// AI Native 产品方法论——AI Native 用户体验设计的实操 Skill。 用户提供产品场景，Skill 自动执行 UX 设计流程： 任务分析 → 人机分工设计 → 状态可见性 → 纠偏机制 → 信任设计 → 反馈沉淀 → 输出 UX 方案。 基于《AI Native 产品方法论》第16章。
[HINT] Download the complete skill directory including SKILL.md and all related files
| name | ai-native-ux-design |
| version | 1.1.0 |
| description | AI Native 产品方法论——AI Native 用户体验设计的实操 Skill。 用户提供产品场景，Skill 自动执行 UX 设计流程： 任务分析 → 人机分工设计 → 状态可见性 → 纠偏机制 → 信任设计 → 反馈沉淀 → 输出 UX 方案。 基于《AI Native 产品方法论》第16章。 |
| tags | ["ai-product","methodology","ux","human-ai-collaboration","trust","book-skill"] |
| author | Max |
| source_book | AI Native 产品方法论 |
| stage | p8 |
| archived_sub_skills | ["p8a-rax-risk-assessor","p8b-trust-tier-designer","p8c-progressive-disclosure"] |
用户表达目标
→ 系统展示状态
→ 给出建议 / 行动
→ 用户纠偏或确认
→ 结果执行
→ 反馈沉淀
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。
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。
AI Native 产品新增了另一层体验：
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。
AI 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：
以下三个子 Skill 已归档至 .archive/，核心内容已合并入本节：
基于 RAX 框架（Risk, Ambiguity, eXposure）系统性评估 AI 产品的风险、模糊性和暴露程度，帮助产品团队识别和管理用户体验风险，找出 UX 弱点。
设计 AI 产品的信任度分级体系，让用户从"尝试"到"依赖"渐进式地建立对 AI 的信任，通过分级交付策略降低用户的心理门槛。
按照用户成熟度逐步展示 AI 功能和能力，避免一次性交付过多信息造成认知过载，降低新手期流失率。
当用户提供产品场景时，自动执行：
场景描述： 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。
用户输入： "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？"
Skill 执行流程：
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
↓
人机协作核心节点
| 任务节点 | AI 职责 | 人类职责 | 决策模式 |
|---|---|---|---|
| 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 |
| 信息查询 | 自动查询订单/物流 | 核对数据准确性 | AI自动执行 |
| 回复生成 | 生成候选回复 | 审核、编辑、选择 | AI建议，人决策 |
| 高风险承诺 | 标注风险 | 人工确认后才能发送 | 人权决 |
| 异常处理 | 建议升级 | 判断并执行升级 | 人权决 |
界面元素:
AI分析卡片:
- 意图识别结果（置信度条）
- 已查询的数据（展开的详情）
- 情绪检测（中性/着急/愤怒）
候选回复区:
- 3个备选回复（可切换）
- 每个回复的风险标记（绿/黄/红）
- 引用来源（规则第X条、订单#123）
置信度提示:
- 高置信度（>90%）：绿色边框
- 中置信度（70-90%）：黄色边框 + "请确认"
