姚順雨（前 OpenAI 研究員）曾反反復(fù)復(fù)表達(dá)過(guò)一個(gè)觀點(diǎn)，我印象很深：

「創(chuàng)業(yè)公司最大的機(jī)會(huì)，在于設(shè)計(jì)不同的交互方式?！?/p>

于是這期就索性圍繞「交互」這個(gè)主題展開(kāi)，分享一下我們最近觀察到的一些機(jī)會(huì)。

目錄 為什么獨(dú)立的 Vibe Coding 必死，但 Personal Software 會(huì)火？ 我們是不是低估了輸入法的想象力？ 最近見(jiàn)過(guò)最好的 5 個(gè) AI 交互設(shè)計(jì) 產(chǎn)品設(shè)計(jì)的終極形態(tài)

Replika 的創(chuàng)始人 Kuyda 最近也再次創(chuàng)業(yè)，做了一個(gè)叫 Wabi 的產(chǎn)品，定位是 Youtube for Apps，一個(gè) mini app 的集合平臺(tái)。(類似方向的產(chǎn)品國(guó)內(nèi)還有馬卡龍、Youware 等等)

我最近聽(tīng)了她的兩期播客，很有意思，摘錄一些 insights：

1. 軟件的未來(lái)將是「應(yīng)用的 YouTube 化」。

在 Kuyda 看來(lái)，軟件行業(yè)正在經(jīng)歷內(nèi)容行業(yè)當(dāng)年的變遷。

就像視頻從專業(yè)制作走向人人可拍，軟件開(kāi)發(fā)也將從全球「2000 萬(wàn)開(kāi)發(fā)者」的特權(quán)，泛化為「80 億創(chuàng)作者」的日常媒介。

在這個(gè)語(yǔ)境下，未來(lái)的軟件，更多會(huì)像快消品，它不再需要追求 SaaS 的高留存與高 LTV，而只需要在當(dāng)下那一刻，解決你特定的問(wèn)題。

她舉了個(gè)很直觀的例子。

有天她女兒想玩猜謎游戲，但條件很刁鉆：主角必須是《冰雪奇緣》的 Elsa 和《阿拉丁》的 Jasmine，還得是意大利語(yǔ)。

這種需求，App Store 不可能滿足，但 Kuyda 用 Wabi 花了兩分鐘就做了一個(gè)出來(lái)。

2. 這就帶來(lái)一個(gè)問(wèn)題，為什么這種事非得在 Wabi 這樣的平臺(tái)上做？用 Lovable 這種 AI coding 工具自己寫(xiě)不行嗎？

Kuyda 認(rèn)為，獨(dú)立的 Vibe Coding 必然失敗，因?yàn)闀?huì)卡在三個(gè)關(guān)鍵問(wèn)題上：

1）信任和穩(wěn)定

單點(diǎn) vibe coding 最大的短板是安全。

她提到一個(gè)案例：有人 vibe code 了一個(gè)約會(huì) App，結(jié)果火了，沖到 App Store 榜首。但因?yàn)殚_(kāi)發(fā)者不專業(yè)，最后導(dǎo)致所有用戶的超敏感信息全泄露了。

所以她的判斷是，未來(lái)一定會(huì)需要一個(gè)平臺(tái)，來(lái)兜住這些風(fēng)險(xiǎn)。

平臺(tái)能提供一個(gè)信任層，統(tǒng)一解決掉安全、隱私和數(shù)據(jù)持久化等問(wèn)題（比如你不用擔(dān)心開(kāi)發(fā)者忘了給服務(wù)器續(xù)費(fèi)，導(dǎo)致你的數(shù)據(jù)全丟了）。

2）集成能力：

Wabi 提供了連接一切的 API，讓你的 mini app 可以很方便地調(diào)用你的 Apple Health、Gmail、日歷，甚至你的銀行賬戶。你可以一鍵生成一個(gè)「根據(jù)我最近聽(tīng)歌品味定制手辦」的 mini app。

3）分發(fā)與協(xié)作：

平臺(tái)會(huì)內(nèi)建社交圖譜（點(diǎn)贊、評(píng)論、看到朋友在用什么），并支持多人模式（一起用同一個(gè) App，比如共同維護(hù)購(gòu)物清單，或者一起玩?zhèn)€小游戲）。

這樣，一個(gè)人隨手做出來(lái)的 mini app，就有機(jī)會(huì)長(zhǎng)成一個(gè)小網(wǎng)絡(luò)，在一群人之間流轉(zhuǎn)起來(lái)。

3. Kuyda 提到了一個(gè)類比：

iOS 早期：開(kāi)發(fā)者只是把網(wǎng)站硬塞進(jìn) App 里。

iOS 成熟期：開(kāi)發(fā)者終于想明白了移動(dòng)端的超能力是什么——GPS 和永久在線。于是，才誕生了 Uber 和 Tinder 這樣的原生巨頭。

那么，AI 的超能力是什么？Kuyda 的答案是：深度個(gè)性化。

這種個(gè)性化有三層：

1）應(yīng)用層個(gè)性化：你可以修改 App 的功能和提示詞。

2）平臺(tái)層個(gè)性化：平臺(tái)知道你的基礎(chǔ)信息（年齡、地點(diǎn)、有孩子、有健身目標(biāo)），并能把這些 context 提供給你所有的 App。

3）跨應(yīng)用個(gè)性化：平臺(tái)可以打破圍墻花園，讓你的「營(yíng)養(yǎng) mini app」能和你的「健身 mini app」對(duì)話，比如根據(jù)你最近的增肌計(jì)劃，修改你的飲食方案。

