跳至内容
为什么对话不是 AI 交互的终点:聊天框的三个问题与工作台的崛起

为什么对话不是 AI 交互的终点:聊天框的三个问题与工作台的崛起

所属专题:AI 交互设计:聊天框之外(2026 修订版)

对话式界面在 AI 普及的初期立下了无可替代的功劳。但把它当成 AI 交互的终点,依然是一个从工程便利出发、而不是从人出发的判断。

把人与人之间的交谈原样搬进人机交互,看上去是一条零门槛的捷径。可一旦任务超出简单问答,这条捷径通往的不是效率的高峰,而是一片充满摩擦的山谷。从几条经过几十年检验的可用性原则出发,就能看清楚:在复杂的探索、比较和创作面前,纯对话为什么会从亲切的入口变成束手束脚的枷锁。

这一篇先讲三个问题,再看 2026 年的产品怎样回应它们。


一、从“认出来”退回到“想起来”

1994 年,雅各布·尼尔森(Jakob Nielsen)总结了十条可用性原则,其中一条是**“识别优于回忆”(Recognition rather than recall)**:把功能、状态和选项直接摆在人眼前,让人“看着选”,比让人从工作记忆里“想出来”省力得多。这是一条经验准则,不是物理定律:熟练的工程师批量重命名上百个文件时,敲一行命令仍然比点一百次图标快。但图形界面之所以能让计算机走向普通人,很大程度上就是因为它把隐蔽的命令变成了看得见的菜单、日历和表单。

纯对话把大量交互又拉回了“回忆和转述”。这像是走进一家没有菜单的餐馆,有什么菜、配料怎么搭,全凭你自己报出来。它给用户加了两份额外的脑力劳动。

第一份,是自己记住整个任务的上下文。

拿订国际机票来说。在一个成熟的订票界面里,往返日期有摊开的月历,人数、舱位、价格区间、最多转机几次,都是并排的选项和滑块。所有约束都锁在面板上,改其中一项,其他条件不动,结果当场重算。

到了聊天框里,同一件事变成了一场小心翼翼的拉锯:

你先说:“帮我查三月去法兰克福的机票,转机不超过一次。” AI 列出三个方案。你接着说:“第二个不错,但出发时间改到下午。” AI 给出一批新方案。

这时一个问题悬在半空:“转机不超过一次”还算数吗? 界面上没有任何一处告诉你,上一轮的条件早已被新的长段文字顶出了屏幕。不只是人容易记混,模型也有自己的盲区。刘(Nelson F. Liu)等人的《迷失在中间》(Lost in the Middle,TACL 2024)发现,关键信息放在长上下文中间时,许多模型的提取准确率明显低于放在开头或结尾。结果稍有出入,用户就只能往上翻聊天记录,排查到底是模型漏了条件,还是自己前后说得不一致。

第二份,是把模糊、多维的意图翻译成线性的文字。

2023 年,尼尔森把大模型对话称为六十年来第三种界面范式:“基于意图的结果指定”(intent-based outcome specification),用户不再逐步告诉计算机怎么做,只需说出想要什么结果。但在真实的工作里,“把想要的结果一次说严密”本身就是一项高强度的劳动,以至于催生出了“提示工程”这个说法。原本应该由界面分担的认知支架,又被推回到了人这一边。


二、一块没有任何提示的空白

好的工具,形状本身就在说话:门上装一个竖把手,你就知道该握住往外拉;装一块平板,你就知道该推。

唐·诺曼(Donald Norman)对此做过一个重要的区分:物体客观上允许你做什么,叫**“示能”(affordance);物体表面告诉你“可以做什么、该怎么做”的线索,叫“意符”(signifier)**。按这个区分,空白的聊天输入框最大的问题,是它几乎没有任何意符。