- 低置信度（<70%）：红色边框 + "建议人工处理"
| 纠偏方式 | 交互设计 | 触发条件 |
|---|---|---|
| 快速编辑 | 行内编辑，保留原意 | 内容基本可用，需微调 |
| 重新生成 | "换个说法"按钮 | 风格不合适 |
| 降低风险 | 移除敏感表述 | 检测到高风险词 |
| 完全拒绝 | "不需要"按钮 + 原因选择 | 建议完全不相关 |
| 标记错误 | "反馈问题"按钮 | 发现AI理解错误 |
透明度设计:
来源展示:
- "基于订单 #12345 生成"
- "引用《退换货规则》第3.2条"
- "参考历史成功案例 C-8921"
不确定性展示:
- "预计送达时间：1-2天（基于物流轨迹预测）"
- "⚠️ 该情况较为少见，建议优先解释政策"
边界提示:
- "退款涉及金额 > 500元，需主管确认"
- "此建议不适用VIP客户，已自动切换模板"
即时反馈:
客服采纳建议后:
- 快捷评价：👍 / 👎
- 修改追踪：记录人工编辑与原建议的差异
- 标签选择：准确/冗余/风格差/信息错误
定期沉淀:
- 每周生成"最佳建议"和"待改进建议"报告
- 高采纳率建议 → 案例库
- 频繁修改场景 → 模型优化需求
输出结果：
# UX 方案：AI 客服 Copilot
人机分工:
AI自动执行: [信息查询, 初步意图识别]
AI建议人决策: [回复生成, 解决方案推荐]
人权决: [高风险承诺, 投诉处理, 升级判断]
状态可见:
- AI分析结果实时展示（意图+置信度）
- 数据来源明确标注
- 风险等级颜色编码
纠偏入口:
- 快捷编辑（行内）
- 重新生成（一键）
- 完全拒绝+反馈
- 风险降级（自动移除敏感词）
信任建立:
- 所有建议标注来源
- 高不确定性场景主动提示
- 边界场景明确告知限制
反馈闭环:
- 采纳行为自动记录
- 修改内容追踪差异
- 定期质量报告生成
- 正向案例入库
渐进自动化路径:
阶段1: 所有建议人工审核（当前）
阶段2: 高置信度+低风险建议自动发送（达成90%准确率后）
阶段3: 仅异常/边界场景人工介入（长期目标）
场景描述： 设计一个面向业务分析师的 AI 数据分析助手。新手用户容易被复杂功能吓退，而高级用户又希望一步到位获取深度分析。需要设计渐进式披露路径，让不同成熟度的用户都能高效使用。
用户输入： "我们的 AI 分析助手功能很多，但新用户打开就不知道从哪开始，老用户又觉得每次都要点好几层才能用高级功能。怎么设计体验才能两头兼顾？"
Skill 执行流程：
用户打开助手 → 表达分析目标 → AI 理解意图 → 生成初始分析
→ 用户查看结果 → 追加需求 / 深入探索 → AI 扩展分析
→ 用户导出 / 分享 → 反馈沉淀
| 任务节点 | AI 职责 | 人类职责 | 决策模式 |
|---|---|---|---|
| 目标理解 | 解析自然语言、推荐分析模板 | 确认或修正分析方向 | AI建议，人确认 |
| 数据选取 | 推荐相关数据集和字段 | 选择数据范围和维度 | AI建议，人决策 |
| 分析执行 | 自动计算、生成图表 | 审核分析逻辑和结论 | AI自动，人审核 |
| 深度探索 | 推荐下钻维度和关联分析 | 决定是否深入、往哪深入 | AI建议，人决策 |
| 结论输出 | 生成摘要和行动建议 | 审核并放行最终结论 | AI建议，人权决 |
用户成熟度分级:
Level 1 - 新手引导态:
界面: 简洁输入框 + 3个推荐问题模板
功能暴露: 基础问答式分析、单图表输出
引导方式: "试试问我：上个月销售额怎么样？"
隐藏内容: 多维分析、SQL编辑、自定义指标
Level 2 - 进阶探索态（使用5次后解锁）:
界面: 输入框 + 快捷操作栏（对比/趋势/分布）
功能暴露: 多图表对比、时间范围选择、维度切换
引导方式: "你可以试试把两个指标放在一起对比"
隐藏内容: 自定义SQL、API接入
Level 3 - 专家模式（使用20次后解锁）:
界面: 完整工作台（输入+SQL编辑器+可视化面板）
功能暴露: 全部功能、SQL编辑、自定义仪表盘
引导方式: 功能菜单全部展开，提供高级快捷键
解锁提示: "你已解锁专家模式，所有高级功能已开放"
界面元素:
分析过程展示:
- 步骤条: "理解目标 → 查询数据 → 生成分析"（实时高亮当前步骤）
- 数据加载: 已扫描 12,340 条记录
- 分析进度: "正在计算环比变化..."