她認(rèn)為，未來(lái)的個(gè)人軟件，應(yīng)該是一個(gè)「構(gòu)建在你的基礎(chǔ)信息上的操作系統(tǒng)」。

(不過(guò)，這層「?jìng)€(gè)人記憶管家」似乎最應(yīng)該嵌在 OS 里，而不是由第三方軟件做掉？高度懷疑最終操作系統(tǒng)會(huì)把散落在不同 App 里的數(shù)據(jù)收攏成一個(gè)統(tǒng)一的「?jìng)€(gè)人畫(huà)像底庫(kù)」，再讓不同的 AI 應(yīng)用在上面做組合。這也部分解釋了為什么字節(jié)、Google 等等都在做自己的 AI 手機(jī)。）

聊到這兒，主持人還插了一個(gè)扎心的例子：

他自己剛換了新 iPhone，順手清理了一遍桌面，刪掉了 12 個(gè)以前下載、甚至還付過(guò)費(fèi)的 App，因?yàn)樗呀?jīng)在 Wabi 上做出了更順手的版本。

當(dāng)用戶可以在 5 分鐘里做出一個(gè)貼身的 80 分工具時(shí)，那些功能疊到 90 分、卻越來(lái)越臃腫的 App，很可能會(huì)慢慢失去意義。

4. 這會(huì)催生一個(gè)全新的 GTM 模式：軟件即內(nèi)容 (Apps as Content)

這里我們可以想象幾個(gè)有意思的變化：

• 新的商業(yè)模式

  一個(gè)抖音上的健身博主，未來(lái)最自然的變現(xiàn)方式，可能不是賣課，而是發(fā) 5 個(gè) mini app，每個(gè) app 對(duì)應(yīng)一套訓(xùn)練方案。

• 新的流量入口

  以前博主會(huì)在小紅書(shū)寫(xiě)一篇「東京只有本地人才知道的 10 家拉面店」，未來(lái)他可能直接發(fā)布一個(gè)「東京拉面殺手」 mini app，里面有一個(gè)極簡(jiǎn)地圖，只標(biāo)這 10 家店。

• 新的社區(qū)形態(tài)

  這些 mini app 本身會(huì)變成「社區(qū)啟動(dòng)器」。

  比如你做了一個(gè)「?jìng)惗赜^鳥(niǎo)指南」app，用的人天然就是同好。

  人聚齊了，線下活動(dòng)、衍生周邊、內(nèi)容共創(chuàng)，都可以自然而然生長(zhǎng)出來(lái)。

  以前做社區(qū)要靠?jī)?nèi)容、靠運(yùn)營(yíng)，未來(lái)可能只需要把一個(gè) mini app 丟到網(wǎng)上，它自己吸人。

7. 所以，Wabi 這類產(chǎn)品的本質(zhì)是什么？

主持人給了一個(gè)精妙的比喻：它是一個(gè) Prompt 容器的平臺(tái)。

我們現(xiàn)在分享 Prompt 的方式，還停留在石器時(shí)代——就是復(fù)制粘貼一大段文本。

這種 Prompt 發(fā)現(xiàn)機(jī)制非常糟糕。

Kuyda 提到，她曾在 Reddit 上看到一個(gè)大師級(jí) Prompt，但有一次她把那段 Prompt 搞丟了，再也沒(méi)找到。

如果這是一個(gè) Wabi 上的 mini app，她可以直接下載，之后隨時(shí)點(diǎn)開(kāi)就能用。

Wabi 想做的事，就是給這些到處裸奔的 Prompt 配一個(gè)合適的 UI 外殼，再加一個(gè)可以保存、復(fù)制、分發(fā)的沙盒環(huán)境。

(某種意義上，這其實(shí)是 GPTs 的下一階段：從「Chatbot」走向「Chat + GUI 結(jié)合」的交互形態(tài)，只不過(guò)這次是更徹底地以「?jìng)€(gè)人應(yīng)用」為單位來(lái)組織。）

8. 最后，我自己對(duì)這類產(chǎn)品最大的兩個(gè)問(wèn)題還是：

首先，到底有多少人，會(huì)有「自己定義一個(gè) mini app」的沖動(dòng)？

Kuyda 在播客里給了一個(gè)避重就輕的回答，她說(shuō)，真正從零開(kāi)始原創(chuàng)的人，永遠(yuǎn)不會(huì)超過(guò) 10%，但很多的人，都會(huì)參與修改和迭代。

圍繞這個(gè)判斷，Wabi 提供了兩條路：

• Remix：直接 Fork 別人的 App，改成自己想要的樣子。

• Request：在評(píng)論區(qū) @ 創(chuàng)作者提需求：「能不能幫我把這個(gè)地方改成 XXX？」

也就是說(shuō)，「軟件民主化」的實(shí)際落地形態(tài)，不是人人都是開(kāi)發(fā)者，而是人人都能參與迭代。

但這又引申到了第二個(gè)，我覺(jué)得也是更本質(zhì)的問(wèn)題：到底多少人有消費(fèi)這些 mini app 的需求場(chǎng)景？

畢竟，GPTs 死掉的一大原因就是發(fā)現(xiàn)難、心智重、大多都用不上。

這里我們就沒(méi)有什么答案了。只能先把這些問(wèn)題記在這，看未來(lái)的市場(chǎng)怎么回答。

Reference：

• Eugenia Kuyda on software’s “YouTube moment” | Access Podcast

  https://yt.psee.ly/8ft8nw

• Seeing The Future from AI Companions to Personal Software | A16Z

  https://yt.psee.ly/8ft8pf

(二) 我們是不是低估了輸入法的想象力？

AI 語(yǔ)音輸入法最近也很火。

大廠里，字節(jié)、微信、智譜都在搞，創(chuàng)業(yè)公司中還有 Typeless，閃電說(shuō)...... 海外 Wispr 更是在 4 個(gè)月內(nèi)連融 8100 萬(wàn)美金。

