> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # 如何设计智能体产品 - URL: https://www.hubwiz.com/blog/how-to-design-agentic-products/ - Published: 2026-06-02T03:16:41.000Z - Updated: 2026-10-13T15:16:05.000Z - Description: 难的不是设计 Agent。难的是设计交接面。 - Author: admin - Tags: AGENT, #Import 2026-10-14 14:41 如果你把 Agent 视为***技术***能力，那你就看错了方向。 各大 AI 实验室都在努力通过每次新的模型发布和新的 agent harness 来提升技术 AI 能力。 真正决定你的 agent 能否成功的部分是***交接面***。 人和 Agent 在哪里相遇，他们如何协作？ 这几乎是所有产品价值的生死线。 而目前，它往往是 agentic 产品中最不被重视的部分。 ## 1、你还在做聊天框吗？ 两年前，我寻找知道如何将 agent 集成到真实软件产品中的设计师。我们面试的设计师没有一个能给出好的答案。 我最终使用了一个价值 20 欧元的 AI 工具来做设计——它的协作成本比我面试的人类设计师明显更低。 但我对自己构建的产品并不满意。 所以我创建了一组 agent 来爬取数百个 AI 产品，弄清楚世界上最优秀的 AI 公司是如何设计人机交接面的。 回到 2024 年，我们处于聊天框时代。AI 是一个你对话的东西。 更丰富的模式——agent 作为队友、多个 agent 协调、任何实际可视化 agent 推理过程的——都极为罕见甚至不存在（我在一个会议上展示了结果，你可以在 [Youtube 上找到 2024 年的演讲](https://www.youtube.com/watch?v=3kiTAGa7VFI&&ref=hubwiz.com)）。 快进到 2026 年，AI 模型能力有了巨大提升。 Agent 可以独立工作[超过 4 小时](https://epoch.ai/benchmarks/metr-time-horizons?view=graph&tab=release-date&ref=hubwiz.com)。 这种长线规划的任务管理需要 harness，各实验室在多 agent 协调方面一直在交付。[Anthropic 上周发布的 Claude Code 动态工作流功能](https://claude.com/blog/introducing-dynamic-workflows-in-claude-code?ref=hubwiz.com)只是多 agent 协调工具系列中的最新成员，这些工具也在 [Codex](https://developers.openai.com/codex/subagents?ref=hubwiz.com)、[Cursor](https://cursor.com/docs/subagents?ref=hubwiz.com) 和 [Agentspan](https://agentspan.ai/?ref=hubwiz.com) 等开源框架中可用。 还没有跟上的是 agent 如何与人类沟通。 因为即使聊天界面在你对 AI 的心智模型是 Clippy 时工作得很好，但如果你真的想和你的 agent 一起*协作*完成事情——那它绝对是错误的界面。 这正如我在上周的文章中所说的，是一个价值数万亿欧元的问题。 ## 2、自动化 vs. 增强 本质上，AI 产品只有两种设计范式。 **自动化**将人类从循环中移除。Agent 完成整个工作。自主性的圣杯——以及它代表的零工资账单。 这是实验室一直优化和设计的方向——因为这是他们向投资者和客户讲述的故事的支撑："我们让你用更少的人做更多的事。" 这也是你的 CFO 一直用来[削减臃肿组织](https://metacircuits.substack.com/p/ai-doesnt-take-jobs-it-exposes-them)的借口。 而且 agentic 自动化在狭窄的、可验证的、低风险任务上确实有效——发票处理、分类、那个刚刚在 7,000 多份报税表上达到 97% 准确率的报税 agent。 设计输入，设计护栏，然后走开。 > *"自动化是一个谎言。"*[Lenny's Newsletter 节目](https://www.lennysnewsletter.com/p/the-ai-paradox-dan-shipper?ref=hubwiz.com) **增强**则将人类保留在循环中，与 agent 在同一个问题上*协同*工作。这是高价值、高判断力工作的领域。 这也是我认为 agentic 经济中大部分价值将被创造的地方——然而几乎没有人知道如何设计这种体验。 在增强范式中，主要的设计目标之一是*直觉互补性*。 劳动分工是*被感知到的*，而不是被协商的。 让人类保持在心流中的界面。 在好的 agentic 产品中，谁在做什么、正在发生什么、后台在做什么——应该*隐式且即时地*清晰明了，尽可能少地使用显式沟通。 移除人类的幻想永远不会实现。 工作不会消失。它*转移到组织中的其他地方*。它变成了指导、审查和纠正一个自主行动的系统的工作。 ![](https://substackcdn.com/image/fetch/$s_!fwiW!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F839c33b4-1a8d-406c-a2ca-27832c5648dc_1999x938.webp) 在 agentic 系统的用户交互之间，很多事情可能发生。[来源](https://developer.nvidia.com/blog/building-for-the-rising-complexity-of-agentic-systems-with-extreme-co-design/?ref=hubwiz.com) 那么你如何为这个交互面进行设计？ 