结果展示:
- 图表 + 一句话结论 + 置信度标签
- 数据来源标注: "数据截至 2026-05-01"
- 局限性提示: "该分析未包含退货数据"
| 纠偏方式 | 交互设计 | 触发条件 |
|---|---|---|
| 修改分析方向 | "换个角度：按区域/按产品线" 快捷切换 | 分析维度不对 |
| 补充约束 | "加上筛选条件" 浮层 | 结果范围太大 |
| 重新生成 | "再算一次" 按钮 | 数据或逻辑有误 |
| 回退到上一步 | 步骤条点击回退 | 中间步骤需调整 |
透明度设计:
来源展示:
- "基于 sales_db.orders 表，共 12,340 条记录"
- "计算方式：SUM(amount) GROUP BY month"
不确定性展示:
- "⚠️ 12月数据存在 3% 缺失，趋势可能偏低"
- "该结论基于历史6个月数据，置信度：中"
边界提示:
- "当前分析范围为华东区，其他区域数据未包含"
输出结果：
# UX 方案：AI 数据分析助手——渐进式披露
人机分工:
AI自动执行: [数据查询, 基础计算, 图表生成]
AI建议人决策: [分析维度选择, 下钻方向, 对比方式]
人权决: [结论放行, 对外分享, 行动决策]
渐进式披露:
Level 1 (新手): 输入框+模板 → 单图+结论
Level 2 (进阶): 快捷操作栏 → 多图对比+维度切换
Level 3 (专家): 完整工作台 → 全功能+SQL+自定义
状态可见:
- 分析步骤条实时展示进度
- 数据量和来源始终可见
- 置信度和局限性主动标注
纠偏入口:
- 快捷切换分析角度
- 筛选条件浮层
- 步骤回退
- 重新生成
信任建立:
- 数据来源和计算方式透明
- 数据缺失和局限性主动提示
- 分析范围边界明确告知
反馈闭环:
- "这个分析有用吗" 一键评价
- 追踪用户在哪个披露层级卡住
- 功能使用频率 → 自动调整披露策略
渐进自动化路径:
阶段1: 所有分析由用户触发（当前）
阶段2: 常规周报自动生成，用户审核放行
阶段3: 异常指标自动预警+根因分析推送
场景描述： 设计一个企业内部知识库的 AI 搜索与问答系统。员工用它查制度、找流程、查技术文档。AI 回答有时引用了过时文档，有时对不确定的问题也给出肯定回答，导致用户信任度下降。需要设计信任度分级体系，让不同置信度的回答有不同的展示方式和交互行为。
用户输入： "我们的 AI 知识库搜索经常给出很自信的回答，但引用的文档有时过时了，员工开始不信它了。怎么设计才能让用户知道哪些回答可以放心用、哪些要自己再确认？"
Skill 执行流程：
员工提问 → AI 理解问题 → 检索知识库 → 评估答案可靠性
→ 按信任等级展示回答 → 用户判断是否采信
→ 用户验证/采纳/标记 → 反馈沉淀
| 任务节点 | AI 职责 | 人类职责 | 决策模式 |
|---|---|---|---|
| 问题理解 | 解析问题意图、识别领域 | 确认或补充上下文 | AI建议，人确认 |
| 知识检索 | 检索相关文档、排序相关性 | 判断是否找到正确文档 | AI自动，人审核 |
| 答案生成 | 生成回答、标注引用来源 | 评估答案可信度 | AI建议，人判断 |
| 信任分级 | 计算置信度、分配信任等级 | 根据等级决定是否采信 | AI自动，人权决 |
| 过时检测 | 标记文档时效性 | 确认是否需要更新 | AI提示，人权决 |
信任度等级体系:
🟢 L1 - 高信任（置信度 ≥ 90%）:
条件: 引用3+篇一致文档 + 文档更新于90天内
展示: 绿色卡片 + "高置信回答" 标签
交互: 可直接采纳，一键复制或分享
示例: "根据《2026年差旅报销制度》第4.2条，国内出差住宿标准为..."