(我目前試下來(lái)，感覺(jué) Typeless 和智譜的 AI 輸入法都很好用，智譜更推薦一些，因?yàn)樗行╊~外的功能點(diǎn)做得很方便！比如，它可以從「打字狀態(tài)」切換為「問(wèn)答狀態(tài)」，一鍵喚起 AI，在任何輸入框里快速回答你的問(wèn)題，或者直接選中一段文字，讓它翻譯/改寫(xiě))

Anyway，我就很好奇：

輸入法這門老生意，怎么又突然開(kāi)始爆火？尤其 Wispr 是在講一個(gè)什么故事？怎么能拿這么多錢？

帶著這個(gè)問(wèn)題，我們做了一點(diǎn)研究，也和一些關(guān)注這個(gè)方向的從業(yè)者聊了聊。

聊完之后，我現(xiàn)在的理解是：

輸入法未來(lái)可能不只是「打字工具」，而是有機(jī)會(huì)進(jìn)化成一個(gè)「語(yǔ)音操作系統(tǒng)」。（當(dāng)然，只是有可能。）

Wispr 創(chuàng)始人在播客里，把這個(gè)進(jìn)化過(guò)程拆成了三步：

第一步：先把「輸入」這件事接管了。

這里我得到的一個(gè)有趣的 learning 是：

從「敲鍵盤(pán)」切換為「直接說(shuō)」，最大的驚喜其實(shí)不在「提速」，而在「減負(fù)」，也就是：

1. 它能消除你思考時(shí)的認(rèn)知負(fù)荷。

打字的時(shí)候，人的注意力其實(shí)會(huì)被拆成兩半：一半在思考「我接下來(lái)想表達(dá)什么」，另一半在檢查「我剛剛這句話打得對(duì)不對(duì)」。這兩個(gè)過(guò)程其實(shí)會(huì)互相干擾，讓你無(wú)法進(jìn)入到一個(gè)順暢的心流狀態(tài)。

語(yǔ)音輸入法的作用，是讓你專注于「我想說(shuō)什么」。你可以把腦子里的想法全部倒出來(lái)，把編輯、潤(rùn)色這些活兒都交給 AI。

2. 它天然鼓勵(lì)用戶提供 Context。

大多數(shù)人在給 AI 打字時(shí)都會(huì)本能地偷懶，能少說(shuō)就少說(shuō)。但一旦換成說(shuō)話，大家往往會(huì)順手多帶一些背景和細(xì)節(jié)，于是 AI 的輸出質(zhì)量也會(huì)跟著上去。

前幾天還聽(tīng)莫子皓老師 (Plaud 中國(guó)區(qū) CEO) 說(shuō)，他們公司的算法研發(fā)現(xiàn)在人手一個(gè)麥克風(fēng)，直接通過(guò)語(yǔ)音來(lái) vibe code，工作效率大幅提升，而且更容易進(jìn)入心流。

第二步：從「被動(dòng)記錄」升級(jí)為「代你表達(dá)」。

當(dāng)用戶習(xí)慣了對(duì)著它說(shuō)話，它就可以開(kāi)始幫你「寫(xiě)作」而不只是「記錄」，比如你只要說(shuō)：「幫我推掉這個(gè)工作邀約，但別把話說(shuō)死」，它立刻就能寫(xiě)出一封得體的郵件。

這里一個(gè)自然的問(wèn)題是：

為什么要通過(guò)輸入法做，而不是直接用 ChatGPT，或者各種垂類 AI 工具？

核心差別在于：輸入法天然存在于每一個(gè)輸入框中，而且它了解你的一切過(guò)往輸入。

Wispr 創(chuàng)始人說(shuō)：「一個(gè)真正好用的語(yǔ)音輸入產(chǎn)品，不應(yīng)該是一個(gè)孤立的工具，而是一個(gè)具備全局上下文的智能層，能夠記住你的所有重要輸入，連接不同應(yīng)用中的信息?！?/p>

它每天看你怎么說(shuō)話、說(shuō)了什么，最終可以比任何一個(gè)單點(diǎn) AI 應(yīng)用更貼近你的真實(shí)表達(dá)。

再往下想一步，輸入法很快還會(huì)學(xué)會(huì)察言觀色。

它不僅能聽(tīng)懂你在說(shuō)什么，還能通過(guò)語(yǔ)速的快慢、語(yǔ)氣的急緩，捕捉到你當(dāng)下的心境，然后自動(dòng)幫你催人催得更急一點(diǎn)，或者語(yǔ)氣改得更歡快一點(diǎn)。

