{"id":"99b45b78-904f-478e-8427-a5c2f74ed088","shortId":"qUZ4En","kind":"skill","title":"ai-native-ux-design","tagline":"'AI Native 产品方法论——AI Native 用户体验设计的实操 Skill。","description":"# AI Native 用户体验设计 Skill\n\n## 使用场景\n\n- 产品需要设计人与 AI 协作的交互体验\n- 需要让用户理解系统、信任系统、愿意持续与系统协作\n- 需要设计渐进式自动化路径\n- 需要量化 AI 产品的风险暴露（Risk Exposure）并据此设计信任机制\n- 需要评估用户的信任阈值（Trust Threshold）以确定自动化边界\n\n## 核心概念\n\n### RAX 框架（Risk-Aware Agent Experience）\n\nRAX 是\"风险感知的 Agent 体验\"框架，核心问题是：**如何让用户\"敢把事情交给系统\"**。\n\nRAX 框架 = Agent Loop + 六要素 + 三大指标\n\n**三大核心指标：**\n\n| 指标 | 公式 | 含义 |\n|------|------|------|\n| **Risk Exposure** | P × C × I | P=错误概率，C=后果严重度，I=不可逆性。衡量 AI 出错时的预期损失 |\n| **Trust Threshold** | f(风险等级, 介入成本, 替代方案) | 用户愿意\"放手\"让 AI 自主行动的临界成功率点 |\n| **Expected UX** | Σ(成功价值 − 失败成本) × 概率 | 用户不是算数学 ROI，而是\"感觉 ROI\" |\n\n**Risk Exposure 三变量详解：**\n\n- **P（Probability）**：AI 在特定场景中犯错的概率，应分场景统计而非给单一平均值\n- **C（Consequence）**：错误发生时的后果严重度，包括直接损失（金钱、安全）和间接损失（时间、信任）\n- **I（Irreversibility）**：不可逆性系数（0-1），衡量后果被修复的难度。完全可逆→0，完全不可逆→1\n\n**不可逆性光谱：**\n\n| I 值 | 类型 | 特征 | 例子 |\n|------|------|------|------|\n| 0.0-0.2 | 几乎可逆 | 即时撤销，用户无感知 | AI 写作助手的措辞建议 |\n| 0.3-0.5 | 轻度不可逆 | 需少量操作修正 | 邮件发送错误（可撤回） |\n| 0.6-0.8 | 中度不可逆 | 需人工介入，损失已部分发生 | 账户被误标为风险 |\n| 0.9-1.0 | 极度不可逆 | 后果无法弥补 | 医疗误诊、自动驾驶事故 |\n\n**降低 Risk Exposure 的三条路径：**\n1. 降低 P：优化算法、增加训练数据（但存在边际递减）\n2. 降低 C：增加人工审核、设计降级策略（限制影响范围）\n3. 降低 I：设计撤销机制、延迟窗口、容错缓冲区（最具 AI 时代特色）\n\n### Trust Threshold 信任层级设计\n\n**核心公式：Trust Threshold = f（风险等级，介入成本，替代方案）**\n\n- **风险等级（R）**：AI 犯错时用户承受的后果严重程度。风险越高，信任阈值越高\n- **介入成本（I）**：用户决定干预 AI 时需要付出的代价。介入成本越高，用户越不愿干预，反而要求 AI 更可靠\n- **替代方案（S）**：AI 不可信时用户还有什么选择。替代方案越少，用户越被迫依赖 AI\n\n**信任决策的量化方法：**\n- R 量化：枚举错误类型 → 评估潜在损失（1-10 分）→ 加权平均\n- I 量化：模拟用户从发现错误到完成纠正的全流程 → 记录操作步骤数、时间、知识门槛\n- S 量化：评估用户转向替代产品或人工方案需要付出的代价\n\n**关键洞察：**\n- 信任不是感性冲动，而是理性的风险收益计算\n- 用户不是看 AI 有多聪明，而是看\"它犯错时我承受得起吗\"\n- 同样的 95% 准确率，在不同场景下信任感知可能截然不同\n- 超过 Trust Threshold 后继续提升可靠性是资源错配（边际递减）\n- 行为上的\"继续使用\"不等于心理上的\"信任\"——不要把被迫容忍误解为信任\n\n### 渐进式披露（Progressive Disclosure）\n\n在 AI 产品中，渐进式披露包含两层含义：\n\n**1. 信息渐进披露：**\n- 不一次性暴露 AI 的全部推理过程，而是按用户需要逐层展开\n- 默认层：结果 + 置信度信号\n- 展开层：推理依据 + 来源引用\n- 详情层：完整推理链 + 数据溯源\n\n**2. 自主性渐进授权（Autonomy Dial）：**\n- Level 1：AI 仅建议，所有行动由人执行（当前阶段）\n- Level 2：AI 执行低风险任务，高风险任务需人确认（达成目标准确率后）\n- Level 3：AI 自主执行大部分任务，仅异常/边界场景人工介入（长期目标）\n\n**授权条件：** 达成目标 Trust Threshold → 解锁下一级自主性\n\n### 人机协作 UX 设计\n\n**三个协作层级：**\n\n| 层级 | 定义 | 人的角色 | 典型场景 |\n|------|------|----------|----------|\n| Human-in-Definition | 人在目标定义中保持主导 | 设定目标、边界、禁止项 | 定义 AI 客服的服务范围和红线 |\n| Human-in-the-Loop | 人在关键节点中确认/修改 | 逐项审核、确认放行 | AI 生成合同后人工逐条审核 |\n| Human-on-the-Loop | 人在运行时监控 AI | 设定监控规则、异常时干预 | AI 自动处理工单，人监控异常 |\n\n**六大信任设计模式（Smashing Magazine 2026 行业共识）：**\n\n| 模式 | 时机 | 作用 |\n|------|------|------|\n| Intent Preview（意图预览） | 行动前 | 将黑盒变为可审查计划 |\n| Autonomy Dial（自主性旋钮） | 行动前 | 渐进式授权，四级自治度 |\n| Explainable Rationale（可解释理由） | 行动中 | 主动解释\"为什么这样做\" |\n| Confidence Signal（置信度信号） | 行动中 | 暴露 AI 自身置信度 |\n| Action Audit & Undo（行动审计与撤销） | 行动后 | 持久日志 + 醒目的撤销按钮 |\n| Escalation Pathway（升级路径） | 异常时 | 优雅升级到人类 |\n\n**Agent Loop 四阶段的人机介入点：**\n- Context（理解上下文）→ 风险：误解需求 → 介入：人工确认理解\n- Intent（形成意图）→ 风险：错误决策 → 介入：决策审批\n- Operation（执行行动）→ 风险：错误行动 → 介入：执行前确认\n- Calibration（校准修正）→ 风险：错误修正 → 介入：修正结果审核\n\n## 从传统 UI 到 AI 交互体验\n\n传统软件体验主要围绕界面效率：导航是否清晰、按钮是否顺手、表单是否顺畅。\n\nAI Native 产品新增了另一层体验：\n- 用户如何表达意图\n- 系统如何理解目标\n- 结果如何被解释\n- 错误如何被纠正\n\n真正被设计的不只是界面元素，而是\"用户提出目标后，系统如何回应、如何推进、如何被纠偏\"的全过程。\n\n## AI UX 流程\n\n```\n用户表达目标\n  → 系统展示状态\n    → 给出建议 / 行动\n      → 用户纠偏或确认\n        → 结果执行\n          → 反馈沉淀\n```\n\n如果系统省略了\"状态可见\"和\"纠偏入口\"，体验再流畅也很难形成长期信任。\n\n## 分步执行\n\n当用户提供产品场景时，Skill 按以下五步执行：\n\n### Step 1：RAX 评估——风险暴露量化\n\n1. **任务链路拆解**：梳理用户完成目标的完整步骤链\n2. **Agent Loop 映射**：将每个步骤映射到 Context → Intent → Operation → Calibration 四阶段\n3. **Risk Exposure 评估**：对每个步骤计算 P × C × I\n   - P（错误概率）：分场景统计，非单一平均值\n   - C（后果严重度）：金钱损失→7-10 分；时间损失→3-6 分；体验不适→1-3 分\n   - I（不可逆性）：参考不可逆性光谱（0-1）赋值\n4. **风险排序**：按 Risk Exposure 高低排列，确定优先关注的高风险节点\n\n### Step 2：Trust Threshold 评估——信任阈值分析\n\n1. **识别目标用户群**：谁在用这个产品？专业度如何？