雅各布定律：当界面折叠为聊天框

AI模型价格对比 | AI工具导航 | ONNX模型库 | Vibe Coding教程 | PLC在线仿真器 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

像Claude这样的助手正在通过对话式入口拉取更多任务。雅各布·尼尔森的熟悉界面定律现在欣然指向了助手本身。

这将是一个更长系列的一部分，我们将以AI的视角来审视所有定律和原则。请欣赏。

"用户大部分时间花在其他网站上。" — 雅各布·尼尔森，雅各布定律（2000年）

雅各布·尼尔森在2000年写下了他的定律，它几乎比那个网络时代的其他一切都经久不衰。他的许多诫命仍然成立，不是因为技术停止了发展——它从未停止——而是因为人们的变化速度远不及他们的工具。

含义是：用户期望你的网站能像他们已经知道的那些网站一样工作，就像我们期望汽车以某种方式运行一样——如果方向盘是一堆操纵杆，我不会想租或买那辆车。

这就是为什么组织建立了设计系统团队——以遵循应用程序设计的最佳实践，使每个屏幕与人们已经期望的一致，同时在品牌内创新。

30年来，这意味着匹配更广泛网络的惯例，因为那是用户建立习惯的地方。

这正在快速改变。

越来越多的任务不再从网站或应用程序开始——它们从助手开始。你让Claude或ChatGPT起草邮件或提取数据，工作通过一个对话界面完成，而不是来自不同供应商和设计团队的十几个不同界面。

一个人接触的界面数量正在减少，助手正在成为以前在多个浏览器标签页中有自己目的地的任务的入口。

它们的相似性是一个特性，因为每个助手都运行在相同的模式上——一个输入框、一个回复、一个来回——学会一个就教会了你所有，所以新的AI工具不需要手册，比任何入门流程都能更快地被采用。

这是有设计的，因为我们正在学习如何适应这个新时代。

雅各布定律通常被解读为对偏离的警告；在这里它反过来运行，成为快速采用的原因。这些界面越相似，需要学习的就越少，人们就越愿意尝试下一个，这给了我们发明未来的创造力机会。这颠覆了他的定律。

它所关的工作——阅读界面的惯例并适应它们——代理在许多情况下为你做，因为你从不亲自接触不熟悉的工具。问题是代理并没有带入一生的人类习惯来进行这种阅读——它几乎记不住上一次对话的上下文——所以要做好它，需要明确说明惯例而不是假设。

这就是为什么设计组件及其语义层比以往任何时候都更重要——它们使惯例变得明确和可预测，这是用户跨网站移动所需的清晰期望，也是代理需要阅读的可读结构。

这不会淘汰雅各布定律；它将工作转移到不同的界面集，并需要更多的标准化。

如果大多数用例现在通过助手流动，那么对于任何构建软件的人来说，问题不仅是你的产品是否通过那个界面可达——而是你是否通过使用标准模式为代理提供了足够的上下文来很好地使用它。

1、界面数量正在下降

在计算历史的大部分时间里，软件在倍增；每个工作都有自己的目的地——一个应用、一个网站、一个工具，每个都有自己的界面要学习——直到主屏幕满了，浏览器标签页多得数不清。

雅各布定律之所以存在，正是因为有这么多界面，用户需要它们表现得像一个下拉菜单就是下拉菜单。

助手反其道而行之，将工作吸收到一个地方。

人们现在通过他们已经打开的助手路由工作——Anthropic Claude、Microsoft Copilot、Google Gemini、ChatGPT——而不是为每个任务打开不同的工具。不仅是独立助手，人们已经使用的聊天工具本身就成为了对话界面：Slack现在直接在其频道中运行AI代理，包括来自Anthropic等的第三方代理，Microsoft Teams将Copilot及其代理放在同事交谈的同一窗口中。

开源项目将同样的想法推向更远：OpenClaw是一个快速增长的自托管代理，将你选择的模型——Claude、GPT、Gemini——放入你已经使用的任何消息应用中，从Slack和Teams到Discord、WhatsApp和Telegram。

人们已经在进行的对话现在也是他们与软件交谈的地方，所以用户不需要重新学习它。

OpenAI让第三方应用在ChatGPT本身内部运行，所以你可以在不离开对话的情况下搜索列表、构建演示文稿或调出播放列表。Anthropic的模型上下文协议从另一端做同样的工作：它是一个开放标准，将助手连接到数据和工具所在的系统，用一个协议替代一堆一次性集成。Claude通过这一个连接到达你的日历、文档和问题跟踪器。

