
过去做产品,先要问一句:这东西是给企业用,还是给普通人用。ToB 看决策链和采购流程,ToC 看使用体验和留存曲线,两套方法论各管一摊。现在这个问题正在多出第三个答案。
一、产品多了一类不点按钮的用户
打开一个后台,人类用户会先找按钮在哪,再判断点下去会发生什么。Agent 不看这些。它拿到的是一个目标,然后自己判断要调用哪些能力、按什么顺序调、中途出了问题要不要重试。
于是同一个产品里,同时坐着两类使用者。人类靠界面理解,Agent 靠接口理解。把这两类使用者混在一起,就容易做出那种「看着挺智能、实际没人敢用」的功能:界面上多了一个对话框,背后却没有一条能被称为能力的东西。
ToA 讲的就是这件事。产品的使用者从单一的人,变成人和 Agent 共同组成的协作系统。它没法替代 ToB 和 ToC,也装不进一个对话框里。
二、同一个功能,要写给两套逻辑看
给人看的那套,讲的是视觉层级、交互反馈、信息组织。用户扫一眼就知道现在发生了什么、下一步能做什么、点下去会有什么结果,界面在这一层负责降低理解成本。
给 Agent 看的那套完全是另一回事。它要问的是:正在处理的对象是什么、对象现在处于什么状态、系统提供了哪些可调用的能力、每个操作要什么参数和权限、成功和失败的标准分别是什么、失败了能不能重试或者换方案。这些问题的答案,得由系统明确交代,不能指望用户凭经验替它补上。
模糊的状态、隐含的规则、前后不一致的反馈,过去可以留在页面背后,现在会直接变成执行风险。过去靠老员工经验执行的隐性规则,要改写成机器也读得懂的显性契约。这是 ToA 里最硬的一块工程量,也是最容易被跳过的一块。
三、设计师要回答的是协同问题
以往的产品路径很短:用户点击,系统响应,用户接着点。设计师的工作就是把每一步的理解成本和操作成本压下去,路径越顺越好。
Agent 进来之后,路径被拉长:用户说出目标,Agent 理解并规划,调用多项能力,处理分支,返回结果或者请求确认,最后用户审核、调整、甚至接管。步骤看起来少了,行动权却转移了,从亲手做完每一步,变成提出目标、划定边界、监督结果。
所以设计师真正要回答的,从「用户下一步点哪里」挪到了一串关于协作的问句:谁根据目标制定计划、谁有权做判断、哪些动作可以自动执行、出错之后谁发现谁纠正、结果由谁确认、责任怎么追溯。交互设计在这个阶段变成了一种权责设计。
四、给 Agent 划四级权限
现阶段的 Agent 还会误解目标、漏掉条件、做出错误判断。一次做到位并不现实,产品更不能只盯着自动化率这一个数字。
更实用的做法,是按行动范围给 Agent 分级。建议级只做分析和推荐,不碰任何操作;辅助级可以生成方案或草稿,等人确认后再执行;代理级在明确的规则和授权范围内自动执行;自治级持续监测、主动行动,只在异常或越界时找人。
这四级不该只是后台的一个配置项。用户要能看见某个功能模块眼下处在哪一级、Agent 手里握着多大的权限,并且能自己调整。权限感做出来了,用户才敢把重要一点的活交给它。
五、可预期比像人更重要
不少 AI 产品在语气上使劲,把 Agent 做得更会聊天、更像一个真人。放在简单问答里,这套有用;放到复杂任务里,作用有限。用户需要的是一个行为可预测的帮手,语气亲近与否是次要的。
可预期通常有四个来源。依据可见,给出结论时能说清参考了哪些信息、为什么这样判断;过程可控,计划随时能看、能改,必要时能暂停或接管;结果可逆,自动执行的动作尽量支持撤销和回滚;责任可溯,谁基于什么判断做了什么、产生了什么结果,都留得下记录。
顺着这个思路,失败路径和分歧路径也要认真设计:Agent 拿不准时怎么表达、用户不同意时怎么快速调整、任务失败时是重试换方案还是交还给人。信任的底座是「它错了以后还能被发现、被干预、被恢复」,跟「永远正确」没什么关系。
六、把经验规则写成机器读得懂的契约
把上面几条串起来,ToA 更像一种产品范式,它的落点不在页面上。团队要回答的问题从「怎么让人更顺地操作系统」,往前推一步,变成「人和 Agent 怎么一起把任务做完」;从设计一条固定流程,转向设计一套能持续判断、协商、执行、纠错的协作机制。
这样做的产品,未必是 AI 功能最多的那个,但一定是把目标、能力、权限、过程、结果、责任这几件事摆得最清楚的那个。
对设计师来说,动笔的地方也变了。界面仍然要画,但更靠前的一件事,是把人与 Agent 之间的协作关系、信任机制、行动边界先定义出来。
