万字深度干货！驱动AI交互的8个核心用户意图

编者按：AI 产品要怎么设计？GPT、Gemini 这样的头部产品会让很多人产生一种错觉，对话框就是 AI 的常规交互模式，而资深设计师 Taras Bakusevych 用这篇文章给我们一个明确的答案：不是这么做的。这篇文章从用户意图的角度出发，给出了一份依据充分、逻辑清晰的解决方案。另外，这篇文章也证明了一件事情：一位经验丰富、深入到人类行为习惯和需求深处的设计师，依然无比重要。AI 是手段，能够深入人心的产品依然需要体察入微的人类，依然是不可取代的，起码现在仍然如此。

全文速览

大多数 AI 产品仍然局限于常见的、单一的 UI 模式：聊天框。虽然对话式 UI 在探索和处理模糊需求的方面非常有效，但当它应用于结构化的、专业工作流程的时候，它们往往显得不够理想。

为了超越这种传统又死板的聊天式 UI，产品团队必须转变思路，不再粗暴直接地问用户在哪里可以添加 AI ，而是要识别具体的用户意图以及最适合实现该意图的 UI 。

用户意图分类

一个强大的AI系统必须能够识别并适应这8种不同的模式。

AI 产品应能够识别最常见的 8 种常见用户意图模式——每种模式都意味着不同的工作流程、 UI 和成功的指标。

• 1. 了解/学习——「我想弄明白这件事。」
  • 目标：通过理解和解释来减少不确定性。
• 2. 创作——「我想创建或更改这个。」
  • 目标：在不失去所有权或控制权的情况下生成或者调整内容。
• 3. 委托——「我希望别人帮我完成这件事。」
  • 目标：将多步骤工作流程委托给 AI 智能体。
• 4. 监督——「让我介入并保持控制。」
  • 目标：对 AI 提出的行动进行高风险的审查和纠正。
• 5. 监控——「让我了解最新信息。」
  • 目标：监控信息流，以便在不增加噪音的情况下呈现相关信息的更新。
• 6. 查找/探索 — 「帮我查找和比较这些选项。」
  • 目标：浏览多维度的选项，以构建候选清单、查找特定内容。
• 7. 游戏——「让我游玩/娱乐。」
  • 目标：沉浸于叙事、游戏或新奇的体验或者内容中。
• 8. 联系——「倾听、陪伴。」
  • 目标：情感上的陪伴和支持。

元意图：调整 AI 行为

这 8 种意图定义了用户正在做什么，而横向元意图轴，则定义了系统的行为方式，而横向上的变量代表着可以根据实际情况来调整的功能：

• 个性化： AI 根据你的数据、偏好和工作流程，可以调整它的偏好程度，而不是保持所有人的需求都通用化地处理。
• 主动性： AI 主动采取行动的频率，即主动提出建议或提出问题，而不是等待被询问。
• 自主性： AI 可以从提供建议到无需人工批准即可代表你执行操作的程度和区间。
• 语气：系统的情感和态度——从完全中立和客观到支持和鼓励。
• 透明度：系统在多大程度上清晰地公开其输出结果的来源、步骤、假设、可信度和其他相关信息。
• 风险偏好：该模型倾向于选择探索性的、出人意料的方案，还是保守的、以精确性为先的应对措施。

一：学习

📈指标：理解速度——获得可验证性见解所需的时间。

在此意图下，用户的主要目标是减少不确定性，并获得可执行方案。与交易和获得创意的意图不同，此处的成功与否取决于 AI 理解速度和信任校准的能力。其目标是以最小的认知阻力，引导用户从获得原始数据，推进到转化信息为可内化知识。

工作流程应简洁且可复用：隐式收集上下文信息，运行结构化检索，然后提供包含可验证来源的结构化回复。最佳模式包括并排显示来源预览、将引用嵌入到特定论点中，以及分层式答案框架（摘要 → 证据 → 细节）。避免提供缺乏来源信息的「黑箱」回复，规避冗长无序的文本墙。