更深层次的转变是助手一旦在那里所做的事情。

它不仅在一个地方回答——它出去进行解释。Claude Cowork接受一个目标，跨你的文件和应用程序工作，综合许多来源并交回完成的交付物，而不是一次回答一个提示。

指向工作，它自己在来源之间移动。访问十几个网站、阅读每一个并拼凑它们含义的劳动——雅各布定律旨在减少的精确认知成本——代理现在几乎完全吸收了。用户陈述结果；解释在视线之外发生。

访问十几个网站、阅读每一个并拼凑它们含义的劳动——雅各布定律旨在减少的精确认知成本——代理现在几乎完全吸收了。代理现在为你打包信息，一旦我们建立起API，这将极大地改善企业体验。

把它们放在一起，方向很清楚。世界上的界面数量并没有在减少——软件继续以以往的速度倍增；减少的是任何单个用户直接接触的数量，因为助手已成为通用界面，代理越来越多地执行以前由人手动完成的跨界面工作。

我们以前看过这个版本。1990年代末的网络是目录和门户网站的蔓延——Yahoo手工制作的去哪里的索引。然后搜索将所有这些折叠成一个框。

有时数量降至零。

界面并不总是缩小到助手——有时它根本不出现，因为工作已经变得无处不在。一个监视你收件箱的代理在后台存档收据、标记续期并重新安排会议，你第一次听说是在事后总结，如果有的话。

没有要打开的屏幕，没有要开始的对话，所以雅各布定律所写的界面根本不在那里——这是一个比熟悉的屏幕更难的设计问题，而不是更容易。

行动项

• 绘制跨界面的旅程。 梳理用户的端到端旅程，然后标记哪些步骤现在在助手中发生，哪些仍然在你的产品中发生，以及交接在哪里。交接是期望破裂的地方，也是你设计工作转移的地方。
• 观察任务从哪里开始。 一周内，记录你在打开以前会打开的应用之前何时伸手去够助手——你自己的行为是用户行为的领先指标，并立即设定期望。
• 停止计算屏幕和减少点击作为胜利。 退役奖励应用内时间和页面浏览量的指标。如果助手完成了任务，即使你在赢，这些数字也会下降。

2、雅各布定律现在指向助手

雅各布定律是关于参考点的主张，用户在他们花费时间的地方构建心理模型，然后将这些期望带到其他所有地方。当时间花在许多网站上时，参考集是网络的共享家具——左上角标志、右上角搜索、角落里的购物车和通知。

当时间花在助手中时，参考集就变成了助手。

你用普通语言输入请求，得到回复，然后在对话中细化它，期望它记住你两轮前说的话。现在每周有数亿人这样做，它正在成为你让计算机做事的默认期望。

这就是重点——助手在许多情况下正在成为默认，这有助于采用。

它不再只是"像其他网站一样工作"。它是"像助手那样工作"，因为那是你的用户现在流利的交互。我在早期写作中将普通语言输入称为询问框；更大的观点是询问框不再是众多模式之一。它正在成为模式——越来越多任务通过的入口点。

这就是雅各布定律做它一直做的事情。只是用户花费时间的地方合并了，所以期望也随之合并。

行动项

• 首先了解新惯例，以便知道如何为它们设计。 花一周时间在Claude、Copilot、Gemini或ChatGPT中做真正的工作，写下你期望的交互模式。那个列表是你用户的新基线。
• 根据它们审计你的功能。 将你自己的AI功能保持在那个基线上，修复每个无缘无故表现不同的地方——没有原因的差异就是摩擦。
• 不要重新发明输入。 询问框现在是一个惯例；对它的巧妙自定义只是让人们重新学习他们在其他地方已经流利做的事情。

3、你可能不再拥有界面了

如果用例通过助手流动，用户看到的界面是助手的，不是你的。他们让Claude在他们的合同中找到每个自动续约条款，Claude通过连接器访问你的合同平台，完成工作，并在聊天中回答。用户从未打开你的应用程序。他们从未看到你的导航、你精心构建的仪表板、你的品牌。你的产品做了工作并保持隐形。