現(xiàn)在領(lǐng)先的 AI 輸入法，其實(shí)已經(jīng)開(kāi)始朝這個(gè)方向走了。

比如 Whisper Flow 會(huì)根據(jù)你所在的 App 自動(dòng)「變身」：

• 在 Slack 里，它會(huì)把你說(shuō)的話變得隨意、全小寫(xiě)、甚至加個(gè) Emoji；

• 在 Email 里，則會(huì)自動(dòng)改寫(xiě)成商務(wù)郵件的語(yǔ)氣和格式。

創(chuàng)始人在播客里還提到，他們下一步要做更細(xì)的 context 提?。?/p>

同樣是在 Slack，你在「公司大群」發(fā)言，和在「跟最好朋友的私聊」里說(shuō)話，語(yǔ)氣完全不同。

Whisper Flow 會(huì)感知到這個(gè)細(xì)微差別，并自動(dòng)匹配你的語(yǔ)氣。

第三步：反客為主。

輸入法一直是系統(tǒng)權(quán)限最高的軟件之一。移動(dòng)端的隱私保護(hù)還相對(duì)嚴(yán)格，但在 PC 場(chǎng)景下，像 Wispr 之類的應(yīng)用甚至是擁有讀屏權(quán)限的，等同于是能同時(shí)捕捉到你看到的信息。這讓它有機(jī)會(huì)成為最了解你的產(chǎn)品之一。最終甚至可能能主動(dòng)跳出來(lái)幫你干活，而不是等你發(fā)號(hào)施令。

打我敲下這行字的時(shí)候，我已經(jīng)開(kāi)始幻想我的輸入法能突然跳出來(lái)說(shuō)：

「我突然想到一個(gè)有趣的梗，你這里可以加上」。

此外，上周末在我們組織的一個(gè)閉門討論會(huì)上，有一個(gè)做二級(jí)的投資人朋友還提到了一個(gè)很有趣的觀點(diǎn)：

輸入法的定位有點(diǎn)像前一段時(shí)間 Reddit 對(duì)于 OpenAI 的意義，很多模型公司都有合作和收購(gòu)意愿。

原因是，輸入法掌握了高價(jià)值的一手?jǐn)?shù)據(jù)，而這些數(shù)據(jù)對(duì)兩件事情格外關(guān)鍵：

1）訓(xùn)練模型對(duì)人類偏好和意圖的理解

2）讓模型跟上人類語(yǔ)言的實(shí)時(shí)變化，比如最近出了什么流行梗、上了什么爆款電影。

把這些放在一起看，我們會(huì)發(fā)現(xiàn)，輸入法并不是一個(gè)簡(jiǎn)單的效率工具，它有機(jī)會(huì)成為：

1）你和所有軟件之間最高頻的交流接口；

2）你和大模型之間最完整的一根數(shù)據(jù)管道。

但當(dāng)然，以上只是一個(gè)爽文劇情，實(shí)際會(huì)有很多問(wèn)題，比如，輸入法是寄生在 OS 上的，蘋(píng)果等系統(tǒng)層隨時(shí)可能收回權(quán)限，自己下場(chǎng)。

又比如，用輸入法的數(shù)據(jù)訓(xùn)練模型雖然會(huì)做很多隱私脫敏，但很多用戶過(guò)不了心理門檻。一個(gè)能「讀屏」且「聽(tīng)懂語(yǔ)氣」的 AI，會(huì)讓很多人（尤其是企業(yè)）感到被監(jiān)視的恐懼，從而不會(huì)放權(quán)。

但不管怎樣，我覺(jué)得輸入法都會(huì)變成一個(gè)很有趣的觀察窗口：

它注定要被拉到牌桌中央，參與一輪又一輪討價(jià)還價(jià)，然后長(zhǎng)成一個(gè)和現(xiàn)在完全不同的樣子。

Reference：

• How Wispr Flow Uses AI to Save Professionals Hours Every Day | Subversive

  https://yt.psee.ly/8ft8qd

• How to Get Started with Wispr Flow to Save 10 Hours a Week | Tanay Kothari | Peter Yang
  

  https://yt.psee.ly/8ft8r9

• R.I.P. Computer Keyboard (1964 – 2025) | Possible Podcast

  https://yt.psee.ly/8ft8rn

(三) 最近見(jiàn)過(guò)最好的 5 個(gè) AI 交互設(shè)計(jì)

我聽(tīng)各種海外播客時(shí)，經(jīng)常聽(tīng)到一個(gè)類似的判斷：

AI 目前最大的瓶頸在交互。我們今天用的 Chatbot，本質(zhì)上還停留在「MS-DOS 時(shí)代」的命令行，還沒(méi)有迎來(lái)真正的 GUI 時(shí)刻。

不過(guò)，過(guò)去一年里，交互這條線已經(jīng)有了很多探索。

比如，DeepSeek 帶火了顯性思維鏈，現(xiàn)在這已經(jīng)成了 AI Chatbot 的標(biāo)配，提高信任感；

Manus 帶火了虛擬機(jī)這種形式，單獨(dú)給 AI 配置一個(gè)電腦，讓他自己操作，互不干擾。

我們最近還看到了一些領(lǐng)先的交互范式，可能會(huì)成為明年的新共識(shí)：

1. 參數(shù)滑塊

自然語(yǔ)言在描述「程度」時(shí)是無(wú)力的。你很難界定「放飛一點(diǎn)點(diǎn)」具體是多少。

所以很多 AI 產(chǎn)品現(xiàn)在都加上了參數(shù)滑塊，比如 11 Labs 可以調(diào)整 Prompt Influence（提示詞權(quán)重），決定是嚴(yán)格遵循指令，還是讓 AI 自由發(fā)揮。

未來(lái)，「Prompt 負(fù)責(zé)定性，滑塊負(fù)責(zé)定量」可能成為一個(gè)標(biāo)配設(shè)計(jì)。

在做一個(gè)精細(xì)任務(wù)時(shí)，用戶可以直接在旁邊創(chuàng)建一個(gè)滑塊，比如一端是更簡(jiǎn)潔，一端是更詳盡，來(lái)回拖一拖，就能快速試出一個(gè)滿意的區(qū)間。