除了闪烁的光标告诉你“这里能打字”,它不提供任何关于能力、权限和可靠程度的线索。它能读我的表格吗?能联网查资料吗?在哪类问题上特别容易出错?框上一个字也没写。用户只能像在黑屋子里摸开关一样,靠一次次试错去探边界;在这个产品里摸出来的经验,换到另一个产品又得重来。

更深的隐患来自第 01 篇说的拟人化。AI 用无可挑剔的语法、笃定的语气说话时,人会本能地以为它的判断力和核查能力配得上它的文笔。这种期待撞上模型的“幻觉”,代价就会溢出屏幕。2023 年,美国纽约南区联邦地区法院审理的 Mata v. Avianca 案里,律师把 ChatGPT 当作法律检索工具,把模型编造的、格式逼真的多个判例写进了正式文件。法院考虑到提交虚构判例、受到质疑后仍未及时核实撤回等多项失职,对涉事律师和律所处以 5,000 美元罚款。

门把手不会骗人,因为它不会说话。一个不标边界、却能把错误答案说得无比漂亮的对话框,如果没有核验机制,比一个直接报错的按钮危险得多。


三、一条线,摆不开一面墙

退一步说,就算所有条件都记住了、提示词写得滴水不漏,纯对话依然卡在媒介本身的结构上。

聊天气泡是一条单向、按时间排列的线:一条消息接一条,新的把旧的往上顶。书面文字本来可以用表格、大纲和版面做空间排布,但传统聊天窗口把一切都塞进了一条窄窄的单列管道。

而大多数高价值的工作,比如方案比选、数据分析、架构规划、视觉排版,都依赖空间性的思考:把关键变量同时摊在一个平面上,让眼睛来回扫、对齐、重组、权衡。在一条上下滚动的对话流里比较三趟航班,就像透过一根吸管看一整面墙的壁画:你滚到下面看清第三个方案的退改规则时,第一个方案的转机时长早已滚出了视野。

这不是人矫情,而是认知的限制。乔治·米勒(George Miller)1956 年提出了工作记忆的“组块”概念;纳尔逊·考恩(Nelson Cowan)2001 年的综述进一步认为,人的注意焦点同时能稳定维持的组块,平均只有大约 4 个。三趟航班的价格、起降时间、转机机场和行李额加在一起,可能涉及十几个需要核对的细节。若这些信息分散在长对话里,用户往往需要反复滚动或借助笔记;这会增加比较负担,但不能据此断言每个人的工作记忆都会被“撑爆”。

1979 年,丹·布里克林(Dan Bricklin)和鲍勃·弗兰克斯顿(Bob Frankston)做出电子表格的鼻祖 VisiCalc,解决的正是这个问题:把要反复权衡的数据摊在一张一直看得见的二维网格上,改一个格子,相关的结果当场重算。分析和设计需要的是一张可以并排陈列、随手标注、局部修改的工作台,而不是一个只能排队递纸条的问询处。


四、2026 年的检验:工作台长出来了

2025 年秋天写下“线性的语言摆不开工作台”时,这还主要是一个基于原理的批评。此后 14 个月,它得到了整个行业最密集的证据。

1. 对话旁边和对话里面,长出了新的工作面

时间产品做了什么
2024-06 / 2024-10Anthropic Artifacts、OpenAI Canvas在对话旁边开一块独立的区域,放文档、代码和小应用
2025-10OpenAI Apps SDK第三方应用以可交互界面的形式出现在 ChatGPT 对话里
2025-11Google 生成式界面(Gemini 3)Gemini 应用开始实验按提示生成互动界面的 dynamic view,以及带图片和可调整模块的 visual layout;并非每次提问都会触发
2026-01MCP AppsMCP 官方扩展让兼容的工具和宿主可以提供并呈现可交互界面
2026-03 / 2026-10Claude 对话内可视化、Dashboards在回复里生成交互图表;仪表盘上的数字可以追溯到底层查询
2026-04Cursor Canvas智能体可生成交互式图表、表格和图示,在代理窗口侧栏或编辑器中使用

