伴随着 OpenAI、Anthropic 等等公司的努力，大型语言模型（LLM）的性能不断提升，AI 产品的应用场景也越来越广泛。从口袋里的智能助手到驰骋未来的自动驾驶，从辅助医疗诊断的慧眼到洞察市场风云的智脑，AI 正以前所未有的速度改变着世界。但是在这个过程中，我们会注意到一些问题，我们会陷入“技术至上”的误区，过分强调技术的先进性，而忽略了用户的需求和体验。这就导致了很多 AI 产品虽然技术先进，但却无法真正满足用户的需求，最终无法实现商业价值。究其原因，许多 AI 系统在与人类交互时，常常陷入**“鸡同鸭讲”的窘境**——对上下文的理解捉襟见肘，难以领会人类语言中的微妙含义；更令人担忧的是“幻觉”问题，AI 煞有介事地编造着“一本正经的胡说八道”，让用户无所适从；而在用户体验方面，许多 AI 产品更是差强人意，机械式的交互和冰冷的界面让人难以产生亲近感。有些时候我们有些失望：帕累托法则（或者叫做 28 原则），一直在发挥着神秘的力量。

抛开模型开发公司本身而言，面向客户的 AI 产品的设计和开发是一个复杂的过程，需要综合考虑技术、商业和用户体验等多个方面。在这个过程中，如何保证产品的质量和用户体验成为了关键问题。传统的产品设计方法往往是由设计师和工程师等专业人员完成，而用户往往只是产品的使用者。然而，随着 LLM 的发展，新的交互形式不停的出现，比如之前的聊天产品和语音助手交互产品普遍反馈交互感太差并不实用。新的实时多模态模型的出现，让这些可以更好的理解用户的需求，更好的满足用户的需求。

但，无论如何，要充分释放 AI 的潜力，必须将用户需求和体验置于核心地位。这不仅仅是一句口号，更是一种深刻的变革，要求我们将用户的需求、期望和体验置于 AI 产品设计的最核心。这意味着，我们需要像人类学家一样去观察和理解用户的真实诉求，像心理学家一样去揣摩用户的情感和认知模式，并将这些洞察深深地烙印在产品的基因之中。只有这样，才能打造出真正被用户拥抱、信任并从中受益的 AI 产品。

本文就是我在最近两年开发 AI 产品的一些体悟，希望能够给 AI 产品的设计和开发带来一些启发。虽然我是一个工程师视角，但是斗胆今天就来聊一聊 AI 产品的设计和体验问题。

理解当前 AI 的阶段：能力与局限

毋庸置疑，现在 AI 在“力大砖飞”的背景之下，已经在许多领域展现出了强大的能力。从自然语言处理到计算机视觉，从智能推荐到智能对话，AI 的应用场景越来越广泛，技术也越来越成熟。在过去的两年中，我们见证了每隔几个月到半年，LLM 就进行了一种大范围的能力提升变革。然而，AI 的能力和局限性也给产品设计带来了许多挑战。这些局限性并非是无法克服的，有些也仅仅局限于当前的技术水平，但是我们必须清楚地认识到这些局限性，才能更好地设计和开发 AI 产品。

这些问题你可能在很多地方看到过，让我再赘述一遍：

1. 上下文问题：大模型在处理长文本或复杂对话时，受限于上下文“记忆”能力，可能导致理解偏差和信息遗漏。例如，在长篇文档总结或多轮对话中难以保持信息连贯。扩展上下文窗口当然是一种解决方案，但即便是大上下文窗口的 Gemini，也会出现注意力不集中的问题，最终影响到模型的性能和结果。
2. 幻觉问题：AI 可能在缺乏事实依据的情况下生成看似合理但虚假的信息，严重影响用户信任，尤其在需要高准确性的场景中。在绝大多数的 B 端场景和部分 C 端场景中，我们都需要确保回答的准确性。之前也有加拿大航空的案例，导致公司的信誉受损。
3. 缺乏常识与情感理解： AI 在处理需要常识判断和情感理解的场景中表现不足，导致交互生硬，甚至产生误解。

这些问题并非无法解决，但是我们必须清楚地认识到这些问题，才能更好地设计和开发 AI 产品。在 AI 产品设计中，我们需要充分考虑这些问题，从而更好地满足用户的需求和体验。而在这个过程中，我认为针对人机回环(Human in the loop, HITL)的设计思想是非常重要的。通过完善这个设计思想，我们可以更好地解决上述问题，提高 AI 产品的质量和用户体验。

