AI 产品形态、UX 与人机协作全景图

从聊天框、Copilot、Agent 到工作流自动化：理解 AI 产品怎样把不确定模型能力变成用户可控的工作体验

产品形态	用户感觉	适合场景	风险
聊天助手	像问一个懂业务的人	问答、解释、探索、低风险生成	容易把建议误当事实，结果和工作流割裂
Copilot	在当前工作对象旁边辅助	写作、代码、表格、设计、客服	上下文错位会生成看似贴合但实际不合用的内容
Agent	把任务交出去，系统多步执行	研究、办公流程、编码、数据处理	用户失去可见性，失败恢复和权限边界更难
工作流自动化	AI 成为流程中的判断节点	审核、分流、摘要、触发下一步	错误会规模化扩散，需要监控和人工兜底
AI 原生界面	用户用自然语言、示例和反馈塑造系统	复杂工具、数据分析、创作软件	可发现性、可解释性和可回退设计要求更高

AI 产品最容易走偏的地方，是先问“用哪个模型、做不做 Agent”，而不是先判断任务对象、风险、上下文和用户控制点。

产品判断问题	如果答案是这样	更适合的形态	不要急着做什么
用户是否有明确工作对象？	正在写一份文档、处理一条工单、看一张表、改一段代码	Copilot / Context Action	不要把用户赶到通用聊天框里重新描述上下文
答案是否需要可追溯证据？	政策、合同、财务、医疗、合规、内部知识问答	RAG + Citation + Refusal	不要只给流畅结论，要把来源和不可回答边界露出来
任务是否跨多个步骤和工具？	检索、比较、生成、调用系统、等待结果、再决策	Workflow + Agent	不要直接放权给全自动 Agent，先把步骤和权限拆开
失败是否可逆？	草稿、摘要、分类容易撤销；转账、删库、发公告不可逆	低风险自动化 / 高风险人工确认	不要用同一套交互处理所有风险等级
用户是否知道怎样表达需求？	专家能写 Prompt，普通用户只知道想完成什么	模板、按钮、示例、渐进表单	不要把 Prompt Engineering 负担转嫁给用户

模式	怎么工作	适合	设计重点
Ask	用户提问，AI 回答	知识问答、解释、检索总结	引用来源、不可回答、追问澄清
Draft	AI 生成草稿，用户编辑	邮件、文案、代码、报告	差异高亮、版本回退、风格控制
Transform	对已有内容改写、压缩、结构化	摘要、翻译、表格化、分类	保真度、原文对照、批处理预览
Recommend	AI 给出下一步建议	客服、销售、运营、数据分析	理由、可选项、不要自动替用户做决定
Act	AI 调工具执行动作	发起工单、查数据、改配置	权限、确认、幂等、审计
Monitor	AI 持续观察并提醒	异常检测、知识更新、项目跟踪	误报成本、通知节奏、解释和关闭机制

任务特征	AI 适合承担	人类应保留
低风险、可快速验证	生成草稿、分类、摘要、格式化	抽样审查和规则维护
高价值但重复	提出候选、预填字段、发现异常	最终确认、例外处理和责任判断
需要业务判断	整理证据、列出方案、模拟影响	取舍、批准、对外承诺
不可逆动作	生成执行计划和风险摘要	强确认、审批、执行授权
模糊探索	发散、归纳、提出问题	定义目标和判断答案是否有用

指标层	看什么	为什么重要
采用	触发率、使用频次、建议采纳率、留存	判断 AI 能力是否真的进入工作流
质量	满意度、人工评分、任务成功率、错误类型	避免只看调用量而忽略输出价值
效率	节省时间、减少步骤、减少人工接管	证明 AI 对用户工作有实际收益
风险	误操作、误拒、越权、投诉、回滚	AI 产品的失败成本常常不在线性指标里
经济性	单位任务成本、模型路由、缓存命中、边际收益	让产品价值和推理成本对齐

用户行为	可能含义	Trace / Feedback 字段	后续动作
采纳 / 应用建议	输出对当前任务有用，但不一定完全正确	acceptance_signal、context_object_id、final_output_hash、edited_after_accept	进入正样本和任务成功率切片，和人工修改量一起看
编辑 / 改写	方向正确但细节、风格、事实或格式有偏差	edit_distance、edit_type、field_changed、user_revision_hash	沉淀偏好样本、格式回归或 Prompt 改进线索
撤销 / 回滚	输出或动作造成风险、误导或不适配	undo_reason、rollback_target、side_effect_status、risk_tier	高风险撤销进入事故预检，低风险进入坏例池
重试 / 换问法	用户目标没被理解，或输出不稳定	retry_lineage、changed_input_hash、previous_output_hash、retry_reason	排查上下文、任务识别、模型路由或产品入口设计
转人工 / 申诉	AI 不足以完成责任判断或用户不信任	handoff_reason、review_queue、appeal_result、evidence_pack_id	进入 HITL、误拒误放校准、风险等级复审
忽略 / 不使用	入口时机、建议质量或用户控制感不足	impression_id、dismiss_reason、task_stage、suggestion_type	优化触发时机、建议粒度和上下文对象

评审项	最低合格信号	需要回到哪个专题补课
任务边界	清楚说明 AI 能做什么、不能做什么、何时需要人接管	应用架构模式
上下文边界	用户能看见系统引用了哪些对象、记忆、文档或工具返回	Prompt / 上下文、指令层级
证据与拒答	高风险回答有来源、置信提示、不可回答和升级路径	RAG、能力边界
影响判断	声称 AI 提升效率、降低风险或改变用户行为时，有对照、切片和反事实证据	因果判断 / 影响评估
执行安全	工具调用有预览、确认、权限、幂等、审计和失败恢复	Tool Calling、Agent 系统
上线治理	模型、Prompt、RAG、护栏和路由改动都有评测、灰度、回滚和观测	发布变更 / 灰度回滚、LLMOps
反馈回流	用户纠错能进入坏例分类、回归集、产品改进和数据飞轮	反馈闭环 / 数据飞轮