AI 产品设计|选中即上下文

 

从 2023 年 Monica AI 聊天侧边栏时代开始、到现在的“问问 Gemini”、ChatGPT 扩展，我在 Chrome 里读文章碰到不懂的内容，习惯是选中了直接 AI 开启聊天。

这个交互模式的最早出处是，1980 年，MIT 的 Richard Bolt 发表了一篇论文叫 Put-that-there，研究的是语音配合手指指点的图形界面。他的核心论点是，因为手可以同时指着屏幕上的某个对象，语音里的代词 "that" 才变得可用，表达因此获得了自然性和经济性。

放到现在这几个产品里，选中一段文字就是在说 "that"，输入框里打的那句话就是动词。"这句话要改成""这段是什么意思""总结一下选中的部分"，每一句都省掉了"我说的是页面第三段第二行里那个观点"这种描述，因为 chip 或引用块已经把选中的内容带上了。1980 年用的是大屏幕配手指和语音，现在用的是鼠标和键盘。

在同一个“选中替代了输入框里的描述”的这个交互框架下，这几个产品在体验、UI、设计层都有不同的差异。

Monica 有两种调起 AI 对话的交互式。第一种是跟随式 AI 快捷工具。比如我选中原文 "The Agent Loop"这段文字后浮出一个小工具条，上面有高亮笔、摘要、翻译、更多和 Monica 圆标几个按钮；点开之后页面正中弹出一个快捷问答框，顶部一行引用、下面是快捷输入行，然后就可以输入 prompt"帮我从 UIUX 设计师视角，详细解释"。聊天框浮层就在选中内容的附近，跟随用户的行为路线。 但是我觉得它有一个小问题，就是在输入框弹起之后，选中的正文就没有选中状态了。所以这里有一个上下行为的割裂。这个点在不同的 AI 产品层面有不同的做法。

 

第二种是侧边栏。打开 Monica 侧边栏，选中的文字自动带入到输入框内 ，带 × 可以删。相比于第一种跟随内容的快键式调用，这种常驻式 pannel 可以留下对话记录，对于知识型任务非常有用。

 

最近，我一直在用 Google 自家的“问问 Gemini”，转用 Gemini 纯粹是因为它的入口就在浏览器的右上角，相比于 Monica、ChatGPT 只能以插件的形式展示， Gemini 的入口层级最高，视觉上更醒目、交互上更好点击。比如我在读一篇讲 Figma nested folders 的文章时，选中了"嵌套文件夹"那段文字， Gemini 侧边栏输入框内就展示了一组"所选文本" chip，并直接展示选中内容。

 

每个 tab 页打卡“问问 Gemini”的侧边栏，聊天框上方醒目的展示当前内容的标签页，用户随时能看到 AI 当前在读哪个标签页，这跟 Gemini 内嵌在 Chrome 里有关，默认能获取有标签页的内容，把共享状态做成常驻可见的指示器，也是管理权限焦虑，让用户知道随时关得掉，关掉之后，又可以随时通过 @ 打开任何对话过的标签记录；既可以跨标签页对话，又可以延续上下文。

 

ChatGPT 作为第三方扩展，在 Chrome 浏览器也同样是侧边栏面板的形式，差别在于它不以标签页为维度，而是以具体内容为对话 context。同样是选中了网页内容位子，选中内容就自动带入对话框内，hover 后才显示具体内容，这交互与 ChatGPT 自身端内一样，可以看出，ChatGPT 很注重自家产品在端内外体验的一致性。

 

和 Gemini 比，ChatGPT 没有常驻的标签页共享指示器，只有选中内容。ChatGPT 作为第三方扩展，可以关联自身 ChatGPT 账号下的所有聊天记录，这就是另一个维度的上下文。

 

所以在上下文这件事上，浏览器是天然占优势的环境，正在读的页面、刚选中的段落都是现成的，不用复制出去，也不用跟 AI 再描述一遍，划词就把这层上下文用起来了。上下文被当成了一个可编辑的对象来设计，可见、可数、可删、可叠加，这套 AI 能力融入传统互联网的做法很成熟了。

本文 ChatGPT 与 Gemini 相关说明参考 OpenAI 帮助文档及 Google 帮助文档；Monica 截图为本人实操。