以下人物、公司与数字均为教学假设,不构成对任何真实产品的评价。
做 Agent 产品时,最先被讨论的往往是模型和提示词,最后才轮到界面。但用户真正接触到的不是模型,而是 Agent 出现的位置:它是一个独立聊天窗口,是工单页右侧的一栏,还是根本看不见、只在后台跑。位置一旦选错,后面再好的模型也会被用成另一个搜索框。
这一节把交互形态拆成四种:对话、嵌入、后台、混合。判断依据不是「哪种看起来更先进」,而是任务在哪里发生、用户在哪里发现错误、打断一次要付多少成本。形态不是 UI 风格,是责任发生的位置。
形态不是界面风格,是责任发生的位置
同一个分诊建议,放在聊天框里,用户要先复制工单内容,再读一段回复,再回到工单页改字段;放在工单页侧栏里,用户读到建议时,工单字段就在旁边,点一下就能采纳或修改。两者的模型可能完全相同,但责任链完全不同。
这就是形态的第一个判断:Agent 的输出落在哪里,责任就在哪里被确认。输出落在独立会话里,确认动作要靠用户自己搬运;输出落在工作界面里,确认动作和业务字段是同一次操作;输出落在后台,确认动作就变成了事后审计。
第二个判断是错误发现路径。对话形态靠用户逐条读回复,嵌入形态靠用户看到字段旁边的异常,后台形态只能靠抽样审计和异常列表。错误越晚被发现,修复成本越高,这是后面第 6 章失败态设计的前提。
第三个判断是打断成本。嵌入形态离用户最近,也最容易打断当前工作;后台形态几乎不打断,但把发现错误的责任推给了事后。没有一种形态同时做到「离得近、不打扰、可追查」,选择形态就是选择把哪项成本交给谁。
四种形态的对照
先把四种形态放在同一张表里。表格里的「在场」不是指用户是否登录,而是指任务运行时用户是否在同一个工作现场。
| 形态 | 用户在哪遇到它 | 在场方式 | 打断方式 | 错误发现 |
|---|---|---|---|---|
| 对话 | 独立会话窗口 | 用户主动发起,任务与工作现场分离 | 随时可停,但停下就没有现场 | 用户逐条阅读回复 |
| 嵌入 | 工单页、编辑器、表格的一角 | 用户本来就在这个界面工作 | 打断当前工作流,成本最高 | 错误出现在正在看的字段旁 |
| 后台 | 通知、结果页、审计日志 | 用户不在场,由事件或批次触发 | 不打断,靠通知与任务中心 | 事后从审计与异常列表发现 |
| 混合 | 后台执行,前端一个可展开入口 | 常规不在场,异常时被拉回 | 只在异常或审批时打断 | 常规看汇总,异常看单条 |
对话适合一次性问答:用户的问题不依赖某个正在进行的业务对象,答案也不需要写回任何系统。它的优点是启动成本低,缺点是所有上下文都要用户自己搬运。把需要读写业务字段的任务放进对话,等于让用户充当人肉接口。
嵌入适合人已经在处理这件事的场景。A Relay 的分诊建议放在工单页侧栏,B Quill 的草稿放在报告编辑器,都是因为用户本来就在那里工作。嵌入的代价是打断:Agent 一出现,用户当前的动作就要停一下。所以嵌入形态必须做到「看一眼就能判断」,否则打断成本会迅速超过它节省的时间。
后台适合用户不需要逐条在场、动作可以按批次执行的任务。C Runner 的上下架检查、价格异常、库存跟进放在后台跑,人只在异常和审计时介入。后台的代价是可见性:用户看不见过程,只能靠任务中心、通知和审计记录建立信任。
混合不是「对话加嵌入」的拼盘,而是后台执行加一个前端入口。常规批次在后台跑,出现异常或需要审批时,入口把人拉回具体任务。混合的成立条件很苛刻:必须同时存在界内确认和界外执行,而且例外真的需要人就地处理。缺一个条件,入口就会变成摆设。
形态由任务在场方式决定
把四种形态压成两个问题,选择就会清楚很多:
- 人从哪里开始? 是从既有工作界面里发起,还是从一个独立入口发起?