各家给出的理由,几乎就是上面三节的原话。MCP 官方博客说,界面能做到文本做不到的事:实时更新、原生媒体、持久状态和直接操作。

但实际发展也留下了几个值得校准的问题。

2. 工作台和对话是接力,不是替代

斯坦福大学与佐治亚理工学院的陈(Jiaqi Chen)等人(Findings of ACL 2026)先在覆盖十个领域、共 100 个问题的基准上做两两比较:由 Claude 3.7 生成的交互界面,相对同一模型的对话式回答,偏好胜率为 84%;与 GPT-4o 的对话式回答比较时,胜率为 69%,但后一组同时存在底层模型差异。论文报告,数据分析与可视化类的生成界面偏好比例为 93.8%,高级 AI/机器学习类为 50%;简单的“怎么做”类问题中,对话式回答往往更受欢迎。另一组实验让 76 名参与者各提出 5 个自己的问题,共 380 个;生成式界面胜 50.8%、平 8.2%、负 41.1%,还有 18.4% 的参与者在至少八成的问题里更喜欢对话。这组实验中,两种界面使用同一个模型生成。

论文示例:同一类问题可以用聊天文字回答,也可以生成练琴或数据探索等交互界面

图:论文中对话式回答与生成式界面的示例,展示不同的呈现方式,并不意味着生成式界面在所有任务中都更好。来源:Jiaqi Chen 等,Generative Interfaces for Language Models,图 1,CC BY 4.0。此处从论文发表版裁取图幅。

菲利埃(Roberto Figliè)等人让 134 名工业领域的决策者比较对话助手和仪表盘:简单任务里,对话更快、主观心理负荷更低;随着任务复杂度增加,这些优势有所减弱。作者的结论是,对话的好处是“有条件的,不是普遍的”,复杂决策仍然需要持久、可以检查的可视化。

所以 2025 年版说对话会“彻底扼杀心流”,说得太绝了。更稳妥的判断是:面对需要同时比较或反复编辑的信息,单一的线性对话可能增加负担;简单问答和探索意图时,文字对话仍然很有价值。 对话和工作台可以在同一项任务中接力。

三个虚构旅行方案分别在对话流和并排工作台中呈现,对话仍可用于调整意图

图:Codex 绘制的概念示意,旅行方案为虚构示例。

3. 工作台的价值在于“让人插手”

KAIST 与 UCSD 的研究者(Eunhye Kim、Bryan Min、Haijun Xia、Juho Kim)在 Elicitive User Interfaces(2026)里观察到:在小样本研究中,有参与者觉得精致得像完成品的界面不容易让人想到修改,也有人担心提示词无法限定范围,把已经满意的地方一起改坏。研究者于是尝试让界面在需要用户判断的地方露出标记、备选项和追问;后续研究中,一些参与者借此表达了局部偏好。一位参与者区分说:提示词适合改整体思路,标记适合改局部。这些观察提供了设计线索,还不足以证明所有人都会更愿意修改。

从设计角度看,工作台的价值不只在于生成漂亮的小部件,也在于提供可编辑的计划、可批注的中间结果和必要的检查点:把内容摊开给你看,也留出地方让你改。

4. 聊天框内部也长出了“识别”

聊天框自己也在补课,办法是让 AI 反过来问人。

一些编码助手的计划模式可以在动手前提出澄清问题、提供选项,并生成供用户审阅或修改的计划;是否提问、如何确认,取决于具体产品和设置。一些深度研究工具也会在检索前询问目标与范围。跨会话的记忆功能可能分担一部分“自己记住全部上下文”的负担,但也带来了新的检查任务(见第 06 篇)。

这不是图形界面意义上的“把所有功能摆出来”,但它解决了同一个问题的一部分:用户不必一次把话说全,系统会把需要你决定的事,变成几个能认出来的选项。

5. 一个反例:终端为什么回来了

2025 年出现了几款跑在终端里的 AI 编程工具:Claude Code、Codex CLI 和 Gemini CLI。终端一行输入、一屏滚动,看起来像最细的吸管。它们是一个反例,不是重度用户偏好排行榜:人在终端之外还能看见什么?

