{"id":"a76220f1-b17b-428b-88ae-f87feda3abd9","shortId":"tTbgq5","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\n## 核心概念\n\n- **AI 交互体验（AI UX）**：围绕人机协作、状态可见、结果可纠偏和边界可控制来设计的产品体验\n- **Prompt UX**：用户如何表达目标、补充信息和修正系统方向的交互设计\n- **Trust UX**：系统如何展示来源、不确定性和执行边界，以建立合理信任\n- **渐进式自动化**：先让用户看见和确认，再逐步提高自动化程度的体验路径\n- **人在定义中（Human-in-Definition）**：人在目标定义、边界设定和禁止项声明中保持主导\n- **人在回路中（Human-in-the-Loop）**：人在关键节点中确认、修改和放行\n- **人在监督中（Human-on-the-Loop）**：人在运行时监控 AI、干预异常、执行叫停与回滚\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## 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：\nn- 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 的五个核心特征\n\n### 1. Prompt UX\n\n- 用户如何自然表达问题\n- 如何引导用户提供足够的上下文\n- 如何让用户知道怎么修正系统方向\n\n### 2. 智能体交互\n\n- 系统如何展示思考过程\n- 系统如何展示步骤和状态\n- 用户如何理解系统正在做什么\n\n### 3. 人机协作（Human + AI Collaboration）\n\n- 用户如何接管、修改和确认结果\n- 哪些动作可以自动执行，哪些必须确认\n- 如何让用户感觉自己仍然在控制\n\n### 4. Feedback UX\n\n- 产品如何收集有效反馈，而不是只收点赞点踩\n- 如何让用户愿意提供修正和改进建议\n- 如何把反馈转化为系统改进\n\n### 5. Trust UX\n\n- 系统如何让用户知道答案从哪里来\n- 哪些地方有不确定性\n- 哪些动作有风险、需要注意\n\n## 人机协作的三个层级\n\n### 人在定义中（Human-in-Definition）\n\n- 人在目标定义中保持主导\n- 人在边界设定中保持主导\n- 人在禁止项声明中保持主导\n\n### 人在回路中（Human-in-the-Loop）\n\n- 人在关键节点中确认\n- 人在关键节点中修改\n- 人在关键节点中放行\n\n### 人在监督中（Human-on-the-Loop）\n\n- 人在运行时监控 AI\n- 人在异常时干预\n- 人执行叫停与回滚\n\n## 体验设计要围绕任务完成\n\nAI 产品的体验设计不应停留在\"回答好看不好看\"，而要围绕任务完成效率来设计：\n\n- 在分析系统里，关键不是输出多漂亮，而是能否让用户快速理解异常原因并采取行动\n- 在客服系统里，关键不是回复多长，而是能否更快、更稳地解决问题\n\n## 输出物：UX 方案\n\n1. **人机分工图**：在每个任务节点上，AI 做什么、人做什么\n2. **状态可见性设计**：系统如何展示正在做什么、进度如何\n3. **纠偏机制设计**：用户如何修正、确认、拒绝和升级人工\n4. **信任设计方案**：如何展示来源、不确定性、边界\n5. **反馈沉淀机制**：如何收集有效反馈并转化为系统改进\n\n## 使用方式\n\n当用户提供产品场景时，自动执行：\n\n1. 分析任务链路和人机分工点\n2. 设计状态可见怨方案\n3. 设计纠偏机制\n4. 设计信任 UX 方案\n5. 设计反馈沉淀机制\n6. 输出 UX 方案\n\n## 示例\n\n### 示例：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. **任务链路分析**\n\n```\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```\n\n2. **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\n3. **状态可见性设计**\n\n```yaml\n界面元素:\n  \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  \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  \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\n4. **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\n5. **信任 UX 设计**\n\n```yaml\n透明度设计:\n  \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  \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  \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\n6. **Feedback UX 设计**\n\n```yaml\n即时反馈:\n  客服采纳建议后:\n    - 快捷评价：👍 / 👎\n    - 修改追踪：记录人工编辑与原建议的差异\n    - 标签选择：准确/冗余/风格差/信息错误\n  \n  定期沉淀:\n    - 每周生成\"最佳建议\"和\"待改进建议\"报告\n    - 高采纳率建议 → 案例库\n    - 频繁修改场景 → 模型优化需求\n```\n\n**输出结果**：\n\n```yaml\n# UX 方案：AI 客服 Copilot\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```","tags":["design","native","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native","ai-product","methodology","product-management"],"capabilities":["skill","source-gmaxxxie","skill-p8-ux-design","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/p8-ux-design","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 (3,749 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":"2026-05-18T18:57:34.193Z","embedding":null,"createdAt":"2026-05-01T01:03:02.208Z","updatedAt":"2026-05-18T18:57:34.193Z","lastSeenAt":"2026-05-18T18:57:34.193Z","tsv":"'-2':382 '-8921':378 '-90':329 '1':112,190,216,256,381 '123':322 '12345':370 '2':118,196,218,266 '3':123,200,220,299 '3个备选回复':313 '4':133,205,222,336 '5':140,210,226,362 '500元':389 '6':228,393 '70':328,333 '90':325 'ai':2,6,9,13,19,26,28,67,70,88,94,109,126,172,176,193,234,241,245,250,269,422 'ai-native-ux-design':1 'ai分析卡片':303 'ai分析结果实时展示':437 'ai建议':277,289 'ai建议人决策':429 'ai生成建议':260 'ai自动执行':283,426 'c':377 'collabor':127 'copilot':236,424 'definit':49,152 'design':5 'feedback':134,394 'human':47,54,62,125,150,158,167 'human-in-definit':46,149 'human-in-the-loop':53,157 'human-on-the-loop':61,166 'loop':57,65,161,170 'n':97 'nativ':3,7,10,14,95 'prompt':33,113 'skill':12,16,254 'skill-p8-ux-design' 'source-gmaxxxie' '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':37,141 'ui':86 'ux':4,29,34,38,71,110,114,135,142,188,224,230,237,243,364,395,420 'yaml':301,366,397,419 '一键':446 '不确定性':208 '不确定性和执行边界':40 '不确定性展示':379 '不需要':354 '中性':309 '中置信度':327 '交互体验':27,89 '交互设计':339 '产品如何收集有效反馈':136 '产品新增了另一层体验':96 '产品方法论':8 '产品的体验设计不应停留在':177 '产品需要设计人与':18 '人做什么':195 '人决策':290 '人在关键节点中修改':163 '人在关键节点中放行':164 '人在关键节点中确认':58,162 '人在回路中':52,156 '人在定义中':45,148 '人在异常时干预':173 '人在监督中':60,165 '人在目标定义':50 '人在目标定义中保持主导':153 '人在禁止项声明中保持主导':155 '人在边界设定中保持主导':154 '人在运行时监控':66,171 '人工确认后才能发送':293 '人执行叫停与回滚':174 '人机分工':425 '人机分工图':191 '人机分工设计':267 '人机协作':124 '人机协作核心节点':265 '人机协作的三个层级':147 '人权决':294,298,432 '人确认':278 '人类职责':271 '仅异常':470 '从传统':85 '以建立合理信任':41 '任务节点':268 '任务链路分析':257 '传统软件体验主要围绕界面效率':90 '低置信度':332 '低风险建议自动发送':466 '体验再流畅也很难形成长期信任':84 '体验设计要围绕任务完成':175 '使用场景':17 '使用方式':213 '保留原意':343 '信任':363 '信任建立':451 '信任系统':22 '信任设计方案':206 '信息查询':279,427 '信息错误':407 '修改':263 '修改内容追踪差异':457 '修改和放行':59 '修改和确认结果':129 '修改追踪':401 '候选回复区':312 '做什么':194 '先让用户看见和确认':43 '关键不是回复多长':184 '关键不是输出多漂亮':181 '内容基本可用':344 '再逐步提高自动化程度的体验路径':44 '冗余':405 '决策模式':272 '准确':404 '准确率后':468 '分析任务链路和人机分工点':217 '初步意图识别':428 '判断并执行升级':297 '到':87 '升级判断':435 '协作的交互体验':20 '即时反馈':398 '原因选择':356 '参考历史成功案例':376 '反馈':448 '反馈沉淀':79 '反馈沉淀机制':211 '反馈闭环':455 '反馈问题':359 '发现ai理解错误':361 '发送':262 '可切换':314 '同时保持对服务的控制':247 '和':82,411 '哪些动作可以自动执行':130 '哪些动作有风险':145 '哪些地方有不确定性':144 '哪些必须确认':131 '回复生成':284,430 '回答好看不好看':178 '围绕人机协作':30 '在分析系统里':180 '在客服系统里':183 '在每个任务节点上':192 '场景描述':239 '基于物流轨迹预测':384 '基于订单':369 '天':383 '如何展示来源':207 '如何引导用户提供足够的上下文':116 '如何把反馈转化为系统改进':139 '如何推进':106 '如何收集有效反馈并转化为系统改进':212 '如何被纠偏':107 '如何让用户感觉自己仍然在控制':132 '如何让用户愿意提供修正和改进建议':138 '如何让用户知道怎么修正系统方向':117 '如果系统省略了':80 '完全拒绝':353,447 '定期沉淀':408 '定期质量报告生成':458 '审核':286 '客服':235,423 '客服协同工作台的':242 '客服审核':261 '客服建议有时不被采纳':251 '客服理解':259 '客服采纳建议后':399 '导航是否清晰':91 '展开的详情':307 '已查询的数据':306 '已自动切换模板':392 '干预异常':68 '建议':246 '建议人工处理':335 '建议优先解释政策':386 '建议升级':296 '建议完全不相关':357 '异常处理':295 '引用':372 '引用来源':319 '当前':463 '当用户提供产品场景时':214 '待改进建议':412 '快捷编辑':443 '快捷评价':400 '快速编辑':341 '怎么设计更好的协作体验':253 '情绪':275 '情绪检测':308 '意图':438 '意图理解':273 '意图识别结果':304 '愤怒':311 '愿意持续与系统协作':23 '我们的':249 '所有建议人工审核':462 '所有建议标注来源':452 '执行叫停与回滚':69 '执行流程':255 '投诉处理':434 '报告':413 '拒绝和升级人工':204 '按钮':348,355,360 '按钮是否顺手':92 '换个说法':347 '数据来源明确标注':440 '方案':189,225,231,421 '智能体交互':119 '更稳地解决问题':186 '最佳建议':410 '有时被采纳后反而要修改':252 '条':375 '来源展示':368 '标注风险':292 '标签选择':403 '标记错误':358 '核对数据准确性':282 '核心概念':25 '案例库':415 '检测到高风险词':352 '模型优化需求':417 '正向案例入库':459 '此建议不适用vip客户':391 '每个回复的风险标记':315 '每周生成':409 '流程':72 '渐进式自动化':42 '渐进自动化路径':460 '物流':281 '状态可见':31,81,436 '状态可见性设计':197,300 '生成':371 '生成候选回复':285 '用户体验设计':15 '用户体验设计的实操':11 '用户反馈':264 '用户咨询':258 '用户如何修正':202 '用户如何接管':128 '用户如何理解系统正在做什么':122 '用户如何自然表达问题':115 '用户如何表达意图':98 '用户如何表达目标':35 '用户提出目标后':104 '用户纠偏或确认':77 '用户表达目标':73 '用户输入':248 '界面元素':302 '的五个核心特征':111 '的全过程':108 '真正被设计的不只是界面元素':102 '着急':310 '确认':203 '确认或纠正理解':276 '示例':232,233 '移除敏感表述':351 '第3.2':374 '系统如何回应':105 '系统如何展示思考过程':120 '系统如何展示来源':39 '系统如何展示正在做什么':198 '系统如何展示步骤和状态':121 '系统如何理解目标':99 '系统如何让用户知道答案从哪里来':143 '系统展示状态':74 '纠偏入口':83,442 '纠偏方式':338 '纠偏机制设计':201,337 '红':318 '红色边框':334 '结果可纠偏和边界可控制来设计的产品体验':32 '结果如何被解释':100 '结果执行':78 '给出建议':75 '绿':316 '绿色边框':326 '编辑':287 '置信度':439 '置信度提示':323 '置信度条':305 '而不是只收点赞点踩':137 '而是':103 '而是能否更快':185 '而是能否让用户快速理解异常原因并采取行动':182 '而要围绕任务完成效率来设计':179 '职责':270 '自动执行':215 '自动查询订单':280 '自动移除敏感词':450 '行内':444 '行内编辑':342 '行动':76 '补充信息和修正系统方向的交互设计':36 '表单是否顺畅':93 '规则第x条':320 '解决方案推荐':431 '触发条件':340 '订单':321 '让客服专员高效使用':244 '记录人工编辑与原建议的差异':402 '设计':238,365,396 '设计一个':240 '设计信任':223 '设计反馈沉淀机制':227 '设计状态可见怨方案':219 '设计纠偏机制':221 '识别咨询类型':274 '该情况较为少见':385 '请确认':331 '输出':229 '输出物':187 '输出结果':418 '边界':209 '边界场景人工介入':471 '边界场景明确告知限制':454 '边界提示':387 '边界设定和禁止项声明中保持主导':51 '达成90':467 '进度如何':199 '退换货规则':373 '退款涉及金额':388 '选择':288 '透明度设计':367 '采纳行为自动记录':456 '重新生成':346,445 '错误如何被纠正':101 '长期目标':472 '阶段1':461 '阶段2':464 '阶段3':469 '降低风险':350 '需主管确认':390 '需微调':345 '需要注意':146 '需要让用户理解系统':21 '需要设计渐进式自动化路径':24 '预计送达时间':380 '频繁修改场景':416 '风格不合适':349 '风格差':406 '风险等级颜色编码':441 '风险降级':449 '高不确定性场景主动提示':453 '高置信度':324,465 '高采纳率建议':414 '高风险承诺':291,433 '黄':317 '黄色边框':330","prices":[{"id":"93bfb5c1-2f78-48e3-ae26-28bf7bde73dd","listingId":"a76220f1-b17b-428b-88ae-f87feda3abd9","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":"2026-05-01T01:03:02.208Z"}],"sources":[{"listingId":"a76220f1-b17b-428b-88ae-f87feda3abd9","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p8-ux-design","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p8-ux-design","isPrimary":false,"firstSeenAt":"2026-05-01T01:03:02.208Z","lastSeenAt":"2026-05-18T18:57:34.193Z"}],"details":{"listingId":"a76220f1-b17b-428b-88ae-f87feda3abd9","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p8-ux-design","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":"6511267923825c39939f7fc790ffa9a95ff7dcee","skill_md_path":"skills/p8-ux-design/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p8-ux-design"},"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/p8-ux-design"},"updatedAt":"2026-05-18T18:57:34.193Z"}}