- 动作在哪里发生? 是落回同一个工作界面,还是在界面之外改变外部状态?
两个问题组合出四个象限。人在工作界面里发起、结果也落回界面,是嵌入;人从独立入口发起、只回答一次,是对话;人不在场、动作在界面之外按批次执行,是后台;人从工作界面发起、动作却在界面之外执行,是混合。
| 人从哪里开始 | 动作在哪里发生 | 形态 |
|---|---|---|
| 既有工作界面 | 同一界面 | 嵌入 |
| 独立入口 | 只回答,不改变外部状态 | 对话 |
| 不在场,由事件触发 | 界面之外,按批次 | 后台 |
| 既有工作界面 | 界面之外 | 混合 |
第三个问题「效果发生前是否必须由人确认」不改变前两问,但它决定后台要不要升级为混合。C Runner 的大部分动作在效果发生后才审计,所以主形态是后台;如果每一批价格变更都必须先由人点头,后台就会退化成混合,入口承担审批而不是回看。
这也解释了一个常见误区:形态不是由自主度直接决定的,而是由责任发生的位置决定的。建议档可以做成对话,也可以做成嵌入;执行档可以做成后台,也可以在混合入口里审批。自主度回答「它能做到哪一步」,形态回答「这一步在哪里被人接住」。
三个案例各定形态
三个案例的形态来自同一张事实表,不是三套巧合。
| 案例 | 形态 | 用户在哪遇到 | 可见性 | 为什么 |
|---|---|---|---|---|
| A Relay | 嵌入 | 工单页侧栏 | L2 依据 | 建议必须贴着工单字段被确认 |
| B Quill | 嵌入 | 报告编辑器 | L1 步骤 | 草稿必须长在章节结构里被审改 |
| C Runner | 后台 | 后台 + 任务中心 | L3 全程 | 动作按批次执行,人只看异常与审计 |
A Relay(Northwind 的客服工单分诊 Agent)月工单量 26,400 单,人工分诊基线 3.50 分钟一单。它给出队列、优先级和首响模板编号,人确认后才生效。分诊建议如果放在独立聊天框里,支持人员要先把工单内容贴进去,再把结果抄回工单字段;放在工单页侧栏,确认动作就是一次字段确认。嵌入不是为了好看,是为了让「看建议」和「改工单」发生在同一个动作里。
B Quill(Meridian 的客户报告起草 Agent)月报告量 606 份,人工基线 4.20 小时一份,产出是 12–20 页的初稿。它的形态必须是嵌入编辑器:审改的人要逐节看结论、追来源、改措辞,这些动作都发生在章节结构里。把草稿放进聊天框,审改就变成了复制粘贴,章节之间的状态也会丢失。
C Runner(Kettle 的电商运营任务执行 Agent)月任务量 13,200 个,人工基线 18.00 分钟一个。它检查上下架、处理价格异常、跟进库存,动作按批次在后台执行。用户不在每个任务现场,任务中心只承担异常查看和回看,不承担每一步确认,所以它的主形态是后台,而不是混合。
为什么「全都做成聊天」是偷懒
把所有任务都塞进一个聊天框,是产品设计里最省事的做法:一套界面、一套交互、一套埋点,看起来什么都能做。但它把四种责任压成了一种界面,丢掉的恰恰是任务能上线所需要的东西。
| 任务特征 | 聊天形态丢掉什么 | 后果 |
|---|---|---|
| 人本来在工作界面里 | 工作现场 | 用户要复制上下文,确认动作变成搬运 |
| 动作改变外部状态 | 动作与审计的落点 | 出错后找不到是哪一次动作、能不能回滚 |
| 效果发生前要确认 | 确认点 | 确认被推迟到事后,或者干脆没有 |
| 高频、结构化 | 就地修改能力 | 用户读完还要回原系统改一遍 |
对话形态不是不能用,而是只适合「没有工作现场、没有外部动作、不需要事前确认」的任务。一旦任务带上这三个特征之一,聊天框就会从入口变成中转站。用户不是在使用 Agent,而是在替 Agent 搬运数据。
更隐蔽的问题是审计。聊天记录看起来像日志,但它记录的是对话,不是动作。C Runner 需要知道每个动作的前后值、命中的规则和回滚句柄,这些东西不会自然出现在聊天记录里。把执行任务做成聊天,等于把审计责任留给了聊天记录的读者。
把判定写成函数
下面的模型把两个问题做成一个可运行的判定函数。输入是「人从哪里开始」「动作在哪里发生」「效果前是否确认」,输出是形态和理由;三个案例的形态也写在同一个文件里,方便在评审会上直接对照。
// file: src/trust/01-1-four-surfaces.ts
// tier: L2
// verify: node --test test/trust/01-1-four-surfaces.test.ts
// 四种交互形态不是界面风格,而是责任发生的位置。