一种解释是,在很多编程任务里,人工作的对象并不只有对话。智能体修改的是代码和文件;开发者还可以借助编辑器、diff 查看器和测试结果检查这些对象。终端对话、文件系统和其他工具共同组成了工作环境,而不是所有信息都必须塞进一串消息里。

不过,代码库本身不等于一个自动好用的工作台:审阅大型改动、理解测试是否覆盖需求,仍需要合适的工具和人的判断。其他任务也不一定非要生成一块新界面;已有的文档、表格或图形工具可能已经足够。

这个反例帮助我们校准原来的判断:对话可以是表达目标和调整方向的入口,任务需要比较、操作或审阅时,再配合适合的工作对象和工具。 具体组合取决于任务,而不是预先规定的界面顺序。

6. 入口层:平台替你配,还是自己配(2026-11-17 增补)

前面几节讲的是产物怎样摊开、意图怎样澄清。2026 年下半年,另一处变化发生在任务开始之前:入口本身开始按场景组织。

据 11 月 17 日光明网转载的豆包工作发布消息,电脑版新增按岗位组织的工作台;智东西 11 月 16 日的报道列举了金融投研、教师等场景。教师组卷的个案转述描述了先选教材、年级和难度再出题,但没有完整原文可核。可以把它当作入口设计的问题:如果先把这三项摆出来,教师还要从头写多长的提示词?

放回本篇的框架里,它回应的正是第一、二节的问题。空白输入框缺少意符,工作台用岗位和任务卡片告诉人“这里能做什么”;用户不必从零写提示词,而是选入口、答几道选择题、交材料。识别又一次替代了一部分回忆。但它没有改变底层的回路:任务页里仍有聊天框,执行仍靠通用智能体,产物编辑也延续了此前的文档和画布。我的理解是:变化主要发生在入口层,而不是把聊天彻底换掉。

也有用户走相反的路:在 Claude Code、Codex 或 DeepSeek Harness 这类智能体框架里,自己写技能说明、配置工具和权限、选择模型,拼出一套贴合自己流程的工作台。两条路把同一份负担分给了不同的人:

平台策展的工作台自己配置的智能体框架
谁负责把话说清楚平台预设入口和追问,上手门槛低使用者自己写配置和技能,“提示的暴政”挪到了上游
能否看清内部技能的具体规则可能不对外展开指令、权限和运行日志通常都能查看
能否直接改产物常配有文档、幻灯片或画布编辑多以文本和文件为主,编辑与预览工具要另行组合
谁划定边界、承担风险平台设定,可选范围有限使用者自己设定,也自己承担

每日经济新闻 11 月 16 日的金融投研工作台个案,提到持股比例过时、经指出才改正。这是报道里的那次结果,不是工作台准确率。自己配置的框架把可读性交还给人,但只有人真的去看,它才有用。整理这组文章的参考资料时,我让一个编码智能体批量抓取原文,它把几次网页读取的模型转述拼在一起,标成“全文”;直到核对原始运行日志,我才把它降级为未经逐字核实的转录稿。

这和终端的反例是同一个道理:熟练者愿意用朴素的界面换取透明和可组合,更多人需要有人先把选项摆出来。 两种入口大概会长期并存,也在相互靠拢:平台开放自建和分享,自配的框架也在接入编辑器和网页界面。对界面设计来说,值得追问的不是哪一种胜出,而是:入口降低了“说清楚”的成本之后,能否同样降低“看清楚”的成本。