这里有四个关键设计原则。 ### 3.1 透明度 人类对 agent 的信任不应基于盲目信仰。 它应该来自知道 agent *试图*做什么（意图）、它*正在*做什么（行动）、以及它*做了*什么（轨迹）。 在这种情况下，透明度不是来自更多的 AI 生成文本。 你应该追求环境状态更新。 用户可以直观检查的计划。用户可以浏览的变更集。显示工作形状的进度指示器。 当我两年前研究 agentic 产品时，几乎没有一个可视化*agent 是如何工作的*。这种情况终于开始出现——但它仍然是交互面中最不完善的部分：展示工作让用户能够看到它而无需解读文字。 ![](https://substackcdn.com/image/fetch/$s_!n8y0!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fb3993a6f-6bcd-4fbb-bff9-4edea79c238c_717x483.png) agentic 工作流每个步骤可以呈现给用户的信息示例。来自 Blake Crosley 的博客——[Agentic Design is Surface Control Design](https://blakecrosley.com/blog/agentic-design-control-surface?ref=hubwiz.com)。 ### 3.2 边界 同样，错误放置的信任是最昂贵的设计失败。 它有两种表现形式。 如果用户认为 agent 能做的比它实际能做的多，他们会把它设置到失败。 如果他们认为它能力有限，他们会把本可以自己完成的工作交给它。 两者都会[扼杀产品](https://metacircuits.substack.com/p/why-microsoft-cant-seem-to-get-its)。 所以边界必须被传达出来，最好通过界面本身。 不是通过没人会读的设置对话框或人们会跳过的入门流程。 隐式地。 布局、默认值、功能暗示应该让它直觉地清晰哪些决策属于人类，哪些属于 agent。 agent 暂存的变更应该*看起来*是可逆的。 失败应该被明确标示。 ![](https://substackcdn.com/image/fetch/$s_!hmZq!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F9eeffe78-583a-45fd-90c6-4f9b8ceb7127_1632x836.webp) 来源：YUJ Designs，[Agentic AI UX blogpost](https://www.yujdesigns.com/blog/agentic-ai-ux-design/?ref=hubwiz.com)。 如果你绝对必须使用入门流程，因为你的产品太复杂或太新颖，用户无法凭直觉掌握，你的入门流程应该*展示*而不是*告诉*——通过示例让 agent 的真实能力浮出水面，以便在用户开始使用 agent 之前就建立正确的心智模型。 ### 3.3 控制 信任也来自能动性——来自控制。 用户需要能够随时暂停、纠正或停止 agent，而且中断正在工作的 agent 的成本应该接近于零。 这看起来很明显，但很多产品在这里失败了。 不是因为执行不好，而是因为设计意图不正确：因为产品是为自动化设计的，而不是为增强设计的。 如前所述，大多数 agentic 产品针对 agent 无人值守运行进行了优化，它们通常使*收回控制*变得昂贵。 廉价、可逆的中断是任何成熟 agent 设计的核心。 暂停应该是一键。重定向应该保留工作。撤销应该真正撤销。 而且你的设计应该将用户摩擦与风险相匹配——在琐碎任务上保持沉默，在 agent 做出不可逆或昂贵的变更之前设置检查点或明确的用户反馈。 Gemini Spark [上周上线](https://gemini.google/overview/agent/spark/?ref=hubwiz.com)，"在重大操作前会与你确认。" *更多关于 agent 设计的技术技巧，请看我去年发布的视频：* ### 3.4 学习 最后，agentic 产品在设计时应该考虑学习循环。 既包括用户积累经验，也包括 agent 积累上下文和记忆。 这意味着交接应该*携带状态*。 因为让 agentic 产品感觉崩溃的最快方式是让人类每次交互时都要重新向 agent 解释情况、上下文、偏好和约束——他们已经给出的所有东西。 协作界面需要让人类轻松地给出 agent 它可以内化的反馈——一个纠正、一个偏好、一个"不，永远不要这样做"——系统必须*记住并采取行动*。 用户的每一次纠正都应该让下一次交接更顺畅。 ## 4、为什么现在很紧迫 随着自主运营的所有营销和炒作，你可能认为更强大、更自主的 agent 使交接面*不那么*重要。 事实恰恰相反。 Agent 越独立完成工作，它汇报、请求方向和交出控制的那部分就越*成为整个产品*。 Spark 的设计选择展示了一个成熟的 agentic 产品团队：连接器默认关闭，重大操作前确认，明确的监督-中断控制。这些不是功能。它们是交接面设计决策——团队清楚地知道产品将在哪里赢或输。 同样的道理也适用于个人 agent。 正如我一直主张的，模型周围的 harness 比模型本身更重要——尤其是当你构建的大多数软件都是为一个人设计、用于一份工作时。 交接面就是这一切的体现。 当每个人的 agent 都能做大致相同的事情时，持久的差异化不是 agent 本身，而是你如何设计围绕它的协作界面。 停止设计 agent。开始设计交接面。 --- 原文链接：[How to design agentic products](https://metacircuits.substack.com/p/how-to-design-agentic-products) 汇智网翻译整理，转载请标明出处 > **这是「Agent / MCP」专题的一部分。**完整地图见：[Agent / MCP / 自动化完全指南](https://www.hubwiz.com/blog/agent-stack/)