AI 设计模式

五大核心设计模式

1. Copilot 模式

AI 作为用户的副驾驶，辅助而非替代。

特征：

• 用户保持主导权
• AI 提供实时建议，用户决定是否采纳
• 嵌入在用户现有工作流中

典型产品：GitHub Copilot、Notion AI、Cursor

设计要点：

• 建议出现的时机要精准，避免打扰
• 接受/拒绝操作要极简（Tab 接受，Esc 忽略）
• 提供快捷修改入口

2. 对话式交互

通过自然语言对话完成任务。

特征：

• 交互门槛极低
• 适合探索性和开放性任务
• 需要强大的上下文管理

典型产品：ChatGPT、Claude、Gemini

设计要点：

• 多轮对话的上下文维护
• 历史对话管理和搜索
• 结构化输出的渲染（代码、表格、图表）
• 流式输出体验优化

3. 自动化模式

AI 端到端完成任务，用户只需触发和确认。

特征：

• 用户参与度最低
• 适合重复性、标准化任务
• 对质量可靠性要求最高

典型产品：AI 邮件分类、自动翻译、文档摘要

设计要点：

• 批量处理的进度和状态展示
• 结果的快速审核和批量修正
• 异常情况的人工介入机制

4. 智能推荐模式

AI 主动推送个性化内容或建议。

特征：

• 主动触发，无需用户请求
• 依赖用户画像和行为数据
• 需要平衡精准度和隐私

典型产品：推荐系统、智能通知、个性化 Feed

设计要点：

• 推荐理由透明化
• 用户可调整偏好和屏蔽
• 避免信息茧房

5. 生成式创作

AI 生成内容，用户审核和编辑。

特征：

• AI 输出多样化的创意内容
• 用户作为编辑和策展人
• 需要高效的编辑和迭代工具

典型产品：AI 写作、AI 绘图、AI 视频

设计要点：

• 多个候选方案供选择
• 精细化的控制参数
• 版本管理和迭代历史
• 局部修改而非全部重来

交互细节设计

流式输出

用户发送请求
  → 显示加载态（思考中...）
  → 逐字/逐段显示结果
  → 显示完成状态
  → 展示操作按钮（复制、编辑、重新生成）

错误处理

错误类型	用户感知	设计方案
模型超时	"AI 没反应"	重试按钮 + 预估时间
内容违规	"为什么不回答"	说明原因 + 引导调整
质量不佳	"AI 好笨"	反馈入口 + 换个方式问
理解偏差	"不是我想要的"	追问澄清 + 重新生成

主动 vs 被动 AI

维度	被动 AI	主动 AI
触发方式	用户主动请求	AI 主动推送
打扰程度	低	需要精心控制
用户接受度	高	取决于精准度
适用场景	工具型产品	效率型产品