UI 必须保证即时可验证性——每个声明都链接到你可以打开的来源——以及强大的上下文感知能力，这意味着系统能够隐式地知道当前页面、文件或仪表板的状态，而无需用户重新说明。

✅ 组织好回答，先回答问题，再进行解释。
开头要给出清晰的总结（TL;DR，太长不读），然后逐步展开细节（分段、要点、图片）。

✅ 展示你的工作成果（可点击的来源）。
内嵌引用和带时间戳的摘录；一键即可获取证据。

✅ 仅在关键时刻才提出疑问。
只有当歧义影响正确性时才提出；提供 2-3 个针对性选项以缩小范围，明确对方意图。

上图对比展示了 Perplexity 和 ChatGPT 界面是如何解释答案并澄清问题的。

Perplexity 强调提供结构化的答案和来源。ChatGPT 则侧重于澄清问题和提供有用的后续建议。

✅ 通过建议让后续操作更轻松。
例如，提供「显示数据」、「进行对比」、「深入了解」、「定义术语」等功能，以引导用户进行下一步操作。

✅ 让用户清晰地查看、设置和编辑范围。
显示范围（信息来源、时间范围、区域）以及覆盖区域。

✅ 支持多种学习输出方式。
一键即可生成音频概览、幻灯片、记忆卡片和思维导图，所有生成均基于当前答案。

NotebookLM 将研究资料与聊天、音频摘要、幻灯片、抽认卡和思维导图相结合，以支持结构化学习。

❌不要发布无结构的文章和信息。
冗长、无格式的段落会增加认知负荷，并且不利于用户「理解」。

❌不要自信笃定地犯错，也不要忽视失败的情况。
当你不知道的时候，要清楚地说明，解释原因，并提供选项（检查数据、完善问题、询问他人）。

❌不要过度解释：
当用户询问一个简单的键盘快捷键时，不要提供过多无效的历史信息。

二：创作

📈指标：
迭代增量：每个版本中手动编辑与 AI 编辑的百分比。

在这个意图下，用户的主要目标是在不丧失创作权和控制权的前提下，生成和调整作品以及内容。成功的衡量标准是：达到「最终」状态所需的人工劳动量减少，以及从空白画布到高保真草稿的转化速度。其目标是在保持创作自主性的前提下，帮助用户从概念上的「无」状态转化为精雕细琢的「有」。

这个工作流程应该是一个紧凑且无损的循环过程：首先通过控件定义约束和范围，或者隐式约束范畴，生成高保真预览，然后提供有针对性的局部调整。这个时候，最佳的模式包括：优先显示操作的画布（输出主要界面）、在提示上方提供可交互的控件（色调、长度、样式、宽高比、种子）、区域/选区编辑（文本区域、图像区域、剪辑）以及带有差异的版本历史（1.0、2.0 等）。避免出现一次性全部重新生成，或强制用户为细微调整而重新输入提示的情况。

UI 必须明确标明作用域（更改的内容），确保所有操作均为非破坏性操作（可以撤销、有历史记录、可以还原），显示更改的内容及其 原因，并公开参数以便结果可复现（例如，样式预设、宽高比等）。辅助信息应在 上下文中显示——即在编辑器内部，而不是单独的面板中。