五、工程的捷径,设计的弯路

把这些线索串起来,对话界面的位置就清楚了。

聊天框的流行,是一个特定技术阶段工程主导、而非设计主导的产物。对模型开发者来说,它是暴露“文字进、文字出”能力最省事的方式。但它让整个行业一度偏离了韦泽“让机器适应人的环境”、乔布斯“从体验倒推技术”的传统,在复杂的生产和高风险的协作场景里,绕了一段设计上的弯路。

2026 年,一些产品正尝试让对话与工作台配合,并在适当的时候提供澄清或确认;这些做法为修正这段弯路提供了线索。但在屏幕上给聊天框拼一块侧栏,还远不是终点。下一篇,我们把视野拉回整个交互史,提出面向更长远未来的总体框架,并用 2026 年的证据逐条校准五项设计原则。


相关页面

参考与来源

  • 可用性原则、意符与认知心理学
    • Jakob Nielsen, 10 Usability Heuristics for User Interface Design(1994):https://www.nngroup.com/articles/ten-usability-heuristics/ ;AI: First New UI Paradigm in 60 Years(2023-06-18):https://www.nngroup.com/articles/ai-paradigm/
    • Donald Norman, Signifiers, not affordances, ACM interactions(2008);The Design of Everyday Things(修订版,2013)
    • Nelson F. Liu 等, Lost in the Middle: How Language Models Use Long Contexts, TACL(2024):https://arxiv.org/abs/2307.03172
    • Mata v. Avianca, Inc., No. 22-cv-1461 (PKC), S.D.N.Y.,制裁裁定(2023-06-22)
    • George A. Miller, The Magical Number Seven, Plus or Minus Two(1956);Nelson Cowan, The magical number 4 in short-term memory, Behavioral and Brain Sciences(2001):https://doi.org/10.1017/S0140525X01003922
  • 2024–2026 的工作台
    • Anthropic Artifacts(2024-06);OpenAI, Introducing canvas(2024-10-03);OpenAI Apps SDK(2025-10)
    • Google Research, Generative UI;Google, Gemini 3 发布公告(2025-11-18,生成式界面实验)
    • MCP 官方博客, MCP Apps(2026-01-26):https://blog.modelcontextprotocol.io/posts/2026-01-26-mcp-apps/
    • Anthropic, Claude builds visuals(2026-03-12)与 Dashboards(2026-10);Cursor Canvas 文档:https://cursor.com/docs/agent/tools/canvas
  • 对话与工作台的边界
    • Jiaqi Chen, Yanzhe Zhang 等, Generative Interfaces for Language Models, Findings of ACL 2026(arXiv:2508.19227):https://arxiv.org/abs/2508.19227
    • Roberto Figliè 等, Neither Replacement nor Panacea: Comparing LLM-Based Conversational and Graphical Decision Support in Industrial Tasks(2026,arXiv:2605.31287):https://arxiv.org/abs/2605.31287
    • Eunhye Kim, Bryan Min, Haijun Xia & Juho Kim, Elicitive User Interfaces: Designing How Users Shape Generative Interfaces(2026,arXiv:2609.23642):https://arxiv.org/abs/2609.23642
  • 聊天框内的“识别”与终端
    • Anthropic, Introducing Claude Opus 4.5(2025-11-24,计划模式更新);OpenAI Developers, Run long horizon tasks with Codex(原草稿所列,原页尚未核实)
    • Claude Code(2025-02)、Codex CLI(2025-04)、Gemini CLI(2025-06)首发说明
  • 入口层:场景工作台
    • 豆包工作官方发布,经光明网转载:豆包工作宣布:上线“工作台”功能(2026-11-17)
    • 智东西:字节一口气端出21种“小豆包”(2026-11-16)
    • 每日经济新闻:豆包工作金融投研工作台实测(2026-11-16)
    • 教师“组卷”个案仅有自媒体转述及部分正文,未取得完整首发材料,不用来证明工具的普遍能力。

本文写作中使用了 AI 辅助。文字采用 CC BY-NC-SA 4.0 许可。

最后更新于