一、前言

當我們一次次被 AI 技術帶來的變革所驚艷，當 ChatGPT 一次次宣布其能力已經突破了人類的想象，你是否注意到現有產品與 AI 融合的新趨勢？值得注意的是，新技術的出現也一定帶來了新的交互體驗。本文將以多種產品場景為例，梳理 PC 端多種主流的 AI 融合形態，希望能給大家帶來啟發。

二、多元場景下的主流 AI 形態

目前主流 AI 產品有如下 3 種主要形態，分別為沉浸式的 AI 智能體(Agent)、伴隨式的 AI 副駕駛(Co-pilot)、嵌入式的 AI 場景化嵌入(Embedding)。這 3 種形態在能力、界面、操作體驗和適用場景都上存在顯著差異。

1. 沉浸式形態

AI 智能體(Agent)—功能強大的AI伙伴

一個富有主動性的獨立伙伴，輸出的結果不完全依賴用戶的輸入，啟動 AI 問詢后有 2 種主流的形態：

1. 「對話智能體」 以對話流的形式展示信息，用戶通過在當前語境下進行追問獲取最終結果；
2. 「目標智能體」用戶輸入指令后，一次性給予用戶“靠譜”的結果，配有側邊欄可進行多種輔助操作。

① 對話智能體示例—Gemini

以谷歌 Gemini 產品為例，其作為對話流的智能體，為滿足搜索場景，具有以下特征：

冷啟頁 Prompt 形象化

相較于 2023 年初 Gemini 冷啟時的樣式，最近改版中冷啟的 Prompt 卡片變得形象化，當然我們也在其他 Agent 產品中觀察到了這一變化。

多模態內容

理解用戶的文字意圖，依據要求自主生成多模態卡片是對話智能體的主要特征之一，該功能可以極大地豐富 AI 反饋的多樣性，并能提高信息傳達的效率。

信息索引的顯示

信息索引的展示是提升 AI 回答權威性和透明度的關鍵因素。然而，直接在閱讀內容中嵌入索引標簽，可能在某些情況下影響用戶的閱讀連貫性。以 Gemini 為例，當前的設計允許用戶在卡片下方手動啟用索引信息，這種靈活性平衡了信息的可信度和閱讀體驗，適合多數日常場景。

當然，從設計角度考慮，某些情況下默認收起索引并非最佳選擇。在用戶高度依賴信息準確性的場景中，如金融或醫學領域，索引的可見性將會直接影響信任感。對于深入研究或延展閱讀需求較高的用戶，即時查看索引能更高效地獲取信息來源。

與之類似，在涉及多方信息傳播的業務分發場景，清晰可見的索引有助于減少誤解，提高效率。在這些情況下，索引的默認展開不僅強化了內容的可靠性，也更好地支持了用戶的深入需求。

② 目標智能體示例—Perplexity

Perplexity 作為最近廣受好評的 AI 搜索工具，相較于 Gemini，它更注重給予用戶最精準的答案。基于 RAG 技術的 Perplexity 為用戶提供了一種新的“確定性”，而鑒于這種特征，Perplexity 擁有雙面板的形態，可以對當前確定性的信息進行深化處理。

輸入即結果

相較于 Gemini 等對話智能體產品，AI Agent 用戶需要反復追問結果，而在體驗 Perplexity 時的無對話場景感，更傾向于一次性給予用戶“靠譜”的答案。

側分欄—信息補充

因為 Perplexity 一次就可以給予用戶最“準確”的信息，用戶可能沒有追問的必要，但可能會有對于當前問答進行深度搜索的需求，這時會有右側 GUI 分欄的出現，以便用戶進行輔助搜索。

③ 思考：給予用戶最佳答案的 AI 形態

在使用體驗上，Gemini 與 Perplexity 雖然走向兩個不同的流派，但目的都是為了給用戶呈現最佳的搜索結果。Gemini 就像一位富有想象力的對話者，用戶在對話中通過不斷地追問來獲得最佳的結果，而 Perplexity 更像一個 AI 版的知乎，它堅持“用戶不會犯錯”原則，冷靜客觀地為用戶提供最精準的答案。

2. 伴隨式形態

AI 副駕駛(Copilot)—被動性的AI助手

這種形態下的 AI 更多扮演“副駕駛”的角色，為用戶提供建議和幫助，依賴用戶精準的指令對當前內容窗口進行操作，一般以側邊欄形式展示，目前的 Office 文檔類產品多采用此類形態。

① AI 副駕駛產品示例-Office

在近年的開發者大會中，微軟提到最多的詞就是“Copilot”，力推將 AI 技術快速融入到旗下應用中。其中，Office 軟件就融入了 AI 副駕駛的理念，該形態下的 AI 主要為用戶提供產品的創作輔助、信息的查詢總結等功能。

當前場景下的 AI 助手

AI 的能力默認被限定在當前場景下，滿足用戶問詢、信息檢索、創作輔助等操作。

被動性 AI 助手

Copilot 無法自動執行操作去修改當前頁面內容，需要用戶確認后才可執行，用戶執行操作后會在側邊欄內顯示操作記錄與撤銷操作的入口。

輔助 Prompt

由于 AI 副駕駛的特性，常常需要準確的 Prompt 才能執行符合預期的操作，這對大部分用戶來說門檻較高，因此在使用時需要及時給予用戶合理的聯想 Prompt，輔助用戶決策。