这就是界面减少的真正后果。

对于一系列有意义的任务，你不再拥有界面，它看起来像服务设计。助手拥有它。雅各布定律仍然适用——但现在它适用于你无法控制的助手界面，你的工作从设计目的地转变为通过别人的界面变得可读。

对于一系列有意义的任务，你不再拥有界面，助手拥有它。

这就是Amelia Wattenberger早期标记的可供性问题重新出现的地方。她指出裸聊天输入没有可供性——同一个矩形看起来像搜索框、登录表单和信用卡字段。当你的产品通过那个矩形被访问时，它的能见度取决于助手使其可见的程度。用户不会通过四处点击来发现你的功能。他们只有在助手知道你的产品能做那件事并在正确时刻呈现时才会发现它们。用户不习惯有能力询问代理能做什么；他们需要鼓起勇气去问，更重要的是，知道正确的问题是什么。

所以工作转移到不同的层面：清晰的名称、良好结构化的操作、描述的数据和能力，以便助手能找到它们并路由到它们。

信息架构不再关于你的站点地图，而是关于模型是否能理解你提供的内容并正确调用它；我称之为将体验带给用户。

深入的全屏体验对严肃工作仍然重要，但首次接触越来越多地发生在你没有设计的地方。

这应该改变你对一致性的思考方式。帮助用户的惯例现在帮助代理，出于相同的根本原因。模型有自己版本的雅各布定律：它在网络的常见模式上训练，因此它识别并操作标准组件——标记字段、传统按钮、熟悉的日期选择器——比定制组件可靠得多。

新界面对代理来说就像不熟悉的网站对人一样是分布外的；它必须猜测，而猜测是大多数任务出错的地方。一致性过去是对用户的礼貌。现在它是代理代表他们行事而不破坏事情的条件。

而且目前，代理通常使用你的实际屏幕来做这件事，所以他们必须知道惯例。

干净的路径是专用的API或连接器，但覆盖面参差不齐——大多数软件仍然没有以代理可以调用的形式公开其能力。所以代理回退到它们总能触及的：人类界面。通过计算机使用，Claude看着屏幕，移动光标，像人一样点击和输入，驱动你为人们构建的相同按钮和字段。在API赶上代理世界之前，你的视觉界面也是代理的界面——清晰、传统的屏幕成为代理完成任务和搞砸任务之间的区别。

行动项

• 按照人们要求的方式命名事物。 用用户会大声说出的话重写你的功能和操作，以创建更好的语义层，而不是你数据库使用的标签。助手只能路由到它能识别的东西。
• 优先选择传统模式而非聪明模式。 在定制之前先使用标准组件；模型见过惯例一百万次，更有可能正确操作它。
• 公开并描述你的能力。 通过助手使用的协议使你的操作可达，并描述每个操作的作用和何时使用——以便助手既能访问你，又知道在正确时刻呈现你。如果它没有连接和描述，它就不可发现。

4、A2UI是模式如何以标准化方式回归的方式

折叠界面有一个真正的弱点：在过去两年里它主要是文本。你问，助手用散文回答，使图形界面可用的可供性——日期选择器、滑块、座位图、不允许你提交错误值的表单——展平成你读的一段话和你输入的一句话。

这就是上一节的可供性差距，它是我们花了三十年精炼的界面的倒退。

A2UI是为弥合差距而构建的标准。

由Google在2025年底作为代理驱动界面的开放项目推出，A2UI允许代理使用客户端应用程序自身的本机组件在对话中渲染真实界面——表单、图表、预订流程。代理将其需要的内容描述为结构化数据，而不是可执行代码。你的应用用你的组件目录、你的样式、你的设计系统绘制它。你决定哪些构建块存在；代理为当下排列它们。

可供性在助手内部回归，没有人离开对话。

这不是Google独有的想法，这就是你知道它是一个方向而不是单一下注的原因。在Claude方面，MCP Apps在2026年初作为模型上下文协议的第一个官方扩展发布，允许工具在对话中直接返回交互式UI——仪表板、表单、多步骤工作流——跨Claude、ChatGPT和其他客户端。两个最大的参与者从不同方向得出相同的答案：对话应该能够显示真实界面，而不仅仅是描述它。

这就是为什么它比看起来更重要。A2UI及其同类是将雅各布定律带入折叠界面的机制。用户得到他们已经知道的惯例——日期选择器表现得像日期选择器——而不是对着虚空输入并希望。

