← 返回索引

AI 交互设计指南

如何设计让用户舒服的 AI 产品交互 — 资源、原则与 Celoria 实践方向

AI UX Human-AI Interaction Product Design SaaS Best Practices

一、推荐阅读与播客

必读书籍

书名作者为什么值得读
NoUI Golden Krishna 核心论点:最好的界面是没有界面。在 AI 时代尤其 relevant — AI 的终极目标是让用户不需要操作界面
Hooked Nir Eyal 习惯循环模型(Trigger → Action → Variable Reward → Investment),理解用户为什么反复使用某个 AI 产品
Laws of UX Jon Yablonski 心理学原则合集,帮你判断 AI 交互是否符合认知规律。例如 Hick's Law:选项越多决策越慢 — AI 推荐应减少选项而非增加
Don't Make Me Think Steve Krug 经典中的经典。AI 产品同样适用:用户不应该"思考如何使用 AI"
The Design of Everyday Things Don Norman 理解"可供性(Affordance)"概念,对设计 AI 的交互 Affordance 至关重要 — AI 能做什么,用户怎么知道?

播客推荐

播客侧重领域适合谁
Lenny's Podcast AI 产品管理 + 设计 PM 和创始人,访谈一线 PM / 设计师,非常实用
Latent Space 技术深度 + 产品思考 工程师和技术创始人,嘉宾来自 Anthropic / OpenAI 等
High Agency AI 产品构建实战 正在构建 AI 产品的团队,分享真实经验和踩坑
Cognitive Revolution AI 如何重塑产品和经济 想理解 AI 大趋势的人,覆盖政策、对齐、商业模式

在线设计模式库

二、AI 交互设计核心原则

从 Cursor、Linear、Notion、Vercel v0 等标杆产品中提炼的 5 条核心原则:

01
Inline > Chat
行内 AI 补全/建议比独立聊天窗口有效 10 倍。用户不想离开当前上下文去"跟 AI 聊天"。
02
Suggest > Generate
建议用户确认,比直接替代更受信任。AI 应该是"副驾驶"而非"自动驾驶"。
03
Context-aware > Generic
基于当前页面/操作的 AI 建议远优于通用问答。上下文决定一切。
04
Transparent > Magic
告诉用户"为什么推荐这个"比"黑盒魔法"更好。可解释性构建信任。
05
Fallback Gracefully
AI 错了的时候,让用户能一键撤回,而不是手动修复。降级体验的设计和正常体验同样重要。

三、标杆公司案例分析

Cursor(AI 代码编辑器)
教训:AI 最好的交互是无形的
Linear(项目管理)
教训:AI 应该融入已有工作流,而不是创造新工作流
Notion AI
教训:上下文为王,用户不想离开当前页面去"跟 AI 聊天"
Vercel v0
教训:AI 输出必须透明可控

四、2025-2026 AI UX 趋势

从 Reactive 到 Agentic

AI 正在从被动工具(等用户输入 prompt 的聊天 UI)演变为主动代理系统(Agentic Systems)。交互设计从对话式 UI 转向委托式 UI — 用户定义目标,AI 自主执行。

多模态自适应界面

触摸、语音、手势、视觉线索的融合。语音不再试图取代打字,而是补充打字 — 2026 年美国预计 1.57 亿人使用语音助手。

可解释性成为标配

产品开始前置展示 AI 的推理过程,并允许用户在 AI 犯错时介入。"为什么推荐这个?"不再是可选功能,而是必备功能。

AI 生成界面

LLM 开始实时生成定制化界面。设计师的角色从"设计固定屏幕"转变为"设计约束、安全护栏和评估标准"。Figma 报告:52% 的 AI 构建者认为设计对 AI 产品比传统产品更重要。

五、Celoria 的 AI 实践方向

批判性思考

Celoria 是美甲沙龙管理 SaaS,不是 AI-native 产品。AI 对我们的价值不在于"炫酷的聊天界面",而在于减少操作步骤、提前预判用户意图。不要为了加 AI 而加 AI。

按优先级排列的实践路线

短期
预约智能时段推荐

在预约创建时,基于技师空闲状态 + 客户历史偏好,自动推荐最优时段。用户只需"确认"而不是手动筛选。灰掉不可能的选项,主动推荐可行方案。

短期
智能排班建议

根据历史数据,自动建议下周排班模板。店长只需"确认"或"微调",而不是从零开始排。

中期
客户自动标签 & 流失预警

自动标记"30 天未到店"的 VIP 客户,推送提醒给店长。参考 Zenoti 的 Guest Categories 规则引擎。已有竞品调研基础(见 auto-tagging-competitive-analysis)。

中期
Kiosk 智能推荐

客人签到时根据历史偏好:"您上次做了 Gel Manicure,这次也要吗?"减少选择步骤,提升签到效率。

长期
自然语言报表查询

"上个月哪个技师的业绩最好?" → 直接出图表,而不是让人在报表页面反复筛选。

不建议的方向

六、AI 功能设计检查清单

每次设计 AI 功能时,问自己这些问题:
  1. 这个 AI 功能能减少用户多少步操作? 如果答案是 0,不要做
  2. 用户能理解 AI 为什么这样推荐吗? 如果不能,加可解释性
  3. AI 错了的时候,用户能一键撤回吗? 如果不能,加回退机制
  4. 这个功能是 Inline 的还是独立窗口? 优先选 Inline
  5. AI 是在建议还是在替代用户决策? 优先选建议
  6. 没有 AI 的时候,这个功能还能用吗? 必须能 — AI 是增强,不是依赖

核心观点总结

更新于 2026-02-08 | Celoria 开发笔记