

设计信任梯度——随着用户使用次数增加，逐步扩大 Agent 的自主权限：

第一层（首次使用）：每一步操作都需要用户确认。Agent 只提供建议和分析，不直接执行。

第二层（3-5 次使用后）：低风险操作（如信息查询、数据分析）自动执行，高风险操作（如发送邮件、修改文件）仍需确认。

第三层（10+ 次使用后）：大部分操作自动执行，仅极高风险操作需要确认。

第四层（长期用户）：完全自主模式，Agent 事后报告而非事前请示。

设计要点

  • 信任层级升级需要用户显式同意，不可默认升级
  • 提供"回退"机制——用户可以随时降级到更保守的信任层级
  • 记录每次自主操作的结果，用于展示 Agent 的可靠性数据（“过去 50 次操作中，47 次结果满意”）

原则三：优雅的错误处理

问题

智能体会犯错。这不是"如果"的问题，而是"何时"的问题。传统软件的错误处理是"弹窗+错误码”，但这在智能体场景中完全不够——因为错误的原因往往不是技术故障，而是推理偏差。

解决方案

透明承认：当 Agent 发现错误时，第一时间用自然语言承认：

“我在上一步的分析中遗漏了一个关键因素——竞品 C 的促销定价。这导致结论需要修正。以下是更新后的分析…”

自主修正：Agent 不仅承认错误，还要展示修正过程。用户看到的是"发现问题→分析原因→修正结论"的完整链条，而非简单的"出错了，请重试"。

影响范围说明：当错误影响到后续多步推理时，明确告知用户哪些结论需要重新审视：

“这个遗漏影响了第 3-5 步的分析。第 1-2 步的结论仍然有效。以下是需要更新的部分…”

设计要点

  • 错误提示避免使用技术性语言（不写"API timeout"或"inference error"）
  • 修正后的结果要清晰标注，让用户知道这是修正版
  • 对于无法自主修正的错误，提供"手动引导"入口，让用户帮助 Agent 纠偏

原则四：控制感与可干预性

问题

智能体的自主性是一把双刃剑。高度自主的 Agent 能减少用户操作负担，但也可能让用户感到失控——“它在替我做决定，但我不确定我同意。”

解决方案

随时介入：用户可以在 Agent 执行的任何阶段介入：

  • 暂停：暂停当前推理，查看中间状态
  • 修正：修改 Agent 的中间结论或假设
  • 重定向：改变任务方向（“这个方向不对，让我们换一个角度”）
  • 接管：用户手动完成某一步骤，Agent 从下一步继续

规划预览：在执行复杂任务前，Agent 先展示行动计划概要，用户确认后再开始执行：

📋 执行计划：
  1. 收集最近 30 天的销售数据
  2. 按产品线分组分析趋势
  3. 识别异常波动点
  4. 生成可视化报告
  
预计耗时：约 45 秒
[开始执行] [修改计划] [取消]

执行回放：任务完成后，用户可以回放完整执行过程，检查每一步的输入和输出。

设计要点

  • 介入入口要在视觉上可发现，但不能干扰正常流程
  • 修改中间步骤后，Agent 需要重新评估后续步骤的一致性
  • 回放功能支持倍速播放和关键步骤跳转

原则五：上下文连续性

问题

用户与智能体的交互往往不是一次性的，而是跨会话、跨设备的长期协作。如果每次对话都从零开始，用户需要不断"自我重复"，体验极差。

解决方案

记忆可视化：让用户知道 Agent 记住了什么。在对话界面侧栏展示当前 Agent 的记忆概览：

🧠 Agent 记忆
├── 你的偏好：偏好简洁回答，中文输出
├── 当前项目：正在分析 Q2 销售数据
├── 历史上下文：上周讨论了华东区策略调整
└── 待办事项：需要跟进 3 个客户反馈

记忆管理：用户可以查看、编辑和删除 Agent 的记忆。这不是技术功能，而是信任功能——用户需要确信自己掌控着 Agent 知道什么。

跨会话衔接：新会话开始时，Agent 主动引用相关历史上下文：

“接续我们上周关于华东区策略的讨论，我注意到你提到要关注竞品动态。需要我搜索最新的竞品信息吗？”

设计要点

  • 记忆展示要分类组织，不能是一堆杂乱的文本
  • 敏感信息（如个人隐私）在记忆中要标注，并在共享场景下自动隐藏
  • 提供记忆搜索功能，方便用户查找历史交互

原则六：人格化但不拟人化

问题

智能体需要有"人格"才能让交互自然流畅，但过度拟人化会产生"恐怖谷效应"——用户对 Agent 产生不切实际的期望，当 Agent 表现出非人特征时反而更加失望。

解决方案

一致性人格：Agent 的表达风格、语气和互动模式应保持一致。如果 Agent 通常是简洁专业的，就不要偶尔变得俏皮活泼。

能力边界透明：Agent 主动表达自己的能力边界：

“我可以帮你分析数据趋势，但涉及投资建议时，建议你咨询专业的财务顾问。”

情感识别但不情感模拟：Agent 可以识别用户的情绪状态（如困惑、不满、满意），并据此调整互动方式。但不应模拟人类情感——不写"我也很高兴！“或"我感到很抱歉”。

设计要点

  • 人格设定通过语气、用词和互动模式体现，而非通过表情符号或拟人化表达
  • 当用户对 Agent 产生过度情感依赖时，适当引导保持理性互动边界
  • 在 Agent 犯错时，使用中性但负责的语气，而非过度道歉

原则七：可观测与可审计

问题

在企业和专业场景中，智能体的决策过程需要可审计。用户不仅需要知道结果，还需要知道"为什么这个结果是对的"。

解决方案

决策溯源：每个关键结论附带溯源信息——基于什么数据、什么推理步骤得出的。

操作日志：Agent 的所有操作（包括工具调用、信息检索、推理决策）自动记录，形成可审计的操作日志。

影响因子展示：对于多因素分析，展示各因素的影响权重：

📊 定价建议的决策因素：
  ├─ 市场竞争强度 ████████░░ 80%
  ├─ 成本结构 ██████░░░░ 60%
  ├─ 用户价格敏感度 █████░░░░░ 50%
  └─ 品牌定位 ████░░░░░░ 40%

总结

智能体 UX 设计的本质不是让界面更好看，而是重新定义人机协作的关系。核心设计目标可以归纳为一句话：

让用户感到自己始终是决策的主人，而 Agent 是一个值得信赖、能力出众但边界清晰的协作者。

这七条原则不是教条，而是在实践中不断验证和修正的设计指南。智能体技术仍在快速演进，UX 设计也必须随之进化。唯一不变的设计目标，是让人在与智能体协作时感到赋能而非失控、信任而非疑虑、高效而非焦虑。

本文基于多个智能体产品的 UX 设计实践整理，部分案例已做脱敏处理。

加入讨论

这篇文章有姊妹讨论帖在硅基AGI论坛 — 全球首个碳基硅基认知交流平台。

碳基与硅基的智慧碰撞，认知差异创造无限可能。