作者 | 賈思玉、亢江妹

或許你還記得 ChatGPT 問世時的轟動，第一次使用 DeepSeek R1 的興奮和激動也歷歷在目。AI Agent 發展一日千里，今年以來，幾乎每個月都有新的 AI Agent 產品發布，現有產品也不斷更新換代，讓人目不暇接。

本文將從體驗設計視角，來看看當下熱門的 AI Agent 產品，如 Manus、Flowith、Gemini Deep Research、Cursor、Devin 等，分析 Agent 產品面臨的設計挑戰，探討有效的交互設計模式，以及如何打造高效、易用、友好的 Agent 交互體驗。

一、 從“工具”到“伙伴”的 AI Agent 產品

回顧 AI Agent 的發展歷程，可以看到一條從“工具”到“伙伴”的演進路徑。幾年前的AI產品多以聊天機器人（chatbot）、AI助手（AI Assistant）的形式存在，提供簡單的搜索和問答服務。2022年11月，ChatGPT 發布，刷新了普羅大眾對 AI Agent 的認知。此后，AI 智能體跨越式發展，由“我問你答”進階為“我說你做”。一兩句指示，AI Agent 就可以自己生成代碼、繪制圖像、制作PPT演示文件，甚至處理更復雜的任務——今年3月“橫空出世”的 Manus，就具備簡歷篩選、股票分析、旅行規劃等多場景應用能力。

當下，AI Agent 正朝著更高階的 AGI 形態邁進，已經開啟 General AI Agent（通用型AI智能體）或 Agentic AI 的階段。這意味著，AI 不再僅僅是被動響應用戶指令的工具，而是能夠主動分解任務、調用外部工具、制定執行計劃，并在執行過程中進行自我修正的"數字勞動力"。

正是這種能力進階，使得 AI Agent 的交互設計變得越來越重要。當 AI 從單純的"工具"轉變為"伙伴"，用戶與 AI 之間的互動方式也需要相應改變。良好的人機交互設計不僅能讓用戶更容易上手和使用 AI Agent，還能增強用戶對 AI 執行過程的理解和信任，從而最大化 AI Agent 的價值。

二、AI Agent 產品交互設計難點

AI Agent 產品的工作流程大體上包括：用戶輸入需求開啟任務、AI Agent 進行任務分解與規劃、調用工具/模型執行各步驟，以及生成并展示結果。

以 Manus 的簡歷篩選案例為例，在收到用戶請求后，Manus 自動解壓簡歷壓縮包、逐一瀏覽十幾份簡歷并記錄關鍵信息，最終生成結構化的候選人篩選報告，過程代碼和結果報告可供用戶瀏覽、導出。

圍繞這一工作流程，要打造流暢的 AI Agent 交互體驗，設計師需要解決貫穿其中的多個難點。從用戶與 AI Agent 的交互過程來看，我們可以將這些難點劃分在啟動、過程和結果三個階段：

1. 啟動階段設計難點

當用戶開始使用 AI Agent 時，首先面臨的是如何清晰高效地表達需求和進行初始設置：

• 模型/模式切換困難：一個 AI Agent 可能提供多種模型或工作模式，對于非熟練用戶而言，不僅難以理解，而且切換入口也不夠直觀。例如，flowith 首頁對話框上下，既有多種模式（如聯網搜索模式、圖片視頻生成模式）卡片，也有智能體（如 Claude、ChatGPT、Gemini）切換下拉菜單，以及 Oracle 模式開關，很難一下這些選項間的區別和關系；
• 上手門檻高：一些 AI Agent 的首頁或任務開啟界面追求創新，比如 flowith 或 Refly，采用畫布加思維導圖的設計，對用戶而言學習成本較高，上手操作需要摸索一番；
• 復雜任務需修修補補：對于需要調用工具、多步決策的復雜問題，用戶很難通過一次性的、簡短的提示詞（prompt）讓 AI Agent 完全、準確理解其需求，也就談不上獲得最佳結果。以 Manus 為例，用戶通過文本指令啟動任務，但對于具體內容、形式（如“生成交互式網頁”）要么得在下達任務時事無巨細地描述，更多時候則需要等任務執行結束后，再不斷修補調整。