同時(shí)，這在心理學(xué)層面也很重要，我很喜歡的一個(gè)交互設(shè)計(jì)師 Geoffrey Litt 在播客里講過(guò)一個(gè)觀點(diǎn)，現(xiàn)在很多 AI 工具都在追求極致的自動(dòng)化（比如 Agent 一鍵做出一個(gè)完整的作品），但他認(rèn)為這是非常反人性的，完全由 AI 生成的內(nèi)容，用戶很難產(chǎn)生「這是我的作品」的歸屬感。

一個(gè)形象的比喻是做陶瓷。

如果只是對(duì)工匠下指令說(shuō)「我要個(gè)杯子」，這不叫創(chuàng)作，這叫采購(gòu)。

真正的創(chuàng)作是你手摸著泥巴，根據(jù)泥巴的反饋實(shí)時(shí)調(diào)整力度和形狀。這種 Feedback Loop（實(shí)時(shí)反饋回路）才是讓用戶進(jìn)入心流，感到滿意和快樂(lè)的關(guān)鍵。

2. 反向 Onboarding

現(xiàn)在大多數(shù) AI 產(chǎn)品的 Onboarding 流程都很重：

注冊(cè) → 驗(yàn)證郵箱 → 填一堆信息（職業(yè)、行業(yè)、目標(biāo)…）→ AI 才開(kāi)始服務(wù)。

用戶一上來(lái)就要付出時(shí)間、信任，還不知道值不值得。

但我最近看到了一些很妙的 Onboarding 案例，是把這個(gè)邏輯完全反過(guò)來(lái)。

比如 AdComposer.ai（一個(gè)廣告文案生成工具），它的首屏極其克制，只有一個(gè)輸入框：丟下你的公司網(wǎng)址，一鍵生成幾組廣告創(chuàng)意。

通過(guò)這個(gè)過(guò)程快速證明：「這是我能做到的，你先感受一下。」

再比如 Co-founder 這個(gè)產(chǎn)品，第一步也是讓你先輸入 Gmail 或者其它 URL，它會(huì)立刻根據(jù)抓取到的信息，模仿你的語(yǔ)氣寫(xiě)一封郵件，或生成一個(gè)工作流。

所以我在想，或許未來(lái)很多 AI 產(chǎn)品的第一步，都會(huì)變成先證明自己，先讓用戶看到價(jià)值，而不是一上來(lái)就要求用戶先行付出。

也就是我們可以想想，有沒(méi)有辦法把 TTV（Time to Value，價(jià)值感知時(shí)間）壓到接近 0，讓用戶第一次點(diǎn)進(jìn)來(lái)，就像走進(jìn)面包店門口，被塞了一塊試吃的小餅干？

3. 善用等待時(shí)間

現(xiàn)在的 AI 生成往往需要幾十秒，用戶對(duì)著 Loading 動(dòng)畫(huà)等待時(shí)會(huì)變得非常不耐煩。

但 Gamma 和 Perplexity 提供了一個(gè)挺好的思路：

等待時(shí)間，本質(zhì)上是一個(gè)低成本的「二次交互窗口」。

比如，Gamma 會(huì)在你盯著屏幕發(fā)呆時(shí)，讓你選 PPT 的主題風(fēng)格；Perplexity 在一些情況下會(huì)彈窗問(wèn)你：「是否需要補(bǔ)充更多細(xì)節(jié)？」

這樣，既給了用戶事情做，模型的生成結(jié)果也更準(zhǔn)，還減少了需要迭代的輪次，對(duì)公司是實(shí)打?qū)嵉某杀緝?yōu)化。

4. 用「命名」控制用戶預(yù)期

交互設(shè)計(jì)中，很重要的一個(gè)工作其實(shí)是「定義語(yǔ)言」。團(tuán)隊(duì)選用的名詞，決定了用戶如何理解產(chǎn)品的邊界。

我自己超級(jí)喜歡的一個(gè)案例是一個(gè)畫(huà)布產(chǎn)品 tldraw，他們嘗試讓 Agent 在畫(huà)布上協(xié)作時(shí)，發(fā)現(xiàn)現(xiàn)在的模型還是很笨，經(jīng)常把東西畫(huà)錯(cuò)位置，或者不知道自己在干嘛。

那問(wèn)題來(lái)了：要怎么讓用戶能試用起來(lái)，又不對(duì)它期待過(guò)高呢？

后來(lái)，他們搞了一套非常有意思的「敘事降級(jí)」策略，把幻覺(jué)本身，從產(chǎn)品缺陷，變成了世界觀設(shè)定。成功是驚喜，翻車是劇情。

首先是改名字。

他們刻意沒(méi)有把 AI 叫做 Agent、Collaborator 或虛擬員工，因?yàn)橐坏┻@么叫，用戶下意識(shí)就會(huì)覺(jué)得它應(yīng)該像同事一樣靠譜。

他們考慮的名字是 fairies（小精靈）/ ghosts（小鬼）/ bugs（小蟲(chóng)子）—— 聽(tīng)上去就不像能全權(quán)托付的對(duì)象。

