夜雨聆风用户打开一个「什么都能聊」的入口，本想改签、查状态、确认退款。对话框很大，却不知道该交代什么；出错之后，也不清楚谁能撤回、谁能接手。
产品经理这边的压力通常是反过来的：先把 AI 助手做「更全能」，再谈边界。功能清单越写越长，确认页越来越薄，人工出口越来越远。
我的裁决是：在高责任任务里，真正危险的往往不是功能不够多，而是缺少三张表——能力范围表、确认与撤回表、人工出口表。标题里的「用户不爱万能助手」，先当作待验证假设；本文能硬写的，是「缩小全能承诺」的设计理由，以及一张可自查的 AI Assistant Scope-Cut Matrix。
真正坏掉的是五个变量
把「看起来很智能、用不下去」拆开，通常坏在这五项：
如果你最近差点给预约、查询或支付流程直接挂一个「全能对话框」，停一下：先问这五个变量，再问模型选哪家。
我不选的四条路
我选第五条：范围裁剪（Scope Cutting）——先把全能承诺裁成可控承诺，再谈加功能。
两个公开案例，只说明一件事
Google Bard 首秀曾给出关于 JWST 望远镜的错误事实；Google 发言人承认这凸显了严格测试的重要性。媒体报道当日 Alphabet 市值约蒸发千亿美元——那是多重因素叠加，不能单因归因成「一个错误答案打掉市值」。它能支撑的判断只有一句：公开演示里的能力承诺，一旦超出可靠性，成本会非常显眼。
Apple 在 2024 年 WWDC 演示过更个性化的 Siri 能力；2025 年承认可靠性不够，主动延期。Craig Federighi 的原话大意是：这还不够可靠，达不到 Apple 产品的标准。延期后，媒体还报道了相关集体诉讼的存在——这里只写「诉讼存在」，不写成法院已认定虚假宣传。
两个案例共同指向的，不是「功能多的 AI 一定讨人厌」，而是：当承诺跑在可靠性前面，产品要么主动砍能力，要么在公开市场里被动付账。
为什么先砍范围，而不是先堆能力
NIST AI RMF Playbook 的 Map 函数要求：系统的 intended purpose、known limitations、prospective settings 必须被理解并文档化。换句话说，任务边界不是上线后补丁，而是设计阶段就该写清的表。
安全侧也同向。OWASP Top 10 for LLM Applications 2025 把 Excessive Agency（过度自主）列为风险：根因常是功能、权限、自主性过大；缓解包括缩小能力面，并对高影响动作要求人类确认——比如删除文档前必须用户点头。
Google PAIR 的 Errors 章节提醒：用户如何定义「错误」，深层连接着他们对系统的期望；为错误提供前进路径，有助于维持体验。User Autonomy 原则则写得更直白：人们更愿意保持对「工具执行哪些任务、如何执行、执行到什么程度」的控制。
把这些框架翻译成产品语言：
人工出口不是「AI 失败了才丢人补救」。Intercom Fin 的官方文档写得很清楚：找不到清晰或有信心的答案时可以交接人工；也可为退款、取消、敏感数据等话题配置 escalation rules。NIST Govern 同样强调人类审查与问责要被文档化。在高责任场景里，人工出口是设计，不是降级。
一张分流图：风险决定走哪条路
文字版最短路径：
交付物：AI Assistant Scope-Cut Matrix
按「保留 / 降级为规则 / 明确拒绝」三类处理。砍功能不是目的；目的是把全能入口裁成可控承诺。
保留：AI 作为受控组件参与
降级为规则：让位于确定性系统
明确拒绝：AI 不应承担
Fallback 链：谁做、谁降、谁接手
一句话：Agent 可以准备与编排，人确认与担责；确定性答案优先走 System。
四类反例，提前躲开
也要承认反例另一面：探索型任务（旅行规划、开放调研）可以容忍更多不完美输出；低频高复杂、失败后果低的场景，全能入口有时确实更省事。前提变了，矩阵答案也要变。本篇的适用范围，优先是高责任、低容错的任务容器。
给你一张 A4 自查表
下次评审「再加一个万能助手」时，抽当前能力清单，逐项问：
这项能力写进了能力范围表吗？不能做的是否也写了？ 失败后果是只读尴尬，还是改状态 / 动资金 / 不可撤销？ 确定性答案是否仍走 LLM，而不是规则或 API？ 高影响动作前，有没有独立确认页（而不只是聊天里的「好的」）？ 用户执行后，能否在窗口内检查、撤销或停止？ 低置信、敏感话题、用户明确要人时，能否升级到 Human？ 升级后有没有响应 SLA，还是「转人工」变成黑洞？ 入口是否仍在做开放式全能承诺？ 跨 App / 跨系统动作是否各自有确认？ 审计日志能否回答：谁授权、做了什么、谁确认？
适用边界：本文讨论的是高责任任务容器里的范围裁剪与兜底设计，不承诺砍功能必然提升留存或转化，也不主张所有 AI 产品都该一律砍能力。金融、医疗、政务、未成年人等高风险场景，需要额外的专业、安全与合规审核。Apple / Google 案例只说明「承诺与可靠性错位」的公开成本，不能直接复制成中小产品的具体排期决策。
砍功能不是目的。把全能承诺裁成可控承诺，用户才敢把下一步交给你。
同系列接着看
如果你刚在想「万能入口该留什么、砍什么」，可以顺着同一条判断链接着看：
下篇
本篇把「留什么、砍什么、谁兜底」写成了 Scope-Cut Matrix。下一篇可以继续拆：确认页最小字段怎么定，或人工升级的触发条件与 SLA 如何写进产品规格。