夜雨聆风
不演进软件设计理论,就无法开发出真正的工业智能体
在产品设计层面，智能体产品的设计逻辑和传统软件是完全不同的。
传统软件的设计出发点通常是确定的：用户有一个明确的操作目标，系统通过一系列预设的流程和界面来帮助用户达成这个目标。比如在EAM系统里创建一个维修工单，用户点几个按钮，填几个字段，系统校验数据格式，然后保存到数据库。整个过程的每一步都是预先定义好的，用户的操作路径是固定的，系统给出的反馈也是可预期的。
但在智能体产品这里，情况却不同了，以《智能体规范应用与创新发展实施意见》中提到的生产排程优化为例，一个生产管理智能体需要根据当前的订单情况、设备状态、物料库存、人员班次等多个变量，自主规划出一个最优的生产计划。这里面的变量数量巨大，而且很多变量是实时变化的，所以说传统的软件设计方式根本没办法通过固定的界面和流程来覆盖所有这些可能性。
智能体产品在设计时，需要考虑的不是“用户下一步要点什么按钮”，而是“智能体应该具备哪些能力边界”，以及“当智能体不确定的时候，它应该怎么向人求助”。
这就带来了第一个根本性的转变：从功能导向转到能力导向。
传统软件的产品设计，通常是先列出功能清单，比如设备管理模块要有设备台账、工单管理、备件库存、报表分析等。每一个功能下面再细分具体的操作，比如设备台账要支持导入、导出、编辑、删除。这种设计方式的优点是清晰可控，开发团队知道要做什么，用户也知道系统能做什么。但智能体不是靠功能清单来定义的。一个工艺参数优化的智能体，它的核心能力是对生产数据的分析和理解，以及在此基础上给出参数调整建议的能力。它不需要一个“导入数据”按钮，因为它可以自动从工业互联网平台订阅数据流；它也不需要“生成报告”按钮，因为它可以在分析完成后主动推送结果。产品设计师需要思考的是，这个智能体拥有哪些工具可以调用，它可以访问哪些数据源，它的推理能力能达到什么深度，当它发现异常时应该通过什么渠道通知什么角色的人。这些能力边界的设计，比传统软件的功能列表要抽象得多，也复杂得多。
另外一个重要的转变是从确定性设计变成概率性设计。
传统软件的逻辑是确定的，输入A，经过一系列公式计算，必然得到输出B。这给了用户极大的安全感和可预测性。但智能体的输出天然带有概率性，因为底层的大模型是统计模型，同样的输入在不同时间可能得到略有差异的输出。
这种略有差异的输出结果在工业场景中用户会非常敏感。
一个加工精度检测的智能体，它判断某个零件有缺陷，这个判断是基于模型计算出的概率，比如99%的可能存在表面裂纹。那剩下的1%是什么？该怎么办？
产品设计必须回答这个问题。设计上不能假装这个不确定性不存在，也不能简单地让智能体只输出一个“合格”或“不合格”的结论。更好的做法是，让智能体输出判断的同时，也输出置信度，并且把低置信度的判断留给人来做最终确认。
这就意味着，产品的交互设计必须能够清晰地展示模型的判断依据和可信程度，让人能够高效地完成复核。这种设计方式，跟传统软件那种“系统说了算”的体验是完全不同的。
还有一个容易被忽视的转变是从人操作变成人监督。
传统软件的使用模式是人主动发起操作，系统被动响应。智能体则不同，它可以主动发起任务，比如一个设备管理智能体监测到某台设备振动参数持续升高，它会主动向维护工程师发出预警，甚至主动创建一张检查工单。
这个时候，人的角色从操作者变成了监督者。产品设计需要为这个新的角色定位提供合适的工具。
监督者不需要亲自去点每一个按钮，但他需要能够快速了解智能体正在做什么、已经做了什么、下一步打算做什么。他需要有权限去否决或修改智能体的决策，也需要有机制去反馈智能体的表现好不好。这些功能都不是传统软件界面上常见的元素。比如，一个智能体自动创建了一张工单，工单上推荐的维修步骤是基于历史案例匹配出来的，那产品设计上就要允许工程师对这条推荐进行评价，“有用”还是“没用”，这个评价数据会成为后续优化模型的重要依据。同时还要允许工程师直接修改工单内容，修改后的结果也会反馈给模型，让它下次学得更聪明。
话说回来，如果现在的软件公司在研发智能体产品时，还是沿用传统软件的设计流程和工具链。产品经理画原型图还是画那种带按钮和输入框的界面，交互设计师还是考虑点击、滑动、页面跳转这些基本操作。但这个思路恐怕走不远。
智能体产品的大量交互不是发生在图形用户界面上，而是发生在自然语言对话和任务自动流转的层面。
一个生产管理智能体，它的主要输出不是屏幕上的一段文字，而是一个优化后的排产方案，这个方案可能直接影响车间里十几台设备的运行计划。它的输入也不是用户填写的表单，而是从ERP、MES、WMS等多个系统中实时拉取的数据流。
产品设计师需要思考的是这些数据流如何组织、智能体的推理过程如何透明化、人与智能体之间的分工界面如何划分。这需要对业务流程有深入的理解，同时也要对AI技术的特性有清醒的认识。
换句话说，智能体产品的设计师不能只懂交互，还得懂数据、懂算法、懂业务，甚至得懂一点心理学的知识，知道人在面对一个半自主的决策者时会产生什么样的信任和戒备心理。
当前的政策方向很明确，智能制造领域需要大量智能体产品的支撑；但产品能不能做好，不只是一个技术问题，更是一个设计理念的问题。如果还是守着传统软件的设计模板不放，做出来的产品很可能既不智能也不好用。
智能体的设计，得从“我替用户做”转向“我和用户一起做”，从“每一步都要用户说了算”转向“该我做主的我主动做，不该我定的我及时问”。这种产品哲学上的转变，需要设计团队放下很多熟悉的工具和方法，去探索一套新的语言和模式。
目前，我只能说这套模式现在还没有定论，我也只是把自己思考的结果呈现出来，但有一点我可以确定：谁先找到智能体产品设计的正确方法，并形成方法论，谁就能在这个新赛道上跑在前面。
本话题相关文章：
智能体时代已经到来，软件企业的组织架构、人才结构和知识储备都准备好了吗？
原创 |《反智三部曲》下载：《反智的信息化》、《反智的需求调研——设备资产管理系统需求调研白皮书》、《反智的AI》
#AI预测性维护#工业数据#智能运维#数字化转型#AI落地挑战#数据质量#设备故障预测#工业AI#智能制造痛点#PHM#设备资产主数据管理#智能体规范应用