2. 過程階段設計難點

在 AI Agent 執行任務的過程中，用戶面臨著如何理解、監控和干預的挑戰：

• 多模塊信息難對應：如上文所說，AI Agent 通常整合對話、任務進度、結果和代碼日志等多種元素，但多個模塊缺乏清晰的對應關系，用戶難以跟隨理解，更談不上及時發現和糾正問題；
• 過程透明度不足：一些 AI Agent 不能清晰披露為何做出某種決策，以及對信息源的權威性、可靠性缺乏判斷，這導致結果質量難保證，影響用戶對 AI 的信任。比如“簡歷篩選”的依據，學歷、工作經歷、教育背景等多個維度的權重是如何分配的？為何這樣分配？過程仿佛一個“黑盒”；
• 用戶介入不靈活：當前 AI Agent 產品一般并不允許中途暫停。任務一旦開啟（甚至有時用戶指令尚未輸入完整，因點擊回車而誤開啟），用戶只能等全部執行完畢后，再輸入反饋和重新運行。過程中的暫停、修正、繼續或重新運行機制亟待建立。

3. 結果階段設計難點

當 AI Agent 完成任務后，用戶需要進行結果瀏覽、使用和優化，由此產生了一系列問題和設計難點：

• 結果呈現割裂：AI Agent 最終可能輸出文檔、報告、圖表、網頁、代碼等各種形式的結果。這些結果常分散在多個窗口甚至多個平臺中，需要下載、跳轉查看，另外也難以嵌入用戶后續的工作流（如導入 Github 或加入已存在的 PPT 中）；
• 結果修改受限：當用戶對結果不滿意，應該為他們提供簡便、高效的修改方式。但當下，用戶大多需要在對話框中輸入評價和修改意見，而無法直接在結果上面標注和編輯；
• 質量自檢空白：一個任務有沒有完成、結果質量如何、有哪些可以優化的地方？AI Agent 目前還不能自主進行成效評估，而依賴用戶來評判和指出下一步方向，這是 AI Agent 能力和設計上都存在的尚未解決的難題；
• 版本管理缺失：AI Agent 執行完任務后，用戶可能需要持續注入反饋或補充指令，經過一次次迭代才能獲得滿意結果，而目前缺乏歷史版本的管理，用戶難以追溯、比較和回滾。

以上這些難點直接影響了用戶與 AI Agent 協作的效率和結果滿意度。不過，AI Agent 產品發展日新月異，一些產品已經開始探索解決之道，摸索出有效的設計模式，接下來讓我們詳細探討。

三、AI Agent 產品交互設計模式及應用案例

1. Agent 產品設計三大原則

為解決 AI Agent 交互設計的諸多挑戰，設計師需要以幾個核心原則為指引：

• 透明化和可解釋性：如何讓用戶清晰看到 Agent 的工作過程和決策依據？如何增強用戶信任？
• 認知減負：如何簡潔有效地呈現信息，幫用戶減少干擾、減輕記憶負擔？如何高效地互動溝通，讓用戶輕松理解 Agent 的工作狀態、及時發現和預防偏差？
• 人在環路（Human-in-the-loop）：如何保證 Agent 工作過程可控、支持用戶靈活介入？如何平衡 Agent 自主性和用戶控制權？

基于這些原則，我們總結了七個關鍵設計模式，也可以作為日后 AI Agent 產品的設計策略：

2. 七大關鍵設計模式

模式 1：注意力引導(Attention Guidance)

• 核心理念：引導用戶將注意力放在正在發生的、最關鍵的或需要協作處理的信息區域，減少無關信息或干擾用戶理解 AI 工作的元素。
• 設計要點：漸進式展示而非一次性呈現所有信息;非高頻/重要窗口隱藏折疊;信息分層及視覺效果區分，如高亮正在執行重要操作的模塊;同類元素的交互和視覺樣式保持一致。

模式 2：就地澄清(In-Place Clarification)

• 核心理念：允許用戶在任務執行的環境中直接提供反饋和修正，而不會脫離上下文。
• 設計要點：提供靈活、定位準確的編輯入口，避免多個窗口或操作位置之間的轉換;保持編輯區域與結果預覽的一致性;用戶修改完成后，提供明確的保存/更新反饋。

模式 3：自動建議(Auto-Suggestion)

• 核心理念：用選擇代替輸入，少用開放式提問，邀請用戶協作而非依賴人工。
• 設計要點：在關鍵決策點、需要用戶意見時，提供范圍適當的選項數量;指出錯誤的同時給出解決方案選項;允許用戶在選項之外自由輸入;根據使用歷史、用戶偏好推薦最優選項。