\n2. **评估三变量**：\n   - 风险等级（R）：用户对错误后果的承受能力\n   - 介入成本（I）：用户纠错的操作步骤数、时间、知识门槛\n   - 替代方案（S）：用户转向其他方案的难度\n3. **确定信任阈值**：用户愿意在多高的成功率下放手让 AI 自主行动\n4. **对比现状**：当前 AI 的实际成功率 vs 信任阈值，差距即为优化方向\n\n### Step 3：渐进式披露设计\n\n1. **信息分层**：默认展示结果+置信度 → 可展开的推理依据 → 完整推理链\n2. **置信度信号设计**：高置信度（绿）/ 中置信度（黄+请确认）/ 低置信度（红+建议人工处理）\n3. **来源标注**：每个 AI 建议/输出标注数据来源、规则引用、历史案例\n\n### Step 4：人机分工界面设计\n\n1. **人机分工矩阵**：对每个任务节点标注 AI 职责、人类职责、决策模式\n2. **决策模式分类**：\n   - AI 自动执行（低风险、高置信度）\n   - AI 建议，人确认（中风险或中置信度）\n   - 人权决（高风险或低置信度）\n3. **纠偏机制设计**：\n   - 快捷编辑（行内修改）\n   - 重新生成（一键换方案）\n   - 完全拒绝 + 原因选择\n   - 标记错误 + 详细反馈\n   - 升级人工入口\n4. **六大信任模式落地方案**：Intent Preview → Autonomy Dial → Explainable Rationale → Confidence Signal → Action Audit & Undo → Escalation Pathway\n\n### Step 5：反馈纠偏与渐进自动化路径\n\n1. **即时反馈设计**：采纳行为记录、修改内容差异追踪、标签选择（准确/冗余/风格差/信息错误）\n2. **定期沉淀机制**：每周生成\"最佳建议\"和\"待改进建议\"报告，高采纳率建议入库\n3. **渐进自动化路径**：\n   - 阶段 1：所有建议人工审核（当前）→ 建立基线数据\n   - 阶段 2：高置信度+低风险建议自动执行（达成 Trust Threshold 后解锁）\n   - 阶段 3：仅异常/边界场景人工介入（长期目标）\n4. **解锁条件量化**：明确阶段 1→2→3 的量化门槛（如准确率 ≥ X%、Risk Exposure ≤ Y）\n\n## 输出物：UX 方案\n\n1. **RAX 评估表**：每个任务节点的 Risk Exposure（P×C×I）评分与风险排序\n2. **Trust Threshold 分析**：用户信任阈值评估 + 当前差距分析\n3. **人机分工图**：在每个任务节点上，AI 做什么、人做什么、决策模式\n4. **状态可见性设计**：系统如何展示正在做什么、进度如何、置信度如何\n5. **纠偏机制设计**：用户如何修正、确认、拒绝和升级人工\n6. **信任设计方案**：如何展示来源、不确定性、边界\n7. **反馈沉淀机制**：如何收集有效反馈并转化为系统改进\n8. **渐进自动化路径**：各阶段条件、解锁门槛、资源分配建议\n\n## 示例\n\n### 示例一：AI 客服 Copilot UX 设计\n\n**场景描述**：\n设计一个 AI 客服协同工作台的 UX，让客服专员高效使用 AI 建议，同时保持对服务的控制。\n\n**用户输入**：\n\"我们的 AI 客服建议有时不被采纳，有时被采纳后反而要修改，怎么设计更好的协作体验？\"\n\n**Skill 执行流程**：\n\n1. **RAX 评估**\n\n```\n任务链路：\n用户咨询 → 客服理解 → AI生成建议 → 客服审核 → 发送/修改 → 用户反馈\n                    ↓\n              人机协作核心节点\n\nRisk Exposure 评估：\n| 节点 | P | C | I | RE | 风险等级 |\n|------|---|---|---|-----|----------|\n| 意图理解错误 | 0.15 | 5 | 0.3 | 0.225 | 中 |\n| 信息查询错误 | 0.05 | 3 | 0.2 | 0.030 | 低 |\n| 回复内容不当 | 0.20 | 6 | 0.5 | 0.600 | 高 |\n| 高风险承诺 | 0.10 | 9 | 0.8 | 0.720 | 极高 |\n```\n\n2. **Trust Threshold 分析**\n\n```yaml\n目标用户: 客服专员（有专业培训，非普通消费者）\n风险等级(R): 中高 — 承诺错误可能导致公司损失\n介入成本(I): 低 — 客服可以快速编辑回复\n替代方案(S): 低 — 可切换为纯人工服务\n\nTrust Threshold: 中等偏高\n  - 客服专员会容忍 AI 偶尔不准确（低介入成本）\n  - 但不会容忍高风险承诺的错误（高后果严重度）\n  - 设计策略：低风险自动执行，高风险必须人工确认\n```\n\n3. **人机分工设计**\n\n| 任务节点 | AI 职责 | 人类职责 | 决策模式 |\n|----------|---------|----------|----------|\n| 意图理解 | 识别咨询类型、情绪 | 确认或纠正理解 | AI 建议，人确认 |\n| 信息查询 | 自动查询订单/物流 | 核对数据准确性 | AI 自动执行 |\n| 回复生成 | 生成候选回复 | 审核、编辑、选择 | AI 建议，人决策 |\n| 高风险承诺 | 标注风险 | 人工确认后才能发送 | 人权决 |\n| 异常处理 | 建议升级 | 判断并执行升级 | 人权决 |\n\n4. **状态可见性设计**\n\n```yaml\n界面元素:\n  AI分析卡片:\n    - 意图识别结果（置信度条）\n    - 已查询的数据（展开的详情）\n    - 情绪检测（中性/着急/愤怒）\n  候选回复区:\n    - 3个备选回复（可切换）\n    - 每个回复的风险标记（绿/黄/红）\n    - 引用来源（规则第X条、订单#123）\n  置信度提示:\n    - 高置信度（>90%）：绿色边框\n    - 中置信度（70-90%）：黄色边框 + \"请确认\"\n    - 低置信度（<70%）：红色边框 + \"建议人工处理\"\n```\n\n5. **纠偏机制设计**\n\n| 纠偏方式 | 交互设计 | 触发条件 |\n|----------|----------|----------|\n| 快速编辑 | 行内编辑，保留原意 | 内容基本可用，需微调 |\n| 重新生成 | \"换个说法\"按钮 | 风格不合适 |\n| 降低风险 | 移除敏感表述 | 检测到高风险词 |\n| 完全拒绝 | \"不需要\"按钮 + 原因选择 | 建议完全不相关 |\n| 标记错误 | \"反馈问题\"按钮 | 发现 AI 理解错误 |\n\n6. **信任 UX 设计**\n\n```yaml\n透明度设计:\n  来源展示:\n    - \"基于订单 #12345 生成\"\n    - \"引用《退换货规则》第3.2条\"\n    - \"参考历史成功案例 C-8921\"\n  不确定性展示:\n    - \"预计送达时间：1-2天（基于物流轨迹预测）\"\n    - \"⚠️ 该情况较为少见，建议优先解释政策\"\n  边界提示:\n    - \"退款涉及金额 > 500元，需主管确认\"\n    - \"此建议不适用VIP客户，已自动切换模板\"\n```\n\n**输出结果**：\n\n```yaml\n# UX 方案：AI 客服 Copilot\n\nRAX评估:\n  最高风险节点: 高风险承诺（RE=0.720）\n  中风险节点: 回复内容不当（RE=0.600）\n  低风险节点: 信息查询（RE=0.030）\n  策略: 集中资源降低高风险节点的 I（设计撤销/延迟机制）\n\n人机分工:\n  AI自动执行: [信息查询, 初步意图识别]\n  AI建议人决策: [回复生成, 解决方案推荐]\n  人权决: [高风险承诺, 投诉处理, 升级判断]\n\n状态可见:\n  - AI分析结果实时展示（意图+置信度）\n  - 数据来源明确标注\n  - 风险等级颜色编码\n\n纠偏入口:\n  - 快捷编辑（行内）\n  - 重新生成（一键）\n  - 完全拒绝+反馈\n  - 风险降级（自动移除敏感词）\n\n信任建立:\n  - 所有建议标注来源\n  - 高不确定性场景主动提示\n  - 边界场景明确告知限制\n\n反馈闭环:\n  - 采纳行为自动记录\n  - 修改内容追踪差异\n  - 定期质量报告生成\n  - 正向案例入库\n\n渐进自动化路径:\n  阶段1: 所有建议人工审核（当前）\n  阶段2: 高置信度+低风险建议自动发送（达成90%准确率后）\n  阶段3: 仅异常/边界场景人工介入（长期目标）\n```\n\n---\n\n### 示例二：AI 医疗辅助诊断 UX 设计\n\n**场景描述**：\n设计一个 AI 辅助诊断系统的 UX，帮助医生快速整理病历、初步分析症状，同时确保医生始终是最终决策者。\n\n**用户输入**：\n\"我们的 AI 影像分析系统能辅助识别疑似病灶，但医生担心过度依赖 AI 会降低自己的诊断能力，也担心 AI 漏诊的责任问题。怎么设计体验？\"\n\n**Skill 执行流程**：\n\n1. **RAX 评估**\n\n```\n任务链路：\n患者检查 → AI影像分析 → 病灶标注 → 医生审核 → 诊断决策 → 治疗方案\n              ↓                              ↓\n         AI辅助节点                      人权决节点\n\nRisk Exposure 评估：\n| 节点 | P | C | I | RE | 风险等级 |\n|------|---|---|---|-----|----------|\n| 影像分析漏诊 | 0.05 | 10 | 0.95 | 0.475 | 极高 |\n| 病灶误标注 | 0.08 | 8 | 0.7 | 0.448 | 极高 |\n| 辅助信息不全 | 0.12 | 4 | 0.2 | 0.096 | 中 |\n| 治疗建议偏差 | 0.06 | 9 | 0.9 | 0.486 | 极高 |\n\n关键发现：医疗场景的 I（不可逆性）普遍极高，即使 P 很低，RE 也很高。