夜雨聆风
我在做学科网小博士的时候，卡在一个问题上，卡了很久。
小博士是学科网做的一个 AI 教学助手，背后有好几个不同的场景，帮老师做不同的事。老师在首页输入框输入一句话，AI 要判断他想干什么，然后把他送去对的场景。
这个判断叫意图路由。听起来是个技术问题，我一开始也是当技术问题来想的。画流程图，列分支条件，规则层过一遍，不够再加个 Agent 层，命中阈值多少算高置信，低置信怎么兜底……越想越复杂，越画越觉得哪里不对劲。
后来有一天我换了个想法，如果坐在老师对面的不是 AI，是一个真人助手呢？
老师说「帮我找一下光合作用的课件」，助手不会先在脑子里跑一遍决策树。他会直接去找相关课件。老师说「光合作用和呼吸作用到底有什么区别」，助手会翻教材给你讲。老师说「帮我出一套期中卷子，范围是第一到第三章」，助手也不会问你「请确认：你要进入组卷模块吗」。他会直接开始干活，顶多确认一句「哪个版本的教材？难度要多高？」
想到这儿，我发现路由策略突然没那么难了。
不是问题变简单了，是判断标准变了。之前我在想「这个输入应该匹配哪个场景」，现在我在想「一个靠谱的人会怎么接这句话」。
产品不断打磨下来，我越来越相信一件事：把助手当人来设计，很多纠结自然就消失了。
助手不是工具箱
市面上大多数 AI 产品，首页长得像一个功能货架。写文案、做 PPT、翻译、画图、总结……一排按钮摆在那，用户先选对工具，再填对参数，才能开始用。
这个逻辑很像 SaaS 软件的功能菜单。问题是，你跟一个真人助理说话不是这样的。
你不会跟助理说「请启动会议纪要模块」。你会说「帮我把刚才开会的要点整理一下」。助理自己判断该怎么做，你不需要替他选工具。
小博士最后的设计选择就是这样：用户对着一个输入框说话，AI 自己识别意图，自己跳到对应的场景。从用户的角度看，他在跟一个助手连续聊天。场景在后面切，但对话不断。
在做意图路由的时候，有一个设计是我比较满意的。把识别过程做成了可见的四步：理解需求、提取关键信息、检索权威库、匹配场景。每一步都告诉用户 AI 在干什么。
为什么要可见？因为真人助手接到任务也会复述一遍。「你是要七年级人教版的光合作用课件对吧？我去学科网给你找一下。」这不是多此一举，这是让你确认他没理解歪。
AI 要是闷头就跳转了，你反而会怀疑，它听懂我说的意思了吗？它跳转对地方了吗？
会接话的助手，和等指令的工具
工具和助手最大的区别，不在能力强弱，在交互姿态。
工具等你给完整指令，然后执行。你少说一个参数，它报错；你说的模糊，它要么猜要么卡住。
助手不一样。你说了一句模糊的话，他会追问。你给了一个不完整的需求，他先确认再动手。你中途改主意了，他不会把之前的工作全抹掉，而是在已有基础上调整。
小博士的「知识问答」场景是我觉得最能体现这个区别的地方。
老师问一个知识点，比如「光合作用和呼吸作用的区别」。AI 不是直接甩一段文字。它先按维度拆开，场所、条件、物质变化、能量变化，用结构化呈现，降低阅读负担。更关键的是，每一条结论后面都挂着引用标记，点进去能看到教材原文、出处章节、页码。
这不是什么花哨功能。这是一个靠谱助手的基本操作：我告诉你的事，得有出处。你可以不看，但出处得在那儿。
这个感觉我在用 Claude 做产品设计的时候也体会过。
好状态下的 Claude，像一个设计搭档。我跟它讲想法，它会先追问，会整理方案，会告诉我它理解成了什么，等我确认以后再动手。做完以后，它还会把改了什么、为什么这么改讲一遍。
有一次我跟它说想把小博士打造成一个真正的助手，不是功能拼盘。它听完整理出一句话：
助手是唯一主角，场景只是它打开的舞台。
这句话后来成了整个产品架构的锚点。
但有两天，同一个 Claude，状态突然不对了。我给它提了几个设计问题，教材选择流程不顺、启动页默认选中有问题、章节目录位置不舒服。这些都不是已经定好的方案，是在说「这里有几个问题，我们一起看看怎么改」。
