人与 AI 的交互时常陷入 “错位”—— 你以为它懂了，它却走向另一条路。一套关于人机协作的设计原则，从明确能力边界到应对出错场景，再到长期适配习惯，勾勒出顺畅互动的核心逻辑，让 AI 真正成为懂配合的伙伴。

有一次，我刷到一个短视频，忍不住笑出声。

视频里的男生跟家里的智能音箱说，“帮我订杯咖啡”，它居然回一句“我能为你搜索附近的音乐。”

他一脸无奈：“我不是在点歌，我是想喝咖啡！”

是不是很眼熟？

和AI对话，好像“一个在讲中文，一个在听火星语”。你以为它懂了，其实它完全没明白；你希望它帮你，结果它把你推向了另一条路。

问题出在哪？微软研究院提出了答案。

🔗 官网链接：
https://www.microsoft.com/en-us/haxtoolkit/ai-guidelines/

他们提出了一套叫做 HAX（Human-AI eXperience）的18条交互设计原则，专为“人如何与AI协作”而生。

今天，我们就用简单易懂的方式，把它拆开，讲清楚。

共18条，分4个阶段。

一、起点：系统该做什么？能做多好？

1. 说明系统能做什么

就像面试时你要告诉老板你会啥，AI系统也该清清楚楚告诉用户：“我能做什么，我做的是哪方面的工作。”

比如你打开Siri，它说：“我可以帮你设置闹钟、播放音乐、查询天气……”你就知道别指望它会替你发朋友圈。

ChatGPT也是如此，它不是万能秘书，而是“语言助手”。能写文案、回答问题，但不会帮你打电话或订外卖。

2. 说明系统做得有多好

“能做”和“做得好”是两回事。

比如AI相册可以识别照片中的“猫”，但偶尔也会把毛绒玩具误认为是猫。你得知道它是“70%准确率”，别太放心。

如果系统不告诉用户它的“能力边界”，用户就会把它当成神，一旦出错就会大失所望。这就是“幻觉式信任”，产品的大忌。

二、互动中：怎么配合更顺畅？

3. 让服务出现在恰当时机

好的AI，不抢戏，在你需要它的时候出现。

比如你刚打开高德地图，它识别到你每天这个时间点要去公司，就弹出一句：“现在前往公司，预计23分钟到达，要开始导航吗？”

这比它一打开就开始播路况、抢着说话，要体贴得多。

4. 呈现相关信息，而不是一堆资料

你问：“附近有没有咖啡店？”

❌ 最烂的回答是：“咖啡，起源于埃塞俄比亚，是一种广受欢迎的饮品……”

✅ 最好的回答是：“附近有3家评分4.5以上的咖啡馆，最近的是XXX咖啡，步行3分钟。”

信息不是越多越好，而是越相关越好。

5. 尊重社会规范

AI再智能，也得讲“人情世故”。

比如医院引入AI诊疗系统，它的角色是“医生的助手”，不是“医生的替代者”。它不能跳过医生，直接对病人说：“你得了肺炎。”

那不是“智能”，是“越位”。

6. 减少偏见的扩散

AI从人类数据中学会“世界观”，但人类的数据本身就有偏见。

如果你给它喂的招聘数据中，男性更多担任CTO，它就会觉得“技术岗位=男性”；你不纠正，它就会越来越偏。

现实中，曾有AI招聘系统被发现“更倾向男性简历”，就是因为它学错了东西，还以为是正确答案。

所以要给它“纠偏的机会”。

三、出错时：如何优雅收场？

7. 支持快速重新请求（再来一次）

你说错话，想改一句，AI能不能马上理解并重来？

比如你在AI绘图软件里输错关键词，只要重新输入，立刻刷新图片——这种“快速回头”的体验非常重要。

否则你就会觉得：“它不懂我。”

8. 允许高效关闭（我不想用了）

你在使用一个AI客服，发现回答不对劲，想直接转人工——能不能马上做到？

好的系统会有“退出按钮”或“转人工”选项，坏的系统让你在对话框里反复输入“转人工、人工、人工”，还是不理你。

这会让用户非常抓狂。

9. 支持快速修正错误

AI推荐了一家你不喜欢的餐厅，你说：“不是A，是B。”

它应该能马上理解，并重新推荐——而不是装聋作哑继续念列表。

像Spotify或网易云的“点踩”机制，就是一种修正通道，用户的反馈可以快速修正推荐结果。

10. 不确定时，控制范围

AI不懂的时候，不能“瞎说”。

比如ChatGPT有时回答“我无法确定你的问题背景”，这其实比一本正经胡说八道好很多。

语音助手说“我不太确定你是不是想播放这首歌”，比直接放错歌，更让人觉得靠谱。

11. 说明它为啥这么做

你问AI：“为什么你推荐这本书？”

它回答：“因为你看过《原则》和《纳瓦尔宝典》，这本《穷查理宝典》风格类似。”

你就会信任它。因为你知道它“不是拍脑袋”，而是“有理由”。

这种“可解释性”会极大增强人与AI之间的信任。

四、长期关系：越用越懂你

12. 记得你的使用习惯

你每天早上7点打开音乐App听《晨间冥想》，系统应该自动在6:59准备好。

这就是“习惯记忆”。

如果它每次都问：“您想听什么？”用户就会烦。

13. 从行为中学习

你经常跳过某类推荐内容，系统应该学会“别再推荐了”。B站、YouTube、抖音都在用“你的行为”来优化算法。

不是你告诉它，而是它看你“怎么做”，自己学会“怎么变”。

14. 小心谨慎地更新模型

不要因为一次版本升级，用户界面就大改、功能全变、习惯全没。好的AI产品，会小步试探——比如在少数用户群体中灰度测试，观察反馈再推广。

微信就是这样稳：每次更新，几乎都不影响用户的操作节奏。

15. 鼓励用户细化反馈

你说：“不喜欢这个结果。”

系统不该就此打住，而是接着问：“是因为推荐内容不对，还是界面太慢，还是表达方式不适合？”

通过“层层细问”，让用户成为AI进化的一部分。

16. 告诉用户他们行为的影响

你在购物网站点了某个品类，系统要告诉你：“你现在看到的推荐，会因为你的点击而变化。”

这样用户才知道：我的一个动作，系统就会“改写记忆”。

17. 提供统一管理权限

你得有一个“总控室”：看哪些数据被收集、哪些服务在运行、哪些权限你已授权。

比如苹果的“隐私报告”、微信的“授权管理”，就是在给用户“安全感”。

18. 主动告知变化

每次更新推荐算法、隐私政策，系统都应主动说：“我们最近做了以下更新……不影响你的现有使用体验，但更符合你的偏好。”

这不仅是合规，更是“尊重”。

写在最后

这18条人机协作原则，看起来像是写给设计师的，其实写给每一个与AI共处的人。

因为未来，AI不会只是“工具”，它将越来越像“同事”——甚至是“你身边最常互动的伙伴、你的工友们”。

本文由人人都是产品经理作者【龙国富】，微信公众号：【龙国富】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于 CC0 协议。