✅ 务必提供一些基本的素材。
例如模板、示例或初稿，以填补空白。

✅ 除了提示之外，还可以添加其他控制选项。
例如，文本的语气/长度/样式；图像的宽高比/样式/种子；视频的持续时间/节奏/字幕。

✅ 设计应注重迭代，而非一次性完美。
启用基于区域的编辑功能。允许用户选择特定句子、图像中的对象或时间线中的片段，以「仅重新生成此部分」，同时锁定其余部分。

Midjourney 提供精细的图像生成控制，而 Gemini 支持安全的迭代的文档编辑，并具有版本控制和撤销功能。

✅ 确保更改调整的安全性。
差异、版本、一键撤销以及更改记录。

✅ 将 AI 集成到现有工作流程中。
可以继续在原生画布上编辑；聊天功能只是辅助工具，而非主要工具。

Gemini 将 AI 直接融入现有工作流程，将数据分析和可视化转化为一键式、上下文相关的辅助功能。

❌不要强行使用复杂的操作。
常用的操作应该使用固定的按钮/控件。

❌不要在没有安全措施的情况下覆盖用户创建的内容。
切勿在没有清晰的「撤销」或「还原」选项的情况下，用 AI 内容替换用户创建的内容。

❌请勿在未预览的情况下覆盖现有文件。
不应该出现静默且不可逆的更改。

三：委托

📈指标：
成功率：成功结果/任务尝试次数。

在这个情况下，用户的主要目标是状态变更：将多步骤工作流程委托给 AI 智能体。成功与否取决于执行的可靠性以及是否可以减少「细节管理」开销。委托的目标是将用户从手动推送任务，转变为高级编排，由 AI 智能体处理跨系统的发送、移动、更新或触发操作等重复性机制。

工作流程必须具有确定性和透明性：通过命令或自动化设置来达成目标，生成「计划预览」以准确显示将要更改的内容，实时查看执行进度，并提供包含日志的全面「结果摘要」。最好的执行模式，包括基于步骤的计划预览、实时进度跟踪器（暂停/停止/重试）以及包含指向受影响对象链接的正式确认交互。避免出现静默执行的情况，或没有恢复路径以及审查跟踪流程的情况。

UI 必须保证安全——绝不能在没有明确的「预检」确认的情况下删除、付费或发送信息，并且需要具有强大的范围控制能力，确保智能体能够严格在定义的边界（特定文件夹、项目或时间范围）内运行，以防止意外地对整个工作区造成影响。

用户可以使用 Glean 创建清晰、可编辑的步骤的智能体，而 Play.ai 则在部署前通过实时预览将身份、行为和知识分开。
✅ 具备执行计划的预览功能。
步骤简明易懂，包含要使用的工具和注意事项。

✅ 提供「模拟预演」（试运行）。
对于复杂的自动化流程，允许用户运行模拟，以显示实际操作结果，而无需将更改提交到数据库或发送通信。

✅ 保持实时执行状态可见性。
使用「运行面板」或「活动中心」显示多步骤流程的实时状态（排队 → 运行 → 已完成/失败）。为长时间运行的任务提供「停止/暂停」控件。

一个可视化的 n8n 节点式工作流程，将 AI 代理配置转换为可编辑的端到端的自动化图景。

❌ 请勿进行静默或不可逆的操作。
禁止隐式发送、删除或收费的操作。

❌ 不要将「操作」伪装成「聊天回复」。
要让对话和操作之间的过渡在视觉上截然不同。使用特定的 UI 组件（任务卡、进度条），以便用户知道系统现在「已上线」。

❌ 不要让智能体做出过分的承诺。
避免落入「问我任何问题」的陷阱。要明确说明智能体可以使用哪些工具以及其「服务规则」。

四：监督

📈指标：
审查效率：对每个计划执行的行动做出计划所需时间的标识。

在这个用户意图下，用户的主要目标是在 AI 决策达到特定临界值、或不确定性阈值时，进行有针对性的干预。成功与否取决于用户能否在认知负荷最小的情况下保持完全的掌控。这个环节的目标是将用户从「执行工作」转变为「授权工作」，确保在 AI 可信度较低，或者对生产、财务或安全影响较大时，能够精准地运用人工判断。

在这个工作流程中，必须采用基于升级机制的漏斗式结构：高可信度/低风险任务自动执行，而特殊情况或高风险操作则需要人工主动参与。最佳的操作模式，包括统一的审阅收件箱、并排差异比较以及集成编辑模式的「一键」审批。应避免「黑箱」决策，也就是系统在没有可追溯路径的情况下，执行操作，或迫使用户自行探究升级背后的「原因」。

UI 必须保证完全清晰易懂——每个提案都必须解释其出现的原因（例如，「高风险交易」）——以及强大的可审核性，确保记录每一次批准和拒绝都是明确的，以提高系统未来的准确性。