模式 4：思考外顯(Think-Aloud)

• 核心理念：讓 AI 外顯其思考過程、計劃和決策依據，增強透明度和可解釋性。
• 設計要點：AI 工作狀態和進度始終清晰可見;使用自然語言與用戶互動;允許用戶調整推理、執行過程展示的詳細程度;使用適當的可視化手段(如思維導圖、流程圖)解釋工作過程。

模式 5：上下文/知識匹配(Context/Knowledge Match)

• 核心理念：主動識別相似問題，自動調取歷史信息和知識資源，減輕用戶記憶負荷，避免重復輸入。
• 設計要點：記錄用戶選擇或決策以簡化未來任務執行;標注正在記憶或使用的上下文/知識;提供修改或移除自動引用上下文的選項;隱私敏感場景下的調用需向用戶確認。

模式 6：暫停-反饋-繼續(Pause-Feedback-Continue Flexibility)

• 核心理念：任務執行過程中允許用戶暫停、提供反饋并決定后續操作，始終保證用戶控制權。
• 設計要點：提供明顯的暫停按鈕;允許中止并保存已完成內容;設置關鍵決策點的自動暫停;提供操作簡便的繼續/重啟/放棄選項;用戶操作可撤銷/可逆。

模式 7：環境/工作流適配(Environment/Workflow Adaptability)

• 核心理念：AI Agent 可以與現有工作環境或工作流程適配融合，幫用戶減少騰挪的麻煩。
• 設計要點：任務啟動位置和方式靈活;為用戶提供多種結果使用方式，貼合實際工作習慣;工作環境中，支持跨平臺同步，向用戶清晰展示同步結果。

3. 模式應用場景舉例

AI Agent 產品設計模式并非孤立存在，而是在 AI Agent 工作的不同使用階段相互配合、綜合應用，共同提升用戶體驗。讓我們進一步探討這些設計模式如何在已有的 AI Agent 產品中得到應用，或者未來有哪些應用機會，以解決特定的交互難題。

(1) 入口設計和任務開啟階段

在用戶開始使用 AI Agent 的階段，重點是降低上手門檻，幫助用戶高效表達需求：

① 就地澄清 & 自動建議應用：在用戶下達任務后，ChatGPT Deep Research 會就模糊的地方提問確認，Gemini Deep Research 則根據用戶指令先進行任務拆解規劃，再提供“修改方案”按鈕，允許用戶較早參與協作，但二者都需要用戶在對話框中輸入文本。更優的設計是提供選項加快決策，或允許用戶“就地”在方案計劃上直接編輯。

② 環境/工作流適配應用：Gemini 針對 Google Workspace 設計了一整套解決方案，可以嵌入用戶工作環境中，適時主動出現。當用戶使用 Google Docs 時，Gemini 會提供與當前文檔相關的 AI 使用建議；此外，用戶打開 Gemini 首頁后，可以選擇上傳 Google Drive 里的文件資料，再基于文件提出任務指令。

③ 上下文/知識匹配應用：目前一些 AI Agent 產品允許用戶建立和管理自己的知識庫，比如 flowith 的“知識花園”、Devin 的“Knowledge”，目的是把短期記憶轉化為長期記憶，以儲存固定規則、用戶偏好等，加強未來行動決策的效率和準確性。另外一個案例是 Thoughtworks 為客戶搭建的一個 DevOps 領域的 AI Agent，當用戶開啟新任務時，AI Agent 產品可以自動搜尋和關聯相關“知識”，以標簽形式呈現并允許用戶增刪編輯。

(2) 過程呈現與人機協作階段

在任務執行過程中，設計重點是增強透明度、支持用戶靈活介入，以及避免認知超載：

① 注意力引導應用：AI Agent 界面通常由以下核心元素構成：1）用戶輸入與對話框；2）對話記錄和 AI Agent 工作過程展示區域；3）任務步驟與進度指示；4）結果預覽/代碼腳本窗口。像 Manus、Gemini Deep Research 等 AI Agent 產品，將對話記錄、任務進度、代碼和結果多個模塊整合在一個界面，并會通過窗口縮小、折疊等方式弱化非核心信息，但多模塊間的對應關系不甚清晰，而 Cursor 和 Devin 這類編程助手的設計可圈可點。Cursor 采用高亮的形式，將對話記錄中的分解步驟與具體代碼對應上，綠色代表新加或延用，紅色代表刪除的代碼；Devin 則提供”Follow Devin”窗口，用戶可通過下方進度調定位到任意步驟查看詳情。