這些小精靈很小，漂在你的光標(biāo)旁邊，不同的精靈穿著不同的衣服、戴著不同的帽子：

• 你可以看到它在「思考」（摸下巴）；

• 看到它覺(jué)得任務(wù)太難了，開(kāi)始召喚其他小精靈（sub-agent）來(lái)一起干活；

其它的技術(shù)邏輯也被包裝成了童話隱喻：

• 池塘（Pond）= 文件夾/作用域： 想要管理一個(gè)特定的上下文，只需要在畫(huà)布上畫(huà)一個(gè)魔法池塘。任何被拖進(jìn)池塘的文件，就會(huì)自動(dòng)成為這個(gè) Agent 的 Context。

• 禮物（Gifts）= 補(bǔ)充信息：想要給 Agent 額外的文檔，可以像給精靈留下禮物一樣，把小紙條留給它。

• 附身（Warging）= 外部工具調(diào)用： 當(dāng)一個(gè)小精靈需要通過(guò) MCP 去連接外部工具或數(shù)據(jù)時(shí)，它的眼睛會(huì)翻白，像權(quán)游里的 warging，表示它正在通靈（所以延遲、卡頓都是合理的施法過(guò)程）。

在這套設(shè)定下，用戶天然會(huì)覺(jué)得：

它們本來(lái)就是有點(diǎn)調(diào)皮、不可控的非人生物，所以犯蠢是可以被原諒的。

當(dāng)一個(gè)小精靈把圖畫(huà)歪了，用戶更可能想的是：「哎呀它又調(diào)皮了」，而不是「這垃圾軟件又崩了」。

這里的啟發(fā)是，敘事設(shè)計(jì)可以是我們掩蓋模型能力不足、提升用戶留存一個(gè)很高效的手段。

尤其在今天，AI 還有很多幻覺(jué)和 bug，你產(chǎn)品的「敘事包裝」最好與 AI 呈現(xiàn)出的「智力水平」相匹配，而不是給它一個(gè)它撐不起來(lái)的廣告語(yǔ)。

5. 視角濾鏡

我還很喜歡的一個(gè)交互設(shè)計(jì)師是 Linus Lee，之前在 Notion 負(fù)責(zé)探索 AI 功能的設(shè)計(jì)。他曾經(jīng)提出過(guò)一個(gè)有趣的想法：

每個(gè)創(chuàng)意行業(yè)大都存在一個(gè)資源庫(kù)。比如字體庫(kù)、音效庫(kù)、濾鏡庫(kù)、筆刷庫(kù)。 但思考和寫(xiě)作還不存在這樣的東西。 我們其實(shí)可以嘗試從模型里，提取出一種可打包、可共享的「思維特征」，把它們變成一種新的資源庫(kù)，任何人都能隨意取用。

一些雛形已經(jīng)出現(xiàn)了。比如我們現(xiàn)在會(huì)跟 AI 說(shuō)：「用理查德·費(fèi)曼的語(yǔ)言風(fēng)格解釋一下」，但這還只是原始的版本。往后，也許在寫(xiě)作界面里，我們會(huì)看到一個(gè)「視角過(guò)濾器」菜單欄，和現(xiàn)在在 Word 里選字體一樣方便。一個(gè)產(chǎn)品經(jīng)理，可以裝載一個(gè)「喬布斯思考濾鏡」，讓 AI 瞬間切換視角給出點(diǎn)評(píng)。

同時(shí)，大家也可以自己定制濾鏡，并在公開(kāi)市場(chǎng)上交易。 以前的知識(shí)付費(fèi)賣的是內(nèi)容，未來(lái)的知識(shí)付費(fèi)賣的是「腦回路」。

比如，我完全可以想象自己搞一個(gè)「曲凱濾鏡」：把我老板所有文章、播客、會(huì)議紀(jì)要、和同事們的微信聊天記錄，外加榮格八維之類的人格測(cè)試數(shù)據(jù)統(tǒng)統(tǒng)喂給 AI，且保持聯(lián)網(wǎng)更新，每周自動(dòng)抓取他的最新言論，保持和本尊的思維同步。

那我就可以在寫(xiě)所有方案和文章時(shí)，都外掛上一個(gè)曲凱濾鏡，讓 AI 先看看他會(huì)噴哪幾塊。

再往外推一步，我猜，未來(lái)每家公司可能也都會(huì)有一個(gè)「品牌濾鏡」。

內(nèi)置創(chuàng)始人人格特質(zhì)、價(jià)值觀，公司所有品牌物料...

所有對(duì)外郵件、文章、招聘都先跑一遍這個(gè)濾鏡，檢查「是否符合公司氣質(zhì)」。

如果把粒度再做細(xì)一點(diǎn)，AI 產(chǎn)品里還可以有一個(gè)「思維調(diào)音臺(tái)」。 這里的交互就不是下拉菜單，而是一組推拉桿。

畢竟大家都是打工人，匯報(bào)時(shí)往往需要端水，就可以設(shè)置：

• CEO 視角占比 50%

• 產(chǎn)品老大視角占比 20%

• 法務(wù)視角占比 10% ...

