本文深入分析了五種主要的AI交互模式，探討了它們如何塑造未來的應用開發(fā)和用戶體驗。通過具體實例，我們將了解AI如何在不同場景下發(fā)揮作用，并預見其對未來軟件生態(tài)的影響。

一、歷史

回顧計算機交互的演變歷程，經歷了批處理—命令行式交互—圖形界面交互，AI 的出現(xiàn)帶來了自然語言交互，基于人類的意圖完成輸出。

早期的批處理系統(tǒng)古樸且笨拙，交互依靠的是穿孔卡片——一種編碼數(shù)據(jù)和指令的媒介。用戶將一系列任務預先編碼到這些卡片上，然后將它們交給數(shù)據(jù)中心。這里的計算機巨大如房間，它們不斷地讀取這些卡片，執(zhí)行上面的命令。

需要排隊等待一夜才能知道程序是否完成運行。即便如此，也能幫助科學家和工程師們執(zhí)行復雜的計算任務，如天氣預報的模擬、工程問題的數(shù)值分析，甚至是太空探索任務的軌道計算。

現(xiàn)在，在需要處理大規(guī)模數(shù)據(jù)集，如日志分析、金融交易記錄或大量的用戶行為數(shù)據(jù)時，批處理仍然是一個有效的方法。

后來，分時系統(tǒng)的出現(xiàn)，讓 CPU 可分配使用，提高了利用率，計算機可以根據(jù)命令對用戶的每一個輸入給出反饋。這種基于命令的交互，讓用戶可以控制計算機來執(zhí)行任務，逐步解決問題。

但仍需要學習大量的指令，體驗并不友好，不過至少讓人感覺在和機器建立連接。

至今， Linux、Mac、windows 系統(tǒng)中的命令行仍然存在，是程序員們與計算機底層交互的常見方式。

GUI 的出現(xiàn)徹底改變了規(guī)則，計算機不再只是枯燥的命令行，而是充滿了窗口、圖標和鼠標點擊的界面。這種所見即所得的革新，讓 word 、Excel 這樣的效率工具出現(xiàn)，完全革命了人們的辦公方式，瀏覽器出現(xiàn)，則成為了互聯(lián)網(wǎng)的開端。

等智能手機普及后，GUI不再局限于笨重的桌面電腦?，F(xiàn)在，一個小小的觸屏設備就能完成從購物到預定機票，從社交到遠程工作的各種任務。

當AI驅動的界面開始融入我們的生活，我們又站在了另一個交互革命的前沿，AI該如何改變軟件，又怎樣影響人們的生活。

二、基于意圖的交互

現(xiàn)在只要你有問題，AI就能給你答案。

想要一幅太空宇航員的畫作？不必親自動手，AI可以根據(jù)你的描述生成幾個選項供你選擇。讓我們的交流更直接，更本質，不再是命令和代碼，而是愿望和創(chuàng)意的直接表達。

當移動互聯(lián)網(wǎng)出現(xiàn)時，有人說所有的應用都值得用 APP 再做一遍，事實也確實如此。

那么所有的產品都值得用 AI 做一遍嗎？如果是的話，該怎么做呢？

先來看看大模型廠商的答案：

OpenAI 作為生成式 AI 的破局者，提供面向C端的 ChatGPT 對話助手，和面向開發(fā)者的模型 API 調用，前者通過每月20美元的訂閱模式，占到了總營收34 億美元的 80%。

移動互聯(lián)網(wǎng)時代有 APP，瀏覽器有插件，微信有小程序，它們都是依托于一個平臺生態(tài)衍生出全新的軟件交互和商業(yè)模式。

一個平臺級的產品，必然擁有有良好的生態(tài)，用戶因為找到合適的應用而付費、開發(fā)者因為有用戶使用而入局、平臺因為有持續(xù)增長而不斷改善，機構、企業(yè)、組織陸續(xù)加入，廣告、娛樂、購物統(tǒng)統(tǒng)改變。

OpenAI 也看到了這條路，并且也在這么做。

OpenAI 在去年先后推出了 GPT 插件，和GPTs，通過封裝知識庫和 Prompt 可以定制對話機器人，這樣就能把 AI 的能力應用在垂直領域的。

解決更多用戶問題，奧特曼也說通過傭金分成方式吸引開發(fā)者，從而建立起平臺的生態(tài)。

在推出之際，就被行業(yè)內認為可以顛覆 PC、移動端操作系統(tǒng)。

現(xiàn)在一年過去，國內的大模型廠商也在推出類似GPTs 的功能——被大家稱作 Agent 智能體。豆包、文心一言和 GPT 一樣，允許用戶創(chuàng)作Agent 并發(fā)布到廣場。Kimi 就比較保守了，只是官方推出不允許用戶創(chuàng)作。

不管怎么做，Agent 是有它的應用場景在的，不用每次都去輸 Prompt 了，用戶進入平臺也能快速找到適用于自己的 Agent，但是它難以撼動操作系統(tǒng)，也難以成為平臺級產品。

不論是用戶創(chuàng)建的 Agent 還是官方推出 Agent，活躍度和創(chuàng)建數(shù)都在下降，用戶用不起來，開發(fā)者也不愿意進來，平臺在嚴格選擇 Agent 的展示。

我們大可以想象未來 OpenAI 能夠打造一個平臺級產品，完全顛覆軟件的交互和商業(yè)模式。

但目前來看，有苗頭卻看不到前景，因為傳統(tǒng)應用的生命力太旺盛，而且他們也在融入 AI 的能力。

這些應用運行在windows、MacOS 、安卓和IOS，網(wǎng)頁以及瀏覽器插件等。要么是傳統(tǒng)應用+AI，要么是依托于AI而生的應用。

下面我就通過例子，來說明下 AI 在應用中的五種交互:

1. 輔助回答型：集成在應用中的AI，能夠根據(jù)用戶的直接輸入提供即時幫助和信息，如回答問題或提供具體操作的指導。
2. 主任務驅動型：AI直接融入應用的核心功能，通過用戶的常規(guī)操作觸發(fā)，幫助優(yōu)化和執(zhí)行主要的業(yè)務或工作任務。
3. 自動生成型：AI根據(jù)由其他任務觸發(fā)而接收給定的輸入自動生成內容，如給文章自動總結、打標簽。
4. 隱藏型：AI隱秘地工作，用戶通常意識不到其存在，自動執(zhí)行背后的優(yōu)化和功能增強，如推薦系統(tǒng)或內容過濾。
5. 工作流自動化：AI被集成到低代碼工作流中，自動化處理輸入和輸出

1. 輔助回答型

在主應用界面，通過右側面板或者彈窗內置一個對話框 ，在想用的時候就喚起，這種簡單有效的方式是大部分應用采用的做法。

比如，現(xiàn)在使用微軟Office或Google Docs處理文檔時，遇到了表達或語法的困難。這時候，AI輔助回答框就是一個隨時待命的助手，你可以隨時向它提問或請求幫助。它能即時為你提供寫作建議，還能幫你糾正錯誤。

好處在于你幾乎感覺不到它的存在。缺點就是每次都要復制內容，思考問題才能完成輸入，這和在網(wǎng)頁端使用GPT有什么區(qū)別的，看似融入AI，如果模型能力不夠垂直或強大，這樣的融合意義不大。

2. 主任務驅動型

我一直認為Notion的做法非常的巧妙，23年初就已經融入AI， 成為了文檔類產品的交互設計的典范，當你在創(chuàng)作的過程中，在Notion的page里編輯你的bolok ，給AI 輸入的內容可以是你現(xiàn)在所寫的東西，AI輸出的答案也會呈現(xiàn)也在當前的page中。

它很好的處理了AI打斷任務的影響，我會為這樣的便利而付費，即使模型的輸出能力比不上GPT4。

它的優(yōu)勢就是體驗更加流暢，但它也會增加系統(tǒng)的復雜性，如果集成一個生成質量或性能的模型，這樣做無疑帶來很大風險。

3. 自動生成型

通過我們在使用軟件過程中的任務，自動觸發(fā)AI的能力，不同于主任務驅動型，自動生成不需要用戶輸入問題或指令，它能夠根據(jù)用戶當前的任務觸發(fā)AI的使用，自動生成內容。

比如：Arc瀏覽器中，當用戶創(chuàng)建新的瀏覽器標簽時，AI自動分析頁面內容并生成相關描述性強的標簽名稱，幫助用戶更容易識別和管理開啟的多個標簽頁。

再比如：Notion的database中，用戶可以定義一個表頭字段為AI生成類型，如標簽（AI ），那么在創(chuàng)建一條記錄時，這個標簽會根據(jù)主內容自動生成。

這種結合方式，我想象不到什么缺點，很多場景都有待使用這種方式改善，比如文件夾、筆記的命名管理。

4. 隱藏式

AI 的能力早已隱藏在我們使用的數(shù)碼產品中，以至于我們感受不到它的存在，在使用手機拍照的時候，手機識別不同的景色、光線來優(yōu)化照片的拍攝效果，在相冊搜索關鍵詞，比如貓，就能搜到所有和貓相關的照片；Siri 會根據(jù)你的日常查詢和命令優(yōu)化其響應。這些背后都是算法的能力。

當然，今天提到的GenAI也有很多隱藏式的，iOS最新的Apple Inteligence，CEO 蒂姆庫克強調蘋果的AI助手在設計上對于用戶來說更加“自然”，不張揚但又無處不在。例如在文本輔助生成環(huán)節(jié)，Apple Intelligence建議回復的內容文本直接呈現(xiàn)在輸入法內部；在歸納總結文檔時，交互按鍵也很好的被設計并且集成在界面的側邊位置。

5. 工作流自動化

如果你手頭上有成堆的進度報告和計劃調整需求。通常這種情況下，你可能需要花費大量時間在手動分析和整理數(shù)據(jù)上，但有了AI，你就可以把數(shù)據(jù)發(fā)給它做總結分析。

不過這樣，還不夠理想，假如你想指定某一行去分析，并且將分析結果寫入表格，GPT就不可能實現(xiàn)了，必須要借助工具去搭建一個工作流，這樣你不僅可以在任務中自動使用AI的能力，還能批量去處理相同的任務。

這本質上是低代碼工具+AI，大模型廠商都在售賣自家的模型API，通過API接入到低代碼工作流中。

低代碼比如蘋果的快捷指令，Dify、n8n、zaiper、集簡云等等，通過拖放界面設計工作流，集成大模型的API后，AI在背后幫助自動化數(shù)據(jù)處理和決策邏輯。

這種交互方式不同于Agent，它具備更高的靈活性，和更強的能力，感興趣的可以動手實踐。

今天了解這些多少能幫你在使用 AI 產品時有個方法論，目前的交互再怎么花哨也逃不出這幾種。最后再來給這五種交互方式做一個簡單的總結：

移動互聯(lián)網(wǎng)發(fā)展依托于手機這一硬件，經歷了工具產品，娛樂社交產品，購物生活產品，最后到 ToB 產品的演變，AI 和那個時代已經不同，沒有成熟的硬件，技術棧也不同。

但相同的的是，都是在早期出現(xiàn)大量的工具產品，因為工具產品場景足夠明確。

未來，娛樂類，社交類，購物類如何發(fā)展，我們拭目以待。