// 这里只回答「任务该长在哪」,不计算任务量与成本。
export type Surface = "conversation" | "embedded" | "background" | "hybrid";
export type SurfaceSpec = {
readonly label: string;
readonly userPresence: string;
readonly interruption: string;
readonly errorDiscovery: string;
readonly defaultVisibility: "L0" | "L1" | "L2" | "L3";
};
export const SURFACES: Record<Surface, SurfaceSpec> = {
conversation: {
label: "对话",
userPresence: "用户主动打开一个独立会话",
interruption: "随时可停,但停下来就没有工作现场",
errorDiscovery: "靠用户逐条阅读回复",
defaultVisibility: "L1",
},
embedded: {
label: "嵌入",
userPresence: "用户本来就在工单页或编辑器里工作",
interruption: "打断当前工作流,成本最高",
errorDiscovery: "错误出现在用户正在看的字段旁边",
defaultVisibility: "L2",
},
background: {
label: "后台",
userPresence: "用户不在场,由事件或批次触发",
interruption: "不打断,靠通知与任务中心",
errorDiscovery: "只能事后从审计与异常列表发现",
defaultVisibility: "L3",
},
hybrid: {
label: "混合",
userPresence: "后台执行,前端保留一个可展开入口",
interruption: "入口只在异常或审批时把人拉回来",
errorDiscovery: "常规看汇总,异常看单条",
defaultVisibility: "L3",
},
};
export type TaskShape = {
/** 用户是否从既有工作界面发起,而不是从独立聊天框发起 */
readonly startsInTask: boolean;
/** Agent 是否在任务界面之外改变外部状态 */
readonly actsOutsideTask: boolean;
/** 效果发生前是否必须由人确认 */
readonly reviewBeforeEffect: boolean;
};
export type SurfaceChoice = {
readonly surface: Surface;
readonly reason: string;
};
// 形态由两个问题决定:人从哪里开始,动作在哪里发生。
// reviewBeforeEffect 只影响后台是否升级为混合,不改变前两问。
export function chooseSurface(task: TaskShape): SurfaceChoice {
if (task.startsInTask && !task.actsOutsideTask) {
return {
surface: "embedded",
reason: "人在工作界面里发起,结果也落回同一个界面",
};
}
if (task.startsInTask && task.actsOutsideTask) {
return {
surface: "hybrid",
reason: "人从工作界面发起,但动作在界面之外执行",
};
}
if (!task.startsInTask && task.actsOutsideTask) {
if (task.reviewBeforeEffect) {
return {
surface: "hybrid",
reason: "动作在后台,但效果前必须把人拉回来确认",
};
}
return {
surface: "background",
reason: "无人在场,动作按批次执行,事后审计",
};
}
return {
surface: "conversation",
reason: "人不在既有工作流里,也没有外部动作,只回答一次问题",
};
}
// 「全都做成聊天」为什么是偷懒:把四种责任压成一种界面。
export type ChatPenalty = {
readonly lost: readonly string[];
