夜雨聆风设计AI产品和设计普通App，到底有什么不同？
我做了十几年用户体验设计，近两年全部精力转向AI产品。回头看，最大的感受就一句话：
做AI产品，很多你以为已经想清楚的设计原则，要全部推翻重来。
不是说原来的原则错了，而是AI产品引入了一个根本性的变量——不确定性。
传统App的逻辑是确定的：你点这个按钮，就会发生那件事。用户行为和系统响应之间，存在一条清晰的因果链。设计师的工作，就是让这条链路尽可能短、尽可能直觉。
但AI产品不一样。
你问它一个问题，它可能给你完美答案，也可能给你一段废话，甚至可能一本正经地胡说八道。同一个问题，问两遍，答案都不一样。
这种"不确定性"，不是bug，是AI产品的本质特征。
今天这篇文章，我想系统地聊一下：当你从传统产品设计转向AI产品设计时，到底有哪些根本性的思维转变。
01 确定性思维 → 概率性思维
传统设计的底层假设是：同样的输入，产生同样的输出。
按钮点下去，页面就跳转。表单填完，数据就保存。这是一种确定性的系统，用户对它的预期是可预测的。
AI产品的底层逻辑是概率模型：同样的输入，可能产生不同的输出。
你让AI写一段文案，它每次写得都不一样。你让它分析一份数据，它的结论可能波动。这不是系统不稳定，而是大语言模型的工作方式——它不是在"查找"答案，而是在"生成"答案。
这对设计意味着什么？
第一，你需要放弃一步到位的交付预期。
传统产品讲究的是：用户完成操作，立即得到确定结果。AI产品则需要设计一种"渐进式交付"的体验——先给一个初步结果，然后允许用户通过反馈、调整、追问来逐步逼近满意。
第二，你需要让用户理解不确定性是正常的。
这很难。用户不关心你的模型是确定性还是概率性的，他们只关心：为什么上次能回答对，这次不行？
所以好的AI产品设计，不是试图消灭不确定性（你消灭不了），而是管理用户对不确定性的预期。
02 "用户永远是对的" → "用户可能不知道自己想要什么"
传统UX设计有一个金科玉律：不要质疑用户的意图。 用户要删文件，就让他删。用户要退出，就让他退出。尊重用户的选择。
但在AI产品中，这个原则需要修正。
很多用户并不知道怎么向AI提问。他们可能会问一个极其模糊的问题（"帮我写个东西"），然后对AI的输出不满意，认为是AI不够聪明。
实际上，问题不是AI不聪明，是用户没有把需求讲清楚。
但这不是用户的错。是产品设计没有帮助用户把需求表达清楚。
所以AI产品设计的一个核心课题是：意图引导。
不是简单粗暴地给一个输入框，而是通过提示、示例、模板、对话引导，帮助用户把模糊的想法变成AI能理解的具体指令。
Notion AI在这方面做得不错——它不会直接给你一个空白输入框，而是提供一组场景化的选项："帮我总结"、"帮我写大纲"、"帮我翻译"，让用户先选择一个方向，再补充细节。
这就是从"被动接受指令"到"主动引导表达"的设计转变。
03 错误态设计：从"防止出错"到"优雅地出错"
传统设计的错误处理原则是：尽量防止用户出错。
表单验证、确认弹窗、操作撤销……所有这些机制的目标都是让系统不出错。
AI产品中，错误是不可避免的。
模型会产生幻觉，会理解偏差，会给出过时的信息。这些不是边界case，而是日常高频事件。
所以AI产品的错误态设计，不应该是"防止出错"，而是让出错变得可接受、可修复、甚至有价值。
怎么做到？
1. 给用户一个不听话的出口。
当AI的输出不对时，用户需要一个最短路径来表达"这不是我想要的"。不是让它重新生成（太慢），而是让用户直接修改结果，或者给一个明确的否定反馈。
ChatGPT的Regenerate按钮是一个简单但有效的解法——不需要解释为什么不好，只需要说"再来一次"。
2. 让错误变得可追溯。
AI给出了错误答案，用户需要知道为什么错。不是展示技术细节（什么温度参数、什么token限制），而是用人话解释："我目前没有这方面的数据"或者"这个信息可能已经过时了"。
Perplexity的引用机制是一个很好的实践——每个回答都附带信息来源，用户可以自行判断可信度。
