Intent by Discovery — AI 时代的 UX 范式转变

作者：Jakob Nielsen（尼尔森诺曼集团创始人），2026-03-26 来源：Jakob Nielsen on UX Substack

核心论点

AI 改变的不仅是界面外观，而是用户角色本身——从"操作员（operator）"变成"监督员（supervisor）"。这使得 UX 从"命令式交互"彻底转向"意图委托式交互"，是 60 年来第一次重大的 UI 范式转变（上一次是从批处理到命令行）。

三种交互范式的演进

类比：维京首领说"去英格兰修道院给我弄些银子来"，他不需要指定盾牌匠先打造盾牌。手下人知道该怎么做。AI 交互同理。

意图的三层结构

一个可用的"意图"不只是用自然语言表达一个愿望。它至少包含三层：

• 期望结果：要达成什么
• 约束条件：什么是可接受的边界（预算、不可动的会议、风险承受度）
• 委托边界：AI 被允许做什么、不能做什么

"Plan my Chicago trip" 在 AI 不知道预算和固定行程的情况下，是严重欠规范的。

UX 目标的三次转变

互联网时代的设计目标本质上是操控用户——这是商业环境决定的。AI 的出现让 persuasion 从"利用人类认知弱点"转向"给 AI 代理提供干净信息来完成决策"。

短期危机：表述壁垒（Articulation Barrier）

当前聊天界面的根本问题：意图委托范式要求用户用文字写出意图，但写作比阅读在认知上难得多。约半数发达国家人口读写能力不足。"Prompt engineering"技巧的存在本身，就是这一可用性危机的实证。

应对方向：

• Style Galleries：从预设风格中选择，比用文字描述风格容易得多
• 可见可编辑的用户模型：偏好、约束、语气不应在每次会话中重新输入——记忆成为一等公民的 UX 表面
• 多模态输入：语音、屏幕上下文、摄像头绕过文字表述的瓶颈

三层设计模型

成熟 AI 系统将形成清晰的三层架构：

第一层：Intent Surface（意图层）

用户陈述结果的入口。多模态输入（语音、文本、屏幕上下文、摄像头），克服表述壁垒。随着成熟度提升，系统将越来越依赖隐式意图推断——通过日历、屏幕内容、行为历史主动猜测用户意图，用户只需确认。

第二层：Orchestration Surface（编排层）——最关键的战场

AI 执行高风险行动前的 negotiation 层。包含：

• 执行透明度：在行动前展示计划、数据来源、触达系统
• Post-action Receipts：执行后的完整回执——改变了什么、用了什么假设、什么仍可撤销
• 企业上下文：不仅显示"我要做什么"，还要显示谁受影响、哪些政策约束行动、谁承担后果
• 多方意图协调：当多个利益方或 AI 子代理发出矛盾指令时，需要谈判共识

第三层：Direct Manipulation Surface（直接操控层）

传统 GUI 不会消失，而是降级为 fallback 层——用于边缘情况的精细修正和紧急覆盖。

未来的直接操控将作用于计划本身：拖动任务优先级、调整时间线、检查来源芯片。GUI 的生物性满足感仍然保留，只是抽象层级升高了一级。

监督控制与刻意的认知摩擦

用户从"开车"变成了"管司机"。对于低风险任务，消除摩擦仍然正确；但对于高风险任务（金融交易、医疗决策、发敏感邮件），界面必须故意引入摩擦。

Plausibility Trap（可信性陷阱）：AI 输出干净权威、即时呈现，用户会跳过批判性分析。

渐进式委托：AI 应从保守模式起步——先起草、准备、请求确认。随着可靠性积累，逐步扩大行动预算：先起草 → 准备 → 执行低风险操作 → 最后触碰高风险系统。

Epistemic UI（认知不确定性 UI）：可视化 AI 的置信度水平，高亮概率跳跃和弱来源数据，让用户精准知道该在哪里投入认知努力。

动态摩擦阈值：摩擦必须基于角色、风险承受力和行动可逆性动态调整。

慢 AI：僵尸 UX 的回归

当 AI 任务需要数分钟到数十小时时，传统响应时间标准完全失效。

五项设计对策：

• Run Contracts（运行契约）：开始前展示预计时间窗口、成本上限、"完成"定义、硬边界
• Conceptual Breadcrumbs（概念足迹）：用中间结论摘要代替百分比进度条
• Context Reboarding（上下文重新登机）：30 小时后用户早已遗忘初始任务，UI 必须提供 Resumption Summary
• Tiered Notifications（分层通知）：立即推送仅用于关键阻塞；低优先级用于质量决策；完成用批量摘要
• Salvage Value（打捞价值）：停止一个运行时，显式展示哪些中间产物可复用

长期愿景：探索潜在空间（Latent Space）

创意正在从"制作"转向"发现"：

• 前 AI：建造（build）
• 当前：描述（describe，prompt 生成）
• 未来：探索 AI 生成的潜在解决方案空间

用户不再需要生产，只需要发现。迭代的目的从修正错误变为探索多维解决方案空间。

六项未来 UX 预测

1. 潜在空间的空间导航：把 AI 输出呈现为 2D 地图，拖动光标实时变形
2. 直接对象操控：混合 GUI 和 AI——拖动一张 hero 图放大，AI 反推用户意图并自动调整排版
3. 苏格拉底式脚手架：AI 不再被动接单，而是主动面试官——面对模糊意图，提问诊断
4. 临时性生成式 UI：界面本身根据当前上下文动态生成
5. 策展即意图：用户丢一组杂乱的 artifacts 到画布上，AI 组织并找到概念重叠
6. 减法雕刻：生成过度详细版本，用户通过删除和划掉来精炼

UX 设计师的新角色

不再设计线性流程（屏幕 A → B → C），而是构建可能性空间——设计边界约束、潜在空间的"物理定律"、生成式环境的反馈循环。

但必须警惕零学习陷阱：如果用户永远不需要理解系统如何运作，就会陷入"认知萎缩循环"，变成自己数字生活的乘客。

好的 AI UX = 认知外骨骼（Cognitive Exoskeleton） 坏的 AI UX = 认知轮椅（Cognitive Wheelchair）

行动清单

正在设计 AI 界面的团队，焦点应放在：

• 度量意图捕获，而非点击效率——评估系统推断用户目标的准确度
• 设计编排层——意图与行动之间的 negotiation 面是信任建立或崩塌的地方
• 刻意编排摩擦——按风险级别梳理任务清单；高风险不可逆操作中的摩擦是安全保障
• 从第一天就规划慢任务——Run contracts、概念足迹、打捞价值披露不是边缘案例
• 抵制零学习陷阱——设计让用户保持对 AI 在做什么、为什么这么做的认知参与

Sources

• 发现意图：AI 时代的用户体验设计