\n```\n\n2. **Trust Threshold 分析**\n\n```yaml\n目标用户: 执业医生（高度专业，但对 AI 心态复杂）\n风险等级(R): 极高 — 涉及患者生命健康\n介入成本(I): 中 — 医生需要对照 AI 结果做独立判断，认知负荷较高\n替代方案(S): 高 — 医生本身就是替代方案（自己诊断）\n\nTrust Threshold: 极高\n  - 医生不会容忍 AI 漏诊（生命代价）\n  - 但也不希望 AI \"喧宾夺主\"（专业自主性）\n  - 设计策略：AI 永远定位为\"辅助工具\"而非\"决策主体\"\n```\n\n3. **人机分工设计**\n\n| 任务节点 | AI 职责 | 人类职责 | 决策模式 |\n|----------|---------|----------|----------|\n| 病历整理 | 自动归集历史病历、检查报告 | 确认病历完整性 | AI 自动执行，人抽查 |\n| 影像分析 | 标注疑似病灶 + 置信度 | 独立审阅影像，参考但不依赖 AI | AI 辅助，人决策 |\n| 鉴别诊断 | 提供鉴别诊断列表 | 结合临床经验做出诊断 | AI 建议，人决策 |\n| 治疗建议 | 基于指南推荐方案 | 综合患者情况制定方案 | AI 参考，人全权决策 |\n| 异常检测 | 标注\"高风险\"需特别关注 | 逐项确认或排除 | AI 标注，人复核 |\n\n4. **状态可见性设计**\n\n```yaml\n界面元素:\n  AI分析面板:\n    - 病灶标注（高亮叠加在原始影像上）\n    - 置信度百分比 + 不确定性范围\n    - 鉴别诊断列表（按可能性排序）\n    - \"AI 未覆盖区域\"提示（明确告知 AI 的视野边界）\n\n  风险提示:\n    - \"⚠️ 该病灶置信度 < 70%，建议结合其他检查\"\n    - \"⚠️ AI 分析基于 2023 年前数据，新病种可能未覆盖\"\n    - \"此分析不构成诊断结论，仅供临床参考\"\n\n  设计原则: AI 标注永远可被医生移除或覆盖，不强制高亮\n```\n\n5. **纠偏与信任机制设计**\n\n```yaml\n纠偏机制:\n  - 医生可一键移除 AI 标注（\"不同意此标注\"）\n  - 医生可添加补充标注\n  - 最终诊断报告中 AI 辅助内容标记为\"AI 参考\"，与医生诊断明确分离\n  - 责任归属清晰：最终诊断 = 医生签名确认\n\n信任建立:\n  - 每次 AI 分析附带训练数据来源说明\n  - 明确展示 AI 的能力边界：\"本系统擅长 X，不擅长 Y\"\n  - 定期发布 AI 准确率报告（透明度建设）\n  - 历史案例回溯：医生可查看 AI 过往类似案例的判断准确率\n```\n\n**输出结果**：\n\n```yaml\n# UX 方案：AI 医疗辅助诊断\n\nRAX评估:\n  最高风险节点: 治疗建议偏差（RE=0.486）、影像分析漏诊（RE=0.475）\n  关键特征: I（不可逆性）普遍 > 0.7，降低 I 是核心策略\n  策略: 所有 AI 输出标记为\"参考\"，最终决策权100%归属医生\n\n人机分工:\n  AI自动执行: [病历归集, 历史数据整理]\n  AI辅助人决策: [影像分析标注, 鉴别诊断列表]\n  人权决: [最终诊断, 治疗方案, 手术决策]\n\n状态可见:\n  - AI 标注叠加在原始影像上（可移除）\n  - 置信度 + 不确定性范围同步展示\n  - AI 能力边界明确告知\n  - \"未覆盖区域\"主动提示\n\n纠偏入口:\n  - 一键移除 AI 标注\n  - 医生添加补充标注\n  - 诊断报告中 AI 与医生内容分离\n  - 责任归属：医生签名 = 最终诊断\n\n信任建立:\n  - 训练数据来源说明\n  - AI 能力边界声明\n  - 定期准确率报告\n  - 历史案例回溯\n\n反馈闭环:\n  - 医生对 AI 标注的采纳/拒绝自动记录\n  - 漏诊案例回溯分析\n  - 季度准确率趋势报告\n  - 临床反馈 → 模型迭代需求\n\n渐进自动化路径:\n  阶段1: AI 仅做初步筛查标注，医生独立审阅所有影像（当前）\n  阶段2: 低风险场景（如常规体检）AI 辅助优先级排序（达成95%灵敏度后）\n  阶段3: AI 标注 + 自动分类，医生终审（长期目标，需监管许可）\n  解锁条件: 灵敏度≥95%, 特异度≥90%, 临床验证≥1000例\n```\n\n---\n\n### 示例三：AI 金融顾问 UX 设计\n\n**场景描述**：\n设计一个面向个人投资者的 AI 智能投顾系统的 UX，帮助用户做出投资决策，同时管理因 AI 建议导致亏损时的信任危机。\n\n**用户输入**：\n\"我们的 AI 投顾系统推荐的基金组合，用户赚钱时很高兴，但一旦亏损就投诉说'AI 误导我'。怎么设计体验让用户有合理预期？\"\n\n**Skill 执行流程**：\n\n1. **RAX 评估**\n\n```\n任务链路：\n用户输入风险偏好 → AI评估 → 资产配置建议 → 用户确认 → 自动执行 → 收益监控 → 调仓建议\n                   ↓                ↓                              ↓\n              风险评估节点      信任建立关键节点              持续信任维护节点\n\nRisk Exposure 评估：\n| 节点 | P | C | I | RE | 风险等级 |\n|------|---|---|---|-----|----------|\n| 风险偏好误判 | 0.15 | 7 | 0.6 | 0.630 | 极高 |\n| 资产配置不当 | 0.10 | 8 | 0.5 | 0.400 | 高 |\n| 市场下行亏损 | 0.25 | 7 | 0.8 | 1.400 | 极高 |\n| 调仓时机错误 | 0.12 | 6 | 0.5 | 0.360 | 高 |\n\n关键发现：市场下行亏损的 P 高且 I 高，但这是市场风险而非 AI 错误。\n设计挑战：如何区分\"AI 的错\"和\"市场的错\"？\n```\n\n2. **Trust Threshold 分析**\n\n```yaml\n目标用户: 个人投资者（金融知识参差不齐，情绪化决策倾向强）\n风险等级(R): 高 — 直接涉及金钱损失\n介入成本(I): 中 — 需要登录系统、理解市场、手动操作\n替代方案(S): 中 — 可选择人工理财顾问、自行投资、其他平台\n\nTrust Threshold: 高\n  - 用户会容忍短期波动（如果事先有预期）\n  - 但不会容忍\"AI 让我亏钱还不解释\"\n  - 关键设计点：预期管理 + 亏损归因透明化\n```\n\n3. **人机分工设计**\n\n| 任务节点 | AI 职责 | 人类职责 | 决策模式 |\n|----------|---------|----------|----------|\n| 风险评估 | 生成风险评估问卷分析 | 填写并确认风险偏好 | AI 建议，人确认 |\n| 资产配置 | 生成推荐组合 + 理由 | 确认或调整配置比例 | AI 建议，人决策 |\n| 执行交易 | 按确认方案执行 | 确认每笔交易 | AI 执行，人授权 |\n| 收益监控 | 每日收益计算 + 归因 | 查看报告 | AI 自动执行 |\n| 调仓建议 | 基于市场信号建议调仓 | 确认或拒绝调仓 | AI 建议，人决策 |\n| 极端行情 | 检测异常波动 + 风险预警 | 决定是否止损 | AI 标注，人权决 |\n\n4. **状态可见性设计**\n\n```yaml\n界面元素:\n  组合概览:\n    - 总收益/亏损（大字体，实时更新）\n    - 收益归因分解：市场因素 X% + 策略因素 Y% + 择时因素 Z%\n    - \"今日收益\"vs\"累计收益\"分开展示\n\n  风险仪表盘:\n    - 当前组合风险等级（1-5级，颜色编码）\n    - 与用户风险偏好的匹配度\n    - \"当前波动在您的风险承受范围内\"或\"⚠️ 当前波动超出您的风险偏好\"\n\n  AI决策透明度:\n    - 每个持仓的买入理由 + 当前评估\n    - AI 推荐调仓时的完整推理链\n    - \"本建议基于X模型，参考Y个因子\"\n    - 历史推荐准确率统计\n\n  预期管理:\n    - \"投资有风险，AI 推荐不保证收益\"\n    - \"过去3个月组合波动率：X%，最大回撤：Y%\"\n    - \"同类组合历史表现\"对比参考\n```\n\n5. **信任机制设计**\n\n```yaml\n亏损场景的UX设计:\n  正常波动:\n    - 展示\"市场整体下跌X%，您的组合下跌Y%，表现优于/Z基准\"\n    - 不弹出警告，避免放大焦虑\n  超出预期:\n    - 