✅ 解释问题出现的原因。
提供一张「理由卡片」，明确说明触发因素和所使用的逻辑。不要仅仅展示变化；要展示导致问题升级的证据（引用的片段、数据点）。

✅ 提供「一键式」提醒操作。
在通知或队列项中，直接显示「批准」、「拒绝」和「编辑」按钮。审核阶段的繁琐操作会导致「审批疲劳」。

✅ 将结果发送到团队已有的位置。
将评审任务融入现有工作流程（Slack 讨论串、Jira 工单或电子邮件），但要确保链接指向高上下文的评审环境。

✅ 请提供证据，而不仅仅是说法。请
提供相关链接，包括物品清单、差异对比、日志和佐证数据。

GitHub Copilot 会突出显示可维护性问题并提供建议的修复方案，而 Cursor AI 则可直接在开发者协作的地方提供可解释的代码更改和后续跟进的信息。

❌不要直接发布未经处理的差异化信息，而应该提供上下文信息。
一屏红绿相间的文字，如果没有对变更意图的解释，毫无意义。务必提供易于理解的解释，说明变更的影响。

❌不要制造过多的通知噪音。
批量处理低风险项目；对最终结果进行汇总；允许用户调整阈值。

❌不要忽视「审核追踪」。
永远不要丢失审核历史，包括谁批准了什么以及为什么批准。

五：查找/发现

📈指标：
结果生成时间（针对精确商品）/ 候选名单筛选时间（针对多个选项）

在这个用户意图下，用户的主要目标是在多维空间中导航，以确定特定结果（目标检索）和备选结果（发现）。成功的衡量标准，是用户能否在不造成认知负担的情况下，从模糊的感兴趣领域逐步过渡到高可靠度选择，并拥有清晰的逻辑和便捷的转向方式（缩小范围、扩大范围或调整方向），而无需进行复杂的操作。

工作流程应是一个动态漏斗：首先确定用户意图，判断他们是在「寻找」已知物品还是「搜寻」备选项；然后检索对结果进行排序；最后提供并排来比较功能好坏。最佳模式包括：提供带有清晰理由的AI排名列表、持久化的候选列表以及基于属性的比较表。当用户需要一组比较结果来辅助决策时，应避免直接呈现单一的「最佳」答案。

UI 必须是标注范围可见且可编辑（位置/内容/时间），显示每个结果出现的原因，提供一键式优化，并保留一个在会话结束后仍然存在的候选列表工作区。

Pin 让招聘人员从杂乱的信息输入（如职位描述或链接）开始，然后利用 AI 将其转换为结构化的筛选条件和可解释的候选人推荐，并提供「为什么是这个候选人」的背景信息。

✅ 支持多模态和混合输入
允许用户从「混合输入」（文字描述、链接、笔记、语音、文件）开始——将其转换为可编辑的筛选条件/筛选维度

✅ 解释推荐理由（「为什么这样……」）
展示匹配所使用的信号。一些小的「提示」（例如，「符合你的设计风格」或「推荐项目 X」）可以建立信任，并教会用户如何操控系统。

✅支持迭代式缩小范围和「微调」。
类似/不那么类似、筛选器、排除按钮、重置/扩大范围按钮。

✅将保存和比较功能设为顶级优先级操作。
提供「收藏集」、「看板」或者「并排比较」功能。对于候选选项名单，固定的的「托盘」或「候选名单侧边栏」可帮助用户在浏览时收集候选选项。

Google Lens 和 Google 搜索 AI 概述通过识别照片中的对象、显示视觉匹配项以及逐步揭示详细的解释并提供轻量级反馈，实现多模态发现。

❌ 不要发送「老虎机」式的选项。
纯粹的黑箱式建议，没有任何解释或手动控制，会导致用户疲劳和怀疑。

❌ 不要堆砌杂乱无章的结果。
一份包含 50 条结果的列表是信息整合的失败。使用 AI ，根据属性或相关性，将结果浓缩成 3-5 个完整的备选方案。

❌ 不要强迫用户成为「提示工程师」。
用户不应该用文字描述每个筛选条件。如果他们想要「最新」选项，那就给他们一个「最新」切换开关，而不是要求他们输入文字提示。

六：监控

📈指标：
信噪比（每次中断的相关内容更新）+ 感知时间（用户看到重要内容的速度）+ 错过关键事件的概念率（重大事件漏掉的频率）。

在这种模式下，用户将持续阅读、审核、决策的工作外包出去。他们并不需要更多信息，而是需要可靠的信息感知，同时避免认知负荷过重。衡量成功的标准在于，系统能否将杂乱的信息流（新闻、频道、文档、指标、威胁、收件箱）压缩成少量可操作的信息，以合适的频率呈现，并提供足够的来源信息以确保可信度，以及足够的控制选项以便进行调整。