3. 把错误变成起点。
AI的回答不完美，但如果用户能在它的基础上快速修改，那这个"不完美的答案"就不是错误，而是一个草稿。
这才是AI产品设计的精髓：不是追求一次性给出完美答案，而是追求让从不够好到足够好的过程尽可能短。
04 反馈机制：从"操作反馈"到"对话式反馈"
传统产品的反馈是操作层面的：点按钮了有动效，提交了有toast提示，下载了有进度条。
AI产品的反馈需要上升到认知层面。
用户不只是需要知道"系统在处理"，更需要知道：
AI理解我的意思了吗？ AI正在朝什么方向努力？ 如果结果不对，我该怎么调整？
这要求AI产品必须具备一种思考透明的能力——不是真的展示思考过程（那太技术化了），而是让用户感受到AI在"认真对待"自己的需求。
一些具体的设计手法：
- 流式输出：逐字显示AI的回答，让用户感觉AI在"实时思考"，而不是等了5秒突然蹦出一大段
- 中间状态表达：当AI需要较长时间处理时，展示一些有意义的中间状态（"我正在分析你的数据……" "我发现了3个关键趋势……"），而不是一个干巴巴的加载动画
- 置信度暗示：在回答中自然地表达不确定性（"根据目前的信息来看……" "这可能不是唯一的解释……"），帮助用户校准信任度
05 从"功能设计"到"关系设计"
这一点可能是最大的思维转变。
传统产品设计，本质上是在设计功能：这个App能做什么？用户怎么用它完成任务？流程怎么设计更顺畅？
AI产品设计，本质上是在设计一种关系：用户和AI之间的协作关系。
这种关系有几个特征：
- 它需要信任：用户愿意把任务交给AI，前提是信任它的能力边界
- 它需要磨合：第一次用和第十次用，体验应该是不一样的——AI应该越来越"懂"用户
- 它需要边界：用户需要知道AI能做什么、不能做什么，而不是把所有事情都丢给它
这要求设计师不只关注"这一步该怎么操作"，而是关注整个使用周期中，用户对AI的感知如何变化。
第一次使用，用户可能抱着怀疑和好奇——体验设计应该降低门槛，展示能力，快速建立信任。
熟练使用后，用户可能开始依赖——体验设计应该帮助用户形成稳定的使用习惯，同时提醒他们保持必要的审慎。
长期使用后，用户可能会遇到瓶颈——体验设计应该引导用户发现新的使用方式，避免体验固化。
06 一个设计师的诚实反思
说了这么多方法论，我想分享一点个人的真实感受。
转做AI产品这两年来，我最大的挫败感来自于一个事实：很多我引以为傲的传统设计能力，在AI产品中没那么重要了。
像素级的视觉打磨？AI产品的主要交互是纯文本对话框，视觉发挥空间有限。
精致的交互动效？AI产品的核心体验取决于模型能力，动效只是锦上添花。
严谨的信息架构？AI产品的内容是动态生成的，你没办法提前规划好每一个页面的信息层级。
但这不意味着设计师在AI时代没有价值。恰恰相反。
AI产品最稀缺的，不是更强大的模型，而是真正理解用户、能把AI能力翻译成人类需求的设计思维。
模型的能力在快速迭代，但"怎么让普通人用好AI"这个问题，还远远没有被解决。
这就是AI时代UX设计师的新战场：不是设计更好的界面，而是设计更好的人机协作。
写在最后
如果你的团队正在做AI产品，我的建议是：
- 先想清楚：你的产品中，哪些体验是AI增强的确定性，哪些是"AI带来的不确定性。 前者用传统设计方法，后者需要全新的设计框架。
- 不要试图让AI产品看起来像传统App。 对话式交互不是偷懒，是AI产品最自然的交互形态。强行加按钮、加菜单、加流程，反而会破坏体验。
- 多观察真实用户怎么用AI。 不是你在办公室里的假设，而是坐在用户旁边，看他们怎么输入、怎么解读输出、怎么处理不满意的结果。你会发现，用户的真实行为和你想象中完全不一样。
AI产品的UX设计还在很早期的阶段。没有成熟的Design Pattern，没有权威的设计规范，甚至没有统一的评价标准。
这恰恰是最让人兴奋的地方。
因为规则还没写好，而你，有机会成为写规则的人。
如果你觉得这篇文章有帮助，欢迎转发给你的产品和设计同学。
关注本号，持续分享AI时代的设计思考。