它没问我，也没给方案。直接开始改代码。
它把我的设计问题当成了一张 Bug 清单。我说「教材选择不对」，它理解成「去复用一个选择组件」。我说「启动页默认选中有问题」，它理解成「改默认值」。我说「章节目录放这里不舒服」，它理解成「换个抽屉放」。
它听懂了每一个字，但没听懂我在邀请它讨论。
这就是工具和助手的分界线。工具听到问题就去修改，助手听到问题会先想「他到底在说什么」。
有边界的助手，才值得信任
把助手当人来设计，还有一层容易忽略的含义：人是有边界的。
靠谱的助手不会什么都揽。他知道哪些事是他能做的，哪些事应该交给你决定。他不会为了表现积极，把不确定的事也包装成确定的结论。
小博士在这件事上有一个设计取向：陪伴，但不越界。
它的状态栏不写「AI 正在思考」，写的是「有问必答·全程陪伴」和「正在陪你·找课件」。这个措辞是反复斟酌过的。「全程陪伴」是说我一直在，你随时可以问；但「陪」这个字本身就有边界，我陪你做，不是我替你做。
回答知识点的时候，AI 会挂引用溯源，但不会说「这道题应该这么教」。帮你检索资源的时候，AI 推荐匹配结果，但不会替你决定用哪一份。帮你生成内容的时候，AI 出了初稿会等你反馈，而不是一路生成到底。
这跟市面上一些产品的做法不太一样。有些 AI 助手恨不得把自己包装成无所不能的「贴心伙伴」，开口就是「亲爱的老师」，加载动画都要卖个萌。
但亲密感不等于信任。
我之前写过一篇关于 AI 安全信任的文章，里面提到一个产品叫 WorkBuddy。它在执行任务的时候，加载提示语走的是可爱路线，「确认过眼神～」之类的。平时没问题，但当你让它处理一个涉及安全风险的操作时，这种语气就很违和了。你在认真讨论一个严肃问题，它还在冲你撒娇。
一个好助手的人格应该是什么样的？WorkBuddy 那种「确认过眼神」不是加分项。你需要的是放心把事交给他的理由，边界清晰、有据可依、该说不知道的时候说不知道。
这跟人一样。你不会因为助理很热情就信任他，你会因为他靠谱、说到做到、不乱揽事而信任他。
当人来想，很多设计就通了
回到最开始那个路由的问题。
当我开始用「一个人会怎么做」来检验设计决定，很多纠结确实消失了。
助手不应该切换身份。你的助理帮你查资料和帮你订会议室，他还是同一个人，你也不会每换一个话题就跟他断开重连。所以小博士的设计是：助手固定在左边，场景切换在右边，会话不因为场景切换而清空——用户感知到的不是跳去了另一个产品，而是同一个助手打开了不同的工具。
记忆也是一样。一个跟你合作了三个月的助理，不会每次都问你教哪个年级、用哪版教材。小博士的记忆系统就照着这个做——而且记忆是可见的，你能看到它记了什么、每条记忆的依据是什么、觉得哪条不对可以随时关掉。
助手不懂的时候应该追问，而不是硬猜。需求模糊的时候，小博士会先确认「你是要找课件还是要找试卷？」「需要指定哪个版本的教材吗？」
这些设计单拎出来看，每一条都不难想到。但它们是从「一个靠谱的人会怎么做」这个问题里思考出来的，不是对着功能清单一条一条加的。
这两个出发点做出来的东西不一样。从功能出发，你会想「我们要不要加一个记忆功能」。从人出发，你会想「助手不记得用户偏好，这合理吗」。结论可能一样，但从功能出发容易做出一个「有记忆模块的产品」，从人出发更容易做出一个「用起来觉得它懂你的助手」。
怎么判断一个助手靠不靠谱
如果你也在做 AI 助手产品，或者只是在选一个 AI 工具来用，可以试试这个标准：
如果这是一个真人助手，你能接受他这么做吗？
会主动接你的话，不懂的地方会问，给你的东西有出处可查。不替你做本该你自己拿的主意。记得你上次说过什么，但你随时可以纠正他。
这些不是什么高级功能。这就是一个靠谱的人本来会做的事。
AI 助手最难的部分，不是让它更聪明，是让它知道什么时候该停下来。