它也解决了上一节的所有权问题。你不再需要在拥有你的目的地和在助手后面消失之间做出选择；你的界面、你的组件、你的惯例可以出现在你无法控制的界面中。

它像设计系统一样标准化。A2UI为代理层做的就像设计系统在组织内做的：它确定了每个人都构建的共享组件词汇表，所以无论谁组装，渲染的内容都保持一致和可预测。设计系统为你的团队保持产品的一致性；A2UI在代理渲染时保持一致性。相同的纪律，上升一个层次。

像它周围的协议一样，A2UI是一个标准——雅各布定律在更底层运作，每个人都基于相同的语言构建，所以各部分能配合。使软件可用的界面惯例终于找到了回家的路。

行动项

• 找到文本失败的时刻。 找到散文回复不够的地方——表单、图表、选择器、预览——将其视为你的第一个生成式UI界面。
• 用你自己的组件原型化。 用你现有的设计系统将该界面构建为MCP App或A2UI视图，使其在对话内部渲染，看起来和行为像你，而不是像通用小部件。
• 基于标准构建，而不是围绕它。 在A2UI或MCP Apps成熟时采用它们，而不是发明私有渲染方案；标准的意义在于任何代理都可以渲染你的界面而无需特殊处理你。

5、应用它：为无法控制的前门设计

那么，当界面折叠进助手时，你如何应用雅各布定律？将问题一分为二：通过助手来的任务，和仍然直接引导人们到你的任务。

对于通过助手路由的任务，遵循。这是定律的核心，没有改变：在用户所在的地方，在他们已经知道的交互中满足他们。

• 让你的产品易于从外部调用和理解。
• 按照人们要求的方式命名你的操作，而不是数据库的方式。
• 通过助手使用的连接器和协议公开你的能力，以便前门可以触及你——当任务需要真实界面时，用A2UI或MCP Apps等生成式UI渲染它，使用户在对话中获得你的可供性和设计系统，而不是一堵文本墙。

如果用户能描述他们想要什么，你的产品应该通过那个描述可达，并在到达后可用。

按照人们要求的方式命名你的操作，而不是数据库的方式。

对于那些仍然引导人们到你自己界面的任务——深入的、高风险的、探索性的工作——继续匹配你的领域和更广泛网络的惯例。那些用户仍然对撤销、状态、恢复和自己领域的形状有期望。界面减少并不意味着一个界面。它意味着更少的地方，每个地方必须更加连贯，而不是更少。

行动项

• 运行从不打开测试。 假设用户从未打开你的产品，而是要求助手通过它完成工作。列出助手会缺乏的一切——名称、结构、操作、界面——并修复它。
• 为深入工作保留你自己的界面。 对于仍然直接引导人们的高风险、探索性任务，继续匹配你的领域和更广泛网络的惯例：撤销、状态、恢复、领域的形状。界面减少意味着每个剩余的界面更加重要。
• 设计没有界面的情况。 当任务无处不在地运行时，没有屏幕要变得熟悉——所以把精力投入到摘要、通知和撤销中，因为这些是用户得到的唯一接触点。

5、结束语

雅各布定律从来不是关于特定界面，它是关于尊重用户在哪里花费注意力，以及他们在那里建立的习惯。在网络生命的大部分时间里，注意力分散在数千个网站上，定律告诉你要匹配它们，这样每个网站都花费用户更少的解释成本。现在代理可以为他们做大部分解释。

建议仍然有效——但适用的地方已经改变了。

前提正在改变。注意力正在合并到少数助手中，这些助手越来越多地充当以前各自有自己家的任务的前门。定律没有打破。它指向新的地方——指向助手，以及通过它而不是直接访问你的产品的工作不断增长的份额。

纪律是为两者设计。通过你无法控制的界面变得可达、可读、易于调用——随着生成式UI的到来，能够在其中显示你自己的界面。为仍然需要它的工作保持你自己的界面连贯，因为界面减少使每个剩余的界面更加重要。

按照你一直应该做的方式应用雅各布定律。找出你用户真正在哪里。现在，更多的人在助手中——所以在那里满足他们，即使"那里"根本不是你的产品。

原文链接: Jakob's Law: How to Apply It as AI Collapses Surfaces Into One Chat Box

汇智网翻译整理，转载请标明出处