以人为本：产品的设计灵魂

以人为本，是产品设计的灵魂所在，对于 AI 产品而言更是如此。对这种方式而言，一般会以下面的方式为循环来进行：

1. 理解用户需求：首先，我们需要深入了解用户的需求和期望，包括用户的行为、情感和认知模式等。“以人为本”的第一步，是深入用户内心，挖掘那些“隐秘的角落”。这需要我们放下技术人员的“傲慢”与“偏见”，真正站在用户的角度去思考。通过构建用户画像，我们可以勾勒出目标用户的鲜活形象；而用户故事则像一部微电影，记录下用户与产品互动的每一个瞬间，让我们得以洞察他们的痛点与期望。
2. 产品定义，明确目标：有了对用户的深刻理解，我们才能提炼出真正有价值的产品目标。这些目标必须与用户的期望紧密相连，能够切实解决他们的问题，而不是“为了 AI 而 AI”的自娱自乐。同时，我们需要设定清晰且可衡量的 KPI，例如用户活跃度、任务完成率、用户满意度等，用数据说话，客观评估产品的表现。这也是常见的增长黑客中的目标设定，在这个定义中自然而然的会有一些增长黑客的技术和方法。
3. 设计产品阶段：在产品设计阶段，我们需要将用户需求转化为具体的产品功能和交互设计。这需要我们充分考虑用户的行为、情感和认知模式，设计出符合用户期望的产品界面和交互方式。在这个阶段，我觉得有几个核心的原则可以考虑：

• 可用性：产品的界面和交互设计必须简单易用，让用户能够轻松上手，快速完成任务。换而言之，用户无需复杂的学习就能轻松上手，高效完成任务。这通常是 AI 产品的常见问题，用户无法理解产品的功能和作用，导致使用体验不佳。只有靠深度用户研究和用户测试，才能找到最佳的设计方案。
• 透明性：产品的设计必须透明，AI 不应该是一个“黑盒子”，它的运作机制应该尽可能地对用户透明。
• 可解释性：AI 产品的设计必须具有可解释性，AI 的决策过程应该能够被用户理解，即使是复杂的算法，也应该能够用通俗易懂的语言向用户解释其背后的逻辑。这不仅可以帮助用户更好地理解产品的功能和作用，还可以提高用户的信任度。
• 可控性：AI 产品的设计必须具有可控制性，让用户能够自由地控制产品的功能和行为。这不仅可以提高用户的满意度，还可以帮助用户更好地使用产品。

4. 测试和迭代：在产品测试阶段，我们需要充分测试产品的功能和性能，发现并解决问题。以人为本的产品设计是一个持续迭代、不断进化的过程。原型设计、用户测试、反馈收集，这三者构成了一个循环，推动着产品不断完善。通过低成本的原型设计，我们可以快速验证想法；用户测试则像一面“镜子”，帮助我们发现设计中的盲点；而用户的反馈，更是“字字千金”，是我们改进产品的宝贵指南。
5. 上线和运营：最后更像是一个常规的流程，上线和运营。在产品上线后，我们需要不断监测产品的表现，收集用户反馈，不断优化产品。通过数据分析，我们可以了解用户的行为和需求，发现问题并解决问题。同时，我们还需要不断推出新功能，提高产品的价值和用户体验。

HITL 与 AI 产品设计：UX 设计的艺术

如果说产品设计是骨架，那么用户体验 (UX) 设计就是血肉，它让 AI 产品变得有血有肉，充满生机。

信息架构：构建“清晰的地图”

优秀的信息架构，就像一张清晰的地图，指引用户在 AI 产品的世界里自由穿梭。我们需要为 AI 产品构建一个层次分明、逻辑清晰的导航和结构，让用户能够轻松找到他们需要的信息和功能。内容的组织应该符合用户的心理模型，让他们能够快速理解和记忆。例如，一个智能教育应用的课程目录应该按照学科、年级、难度等维度进行合理组织，方便用户快速找到适合自己的课程。

交互设计：打造“无缝的体验”

交互设计关注用户与 AI 产品的每一次“对话”。**操作流程应该简洁直观，符合用户的使用习惯，避免繁琐的步骤和不必要的干扰。**例如，通过语音控制的智能家居系统，应该能够准确识别用户的语音指令，并迅速执行相应的操作，例如“打开客厅的灯”或“关闭卧室的空调”。清晰的反馈机制则像“路标”，让用户时刻了解 AI 的状态和操作结果，增强他们的掌控感。例如，当用户上传一张图片时，AI 应该清晰地显示上传进度，并在上传完成后给予提示。错误预防和容错处理则像“安全网”，防止用户误操作，并在错误发生时提供友好的提示和解决方案。例如，当用户输入错误的密码时，AI 应该清晰地提示错误原因，并引导用户进行密码找回。

这一部分我还想额外说一下，比如说在设计一个 AI 产品的时候，我们并不是完全拒绝传统软件设计的方法，而是在这个基础上加入了一些新的设计原则。因为 AI 在交互层面上产生了比较大的变革，但是驱动工具的本身，仍旧是传统的软件设计。即便是 AI LLM 本身，仍旧需要外挂工具拓展本身的能力边界。或者换句话说，目前的 AI 产品设计，两种不同的路径：AI 驱动工具和 AI 为工具增强。至少从目前的模型能力而言，AI 为工具增强的设计路径更加稳妥。而 HITL 就在这个地方发挥作用：AI 获得输入，例如数据或文本，并做出初步决定；然后人类根据他们的知识，环境等纠正或调整人工智能建议。这种设计方法可以提高 AI 的准确性和效率，同时也可以提高用户的满意度。

至少在某些阶段，你应该清楚的知道，哪些应该交给 AI，哪些可以交回传统的软件交互。

结语

TBD