我想，只要?jiǎng)?chuàng)造思考中有哪一塊是高頻 + 可復(fù)用 + 創(chuàng)建門檻較高，都可以考慮一鍵封裝，隨時(shí)調(diào)用。

Reference：

• Synthesizer for thought | Linus Lee

  https://thesephist.com/posts/synth/

• Steve Ruiz - Is the canvas the future for AI? | Dive Club

  https://shorturl.asia/T62Oj

• Geoffrey Litt - The Future of Malleable Software | Dive Club

  https://shorturl.asia/7Rnkx

• Vitaly Friedman - Beyond Chat: What's Next for AI Design Patterns | Dive Club

  https://shorturl.asia/l3sYU

• Emily Campbell - AI UX Deep Dive | Dive Club

  https://shorturl.asia/rjAvH

(四) 產(chǎn)品設(shè)計(jì)的終極形態(tài)Cursor 設(shè)計(jì)負(fù)責(zé)人 Ryo Lu（也是 Notion 早期非常重要的產(chǎn)品設(shè)計(jì)師）最近在播客里提到一個(gè)觀點(diǎn)，對(duì)我很有啟發(fā)。 他很反感人們天天強(qiáng)調(diào) taste 是未來(lái)設(shè)計(jì)師的核心競(jìng)爭(zhēng)力，在他看來(lái)，taste 沒(méi)有那么重要，真正決定上限的是「系統(tǒng)思維」。

原因在于，未來(lái)的 UI 一定是千人千面的，產(chǎn)品最終長(zhǎng)成什么樣，會(huì)更多由用戶自己的 taste 決定。

Cursor 的愿景就是：

底下只有一個(gè) Cursor，但上面長(zhǎng)出千人千面的工作界面，把所有做軟件的人（開(kāi)發(fā)、設(shè)計(jì)、PM…）都收進(jìn)同一套操作系統(tǒng)。

也就是說(shuō)，未來(lái)開(kāi)發(fā)、PM、設(shè)計(jì)師都會(huì)直接在 Cursor 里完成工作，只是他們看到的「界面形態(tài)」完全不同：有人直接操作畫(huà)布，有人操作文檔，有人操作代碼。但這些角色本質(zhì)都在做同一件事——影響一段代碼如何被改動(dòng)。

在這種情況下，產(chǎn)品設(shè)計(jì)的核心工作就變成了：設(shè)計(jì)概念 + 系統(tǒng)級(jí)交互。

Notion 就是一個(gè)很好的例子。

Notion 的設(shè)計(jì)核心不是好在圓角多少像素，而是設(shè)計(jì)了 Block (模塊)、Page (頁(yè)面)、Database (數(shù)據(jù)庫(kù)) 這幾個(gè)核心概念，以及它們?nèi)绾位ハ嗲短住?/p>

如果從這個(gè)視角再往下想，未來(lái)的「軟件」會(huì)越來(lái)越像一棟「建筑」。

什么意思？

通常我們認(rèn)為建筑是「靜態(tài)」的藝術(shù)——一旦竣工剪彩，設(shè)計(jì)就結(jié)束了。

但實(shí)際上，竣工只是這棟樓生命的開(kāi)始。

我很喜歡的一本書(shū)是 Stewart Brand 的《How Buildings Learn: What Happens After They're Built》（建筑如何學(xué)習(xí)：建成之后發(fā)生了什么）

里面的核心觀點(diǎn)是：建筑是一個(gè)隨著時(shí)間推移不斷進(jìn)化的有機(jī)體。優(yōu)秀的建筑不是設(shè)計(jì)出來(lái)的，而是隨著用戶的需求生長(zhǎng)出來(lái)的。

這個(gè)進(jìn)化過(guò)程不是一個(gè)整體，而是由六個(gè)變化速度不同的層級(jí)共同構(gòu)成的：

• Site（地基）：基本不變

• Structure（空間結(jié)構(gòu)）：30–300 年一變

• Skin（外立面）：大約 20 年一變

• Services（管線）：7–15 年一變

• Space Plan（布局、裝修）：3–30 年一變

• Stuff（家具物品）：1–30 天一變

很多糟糕的建筑之所以糟糕，是因?yàn)榘巡煌瑝勖膶蛹?jí)粘在了一起。比如，把壽命只有 15 年的管線埋進(jìn)了壽命 100 年的混凝土結(jié)構(gòu)里。導(dǎo)致后期無(wú)法維護(hù)，最終只能全部拆除。

往后，產(chǎn)品設(shè)計(jì)的工作也會(huì)更多變成：

1. 定結(jié)構(gòu)：

Ta 要先搭一套清晰、耐用的概念體系（承重結(jié)構(gòu)），再規(guī)劃一組可插拔的能力接口（管線層），最后給最外層留出足夠的空間，讓用戶自己的 taste 和 workflow 能生長(zhǎng)出來(lái)。

2. 定屬性：

Ta 要看清每一塊東西的本質(zhì)屬性（比如一個(gè)按鈕、一個(gè) workflow、一條用戶權(quán)限、一種服務(wù)能力），然后決定哪些東西是底層共享的，哪些是可以個(gè)性化的。

3. 定邏輯：

Ta 要從設(shè)計(jì)「這個(gè)頁(yè)面長(zhǎng)什么樣」，到設(shè)計(jì)「這個(gè)系統(tǒng)該如何思考」，比如，「當(dāng)用戶猶豫時(shí)，展現(xiàn)出更多的圖片來(lái)激發(fā)靈感」；「當(dāng)用戶急躁時(shí)，把廣告統(tǒng)統(tǒng)收起來(lái)，只留下確認(rèn)按鈕」。

以前設(shè)計(jì)師的成就感來(lái)自「這一版 UI 好好看」。

未來(lái)更像是「在我設(shè)計(jì)的規(guī)則下，系統(tǒng)自己長(zhǎng)出來(lái)的界面，十萬(wàn)個(gè)人用起來(lái)都順手，各不相同但沒(méi)有失控」。