readonly note: string;
};
export function flattenToChat(task: TaskShape): ChatPenalty {
const lost: string[] = [];
if (task.startsInTask) lost.push("工作现场");
if (task.actsOutsideTask) lost.push("动作与审计的落点");
if (task.reviewBeforeEffect) lost.push("效果发生前的确认点");
return {
lost,
note:
lost.length === 0
? "纯问答任务可以接受对话形态"
: "对话形态无法承载这些责任,只能靠用户自己搬运上下文",
};
}
export type CaseSurface = {
readonly surface: Surface;
readonly placement: string;
readonly visibility: "L0" | "L1" | "L2" | "L3";
};
// 三案例的形态来自卷二事实表:A、B 嵌入,C 后台加任务中心。
export const CASE_SURFACES: Record<"A" | "B" | "C", CaseSurface> = {
A: { surface: "embedded", placement: "工单页侧栏", visibility: "L2" },
B: { surface: "embedded", placement: "报告编辑器", visibility: "L1" },
C: { surface: "background", placement: "后台 + 任务中心", visibility: "L3" },
};
chooseSurface 先看人从哪里开始,再看动作在哪里发生,最后才用「效果前是否确认」决定后台要不要升级为混合。这个顺序不能反:如果先按自主度选形态,建议档会被一律做成对话,执行档会被一律做成后台,工作现场和确认点都会丢失。
flattenToChat 不负责阻止产品做聊天,它只负责把代价说清楚。纯问答任务返回的 lost 是空数组,说明对话形态可以接受;一旦任务带工作现场、外部动作或事前确认,lost 就会列出被丢掉的责任,note 也会提醒这些责任只能由用户自己搬运。
CASE_SURFACES 把三个案例的形态、位置和可见性钉在同一个常量里。评审时如果有人说「C 也做一个聊天入口吧」,可以直接对照:C 的可见性是 L3,动作在后台,任务中心只处理异常,聊天入口不会自动带来审计和回滚。
小结
- 交互形态不是 UI 风格,而是责任发生的位置;形态选错,模型再强也会被用成中转站。
- 四种形态是对话、嵌入、后台、混合;判断依据是在场方式、打断成本和错误发现路径。
- 形态由两个问题决定:人从哪里开始,动作在哪里发生;效果前是否确认只决定后台要不要升级为混合。
- A Relay 和 B Quill 选嵌入,因为建议和草稿必须贴着工作现场被确认;C Runner 选后台,因为动作按批次执行,人只看异常与审计。
- 对话形态只适合没有工作现场、没有外部动作、不需要事前确认的任务。
- 「全都做成聊天」丢掉的是工作现场、审计落点和确认点,留下的是用户自己搬运上下文。
- 混合形态的成立条件很苛刻:界内确认与界外执行同时存在,例外真的需要人就地处理。
阅读导航:上一节:目录与学习路径 · 下一节:1.2 形态选择的代价表 。
常见错误与边界
- 把形态当成视觉风格。 换一套皮肤不会改变责任位置;判断形态要看用户在哪里确认、在哪里打断、在哪里发现错误。
- 按自主度直接套形态。 建议档不一定做对话,执行档也不一定做后台;同样是建议档,A 的嵌入和独立问答的对话承担的责任完全不同。
- 把聊天记录当审计。 聊天记录记的是对话,不是动作;审计要的是前后值、规则、回滚句柄和操作者。
- 把混合当成万能形态。 混合要求界内确认与界外执行同时存在;缺一个条件,入口就会变成没人点的摆设。
- 忽视打断成本。 嵌入离用户最近,也最容易打断工作;如果一次确认不能让用户「看一眼就判断」,嵌入的代价会超过收益。
- 用任务中心冒充可见性。 任务中心只解决「去哪里看」,不解决「看什么」;没有审计粒度和异常分类,它只是一个列表。
形态定下来之后,下一个问题是:每种形态到底要付出哪些代价,这些代价由谁承担。下一节把四维代价表拆开,并用 A 与 C 做一次正面对比。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。