展示\"当前回撤超过您设定的风险偏好\"\n    - 提供三个选项：维持当前 / 降低风险 / 转人工咨询\n    - AI 主动解释回撤原因（市场因素 vs 策略因素）\n\n预期管理机制:\n  首次使用:\n    - 必须完成风险评估问卷\n    - 展示\"您的风险类型\"及历史回撤范围模拟\n    - 签署风险确认书（明确AI不保证收益）\n  持续使用:\n    - 月度报告：收益归因 + 策略回顾\n    - 季度回顾：与用户目标的偏差分析\n    - 年度复盘：AI 策略表现 vs 市场基准\n\n责任归属:\n  - AI 推荐 → 用户确认 → 系统执行\n  - 每笔交易都有用户确认记录\n  - 亏损时清晰区分：市场风险（不可控）vs AI 策略失误（可追责）\n```\n\n**输出结果**：\n\n```yaml\n# UX 方案：AI 智能投顾\n\nRAX评估:\n  最高风险节点: 市场下行亏损（RE=1.400）、风险偏好误判（RE=0.630）\n  关键发现: 需区分\"市场风险\"和\"AI策略失误\"两类不同性质的亏损\n  策略: 预期管理 + 亏损归因透明化 + 用户确认链\n\n人机分工:\n  AI自动执行: [收益计算, 市场监控, 风险预警]\n  AI建议人决策: [资产配置, 调仓建议, 止损决策]\n  人权决: [大额调仓, 风险偏好变更, 账户操作]\n\n状态可见:\n  - 收益/亏损实时展示 + 归因分解\n  - 风险仪表盘（与用户偏好匹配度）\n  - AI 每个决策的推理链可追溯\n  - 历史推荐准确率统计\n\n纠偏入口:\n  - 一键降低风险（缩减权益配置）\n  - 转人工理财顾问\n  - 暂停 AI 自动操作\n  - 用户可手动调整任何 AI 推荐的配置\n\n信任建立:\n  - 首次使用必须完成风险评估+签署确认\n  - 每月收益归因报告（市场因素 vs 策略因素）\n  - 亏损时 AI 主动解释原因 + 提供应对选项\n  - 清晰的责任归属：AI 推荐 → 用户确认 → 执行记录\n\n反馈闭环:\n  - 用户对调仓建议的采纳/拒绝记录\n  - 亏损场景的用户满意度跟踪\n  - 季度策略回顾与用户目标偏差分析\n  - 用户反馈 → 策略优化需求\n\n渐进自动化路径:\n  阶段1: AI 仅提供建议，所有操作需用户确认（当前）\n  阶段2: 低风险再平衡自动执行（达成历史回撤<X%后）\n  阶段3: 全自动资产配置，用户仅设定目标和约束（长期目标）\n  解锁条件: 用户使用≥6个月 + 历史最大回撤<用户风险偏好 + 用户主动申请\n```","tags":["native","user","experience","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native","ai-product","methodology"],"capabilities":["skill","source-gmaxxxie","skill-ai-native-user-experience","topic-agent-skills","topic-ai-agent","topic-ai-native","topic-ai-product","topic-methodology","topic-product-management","topic-product-methodology","topic-product-thinking","topic-skills"],"categories":["ai-native-product-agent-skills"],"synonyms":[],"warnings":[],"endpointUrl":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/ai-native-user-experience","protocol":"skill","transport":"skills-sh","auth":{"type":"none","details":{"cli":"npx skills add gmaxxxie/ai-native-product-agent-skills","source_repo":"https://github.com/gmaxxxie/ai-native-product-agent-skills","install_from":"skills.sh"}},"qualityScore":"0.478","qualityRationale":"deterministic score 0.48 from registry signals: · indexed on github topic:agent-skills · 56 github stars · SKILL.md body (12,764 chars)","verified":false,"liveness":"unknown","lastLivenessCheck":null,"agentReviews":{"count":0,"score_avg":null,"cost_usd_avg":null,"success_rate":null,"latency_p50_ms":null,"narrative_summary":null,"summary_updated_at":null},"enrichmentModel":"deterministic:skill-github:v1","enrichmentVersion":1,"enrichedAt":"2026-05-18T18:57:25.262Z","embedding":null,"createdAt":"2026-05-06T07:01:47.889Z","updatedAt":"2026-05-18T18:57:25.262Z","lastSeenAt":"2026-05-18T18:57:25.262Z","tsv":"'-0.2':132 '-0.5':139 '-0.8':145 '-1':119,507 '-1.0':151 '-10':220,493 '-2':951 '-3':501 '-5':1566 '-6':497 '-8921':947 '-90':896 '/z':1600 '0':118,122,506 '0.0':131 '0.030':783,981 '0.05':780,1083 '0.06':1101 '0.08':1089 '0.096':1098 '0.10':792,1430 '0.12':1095,1442 '0.15':774,1424 '0.2':782,1097 '0.20':786 '0.225':777 '0.25':1436 '0.3':138,776 '0.360':1445 '0.400':1433 '0.448':1092 '0.475':1086,1285 '0.486':1104,1282 '0.5':788,1432,1444 '0.6':144,1426 '0.600':789,977 '0.630':1427,1661 '0.7':1091,1290 '0.720':795,973 '0.8':794,1438 '0.9':150,1103 '0.95':1085 '1':124,160,219,261,281,460,464,500,522,555,582,630,650,670,682,752,950,1061,1400,1565 '1.400':1439,1658 '10':1084 '1000例':1374 '123':889 '12345':939 '2':166,276,287,467,517,526,561,589,639,655,671,692,797,1116,1462 '2023':1226 '2026':349 '3':172,293,477,496,539,553,571,601,647,663,672,698,781,830,1160,1498 '3个备选回复':880 '4':509,544,580,612,667,705,866,1096,1203,1543 '5':628,710,775,903,1235,1591 '500元':958 '6':715,787,931,1443 '6个月':1744 '7':492,720,1425,1437 '70':895,900,1222 '8':723,1090,1431 '9':793,1102 '90':892,1372 '95':241,1370 'action':378,622 'agent':41,46,54,390,468 'ai':2,6,9,13,19,26,74,85,103,136,179,193,200,205,209,213,236,258,264,282,288,294,321,332,340,343,376,420,426,440,542,547,574,585,591,595,701,730,737,741,746,822,833,841,848,855,929,966,1036,1042,1050,1053,1056,1125,1135,1147,1151,1155,1163,1171,1179,1180,1186,1192,1200,1214,1218,1224,1232,1240,1245,1247,1255,1258,1265,1270,1276,1296,1313,1318,1324,1328,1335,1341,1350,1357,1362,1376,1382,1387,1391,1395,1454,1458,1493,1501,1508,1515,1521,1528,1533,1540,1576,1583,1611,1631,1636,1645,1652,1691,1699,1702,1712,1716,1729 