AI 正从功能升级为产品基因，Aiverse 提出的五阶段交互框架与 37 种设计模式，为产品团队提供了应对用户预期与信任危机的实战工具箱。从推荐提示词到可视化输入，这些源自 200+ 案例的解决方案，正在重新定义人机协作的底层逻辑。

AI 已不再只是 “一项功能” 或 “一个炫酷图标”。将 AI 融入产品，会改变产品的本质、人们对产品表现的预期，以及设计师和产品团队所肩负的责任。

我们看到：

1. 用户期待产品具有自适应、多模态、智能化的表现。
2. 人们对信任、透明度、幻觉、偏见、滥用等问题表示担忧。
3. 存在可用性问题：模糊的提示、模棱两可的输出、优化过程中的阻碍。

AI 不仅带来了新的可能性，也带来了新的陷阱。因此，产品团队需要模式，即经过反复实践检验的可复用解决方案，来权衡利弊。

Aiverse 的模式（ https://www.aiverse.design/patterns）是这个领域中一个实用的工具包，它基于 200 多个真实案例，按照产品生命周期的五个阶段进行梳理。

五阶段框架

在深入探讨这些模式之前，我们先来看一下总体框架。

由 aiverse.design 提出的五阶段框架 – 原作者

每一次 AI 交互都可分为五个阶段。

1. 引导阶段（Onboarding）—— 如何介绍 AI，它能做什么，有哪些局限。
2. 输入阶段（Input）—— 用户如何提供背景信息：提示词、图片、手势等。
3. 输出阶段（Output）—— 结果如何呈现：格式（文本、图片、视频）、结构、预览等。
4. 优化阶段（Refinement）—— 用户如何迭代优化结果：编辑、重新生成、审核等。
5. 学习阶段（Learning）—— 系统如何随时间自适应：记忆、个性化、反馈。