工作流程应简洁且可复用：确定范围和频率 → 将意图转化为明确的跟踪规则 → 持续监控 → 去重/合并 → 基于可控阈值的推送 → 收集反馈并进行调整。「监控」并非完整获取信息流，而是一份契约：涵盖哪些内容、哪些内容被视为重要，以及何时应打断用户。最佳模式包括智能摘要、紧急程度切换（摘要与警报）以及清晰的解释层（「为什么推送此信息」、「触发原因」以及包含哪些来源/时间窗口）。避免「AI 垃圾信息」（过多的推送）、黑盒式优先级排序以及会破坏信任的静默遗漏。

✅ 组织回复：提供简短、结构化的摘要。
明确涵盖内容（来源/时间窗口/触发因素）；为每一项内容添加「为什么」标签。

✅ 将模糊的意图转化为可编辑的规则。
让用户用自然语言定义「重要事项」（例如，「竞争对手融资轮次通知我」），然后将其转化为用户可以验证和编辑的可见跟踪参数。

✅ 每次更新时提供一键式的控制选项。
将「更多类似内容」、「更少类似内容」、「静音主题」、「更改频率」和「编辑规则」直接包含在摘要/提醒中——无需反复打开设置去搜寻和调整。

✅ 默认发送摘要，而非频繁打扰。
初期可采用较低的发送频率（每日/每周），并允许用户仅在真正重要的类别中启用实时提醒。

GPT 从广泛的信息源中精选出简短、个性化的每日摘要，而 Feedly 则将监控意图转化为明确的跟踪规则，并提供透明的来源、时间线和「为什么会这样」的解释。

❌ 不要推出 AI 垃圾信息轰炸机。
如果系统频繁打扰用户，他们会将其静音——建议采用保守的默认设置，让用户自行调节提醒频率。

❌ 不要设置过于复杂的流程才能获得价值。
如果用户必须构建复杂的规则才能看到效果，那么采用率就会下降——从模板和引导式默认设置入手，然后根据反馈进行改进。

❌ 不要假装自己记忆力完美。
除非你能保证，否则避免暗示信息完整；与其表现得无所不知，不如说明信息覆盖范围的限制（信息来源、时间范围、可信度）。

七：游戏

📈指标：
停留时间：会话时长，以及整个游戏循环完成的情况。

在这个用户意图之下，用户的主要目标是沉浸于叙事、游戏、好奇心和新奇体验之中。用户出于好奇、消磨时间或转换心情而来——故事、游戏、角色扮演、趣味创作——而成功与否取决于情感体验：它是否有趣、引人入胜或令人放松？与生产力强关联的目的不同，系统应尽可能减少认知投入，并最大限度地提升节奏感、新奇感和控制力。

工作流程应采用基于会话的循环：设定氛围或类型，引入「钩子」，然后通过交互式选择进行迭代。在这种情况下，最佳模式是提供「选择卡片」避免出现提示词撰写的疲劳感、节奏控制（速度/强度）以及会话持久性（记忆），以便角色和世界随时间演变。避免让用户承担「繁重的创作工作」—— AI 应该生成世界；用户只需进入其中即可。

这种情况下， UI 必须保证低摩擦的进入方式——使用基于情绪的图块（例如，「让我笑一笑」、「开始解谜」）——以及清晰的界限，确保体验保持在「游戏」的范畴内，不会模糊未经授权的内容。

ChatGPT 使用预设和结构化会话，来消除提示词工程带来的疲惫，并将娱乐变成引导式体验，而 Apple Vision Pro 则指向交互式、可重复访问的 AI 驱动环境，而不是一次性内容生成。

