设计知进退的 AI 智能体：构建人机协同体验框架
Amazon Science 提出了一套针对 Agentic AI（智能体 AI）的人机协同设计框架，强调在高度自主的 AI 系统中，核心挑战在于如何设计人类侧的交互与协调机制。该框架定义了“与我共同完成”、“为我完成”和“在我指导下完成”三种协同模式，并引入“协同曲线”概念以动态调整用户参与度与 AI 存在感。研究指出，有效的 UX 设计需根据任务、用户能力及上下文灵活匹配协同强度，而非采用单一的自动化或人工干预模式。
事件概述
随着 AI 智能体（Agentic AI）从被动响应转向主动规划与执行，其用户体验（UX）设计的核心已从“功能实现”转向“人机协同”。Amazon Science 的研究指出，智能体 AI 是一种本质不同的软件形态，它具备主动性、对话性甚至拟人化特征，因此需要全新的设计思维来平衡信任、控制与透明度。
核心信息：人机协同三维框架
设计的关键在于对齐以下三个维度，以实现有效的人机协作：
- 人类参与（Human involvement）：用户在指导或监控 AI 过程中投入的努力与注意力。
- AI 显著性（AI salience）：AI 在体验中的突出程度。例如，拥有名字和人格的聊天机器人具有高显著性，自动补全建议具有中等显著性，而后台生成的导航菜单则几乎无显著性。
- AI 活动（AI activity）：AI 正在执行的操作，无论用户是否可见。
三种协同模式（校准点）
研究提出了三种非二元的协同区域，用于匹配不同场景下的协作强度：
- 与我共同完成（Done with me / Mutually collaborative）
- 特征：高人类参与 + 高 AI 显著性。
- 场景：用户与 AI 在多个阶段（启动、监控、更新、完成）紧密合作。例如，共同撰写复杂文档或进行深度研究项目，双方频繁互动。
- 为我完成（Done for me / Heavily automated）
- 特征：低人类参与 + 低/中 AI 显著性（主要在结果展示时）。
- 场景：AI 处理大部分工作，用户仅负责发起任务和审查输出。例如，AI 自动调研竞争对手并生成总结报告，用户仅在幕后监督。
- 在我指导下完成（Done under me / Discreetly assisted）
- 特征：隐性人类参与 + 低 AI 显著性。
- 场景：AI 在后台默默工作，用户可能未察觉其存在。例如，智能排序、预测性文本输入及个性化内容推荐，用户直接评估结果并行动。
值得关注：协同曲线（Coordination Curves）
由于智能体和用户均可独立工作，协同关系是动态变化的，不能静态固化。研究引入了“协同曲线”概念，用于可视化工作流中人类参与度与 AI 显著性的起伏变化：
- 启动阶段：通常涉及高参与度，用于定义目标和约束。
- 执行阶段：参与度降低，AI 自主运行。
- 审查与后续阶段：参与度再次上升，用户评估结果并决定下一步。
这种动态视角帮助设计团队识别具体的接触点、交接点和决策点，从而构建适应性强、节奏合理的智能体系统。