我们定义的每一种 AI 模式都归属于这五个阶段之一。本质上，这些模式是从其他原生 AI 产品中总结出的最佳实践，可供你学习并应用到自己的产品中。

模式及重要性

为了跳出理论范畴，以下是一些带有具体示例的模式。

模式 1 —— 推荐提示词

预先写好的起始提示词或示例，展示系统能做什么。

阶段：引导阶段

使用场景

帮助不知道该问什么的用户，减少 “提示词空白页” 带来的无所适从感，可加快用户对功能的探索。

注意事项

风险在于：提示词可能偏向于产品已构建的内容，而非用户需求；选项过多会造成认知负担。且随着系统发展，提示词必须更新。

模式 2 —— 可视化输入

允许用户上传图片、使用草图/手势或手写输入，而不只是打字输入。

阶段：输入阶段

使用场景

对于许多应用场景，如设计师、图片编辑、记笔记的人来说，能让界面更自然。适用于创意、空间或模拟类任务。

注意事项

实现难度较大，需要图像处理，可能还需光学字符识别（OCR）以及强大的错误处理能力。如果没有清晰传达预期（哪些类型的图片/手势可用），可能会让用户感到困惑。

浏览示例（ https://www.aiverse.design/）

模式 3 —— 输出预览（Preview Output）

在让用户长时间等待一个完整结果之前，先预览他们可能得到的内容；支持多媒体混合输出（文本 + 图片 + 音频）。

阶段：输出阶段

使用场景

增强用户信心，减少用户预期与系统表现之间的落差和意外，使体验更具吸引力。

注意事项

性能问题（延迟）。需要把控预期：预览内容可能与最终输出有差异。设计和质量保证方面会更复杂。

模式 4 —— 内联操作（Inline Actions）

AI 生成内容后，允许用户直接在原位进行编辑、重新生成、优化（例如 “重写这段文字、翻译、改变语气”）。

阶段：优化阶段

使用场景

用户常常需要调整或修正 AI 的输出。内联工具减少操作阻碍，让迭代不再感觉像是从头开始。有助于提升用户信任度和可用性。

注意事项

必须仔细考虑 UI 的功能示意—— 不要让工具过多导致过载。此外，版本控制/撤销操作以及保留上下文很棘手。还需要考虑计算成本。

浏览示例

模式 5 —— 用户反馈（User Feedback）

AI 记录用户偏好，从用户明确的行为（评分）或隐性行为中学习，随时间调整风格和建议。

阶段：学习阶段

使用场景

让用户体验更贴合个人需求。当系统 “了解” 用户时，用户会更有好感，还有助于减少重复修正。

注意事项

隐私与控制权方面的担忧。用户必须清楚哪些信息被记录，且能够删除或重置。存在强化不良偏好或偏见的风险。反馈必须可用于实际改进，否则只是表面功夫。

这些只是完整列表中的 5 种模式。

你可以浏览全部 37 种模式（6 – 37），查看示例、优势、用户价值、AI 用户体验清单等更多内容

https://www.aiverse.design/patterns

抢先看 —— 原作者

我现在想进一步探讨，我们要如何运用这些模式呢？

如何使用这些 AI 模式？

我们就基于产品团队（及其相关方）在构建 AI 功能时常见且迫切的问题来探讨。

我们怎样建立用户信任并管理预期，以免用户失望或被误导？

这是个关键问题。AI 可能会产生幻觉，用户预期可能高于其实际表现。若不加以引导，信任就会逐渐流失。

使用免责声明（引导阶段）和可解释性说明（输出阶段），向用户说明模型原理以及其局限性。运用输出预览（输出阶段）展示预期结果，使用置信度指标。

如何降低新用户（不了解提示词、模型选择等）的使用门槛？

学习曲线陡峭，用户常被困在 “我不知道该问什么” 的困境。

采用推荐提示词（引导阶段）避免用户面对空白界面无从下手，使用自动完成功能（引导阶段）让用户知道系统能理解他们的意图。提示辅助（输入阶段）对新用户来说必不可少。另外，或许可以设计根据用户领域或角色调整的引导流程（就像我们在 “如果可以用 OpenAI 登录会怎样” 中探索的那样）（ https://www.aiverse.design/insights/signin-with-openai）。

如何让 AI 输出具有可操作性且易于优化？

通常，AI 给出的是初稿，然后用户必须在单独的工具中逐段复制、编辑，这很让人沮丧。

采用内联操作，支持重新生成、审核（输出阶段）。适当提供多种变体（输出阶段），采用结构化输出（表格、JSON格式）。让用户能够通过可视化编辑优化结果。

如何处理反馈、个性化和不断变化的用户需求？

静态的 AI 功能会随时间而退化。没有记忆和个性化，系统可能显得千篇一律。

优化学习阶段（剧透 – 2026年的新兴关注点）：收集反馈（评分、选项选择），记住用户偏好，允许用户影响默认设置或语气。同时妥善管理存储和遗忘的内容。

但仅了解这些还不够。

产品团队要运用这些模式，还需要内化一些思维转变。

团队底层原则

……这样你的模式就不会只是 “走过场的功能”。

1.以用户为中心的预期

始终假定：用户不了解你的模型所知内容及其局限。尊重用户心智模型，保持透明度。

2.迭代优化与控制权

用户不仅希望 “给我提供内容”，还希望 “让我塑造、修正、从中挑选”。人机协作模式本质上是迭代的。

3.多模态与丰富性，但避免过载

能够使用图像、语音、手势、音频等功能很强大，但盲目添加每种模式不如精心打造少数几种。要根据领域、用户场景和硬件选择模式。

4.反馈循环与持续学习

尽早建立收集使用情况和反馈的方式。让系统随时间自适应。不要把 AI 视为一成不变的。

5.信任、安全与防护机制

错误信息、偏见、滥用都是切实存在的风险。针对错误、透明度、用户自主性、隐私进行模式设计是 AI 交互的核心。

如何在团队中使用这个手册

以下是产品团队切实运用这个模式手册的方法：

1.审核当前产品/功能地图

将现有的 AI 相关流程对应到五个阶段（引导/输入/输出/优化/学习），找出差距（例如，有输出但优化很少；或者输入很强但没有记忆功能）。

2.选择几个关键模式

不要试图全部实施，挑选能解决最大用户痛点的模式，进行原型设计并评估。

3.基于场景/故障案例的用户测试

不仅测试正常流程，还要测试边缘情况、错误情况和模糊情况。观察用户对错误输出、不清晰提示、误解的反应。

4.定义指标和信号

首次获得有用输出的时间、重新生成/编辑的频率、用户信任指标、反馈提交情况、输入不清晰时的流失率。

5.维护与演进

随着 AI 模型、领域和用户群体的发展，回过头重新审视模式。有些可能需要改变：过时的提示词、不匹配的模式、陈旧的记忆。

仍然存在的挑战……

说实话，虽然这些模式中有许多已经相当成熟，但仍有许多未解决的问题和权衡点，设计师和产品团队应该加以思考。

• 当出现错误输出时，如何构建安全的回退路径并赢得用户信任？
• 如何在实时体验和计算限制之间取得平衡？
• 你的 AI 交互是否跨设备可用？
• 你是否有明确的政策和用户控制措施来避免偏见/确保公平性？

AI 模式手册（ https://www.aiverse.design/patterns）不是为了完成 “我们有多模态输入” 或 “我们做了反馈” 这样的任务。它是为了构建一个产品系统，在这个系统中，AI的可能性被精心呈现，用户自主性、信任和适应性融入其中，并且产品随时间不断改进。

这些不仅仅是 UI 层面的优化，它们改变了人们对数字工具的期望，促进了人机之间更好的协作。