TLDV： AI 產品設計師在工作中遇到挑戰并不少見，尤其是在理解 AI 產品背后復雜的技術方面。這可能會使他們難以與技術專家進行有效溝通，從而導致進一步的復雜化。此外，跟上不斷發展的人機交互設計模式也極具挑戰性。在本文中，我整理了一些資源，旨在提升設計師在這些領域的知識和技能，幫助他們自信而輕松地完成工作。
隨著人工智能 (AI) 越來越深入地融入產品，設計師必須了解這些系統真正能做什么。本文介紹了一個圍繞感知、推理、記憶和代理四大核心能力構建的實用框架，旨在幫助用戶體驗 (UX) 專業人士設計更智能、更值得信賴的 AI 體驗。本書包含真實案例和實用技巧，對于任何致力于塑造 AI 界面未來的人士來說，都是必讀之作。
想象一下一個蟻群。在一個典型的蟻群中，有不同專長的螞蟻：工蟻、兵蟻、雄蟻、蟻后等等。蟻群中的每只螞蟻都有不同的工作——它們獨立運作，但又像一個緊密結合的整體。你可以“雇傭”一只螞蟻（代理）為你做一些簡單的半自主工作，這本身就很酷。然而，試想一下，你可以雇傭整個蟻丘去做一些更復雜或更有趣的事情：找出你的系統出了什么問題，預訂你的行程，或者……做幾乎所有人類在電腦前能做的事情。每只螞蟻本身并不非常聰明——它們高度專業化，專注于完成特定的工作。然而，不同專長的螞蟻組合在一起，呈現出一種我們將其與高級動物聯系起來的“集體智慧”。我們在博客中一直使用的“人工智能”（AI）與人工智能代理之間最顯著的區別在于自主性。您不需要向 AI 代理提供精確的指令或等待同步輸出 - 與一組 AI 代理的整個交互更加流暢和靈活，就像蟻丘解決問題一樣。
代理型人工智能 (Agentic AI) 的工作方式多種多樣——這是一個內容豐富的主題，值得專門寫一本書來探討（或許一兩年后）。在本文中，我們將以系統故障排除為例，闡述一個涉及主管代理（也稱為“推理代理”）和多個工作代理的復雜流程。該流程始于人類操作員收到問題警報。他們啟動調查，然后由主管代理領導的半自主 AI 代理團隊幫助他們找到根本原因，并提出解決問題的建議。讓我們用步驟圖來分解與 AI 代理交互的過程：
自主性：雖然目前，人機交互似乎是代理工作流程的常態，但代理展現出非凡的能力，能夠提出假設、收集證據，并根據需要迭代假設，直至解決問題。它們不會感到疲倦，也不會窮盡所有選項而放棄。AI 代理還展現出能夠有效地“編寫代碼……讓工具自行構建工具”的能力，從而探索解決問題的新方法——這很新穎。這種交互本質上需要“積極主動”的 AI，例如，這些代理接受了最大召回率的訓練，愿意嘗試所有可能性，以確保獲得最真實的積極結果（請參閱我們在此處的價值矩陣討論）。這意味著，有時代理會“只是為了嘗試”而采取行動，而不會“考慮”假陽性或假陰性結果的成本。例如，一個積極主動的 AI 代理“醫生”可能會開出侵入性腦癌活檢手術，而不會先考慮風險較低的替代方案，甚至不會停下來征求患者的同意！所有這些都需要更深層次的人機分析，以及針對激進的人工智能“探索想法”的多個新的審批流程，這些想法可能會導致人類傷害，或者只是導致超出預算的成本膨脹。