② 思考：提高用戶工作效率的 AI 助手

作為被動性 AI 助手，用戶即使不使用也不會影響其在整體頁面中的操作，AI 更多承擔的是提升用戶工作效率過程中的輔助角色。

3. 嵌入式形態

AI 場景化嵌入(Embedding)

嵌入式 AI 主要聚焦特定場景的 AI 輔助，如 AI 即時性地生成對當前評論的回復，此類交互無固定形態，AI 會在用戶進行高頻重要操作時即時觸發。

在多元化場景中，嵌入式 AI 的設計相較于前兩類更加靈活和輕量，通常以 LGUI(輕量化用戶界面)為核心，強調用戶與 AI 之間的無縫銜接與高效互動。

與對話式或結構化阿拉丁模式相比，嵌入式 AI 的設計思路更加通暢，摒棄了復雜的交互流程，更注重場景中的引導性和即時反饋，幫助用戶在合適的時機獲取所需信息。

① 嵌入式 AI 示例—One Drive

以微軟 One Drive 為例，嵌入式 AI 不僅會在用戶整理文件時提供智能建議，還能在用戶分享文件時根據歷史記錄和內容精準推薦分享對象。這種場景化的嵌入，展現了如何通過 LGUI 設計最大化提高效率，而非依賴傳統對話或復雜交互。

場景一: 文件整理 AI 建議

在 AI 為相關文件創建新文件夾的情境中，執行完成后，它會主動詢問用戶是否需要將其他可能相關的文件一并移入到新建的文件夾中，以幫助用戶進一步整理文件。AI 能夠基于文件內容的上下文，敏銳地判斷出哪些文件可能屬于同一類別，進而為用戶提供便捷的一鍵整理服務。

場景二: 智能分享建議

當用戶準備在 One Drive 中分享文件時，AI 助手會根據文件內容和用戶的歷史分享記錄，預測出最可能需要分享的對象名單，為用戶精準推薦受眾人員。智能分享建議可以極大地節省用戶挑選分享對象的時間。

基于上述 2 個例子，我們可以對嵌入式 AI 有進一步的思考：

合理的嵌入式 AI 操作只在用戶進行重要操作時被“激活”，能夠在當前場景下即時給予用戶建議；

嵌入式 AI 一般情況下點擊大于錄入，方便用戶快速做出決定；

設計此類交互時，需要深度理解用戶使用場景，AI 的喚起不應干擾用戶對于主流程的操作體驗。

② 思考：效率導向的 AI 嵌入設計

對于普通設計師來說，容易在純對話交互和結構化設計兩端搖擺，可能忽視了效率也是設計的重要原則。嵌入式 AI 的設計啟示在于“什么合適用什么”，既不過度依賴復雜的對話式設計，也不拘泥于結構化方案。關鍵在于聚焦場景需求，以最簡便和有效的方式幫助用戶完成任務。

因此，在嵌入式 AI 的設計中，保持界面的簡潔與流暢，同時結合輕量化的 LGUI 原則，才是提升用戶體驗的關鍵。最終目標始終是“效率”，無論采用何種形式，選擇最適合當前場景的交互模式才是設計的核心。

三、未來的 AI 設計

多樣化形態下的平衡與共生

隨著 AI 技術的迅速發展，各種 AI 形態在不同場景中不斷涌現，如上述討論的沉浸式、伴隨式、嵌入式等設計形態。無論是主動性強的智能體、輔助型的副駕駛，還是輕量化的嵌入式方案，每一種設計都展現出其獨特的價值。

然而，在這些多樣化的形態背后，我們仍需回歸一個核心問題：什么樣的 AI 設計才是理想的？

1. 首先，沒有一種 AI 形態能夠完美適用所有場景，真正成功的 AI 設計應始終圍繞需求展開。在效率為先的原則下，設計師需要深刻理解用戶在不同情境下的核心需求，并選擇最適合的交互形態。復雜的對話式和高度結構化的設計并非萬能，嵌入式 AI 的靈活性和輕量化設計則為平衡提供了啟發—服務于效率與體驗，簡化不必要的交互，專注于解決用戶的實際問題。
2. 其次，AI 設計的多樣性并不意味著割裂，而是指向共生與融合。未來，AI 技術將進一步打破不同形態之間的界限，形成更加靈活、動態的交互模式。這種融合不僅依賴更智能的技術，還要求設計師在實際應用中敏銳捕捉用戶需求，提供真正有價值的解決方案。
3. 最后，設計的核心原則是以用戶為中心，強調合適性，而非追求炫技。無論是大型智能體的復雜場景處理，還是嵌入式 AI 的場景化介入，優秀的設計應始終聚焦用戶需求，在不同場景中找到最優平衡點。隨著技術的進化，設計師需要更加專注于如何將 AI 技術自然、無縫地融入用戶的工作與生活，使每一次交互都變得更加高效和愉快。

在未來，AI 的形態將會更加多元，但不變的仍是設計師對效率、用戶價值和場景適配的持續探索。希望設計師在面對 AI 設計時，始終尋求既符合用戶需求又能提升效率的最佳方案。

歡迎關注作者的微信公眾號：「百度MEUX」