'ai-native-ux-design':1 'ai决策透明度':1573 'ai分析卡片':870 'ai分析结果实时展示':999 'ai分析面板':1207 'ai建议人决策':991,1677 'ai影像分析':1066 'ai生成建议':758 'ai策略失误':1666 'ai自动执行':988,1302,1673 'ai评估':1405 'ai辅助人决策':1305 'ai辅助节点':1071 'audit':379,623 'autonomi':278,359,616 'awar':40 'c':65,69,106,168,483,489,689,769,946,1078,1419 'calibr':411,475 'confid':371,620 'consequ':107 'context':393,472 'copilot':732,968 'definit':315 'design':5 'dial':279,360,617 'disclosur':256 'escal':385,625 'expect':87 'experi':42 'explain':365,618 'exposur':29,63,99,158,479,513,677,687,765,1074,1415 'f':78,187 'human':313,324,335 'human-in-definit':312 'human-in-the-loop':323 'human-on-the-loop':334 'intent':354,399,473,614 'irrevers':116 'level':280,286,292 'loop':55,327,338,391,469 'magazin':348 'nativ':3,7,10,14,427 'oper':405,474 'p':64,67,101,162,482,485,688,768,1077,1112,1418,1449 'pathway':386,626 'preview':355,615 'probabl':102 'progress':255 'r':192,215,529,807,1128,1472 'rational':366,619 'rax':36,43,52,461,683,753,1062,1401 'rax评估':969,1278,1654 're':771,972,976,980,1080,1114,1281,1284,1421,1657,1660 'risk':28,39,62,98,157,478,512,676,686,764,1073,1414 'risk-awar':38 'roi':94,97 'signal':372,621 'skill':12,16,457,750,1059,1398 'skill-ai-native-user-experience' 'smash':347 'source-gmaxxxie' 'step':459,516,552,579,627 'threshold':33,77,182,186,246,302,519,660,694,799,819,1118,1144,1464,1488 'topic-agent-skills' 'topic-ai-agent' 'topic-ai-native' 'topic-ai-product' 'topic-methodology' 'topic-product-management' 'topic-product-methodology' 'topic-product-thinking' 'topic-skills' 'trust':32,76,181,185,245,301,518,659,693,798,818,1117,1143,1463,1487 'ui':418 'undo':380,624 'ux':4,88,305,441,680,733,739,933,964,1038,1044,1274,1378,1384,1650 'vs':549,1560,1614,1633,1644,1709 'x':675,1261,1554,1586,1736 'y':678,1263,1556,1588 'yaml':801,868,935,963,1120,1205,1237,1273,1466,1545,1593,1649 'z':1558 'σ':89 '一键':1008 '一键换方案':606 '一键移除':1323 '一键降低风险':1695 '三个协作层级':307 '三变量详解':100 '三大指标':57 '三大核心指标':58 '不一次性暴露':263 '不可信时用户还有什么选择':210 '不可控':1643 '不可逆性':72,504,1109,1288 '不可逆性光谱':125 '不可逆性系数':117 '不同意此标注':1242 '不弹出警告':1602 '不强制高亮':1234 '不擅长':1262 '不确定性':718 '不确定性展示':948 '不确定性范围':1211 '不确定性范围同步展示':1317 '不等于心理上的':251 '不要把被迫容忍误解为信任':253 '不需要':921 '与医生内容分离':1329 '与医生诊断明确分离':1249 '与用户偏好匹配度':1690 '与用户目标的偏差分析':1629 '与用户风险偏好的匹配度':1569 '专业度如何':525 '专业自主性':1153 '两类不同性质的亏损':1667 '个人投资者':1468 '中':778,1099,1133,1477,1483 '中度不可逆':146 '中性':876 '中等偏高':820 '中置信度':565,894 '中风险或中置信度':598 '中风险节点':974 '中高':808 '临床反馈':1346 '临床验证':1373 '为什么这样做':370 '主动提示':1321 '主动解释':369 '主动解释原因':1713 '主动解释回撤原因':1612 '也很高':1115 '也担心':1055 '亏损':1549 '亏损场景的ux设计':1594 '亏损场景的用户满意度跟踪':1723 '亏损实时展示':1687 '亏损归因透明化':1497,1670 '亏损时':1711 '亏损时清晰区分':1641 '交互体验':421 '交互设计':906 '产品中':259 '产品新增了另一层体验':428 '产品方法论':8 '产品的风险暴露':27 '产品需要设计人与':18 '人做什么':703 '人全权决策':1194 '人决策':857,1182,1188,1517,1535 '人在关键节点中确认':328 '人在目标定义中保持主导':316 '人在运行时监控':339 '人复核':1202 '人工确认后才能发送':860 '人工确认理解':398 '人抽查':1173 '人授权':1523 '人机分工':987,1301,1672 '人机分工图':699 '人机分工界面设计':581 '人机分工矩阵':583 '人机分工设计':831,1161,1499 '人机协作':304 '人机协作核心节点':763 '人权决':599,861,865,994,1308,1542,1681 '人权决节点':1072 '人的角色':310 '人监控异常':345 '人确认':597,843,1510 '人类职责':587,835,1165,1503 '仅供临床参考':1230 '仅做初步筛查标注':1351 '仅建议':283 '仅异常':296,664,1032 '仅提供建议':1730 '今日收益':1559 '介入':397,403,409,415 '介入成本':80,189,197,531,810,1131,1475 '介入成本越高':202 '从传统':417 '以确定自动化边界':34 '任务节点':832,1162,1500 '任务链路':755,1064,1403 '任务链路拆解':465 '优化算法':163 '优雅升级到人类':389 '会降低自己的诊断能力':1054 '传统软件体验主要围绕界面效率':422 '但一旦亏损就投诉说':1394 '但不会容忍':1492 '但不会容忍高风险承诺的错误':825 '但也不希望':1150 '但医生担心过度依赖':1052 '但存在边际递减':165 '但对':1124 '但这是市场风险而非':1453 '低':784,812,816 '低介入成本':824 '低置信度':568,899 '低风险':593 '低风险再平衡自动执行':1734 '低风险场景':1355 '低风险建议自动发送':1028 '低风险建议自动执行':657 '低风险自动执行':828 '低风险节点':978 '体验':47 '体验不适':499 '体验再流畅也很难形成长期信任':454 '作用':353 '使用场景':17 '例子':130 '保留原意':910 '信任':114,252,932 '信任不是感性冲动':233 '信任决策的量化方法':214 '信任层级设计':183 '信任建立':1013,1253,1333,1704 '信任建立关键节点':1412 '信任机制设计':1592 '信任系统':22 '信任设计方案':716 '信任阈值':550 '信任阈值分析':521 '信任阈值越高':196 '信息分层':556 '信息查询':844,979,989 '信息查询错误':779 '信息渐进披露':262 '信息错误':638 '修改':329,761 '修改内容差异追踪':633 '修改内容追踪差异':1019 '修正结果审核':416 '候选回复区':879 '值':127 '做什么':702 '偶尔不准确':823 '全自动资产配置':1739 '公式':60 '六大信任模式落地方案':613 '六大信任设计模式':346 '六要素':56 '关键发现':1106,1447,1662 '关键洞察':232 '关键特征':1286 '关键设计点':1495 '其他平台':1486 '典型场景':311 '内容基本可用':911 '冗余':636 '写作助手的措辞建议':137 '决定是否止损':1539 '决策主体':1159 '决策审批':404 '决策模式':588,704,836,1166,1504 '决策模式分类':590 '准确':635 '准确率':242 '准确率后':1030 '准确率报告':1266 '几乎可逆':133 '出错时的预期损失':75 '分':221,494,498,502 '分场景统计':487 '分开展示':1562 '分析':695,800,1119,1465 '分析基于':1225 '分析附带训练数据来源说明':1256 '分步执行':455 '初步分析症状':1046 '初步意图识别':990 '判断并执行升级':864 '到':419 '加权平均':222 '包括直接损失':109 '医生不会容忍':1146 '医生可一键移除':1239 '医生可查看':1269 '医生可添加补充标注':1243 '医生审核':1068 '医生对':1340 '医生本身就是替代方案':1141 '医生添加补充标注':1326 '医生独立审阅所有影像':1352 '医生签名':1331 '医生签名确认':1252 '医生终审':1365 '医生需要对照':1134 '医疗场景的':1107 '医疗误诊':154 '医疗辅助诊断':1037,1277 '升级人工入口':611 '升级判断':997 '升级路径':387 '协作的交互体验':20 '即使':1111 '即时反馈设计':631 '即时撤销':134 '历史推荐准确率统计':1580,1693 '历史数据整理':1304 '历史最大回撤':1745 '历史案例':578 '历史案例回溯':1268,1338 '原因选择':608,923 '参考':1193,1248,1298 '参考y个因子':1579 '参考不可逆性光谱':505 '参考但不依赖':1178 '参考历史成功案例':945 '及历史回撤范围模拟':1621 '反而要求':204 '反馈':1010 '反馈沉淀':449 '反馈沉淀机制':721 '反馈纠偏与渐进自动化路径':629 '反馈闭环':1017,1339,1720 '反馈问题':926 '发现':928 '发送':760 '可切换':881 '可切换为纯人工服务':817 '可展开的推理依据':559 '可撤回':143 '可移除':1315 '可解释理由':367 '可追责':1647 '可选择人工理财顾问':1484 '各阶段条件':725 '同时保持对服务的控制':743 '同时确保医生始终是最终决策者':1047 '同时管理因':1386 '同样的':240 '同类组合历史表现':1589 '后':1737 '后果严重度':70,490 '后果无法弥补':153 '后继续提升可靠性是资源错配':247 '后解锁':661 '含义':61 '和':452,643,1460,1665 '和间接损失':112 '喧宾夺主':1152 '四级自治度':364 '四阶段':476 '四阶段的人机介入点':392 '回复内容不当':785,975 '回复生成':850,992 '在':257 '在不同场景下信任感知可能截然不同':243 '在每个任务节点上':700 '在特定场景中犯错的概率':104 '场景描述':735,1040,1380 '基于市场信号建议调仓':1531 '基于指南推荐方案':1190 '基于物流轨迹预测':953 '基于订单':938 '基准':1601 '填写并确认风险偏好':1507 '增加人工审核':169 '增加训练数据':164 '大字体':1550 '大额调仓':1682 '天':952 '失败成本':91 '如何区分':1457 '如何展示来源':717 '如何推进':437 '如何收集有效反馈并转化为系统改进':722 '如何被纠偏':438 '如何让用户':50 '如准确率':674 '如常规体检':1356 '如果事先有预期':1491 '如果系统省略了':450 '季度准确率趋势报告':1345 '季度回顾':1628 '季度策略回顾与用户目标偏差分析':1724 '它犯错时我承受得起吗':239 '安全':111 '完全不可逆':123 '完全可逆':121 '完全拒绝':607,920,1009 '完整推理链':274,560 '定义':309,320 '定期准确率报告':1337 '定期发布':1264 '定期沉淀机制':640 '定期质量报告生成':1020 '实时更新':1551 '审核':852 '客服':731,967 '客服专员':803 '客服专员会容忍':821 '客服协同工作台的':738 '客服可以快速编辑回复':813 '客服审核':759 '客服建议有时不被采纳':747 '客服理解':757 '客服的服务范围和红线':322 '容错缓冲区':177 '对每个任务节点标注':584 '对每个步骤计算':481 '对比参考':1590 '对比现状':545 '导航是否清晰':423 '将每个步骤映射到':471 '将黑盒变为可审查计划':358 '层级':308 '展开层':270 '展开的详情':874 '展示':1596,1605,1619 '差距即为优化方向':551 '已查询的数据':873 '已自动切换模板':961 '市场下行亏损':1435,1656 '市场下行亏损的':1448 '市场因素':1553,1613,1708 '市场基准':1634 '市场整体下跌x':1597 '市场的错':1461 '市场监控':1675 '市场风险':1642,1664 '帮助医生快速整理病历':1045 '帮助用户做出投资决策':1385 '年前数据':1227 '年度复盘':1630 '并据此设计信任机制':30 '应分场景统计而非给单一平均值':105 '延迟机制':986 '延迟窗口':176 '建立基线数据':653 '建议':575,596,742,842,856,1187,1509,1516,1534 '建议人工处理':570,902 '建议优先解释政策':955 '建议升级':863 '建议完全不相关':924 '建议导致亏损时的信任危机':1388 '建议结合其他检查':1223 '异常处理':862 '异常时':388 '异常时干预':342 '异常检测':1195 '引用':941 '引用来源':886 '归因':1526 '归因分解':1688 '归属医生':1300 '当前':546,652,1025,1353,1732 '当前回撤超过您设定的风险偏好':1606 '当前差距分析':697 '当前波动在您的风险承受范围内':1570 '当前波动超出您的风险偏好':1572 '当前组合风险等级':1564 '当前评估':1575 '当前阶段':285 '当用户提供产品场景时':456 '形成意图':400 '影像分析':1174 '影像分析标注':1306 '影像分析漏诊':1082,1283 '影像分析系统能辅助识别疑似病灶':1051 '待改进建议':644 '很低':1113 '心态复杂':1126 '必须完成风险评估问卷':1618 '快捷编辑':603,1005 '快速编辑':908 '怎么设计体验':1058 '怎么设计体验让用户有合理预期':1397 '怎么设计更好的协作体验':749 '总收益':1548 '患者检查':1065 '您的组合下跌i':1598 '您的风险类型':1620 '情绪':839 '情绪化决策倾向强':1470 '情绪检测':875 '意图':1000 '意图理解':837 '意图理解错误':773 '意图识别结果':871 '意图预览':356 '感觉':96 '愤怒':878 '愿意持续与系统协作':23 '成功价值':90 '我们的':745,1049,1390 '或':1571 '所有':1295 '所有建议人工审核':651,1024 '所有建议标注来源':1014 '所有操作需用户确认':1731 '所有行动由人执行':284 '手动操作':1480 '手术决策':1311 '执业医生':1122 '执行':1522 '执行交易':1518 '执行低风险任务':289 '执行前确认':410 '执行流程':751,1060,1399 '执行行动':406 '执行记录':1719 '承诺错误可能导致公司损失':809 '投诉处理':996 '投资有风险':1582 '投顾系统推荐的基金组合':1392 '报告':645 '拒绝和升级人工':714 '拒绝自动记录':1343 '拒绝记录':1722 '择时因素':1557 '持久日志':383 '持续使用':1624 '持续信任维护节点':1413 '指标':59 '按':511 '按以下五步执行':458 '按可能性排序':1213 '按确认方案执行':1519 '按钮':915,922,927 '按钮是否顺手':424 '损失已部分发生':148 '换个说法':914 '授权条件':299 '推理依据':271 '推荐':1637,1717 '推荐不保证收益':1584 '推荐的配置':1703 '推荐调仓时的完整推理链':1577 '提供三个选项':1607 '提供应对选项':1714 '提供鉴别诊断列表':1184 '提示':1216 '收益':1686 '收益归因':1626 '收益归因分解':1552 '收益监控':1409,1524 '收益计算':1674 '放手':83 '敢把事情交给系统':51 '数据来源明确标注':1002 '数据溯源':275 '新病种可能未覆盖':1228 '方案':681,965,1275,1651 '时代特色':180 '时机':352 '时间':113,227,534 '时间损失':495 '时需要付出的代价':201 '明确ai不保证收益':1623 '明确告知':1217 '明确展示':1257 '明确阶段':669 '映射':470 '是':44 '是核心策略':1293 '普遍':1289 '普遍极高':1110 '智能投顾':1653 '智能投顾系统的':1383 '暂停':1698 '暴露':375 '更可靠':206 '替代方案':81,190,207,536,814,1138,1481 '替代方案越少':211 '最佳建议':642 '最具':178 '最大回撤':1587 '最终决策权100':1299 '最终诊断':1251,1309,1332 '最终诊断报告中':1244 '最高风险节点':970,1279,1655 '月度报告':1625 '有专业培训':804 '有多聪明':237 '有时被采纳后反而要修改':748 '未覆盖区域':1215,1320 '本建议基于x模型':1578 '本系统擅长':1260 '条':944 '来源展示':937 '来源引用':272 '来源标注':572 '极度不可逆':152 '极端行情':1536 '极高':796,1087,1093,1105,1129,1145,1428,1440 '枚举错误类型':217 '查看报告':1527 '标注':1196,1201,1241,1325,1363,1541 '标注叠加在原始影像上':1314 '标注永远可被医生移除或覆盖':1233 '标注疑似病灶':1175 '标注的采纳':1342 '标注风险':859 '标签选择':634 '标记错误':609,925 '校准修正':412 '核对数据准确性':847 '核心公式':184 '核心概念':35 '核心问题是':49 '框架':37,48,53 '梳理用户完成目标的完整步骤链':466 '检查报告':1169 '检测到高风险词':919 '检测异常波动':1537 '概率':92 '模型迭代需求':1347 '模式':351 '模拟用户从发现错误到完成纠正的全流程':225 '止损决策':1680 '正向案例入库':1021 '正常波动':1595 '此分析不构成诊断结论':1229 '此建议不适用vip客户':960 '每个':573 '每个任务节点的':685 '每个决策的推理链可追溯':1692 '每个回复的风险标记':882 '每个持仓的买入理由':1574 '每周生成':641 '每日收益计算':1525 '每月收益归因报告':1707 '每次':1254 '每笔交易都有用户确认记录':1640 '永远定位为':1156 '治疗建议':1189 '治疗建议偏差':1100,1280 '治疗方案':1070,1310 '流程':442 '涉及患者生命健康':1130 '清晰的责任归属':1715 '渐进式披露':254 '渐进式披露包含两层含义':260 '渐进式披露设计':554 '渐进式授权':363 '渐进自动化路径':648,724,1022,1348,1727 '漏诊':1148 '漏诊案例回溯分析':1344 '漏诊的责任问题':1057 '灵敏度':1369 '灵敏度后':1360 '物流':846 '特异度':1371 '特征':129 '犯错时用户承受的后果严重程度':194 '状态可见':451,998,1312,1685 '状态可见性设计':706,867,1204,1544 '独立审阅影像':1177 '理由':1513 '理解上下文':394 '理解市场':1479 '理解错误':930 '生命代价':1149 '生成':940 '生成候选回复':851 '生成合同后人工逐条审核':333 '生成推荐组合':1512 '生成风险评估问卷分析':1506 '用户不是看':235 '用户不是算数学':93 '用户主动申请':1747 '用户仅设定目标和约束':1740 '用户会容忍短期波动':1490 '用户体验设计':15 '用户体验设计的实操':11 '用户使用':1743 '用户信任阈值评估':696 '用户决定干预':199 '用户反馈':762,1725 '用户可手动调整任何':1701 '用户咨询':756 '用户如何修正':712 '用户如何表达意图':429 '用户对调仓建议的采纳':1721 '用户对错误后果的承受能力':530 '用户愿意':82 '用户愿意在多高的成功率下放手让':541 '用户提出目标后':435 '用户无感知':135 '用户确认':1407,1638,1718 '用户确认链':1671 '用户纠偏或确认':447 '用户纠错的操作步骤数':533 '用户表达目标':443 '用户赚钱时很高兴':1393 '用户越不愿干预':203 '用户越被迫依赖':212 '用户转向其他方案的难度':538 '用户输入':744,1048,1389 '用户输入风险偏好':1404 '用户风险偏好':1746 '界面元素':869,1206,1546 '病历归集':1303 '病历整理':1167 '病灶标注':1067,1208 '病灶误标注':1088 '的三条路径':159 '的全过程':439 '的全部推理过程':265 '的实际成功率':548 '的能力边界':1259 '的视野边界':1219 '的量化门槛':673 '的错':1459 '目标用户':802,1121,1467 '直接涉及金钱损失':1474 '真正被设计的不只是界面元素':433 '着急':877 '知识门槛':228,535 '确定优先关注的高风险节点':515 '确定信任阈值':540 '确认':713 '确认或拒绝调仓':1532 '确认或纠正理解':840 '确认或调整配置比例':1514 '确认放行':331 '确认每笔交易':1520 '确认病历完整性':1170 '示例':728 '示例一':729 '示例三':1375 '示例二':1035 '禁止项':319 '移除敏感表述':918 '第3.2':943 '策略':982,1294,1668 '策略优化需求':1726 '策略回顾':1627 '策略因素':1555,1615,1710 '策略失误':1646 '策略表现':1632 '签署确认':1706 '签署风险确认书':1622 '类型':128 '系统如何回应':436 '系统如何展示正在做什么':707 '系统如何理解目标':430 '系统展示状态':444 '系统执行':1639 '累计收益':1561 '纠偏与信任机制设计':1236 '纠偏入口':453,1004,1322,1694 '纠偏方式':905 '纠偏机制':1238 '纠偏机制设计':602,711,904 '红':569,885 '红色边框':901 '级':1567 '组合概览':1547 '结合临床经验做出诊断':1185 '结果':268 '结果做独立判断':1136 '结果如何被解释':431 '结果执行':448 '给出建议':445 '继续使用':250 '维持当前':1608 '综合患者情况制定方案':1191 '绿':564,883 '绿色边框':893 '编辑':853 '缩减权益配置':1696 '置信度':558,1001,1176,1316 '置信度信号':269,373 '置信度信号设计':562 '置信度如何':709 '置信度提示':890 '置信度条':872 '置信度百分比':1210 '而是':95,434 '而是按用户需要逐层展开':266 '而是理性的风险收益计算':234 '而是看':238 '而非':1158 '职责':586,834,1164,1502 '能力边界声明':1336 '能力边界明确告知':1319 '自主性旋钮':361 '自主性渐进授权':277 '自主执行大部分任务':295 '自主行动':543 '自主行动的临界成功率点':86 '自动分类':1364 '自动处理工单':344 '自动归集历史病历':1168 '自动执行':592,849,1172,1408,1529 '自动操作':1700 '自动查询订单':845 '自动移除敏感词':1012 '自动驾驶事故':155 '自己诊断':1142 '自行投资':1485 '自身置信度':377 '节点':767,1076,1417 '行业共识':350 '行为上的':249 '行内':1006 '行内修改':604 '行内编辑':909 '行动':446 '行动中':368,374 '行动前':357,362 '行动后':382 '行动审计与撤销':381 '衡量':73 '衡量后果被修复的难度':120 '表单是否顺畅':425 '表现优于':1599 '规则引用':577 '规则第x条':887 '解决方案推荐':993 '解锁下一级自主性':303 '解锁条件':1368,1742 '解锁条件量化':668 '解锁门槛':726 '触发条件':907 '订单':888 '认知负荷较高':1137 '让':84 '让客服专员高效使用':740 '让我亏钱还不解释':1494 '训练数据来源说明':1334 '记录操作步骤数':226 '设定监控规则':341 '设定目标':317 '设计':306,734,934,1039,1379 '设计一个':736,1041 '设计一个面向个人投资者的':1381 '设计原则':1231 '设计挑战':1456 '设计撤销':985 '设计撤销机制':175 '设计策略':827,1154 '设计降级策略':170 '评估':462,480,520,754,766,1063,1075,1402,1416 '评估三变量':527 '评估潜在损失':218 '评估用户转向替代产品或人工方案需要付出的代价':231 '评估表':684 '评分与风险排序':691 '识别咨询类型':838 '识别目标用户群':523 '诊断决策':1069 '诊断报告中':1327 '该情况较为少见':954 '该病灶置信度':1221 '详情层':273 '详细反馈':610 '误导我':1396 '误解需求':396 '请确认':567,898 '谁在用这个产品':524 '调仓建议':1410,1530,1679 '调仓时机错误':1441 '责任归属':1330,1635 '责任归属清晰':1250 '账户操作':1684 '账户被误标为风险':149 '资产配置':1511,1678 '资产配置不当':1429 '资产配置建议':1406 '资源分配建议':727 '赋值':508 '超出预期':1604 '超过':244 '转人工咨询':1610 '转人工理财顾问':1697 '轻度不可逆':140 '辅助':1181 '辅助优先级排序':1358 '辅助信息不全':1094 '辅助内容标记为':1246 '辅助工具':1157 '辅助诊断系统的':1043 '输出标注数据来源':576 '输出标记为':1297 '输出物':679 '输出结果':962,1272,1648 '边界':318,719 '边界场景人工介入':297,665,1033 '边界场景明确告知限制':1016 '边界提示':956 '边际递减':248 '达成':658 '达成90':1029 '达成95':1359 '达成历史回撤':1735 '达成目标':300 '达成目标准确率后':291 '过去3个月组合波动率':1585 '过往类似案例的判断准确率':1271 '进度如何':708 '退换货规则':942 '退款涉及金额':957 '选择':854 '透明度建设':1267 '透明度设计':936 '逐项审核':330 '逐项确认或排除':1199 '避免放大焦虑':1603 '邮件发送错误':142 '醒目的撤销按钮':384 '采纳行为自动记录':1018 '采纳行为记录':632 '重新生成':605,913,1007 '量化':216,224,230 '金融知识参差不齐':1469 '金融顾问':1377 '金钱':110 '金钱损失':491 '鉴别诊断':1183 '鉴别诊断列表':1212,1307 '错误':1455 '错误修正':414 '错误决策':402 '错误发生时的后果严重度':108 '错误如何被纠正':432 '错误概率':68,486 '错误行动':408 '长期目标':298,666,1034,1366,1741 '阶段':649,654,662 '阶段1':1023,1349,1728 '阶段2':1026,1354,1733 '阶段3':1031,1361,1738 '降低':156,161,167,173,1291 '降低风险':917,1609 '限制影响范围':171 '集中资源降低高风险节点的':983 '需主管确认':959 '需人工介入':147 '需区分':1663 '需少量操作修正':141 '需微调':912 '需特别关注':1198 '需监管许可':1367 '需要登录系统':1478 '需要让用户理解系统':21 '需要设计渐进式自动化路径':24 '需要评估用户的信任阈值':31 '需要量化':25 '非单一平均值':488 '非普通消费者':805 '预期管理':1496,1581,1669 '预期管理机制':1616 '预计送达时间':949 '颜色编码':1568 '风格不合适':916 '风格差':637 '风险':395,401,407,413 '风险仪表盘':1563,1689 '风险偏好变更':1683 '风险偏好误判':1423,1659 '风险感知的':45 '风险排序':510 '风险提示':1220 '风险暴露量化':463 '风险等级':79,188,191,528,772,806,1081,1127,1422,1471 '风险等级颜色编码':1003 '风险评估':1505 '风险评估节点':1411 '风险越高':195 '风险降级':1011 '风险预警':1538,1676 '首次使用':1617 '首次使用必须完成风险评估':1705 '高':790,1140,1434,1446,1452,1473,1489 '高不确定性场景主动提示':1015 '高且':1450 '高亮叠加在原始影像上':1209 '高低排列':514 '高后果严重度':826 '高度专业':1123 '高置信度':563,594,656,891,1027 '高采纳率建议入库':646 '高风险':1197 '高风险任务需人确认':290 '高风险必须人工确认':829 '高风险或低置信度':600 '高风险承诺':791,858,971,995 '黄':566,884 '黄色边框':897 '默认层':267 '默认展示结果':557","prices":[{"id":"54797105-7479-46b8-bc4a-358adefcc6ac","listingId":"99b45b78-904f-478e-8427-a5c2f74ed088","amountUsd":"0","unit":"free","nativeCurrency":null,"nativeAmount":null,"chain":null,"payTo":null,"paymentMethod":"skill-free","isPrimary":true,"details":{"org":"gmaxxxie","category":"ai-native-product-agent-skills","install_from":"skills.sh"},"createdAt":"2026-05-06T07:01:47.889Z"}],"sources":[{"listingId":"99b45b78-904f-478e-8427-a5c2f74ed088","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/ai-native-user-experience","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/ai-native-user-experience","isPrimary":false,"firstSeenAt":"2026-05-06T07:01:47.889Z","lastSeenAt":"2026-05-18T18:57:25.262Z"}],"details":{"listingId":"99b45b78-904f-478e-8427-a5c2f74ed088","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"ai-native-user-experience","github":{"repo":"gmaxxxie/ai-native-product-agent-skills","stars":56,"topics":["agent-skills","ai-agent","ai-native","ai-product","methodology","product-management","product-methodology","product-thinking","skills"],"license":null,"html_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills","pushed_at":"2026-05-06T07:19:36Z","description":"AI Native Product Methodology — 80 executable skills across P0-P14 stages, covering needs discovery to aesthetic authority. From 8 books.","skill_md_sha":"670cb692adc2067d90848f6acecc9236b562b7d2","skill_md_path":"skills/ai-native-user-experience/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/ai-native-user-experience"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"ai-native-ux-design","description":"'AI Native 产品方法论——AI Native 用户体验设计的实操 Skill。"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/ai-native-user-experience"},"updatedAt":"2026-05-18T18:57:25.262Z"}}