【与万物对话】通往 AI 交互 L3 之路——Chat‑as‑OS 的产品设计探索

【与万物对话】通往 AI 交互 L3 之路——Chat‑as‑OS 的产品设计探索 【与万物对话】通往 AI 交互 L3 之路——Chat‑as‑OS 的产品设计探索 Modified May 7, 2025 首先，在整个交互设计里，核心的是“角色”，或者叫机器人、bot 或者 Agent。当前大家概念里边的 Agent 或者 Tools 或者知识库或者 MCP 的 或者 AGA 的实现（AGA 协议可能更接近这一点，但不重要），均作为一个角色引入，在你（用户）的视角里，他们是平等的。他们的输入和输出，都是“消息”。 比如 Manus 是一个角色，搜索、生图能力等自然也是一个角色而不是 Tools，硬件设备比如智能家居也可以是一个角色，在用户眼里，只是他们的能力不同。人与角色之间、角色与角色之间既可以是非结构化的文本交互，也可以是结构化的数据交互，这么什么好说的。 而每个角色输入输出的东西，应当符合“预见 UI”的理念。 此外，每个角色有自己的 Profile 页、更像一份简历，说明自己的出身、能力、案例、以及可以与别的角色协作的一些典型的角色、群聊等等。 其次，你（用户）与 AI 的交互，直接简化为用户与 N 个角色的对话。既然是对话，那么就可以拉群。在对话的过程中，你可以随时加人、也可以随时减人，这里也可以是产品本身给出建议，或者是当前的角色给你的建议，跟你说加上谁能更好。 从产品的角度考虑，自然也可以是预生成了一些群聊，或者根据用户的情境进行角色的推荐，用户选择就好。 其三，在每个群聊里，N 个角色之间既可以是被用户 @ 或者点名了才读取上下文，然后干活、发言，由你（用户）主导，类似领导管理团队、主持工作，姑且叫主持模式。 也可以是有一个全局分配的角色来组织，相当于用户将事务进行了外包，有一个聪明能干的外包团队来相互协同进行计划、执行、验证、交付等。姑且叫自动模式。比如汽车里人们逐步将开车这件事交给 FSD 进行自动驾驶。这两个模式也可以相互切换。 其四，如果群聊是主持模式，你（用户）可以选中一条或者多条“消息”，然后 @ 或者点名某一个或者几个角色来干活、“回答”。系统角色通过系统消息进行建议。 而在外包模式里，可以有一个类似群主的角色进行工作的安排，也可以是去中心化的协作，角色自己之间相互商量，这里实际需要将每个角色的 Profile 页，作为全局的上下文带入。你可以选择“消息免打扰”，他们默默干完活或者需要你干预的时候，再 @ 你进群看看。 其五，在不同的群聊里，自然也可以实现消息的转发。实现上下文的跨群流转。 其六，对于复杂的“交流”，更细节的，需要一个全局的地方，由用户和 AI 共同管理、更新，实现一些复杂的任务管理或者全局性的指导。 其七，既然已经是平等的角色了，那么这些角色自然也可以主动给你（用户）发消息。 其八，在每个对话里，无论单聊还是群聊，都是“预见 UI”的交互，所有的对话都是可交互的，其中的生成的关键交互可以构成统一的 toolbar，进行更持久一些的交互，提供入口。详见【预见 UI】AI 产品交互设计理念的提出以及分级，可以查看其中的示例。 其九，每个角色的上下文是可以在一定程度上保留的，视具体设计或者用户的设置而定，可以允许读取或者保留特定的上下文。自然也应该有无痕模式。 其十，所有的角色，可以是开放平台，而不局限于单一的模型、工具、代码、硬件等接入形式，自然也支持用户自己定制。自然也能融合多人与多 AI 交互。 三、示例 跟上一篇相比，交互设计上的 demo，完整实现有点复杂，赶时间就先发截图了，与上一篇一样，都是 Gemini2.5 Pro 直出。 Gemini 生成的效果图 四、缘起 缘起于 23 年初的一些闭门交流和思考，对生成式人工智能的一些思考[其一]是的，你可能注意到了，这篇文章的标题是“其一”，当时想过写其二，就是 AI 产品的交互设计。但是没写，你大概率也想到了其实想自己实现，毕竟彼时 OpenAI 的 GPTs 都没发布。 这就是当时的一个 demo，[23 年对 Agent 平台的一种实现方式探索]。这里是当时玩了一圈之后，发现以当时的 LLM 的能力，只能做到较为简单的交互。所以在 8 月份，把这个 demo 发出来过一段时间，并在即刻公开了部分基础的理念。 在 2023 对生成式人工智能的一些思考[其一]这篇文章里，我说“也许这才是微信服务号的本来面目、搜索引擎的本来面目、OS 级别的全局搜索本来面目、语音助手的本来面目。捕风开始，未完待续。” 这三篇关于 AI 交互的文章，我算是给自己续上了。 <全文完 如果希望和我交流讨论，或参与相关的讨论群，请加微信，联系方式请点击 联系方式 2025。 