再往深推一步，從建筑到軟件，我們一路在討論的，都是同一件事：

一個(gè)系統(tǒng)怎么在時(shí)間里變形，又怎么在變形中維持自己。

關(guān)于這部分具體的 knowhow，這里就來(lái)不及詳細(xì)展開(kāi)了。但我很想在文章結(jié)尾再推薦一下 Stewart Brand 的作品。他在寫(xiě)完《How Buildings Learn》之后，又把視角拉高了一層。

他意識(shí)到，能長(zhǎng)期活下來(lái)的系統(tǒng)，都有一個(gè)共同點(diǎn)：

這些系統(tǒng)從來(lái)不是「所有部分一起跑」的。相反，任何一個(gè)有韌性的系統(tǒng)，都是由不同速度的層級(jí)疊加起來(lái)的。

在后來(lái)那篇著名的《Pace Layering: How Complex Systems Learn and Keep Learning》(節(jié)奏分層：復(fù)雜系統(tǒng)如何學(xué)習(xí)和適應(yīng)變化？) 里，他把人類文明畫(huà)成了六個(gè)同心轉(zhuǎn)動(dòng)的齒輪：

• 最外圈是「時(shí)尚」，潮流來(lái)了又走；

• 往里是「商業(yè)」，逐利、創(chuàng)新、快速迭代；

• 再往里是「基礎(chǔ)設(shè)施」，道路、能源、教育體系，一般會(huì)撐幾十年；

• 再往里是「政治制度」，法律、制度、監(jiān)管，變得更慢；

• 更深處是「文化」，價(jià)值觀和集體記憶，以世紀(jì)為單位緩慢沉積；

• 最內(nèi)圈是「自然」，幾乎不以人類意志為轉(zhuǎn)移。

它們并不是互相拖累，而是靠這種錯(cuò)位一起維持系統(tǒng)的韌性——快層負(fù)責(zé)試錯(cuò)、創(chuàng)新、偶爾造反；

慢層負(fù)責(zé)記憶、約束、把關(guān)，決定哪些變化可以被寫(xiě)進(jìn)底層系統(tǒng)，哪些就當(dāng)作一次性的鬧劇。

(原文寫(xiě)得很有韻味，我要在這里貼一下：

Fast learns, slow remembers.

Fast proposes, slow disposes.

Fast is discontinuous, slow is continuous.

Fast and small instructs slow and big by accrued innovation and by occasional revolution.

Slow and big controls small and fast by constraint and constancy.

Fast gets all our attention, slow has all the power.）

甚至，我們可以把問(wèn)題再往深里推一步：

這套對(duì)不同時(shí)間尺度的適應(yīng)能力，其實(shí)不只是文明運(yùn)作的機(jī)制，更是生命體的本能。

物理學(xué)家 Freeman Dyson 提出過(guò)一個(gè)很深刻的角度：

人類的命運(yùn)，取決于六個(gè)不同時(shí)間尺度上的博弈。

要想生存，我們必須在這六個(gè)尺度的競(jìng)爭(zhēng)中都常勝不敗。

但在這六個(gè)時(shí)間尺度上，生存的單位是不同的。

• 在以年為跨度的時(shí)空標(biāo)尺上，單位是個(gè)人。

• 在以五十年為跨度的時(shí)空標(biāo)尺上，單位是家庭。

• 在以百年為跨度的時(shí)空標(biāo)尺上，單位是國(guó)家。

• 在以千年為跨度的時(shí)空標(biāo)尺上，單位是文化。

• 在以萬(wàn)年為跨度的時(shí)空標(biāo)尺上，單位是物種。

• 在以億年為跨度的時(shí)空標(biāo)尺上，單位是我們星球上的整個(gè)生態(tài)系統(tǒng)。

我們每個(gè)人都是同時(shí)適應(yīng)這六個(gè)時(shí)空要求的產(chǎn)物，這就是為什么各種相互矛盾的生物天性同時(shí)植根于我們的基因之中。

為了生存，我們必須同時(shí)忠于我們自己，忠于我們的家庭，忠于我們的部落，忠于我們的文化，忠于我們的物種，忠于我們的星球。

這是為什么我們一方面極其短視、自我，另一方面我們又會(huì)為遙遠(yuǎn)的他者產(chǎn)生近乎不理性的犧牲沖動(dòng)。

如果說(shuō)一個(gè)人的心理沖動(dòng)是復(fù)雜的，那是因?yàn)樗怯刹煌S度上復(fù)雜而矛盾的需求共同塑造的。

回到最初的話題，未來(lái)的設(shè)計(jì)究竟在設(shè)計(jì)什么？

我覺(jué)得是在建造一種能夠包容矛盾的結(jié)構(gòu)。

軟件、建筑、制度、文化，其實(shí)都只是同一件事的不同外殼。

它們都是人類為了在多重時(shí)間尺度中活下去，而一次次做出的結(jié)構(gòu)性嘗試。

Reference：

• 《How Buildings Learn: What Happens After They're Built》| Stewart Brand

  https://shorturl.asia/kPmoq

• Pace Layering: How Complex Systems Learn and Keep Learning | Stewart Brand

  https://shorturl.asia/LSzbD

• Ryo Lu (Cursor): AI Turns Designers to Developers | a16z

  https://shorturl.asia/kBC8K

P.S. 很多朋友反饋希望以郵件的形式訂閱，所以我們給 AI Newsletter 的新專欄單獨(dú)開(kāi)了一個(gè)網(wǎng)站，感興趣的朋友可以點(diǎn)擊 “閱讀原文” 通過(guò)網(wǎng)頁(yè)版訂閱 (友情提示，打開(kāi)網(wǎng)頁(yè)需要一些魔法)。