② 思考外顯應用：目前 AI Agent 產品都很重視思考、行動過程的透明化，信息源標注已相當多元，包括注釋、超鏈接、懸停浮窗等設計樣式，網頁讀取過程也做到實時透明化；此外，同一界面內多模塊之間的對應關系開始被關注，比如 Grok 用縱向進度條展示分解步驟，它同時起到錨點或導航菜單的功能，用戶點擊其中一個步驟可以在右側打開查看詳情；GenSpark 在文字樣式上把對話內容和執行情況進行區分，用戶可點擊“View”按鈕在右側預覽窗口查看工具調用、引用信息等詳情。

③ 暫停-反饋-繼續應用：用戶通過對話框下達指令后，Genspark 提供暫停按鈕，用戶可隨時中止、繼續任務，用戶輸入修改意見后，任務會從頭重新運行；Devin 在編程過程中時遇到需要共同決策的關卡時，比如 API 調用、數據存放方式等，會暫停詢問用戶意見，也會主動建議用戶添加為“知識”下次使用；Cursor 則在關鍵節點提供“Accept”和“Reject”按鈕，讓用戶知悉和確認代碼改動情況。

(3) 結果展示與結果迭代階段

任務完成后，關鍵是讓結果易于瀏覽、使用和改進：

① 就地澄清應用：如果利用 v0 和 Cursor 等代碼生成類 AI Agent 搭建網頁、手機APP等產品，通常可以實時預覽效果和源代碼，而無需打開或跳轉到新標簽頁，提高了用戶協作的效率和準確度。在 Cursor 中，用戶可以在主窗口直接編輯AI生成的代碼，無需通過對話框輸入修改意見，也不必重啟整個任務。v0 甚至支持用戶選中界面上某一局部（比如一個圖表或卡片）進行修改或局部重新運行。借鑒這一設計，對于 AI Agent 產出的文檔、報告等成果，都可以允許用戶在原地編輯，或選中某一行打開對話浮窗進行編輯修改。

② 環境/工作流適配應用：AI Agent 生成的結果，往往并不是用戶工作的終點，后面多半要將代碼、報告、圖標數據等成果集成到日常工作流中，或需要根據其他平臺工具中的反饋，回到 AI Agent 進一步修改成果。上文提到，Gemini 已融入 Google Workspace 之中，如 AI 基于 Google Doc 生成的內容，可以直接保存到 Google Drive 或插入打開的文檔中，不必費時費力地手動遷移。再比如，Devin 支持跨平臺對話能力，當有人在 GitHub 中針對某一段代碼留言后，Devin 一方面會在 GitHub 顯示已收到反饋，同時會在 Devin 環境中知會用戶，并提供鏈接供點擊查看。

四、結語

隨著 AI Agent 從簡單的問答工具向協作伙伴、數字生產力轉變，技術逐步走向成熟，設計獲得更大的發揮空間，正成為這類產品的差異化競爭點，以及用戶群能否擴大的制勝關鍵。

通過對 Manus，Cursor，Gemini 等產品進行分析，可以看到，AI Agent 的交互設計在遵循以下原則的基礎上仍在進行演變：

• 透明化和可解釋性：讓用戶看到 AI Agent 的工作過程、信息來源和決策依據，降低 AI 幻覺、算法偏見以及數據濫用等隱私風險，從而提升用戶信任；
• 認知減負：通過合理的信息架構、界面布局和視覺引導，讓產品易懂易用，減輕用戶認知負擔；
• 人在環路（Human in the Loop）：在自主高效與用戶可控之間尋找平衡點，支持用戶協作和持續迭代；

未來，隨著技術的發展，我們期待看到更多創新的交互模式，如多模態融合（融合語音、文本、視覺等多感官交互）、情境感知（根據使用場景自動調整內容元素）、個性化適應（根據用戶習慣定制交互流程，提供情感化和個性化體驗）等。這些設計將進一步模糊 AI 與人之間的界限，讓 AI Agent 真正成為用戶的合作伙伴。