最近，我给我的理财软件（招财）做了第二套界面。

第一套给我用。里面有卡片、按钮、提醒和确认框，我可以看见发生了什么，再决定下一步做什么。

第二套没有页面，也不需要鼠标。它是给 Agent 准备的，让它能读懂系统状态，在明确边界内完成操作。

一开始，我以为这只是多做一个入口。

直到一次很小的冲突出现：我在对话中确认一项购买已经发生，Agent 将事实写回系统；可人的界面里，还可能开着一张基于旧状态的编辑框。

软件不能让两边各做各的。它必须刷新人的界面，关掉那张已经过期的编辑框，让我按最新事实重新判断。

做到这里我才意识到，软件延续了几十年的一个默认前提正在失效：

使用软件的，不再只有人。

聊天框不是 Agent 的第二界面

过去的软件界面，几乎都围绕人的感官和动作设计。

按钮要让人看得懂，错误要有提示，危险操作要再次确认，做错了最好还能撤销。哪怕后台已经有大量自动化，最后理解和裁决的依然是人。

这两年，越来越多软件开始加入 AI。最常见的做法，是在侧边栏放一个聊天框。

聊天框当然有用。人可以直接说出意图，不必再去菜单里一层层找。

可当 Agent 真要动手时，它靠什么知道自己没有走错？

至少，它得知道眼下发生了什么，哪些事可以做，做完以后，世界到底变了没有。否则，它依然只是一个给建议的顾问。

我把这套入口称为软件的第二界面。

它不一定是一块屏幕。系统告诉它什么、允许它做什么、做完后怎样回答，共同组成了它眼中的界面。

聊天框增加的是一种交互方式。第二界面增加的是一种用户。

两种用户，必须共用同一个世界

招财是我在使用的一套本地财务系统。给人看的驾驶舱，会把业务整理成可以理解的状态：哪些事情等待判断，哪些正在冷却，哪些已经确认。

后来，我通过 MCP 给它开了一个 Agent 入口。这个名字听着有些技术，说白了，就是让 Agent 不再隔着页面猜，而是直接问系统：现在是什么情况，我能做什么？

同一件事，两种用户看到的内容并不相同。

比如一项已经结束冷却、等待复审的消费意向。在界面里，我看到的是当初为什么想买、现在到了哪一步，以及接下来批准还是放弃。Agent 不需要这些视觉层次，它需要的是另一种表达：当前事实是什么，下一步允许什么，行动前还缺不缺我的确认。

当我完成复审，它重新读取最新状态。得到确认后，它可以记录一项已经发生的购买事实。写入完成，人的界面随即刷新，旧状态也不再允许继续编辑。

做这一层时，我最初盯着的，是它能不能读、能不能写。后来才发现，调通只是开始。

只要两边各认一套事实，系统立刻就会分叉：Agent 认为事情已经完成，人的界面却仍显示等待处理；人正在修改旧状态，它已经把现实推到了下一步。

两种用户可以拥有不同的界面，却不能拥有不同的业务真相。邮件、日历、项目管理、内容编辑和客户系统，迟早都会遇到同样的问题。

当然，招财只是一个单用户、本地优先的案例。它不能代表所有商业系统。但它至少证明了一件事：双用户软件不是一句概念，它已经可以成为具体的产品结构。

Agent 能行动，也必须知道何时停下

为 Agent 设计第二界面，并不是把权限全部交出去。

Agent 的能力越强，边界越需要被写清楚。在招财里，我最后把它收成了两句话。

第一，只开放明确的业务动作。

Agent 可以“记录一次已经发生的购买”，却不能“随便修改某段数据”。前者有条件、有结果、可以追溯；后者只是把数据库变成遥控器。

第二，把“停下来”写进系统。

如果人已经修改了同一件事，它之前读到的状态就作废；如果系统无法确认事实，它应该老老实实说不知道。记录一笔已经发生的付款，也不等于替用户发起真实支付。

这两句话，一句管它怎么动，一句管它什么时候收手。

再往下想，这就不只是技术设计了。

谁可以读取？谁可以执行？谁来确认？出了问题，谁能撤销？

所谓 Agent 原生，既要说明它能做什么，也要说清它什么时候必须停下，把决定交还给人。

如果你也在观察这件事

真要继续沿着这条线看，下面六个项目可以顺手点开。

我不想拿六个收藏拼出一条未来趋势。它们不是完整的证据链，也不是采购建议，只是六个观察窗口。

• Palmier Pro：让 Agent 直接进入视频时间线，与人操作同一个剪辑项目，而不只负责生成素材。
• motion-anything：Agent 生成动画以后，人还能在正在运行的页面上继续逐组件精调。
• HeroUI：组件库不只给人提供文档，也通过 MCP、llms.txt 和 Agent skills 让 AI 理解组件。
• ShipSwift：把 SwiftUI 组件和功能配方直接开放给编程 Agent，减少人翻文档再转述的中间层。
• Transitions.dev：同一套 Web 动效既给人浏览，也封装成 Agent skill，并提供运行中的调校入口。
• html-anything：人负责提供材料和判断，本地 Agent 负责生成可以预览、发布的 HTML。

这些项目成熟度不同，路线也不相同。合不合用，还得看具体场景。放在这里，只供你继续往下看。

第二界面真正改变的是行动权

回到招财。

做完这套界面，我开始反复掂量一个问题：软件究竟该在什么时候拒绝 Agent？

当人和 Agent 同时进入一个系统，产品设计就不只是考虑按钮放在哪里。它还要分配行动权：谁可以读取，谁可以执行，谁来确认，谁能撤销。

下一代软件仍然会服务人。只是，它不能再假装人是唯一的用户。

屏幕之外，另一个用户已经来了。

现在轮到我们决定：什么交给它，什么，还得自己攥着？