🟡 L2 - 中信任（置信度 60-89%）:
条件: 引用1-2篇文档 或 文档较旧（90-180天）
展示: 黄色卡片 + "建议验证" 标签
交互: 展示引用来源列表，鼓励用户点击查看原文
示例: "根据《报销制度（2024版）》，住宿标准可能为... ⚠️ 该文档已超过6个月未更新"
🔴 L3 - 低信任（置信度 < 60%）:
条件: 文档之间存在矛盾 或 无直接匹配文档
展示: 红色卡片 + "需要人工确认" 标签
交互: 不直接给结论，展示相关片段让用户自行判断
示例: "找到3篇相关文档，但内容存在差异：[文档A] 说... [文档B] 说... 建议联系行政部门确认"
⚪ L4 - 无法回答:
条件: 知识库中无相关内容
展示: 灰色提示 + "未找到相关知识"
交互: 提供转人工入口 + "我要提问"（提交给知识管理团队）
示例: "知识库中暂无关于海外签证办理的文档，已为您转接行政助理"
界面元素:
搜索过程展示:
- "正在检索知识库... 已扫描 2,847 篇文档"
- "找到 12 篇相关文档，正在评估答案可靠性"
- 匹配文档列表（可展开查看）
答案卡片:
- 信任等级标签（颜色编码）
- 引用来源列表（文档名+更新日期+相关度）
- 时效性标记: "✅ 最新" / "⚠️ 3个月前更新" / "🔴 超过6个月"
- 一致性标记: "✅ 多篇文档一致" / "⚠️ 文档间存在差异"
文档溯源:
- 点击引用 → 高亮原文对应段落
- 展示文档最后更新时间和维护人
| 纠偏方式 | 交互设计 | 触发条件 |
|---|---|---|
| 查看原文 | "查看出处" 按钮，跳转文档高亮段落 | 用户想验证答案 |
| 补充提问 | "换个方式问" 输入框 | 回答不够精确 |
| 标记错误 | "这个回答有误" 按钮 + 原因选择 | 发现答案不正确 |
| 报告过时 | "文档可能过时" 按钮 | 引用的文档已过期 |
| 请求人工 | "转人工咨询" 按钮 | 低信任回答或复杂问题 |
透明度设计:
来源展示:
- 每条回答必须标注引用文档
- 展示文档最后更新日期和维护责任人
- 多来源时展示一致性/矛盾性
不确定性展示:
- 置信度可视化（颜色+文字双重编码）
- "该回答基于2024年制度，2025年可能已更新"
- "不同文档对此问题的表述不完全一致"
边界提示:
- "本系统覆盖行政、HR、IT制度类文档"
- "涉及法律合规类问题建议咨询法务部"
- "该文档仅适用于中国区，海外政策请咨询当地HR"
输出结果：
# UX 方案：企业知识库 AI 搜索——信任度分级
人机分工:
AI自动执行: [文档检索, 相关性排序, 置信度计算]
AI建议人判断: [答案采信, 文档时效性判断]
人权决: [制度解读, 流程确认, 跨部门问题]
信任度分级:
L1 高信任(≥90%): 绿色卡片 + 可直接采纳
L2 中信任(60-89%): 黄色卡片 + 建议验证原文
L3 低信任(<60%): 红色卡片 + 展示多源让用户判断
L4 无法回答: 灰色提示 + 转人工入口
状态可见:
- 搜索进度和文档扫描数量实时展示
- 引用来源含文档名+更新日期+一致性标记
- 时效性和矛盾性双重标记
纠偏入口:
- 查看原文（高亮定位）
- 标记错误 / 报告过时
- 补充提问 / 转人工
信任建立:
- 所有回答必须标注来源文档
- 置信度颜色+文字双重编码
- 文档时效性主动标注
- 矛盾信息不强行给结论
反馈闭环:
- "回答有误" / "文档过时" 按钮收集
- 高频错误问答 → 知识管理团队待办
- 过时文档 → 自动触发更新提醒
- 低信任比例趋势 → 检索模型优化信号
渐进自动化路径:
阶段1: 所有回答按信任等级展示，用户自行判断（当前）
阶段2: L1回答自动标记为"已验证"，减少用户重复验证
阶段3: L1回答直接作为官方参考答案，L2/L3仍需审核