✅ 使用预设和模板来减少提示词工程。
让用户只需点击两次即可开始（例如「逗我笑」、「5分钟故事」、「玩个小测验」），并将自由提示词设为可选而非必需。

✅ 将娱乐活动设计成结构化的环节，而不是孤立的提示。
为每次体验赋予一个角色弧线——开始、循环和结束——使用进度提示（「第 2/4 章」、「第 3/5 轮」）和清晰的「再次游玩/新模式」行动号召按钮。

✅ 让精彩瞬间成为可收藏和可分享的素材。
保存场景、角色、提示、混音和「世界状态」；实现快速分享和后续轻松继续创作。

✅ 着眼于构建世界，而不仅仅是产出。
AI 娱乐将逐渐从「生成内容」转向生成世界——你可以进入、掌控并返回的互动故事。

❌ 不要设计纯粹的「时间黑洞」式陷阱。
尊重用户的时间。显示预计会话时长，并提供清晰的「我已完成」退出路径，以防止用户无休止地滚动浏览。

八：连接

📈指标：
关系信任：被持续使用的程度，和可被感知的支持感。

在这个用户意图之下，用户的主要目标，是获得情感上的陪伴——被倾听、被回应和被支持。与「了解」和「委托」不同，成功并非取决于准确性或任务完成情况，而是取决于互动能否在安全范围内减轻孤独感、压力或情绪负担。体验应流畅一致，但绝不能让人觉得系统是治疗师、人类替代品或现实世界支持的替代品。

这当中的工作流程是一个持续循环的过程，包括定期沟通、验证和长期保持联系。在设计的时候，最佳模式应该包含「情绪追踪」、基于记忆的提醒（例如「你上周提到过你妹妹……」）以及明确的关系契约（例如朋友与教练）。避免「交易式」行为——长篇大论或罗列事实，会破坏临场感。

它的 UI 必须确保以对话为先的体验——直接进入聊天或语音界面——并具备严密的安全防护。区分「倾听」和「诊断」至关重要；系统绝不能将自身定位为持证治疗师。

Tolans 被设计成一种持续的 AI 关系，让用户能够控制语气氛围和界限，同时具备持久的身份、记忆和长期的仪式感。

✅ 事先制定一份明确的关系契约。
让用户选择角色（朋友、教练、玩伴），并设定界限（话题、强度、不适宜工作场所观看的内容/浪漫关系界限），同时明确说明这不是治疗，也不是与真人互动。

✅ 以倾听为目标，而不是以发言次数为目标；
简短、有感情的回应；有比较好的问题/议题设置；记住重要的事情。

✅ 设计「持续关系」。
利用记忆来创造延续性。庆祝里程碑（例如，「我们已经聊了一个月了」），并回顾之前讨论过的生活事件，以建立「共同历史」。

✅ 将安全防护措施作为首要的用户体验来实施。
适合不同年龄段的模式、内容界限和危机升级流程，应该清晰可见、前后一致且易于理解——而不是隐藏在政策文本中。

❌ 不要以治疗师的身份进行推销或行事。
避免使用临床术语、诊断语气，或将自己定位为专业人士的替代品。

❌ 不要助长依赖循环。
不要发送让人产生愧疚感的通知、「我需要你」或排他性的框架（「我就是你的一切」）。

写在结尾：脱离对话框的束缚

将 AI 视为支持用户实际工作方式的一个能力层，在一次会话中完成从探索 → 了解 → 创建 → 委派 → 指导的整个过程。

• 1. 明确该功能的主要目的。
• 2. 定义「北极星」工作流程。
• 3. 确定最佳 UI 界面（画布、流程、摘要和列表）
• 4. 调整元意图区间，使其产品的风险和功能属性特征相匹配。
• 5. 建立防护措施和可逆机制。

我们的目标是不要将 AI 作为一个独立产品简单交付出去，而是将 AI 作为现代专业工作流程中一个连贯的、专门构建的组件来进行交付。（而这恰恰也是身为人的我们，价值的体现）