【预见 UI】AI 产品交互设计理念的提出以及分级 [对生成式人工智能的一些思考[其一]](https://mp.weixin.qq.com/s? biz=MjM5Nzc1OTIyMA==&mid=2649164529&idx=1&sn=8d173d5337fc82446eee48fabada7d61&scene=21 wechat redirect) [[23 年对 Agent 平台的一种实现方式探索]](https://m.okjike.com/originalPosts/64df039aaac630c848e699ef) [2023 对生成式人工智能的一些思考[其一]](https://mp.weixin.qq.com/s? biz=MjM5Nzc1OTIyMA==&mid=2649164529&idx=1&sn=8d173d5337fc82446eee48fabada7d61&scene=21 wechat redirect) 联系方式 2025 首先，在整个交互设计里，核心的是“角色”，或者叫机器人、bot 或者 Agent。当前大家概念里边的 Agent 或者 Tools 或者知识库或者 MCP 的 或者 AGA 的实现（AGA 协议可能更接近这一点，但不重要），均作为一个角色引入，在你（用户）的视角里，他们是平等的。他们的输入和输出，都是“消息”。 比如 Manus 是一个角色，搜索、生图能力等自然也是一个角色而不是 Tools，硬件设备比如智能家居也可以是一个角色，在用户眼里，只是他们的能力不同。人与角色之间、角色与角色之间既可以是非结构化的文本交互，也可以是结构化的数据交互，这么什么好说的。 而每个角色输入输出的东西，应当符合“预见 UI”的理念。 此外，每个角色有自己的 Profile 页、更像一份简历，说明自己的出身、能力、案例、以及可以与别的角色协作的一些典型的角色、群聊等等。 其次，你（用户）与 AI 的交互，直接简化为用户与 N 个角色的对话。既然是对话，那么就可以拉群。在对话的过程中，你可以随时加人、也可以随时减人，这里也可以是产品本身给出建议，或者是当前的角色给你的建议，跟你说加上谁能更好。 从产品的角度考虑，自然也可以是预生成了一些群聊，或者根据用户的情境进行角色的推荐，用户选择就好。 其三，在每个群聊里，N 个角色之间既可以是被用户 @ 或者点名了才读取上下文，然后干活、发言，由你（用户）主导，类似领导管理团队、主持工作，姑且叫主持模式。 也可以是有一个全局分配的角色来组织，相当于用户将事务进行了外包，有一个聪明能干的外包团队来相互协同进行计划、执行、验证、交付等。姑且叫自动模式。比如汽车里人们逐步将开车这件事交给 FSD 进行自动驾驶。这两个模式也可以相互切换。 其四，如果群聊是主持模式，你（用户）可以选中一条或者多条“消息”，然后 @ 或者点名某一个或者几个角色来干活、“回答”。系统角色通过系统消息进行建议。 而在外包模式里，可以有一个类似群主的角色进行工作的安排，也可以是去中心化的协作，角色自己之间相互商量，这里实际需要将每个角色的 Profile 页，作为全局的上下文带入。你可以选择“消息免打扰”，他们默默干完活或者需要你干预的时候，再 @ 你进群看看。 其五，在不同的群聊里，自然也可以实现消息的转发。实现上下文的跨群流转。 其六，对于复杂的“交流”，更细节的，需要一个全局的地方，由用户和 AI 共同管理、更新，实现一些复杂的任务管理或者全局性的指导。 其七，既然已经是平等的角色了，那么这些角色自然也可以主动给你（用户）发消息。 其八，在每个对话里，无论单聊还是群聊，都是“预见 UI”的交互，所有的对话都是可交互的，其中的生成的关键交互可以构成统一的 toolbar，进行更持久一些的交互，提供入口。详见【预见 UI】AI 产品交互设计理念的提出以及分级，可以查看其中的示例。 【预见 UI】AI 产品交互设计理念的提出以及分级 其九，每个角色的上下文是可以在一定程度上保留的，视具体设计或者用户的设置而定，可以允许读取或者保留特定的上下文。自然也应该有无痕模式。 其十，所有的角色，可以是开放平台，而不局限于单一的模型、工具、代码、硬件等接入形式，自然也支持用户自己定制。自然也能融合多人与多 AI 交互。 三、示例 跟上一篇相比，交互设计上的 demo，完整实现有点复杂，赶时间就先发截图了，与上一篇一样，都是 Gemini2.5 Pro 直出。 Gemini 生成的效果图 四、缘起 缘起于 23 年初的一些闭门交流和思考，对生成式人工智能的一些思考[其一]是的，你可能注意到了，这篇文章的标题是“其一”，当时想过写其二，就是 AI 产品的交互设计。但是没写，你大概率也想到了其实想自己实现，毕竟彼时 OpenAI 的 GPTs 都没发布。 [对生成式人工智能的一些思考[其一]](https://mp.weixin.qq.com/s? biz=MjM5Nzc1OTIyMA==&mid=2649164529&idx=1&sn=8d173d5337fc82446eee48fabada7d61&scene=21 wechat redirect) 这就是当时的一个 demo，[23 年对 Agent 平台的一种实现方式探索]。这里是当时玩了一圈之后，发现以当时的 LLM 的能力，只能做到较为简单的交互。所以在 8 月份，把这个 demo 发出来过一段时间，并在即刻公开了部分基础的理念。 [[23 年对 Agent 平台的一种实现方式探索]](https://m.okjike.com/originalPosts/64df039aaac630c848e699ef) 在 2023 对生成式人工智能的一些思考[其一]这篇文章里，我说“也许这才是微信服务号的本来面目、搜索引擎的本来面目、OS 级别的全局搜索本来面目、语音助手的本来面目。捕风开始，未完待续。” [2023 对生成式人工智能的一些思考[其一]](https://mp.weixin.qq.com/s? biz=MjM5Nzc1OTIyMA==&mid=2649164529&idx=1&sn=8d173d5337fc82446eee48fabada7d61&scene=21 wechat redirect) 这三篇关于 AI 交互的文章，我算是给自己续上了。 <全文完 如果希望和我交流讨论，或参与相关的讨论群，请加微信，联系方式请点击 联系方式 2025。 联系方式 2025 via 公众号：谭少卿 原创 2025年04月20日 23:45 北京 原链接 https://mp.weixin.qq.com/s/qjHra XVphoWVhiQ7QlpXg 零、如何实现与万物对话 在前两篇文章里，第一篇首先提出了理念“把 AI 编程的能力发挥到极致的生成式 UI 交互”，详见浅谈 AI 产品的交互设计以及 Agent 演进路线一文。 浅谈 AI 产品的交互设计以及 Agent 演进路线 第二篇以 ConversationUI 为例，给出了“预见 UI”这个概念，即主动的、由 AI 根据情境动态生成的交互，以构建的 Profile+Preference+情境理解为驱动的，以主动生成式的 AI 交互呈现的动态化交互系统。并划分出了 L0 L4 的交互设计分级，这也是标题的来源。详见【预见 UI】AI 产品交互设计理念的提出以及分级一文。 【预见 UI】AI 产品交互设计理念的提出以及分级 在这第三篇，我将会构建完的一个大 C 端的 AI 产品交互框架，也可以称之为 Agent 交互框架，也可以想象为 OS 级别的雏形。其中的具体交互，即“预见 UI”。 一、基于 ConversationUI 进行 AI 交互设计的好处 既然与 AI 的交互主要是 Chat，为什么不借鉴已有的 Chat 类的产品的优良设计呢？比如微信、WhatsApp 、飞书等。好处有两个： 1、在 Chat 的产品里，已经有较好的上下文管理、注意力调度、对话关键点中断等基础原则的雏形了。（详见第一篇末尾的设计原则） 2、保持基础交互的一致性，对于大众类产品来讲，降低用户的认知成本，是有非常大的好处的。（能看到当前所有的产品设计，都是“专家型的”，不是面向大众的） 关于第二点，我们可以看一下“上古时代”的移动互联网产品设计，当年 Google 提出了好几轮的交互规范，但是为什么后来 Android OS 的移动 APP，实际上都遵循了 iOS 的交互设计指南，曾经有过大范围的讨论。我认为其中最核心的原因，是大众产品与小众/专家产品的区别，并非是说 Android 提出的交互完全没有价值。最典型的一个差异是导航 TAB 是位于页面底部还是顶部。有兴趣的可以在互联网上找以前的文章，或者问问 AI。其实也不是多么久远的“上古时代”，只是 AI 的进展太快，让时间变得恍惚了。 关于第二点，我们可以看一下“上古时代”的移动互联网产品设计，当年 Google 提出了好几轮的交互规范，但是为什么后来 Android OS 的移动 APP，实际上都遵循了 iOS 的交互设计指南，曾经有过大范围的讨论。我认为其中最核心的原因，是大众产品与小众/专家产品的区别，并非是说 Android 提出的交互完全没有价值。最典型的一个差异是导航 TAB 是位于页面底部还是顶部。有兴趣的可以在互联网上找以前的文章，或者问问 AI。其实也不是多么久远的“上古时代”，只是 AI 的进展太快，让时间变得恍惚了。 二、这个设计是什么 这一趴，形象一点展开。先想象，再抽象。为了一定的代入感，我们假定你就是用户。