# AI 产品体验设计 > 探索信任、透明度与用户控制，让 AI 产品更易理解和使用。 Canonical page: https://aixdesign.kens-toolbox.com/zh/learn/design-for-ai ## 内容生成 给用户一份草稿当起点，让他比较、修改、收尾。别让他只能接受一次生成的结果。 留够编辑空间。用户想改一句话，不该被迫整段重新生成。 - 让用户能停下来、能改、能重来。已经生成的好东西别丢。 - 有引用就能点开原文。资料不够的时候直接说不够。 ## Claude 看它怎么处理长文生成：分段输出、引用材料、让用户挑一版接着改。做内容生成功能时拿来对照。 [Claude](https://aixdesign.kens-toolbox.com/zh/tools/claude) ## ChatGPT 看它怎么给多个版本、怎么让用户调语气和长短、什么时候标出来源。 [ChatGPT](https://aixdesign.kens-toolbox.com/zh/tools/chatgpt) ## NN/g: AI Hallucinations NN/g 讲 AI 编造信息、引用对不上号这些常见坑，看完再设计引用功能。 [NN/g: AI Hallucinations](https://www.nngroup.com/articles/ai-hallucinations/) ## IBM Carbon for AI 怎么在界面上标出「这是 AI 生成的」、怎么解释它为什么这么生成，IBM 有现成的组件做法。 [IBM Carbon for AI](https://carbondesignsystem.com/guidelines/carbon-for-ai/) ## 内容生成 Prompt 说清给谁看、用来干什么，让 AI 出一份能接着改的草稿。 给【受众】写一份【内容类型】，用途是【用途】。只能用这些资料：【资料】。先出初稿，再单独列出资料不够或需要我确认的地方。 [内容生成 Prompt](#) ## 决策辅助 把选项、理由和取舍摆在一起，帮用户拿主意。用户想改建议或者干脆不听，也要能做到。 推荐理由就放在选项旁边。别给一个看着很精确其实没验证过的分数，那会带偏判断。 - 说清楚建议是基于什么条件，哪些信息还不确定。 - 要往外发东西、花钱、改数据的时候，先让用户看清会发生什么。 ## Grammarly 它「一条条给建议、用户逐条接受或改」的交互方式，值得参考。 [Grammarly](https://www.grammarly.com/features) ## Notion AI 看它怎么把 AI 建议放回原文位置：用户在上下文里接受、改写或撤销，修改记录都留着。 [Notion AI](https://www.notion.com/product/ai) ## HAX Guideline 11 + Pattern 11A 解释要短、要就近、要及时，放在建议旁边。别写一大段说明。 [HAX Guideline 11 + Pattern 11A](https://www.microsoft.com/en-us/haxtoolkit/guideline/make-clear-why-the-system-did-what-it-did/) ## HAX Guideline 9 建议不对，用户要能顺手改掉，改完还能接着往下做。 [HAX Guideline 9](https://www.microsoft.com/en-us/haxtoolkit/guideline/support-efficient-correction/) ## HAX Pattern 16A Feedforward 做之前先告诉用户会发生什么。尤其是那些做了就撤不回的操作。 [HAX Pattern 16A Feedforward](https://www.microsoft.com/en-us/haxtoolkit/pattern/g16-a-feedforward-convey-the-consequences-of-user-actions-before-the-user-takes-action/) ## 决策建议 Prompt 把几个选项、各自适合的情况和取舍摆出来，好接着讨论。 我要做这个决定：【描述】。给我三个选项：保守的、默认的、大胆的。每个选项说清楚：为什么推荐、大概的收益和风险、用户能改哪些部分、提交之后会发生什么。哪些后果风险高、需要用户再确认一次，单独标出来。 [决策建议 Prompt](#) ## 数据分析 让用户看懂数据在说什么，也能查它是怎么算的、筛了什么、结论靠不靠得住。 数据从哪来要能看，筛选条件要能改，改完要能重算。 - 标出数据的时间范围、指标怎么定义、缺失值怎么处理的。 - 关键数字能让人自己算一遍。图表和结论都能对回原始数据。 ## Tableau Pulse 关键指标变了，它用大白话告诉你变了多少、可能为什么。 [Tableau Pulse](https://www.tableau.com/products/tableau-pulse) ## Power BI Copilot 用一句话提问，它生成图表和摘要。看它怎么让用户查看、修改背后的查询。 [Power BI Copilot](https://learn.microsoft.com/en-us/power-bi/create-reports/copilot-introduction) ## Looker 指标口径统一定义在一处，AI 回答才有据可查。参考它怎么把指标来源展示给用户。 [Looker](https://docs.cloud.google.com/looker/docs) ## Amplitude 看它怎么把一句提问变成漏斗或留存图，并把用到的事件和筛选条件摆出来，方便用户核对。 [Amplitude](https://amplitude.com/get-started) ## 分析摘要 Prompt 让 AI 写分析摘要时把数据版本、计算过程和检查步骤都留下，别人能自己复算。 给【受众】总结这份分析。包括：1）回答了什么问题；2）指标怎么定义、时间范围是什么；3）关键发现和各自的出处；4）哪些还不确定；5）能复现的查询步骤或链接。 [分析摘要 Prompt](#) ## 任务自动化 步骤固定的就写成固定流程。要临场选工具的再上 Agent，而且要让用户看得到进度和结果。 先把一个任务做稳，再谈让它自己决策、接更多工具。 - 能暂停、能继续。同一个操作别重复提交两次。 - 拿三种情况测：正常任务、资料不够、工具挂了。 ## Zapier 把常用应用连起来。触发条件清楚、步骤固定的重复活，交给它。 [Zapier](https://zapier.com/) ## n8n 用节点拼流程，能自己部署。数据走哪、放哪要自己掌控的团队适合用。 [n8n](https://n8n.io/) ## Dify 拖拖拽拽搭 LLM 应用和 Agent 流程。试 Prompt、试知识库检索、试工具调用都方便。 [Dify](https://github.com/langgenius/dify) ## LangChain HITL LangChain 的人工介入文档。写数据、花钱、发消息之前怎么停下来等人批，有现成模式。 [LangChain HITL](https://docs.langchain.com/oss/python/langchain/human-in-the-loop) ## MCP security MCP 官方的安全指南。连上一个工具不等于什么都能干，权限要一条条给。 [MCP security](https://modelcontextprotocol.io/docs/2026-07-28/tutorials/security/security_best_practices) ## UiPath 企业级的自动化编排。多步骤的 Agent 流程里怎么插人工审批，可以看它的做法。 [UiPath](https://www.uipath.com/platform/agentic-automation) ## Agent 评估指南 Anthropic 写的 Agent 评估方法。用真实任务建评估集，看结果对不对、失败了能不能恢复、花了多久多少钱。 [Agent 评估指南](https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents) ## promptfoo 专门喂提示注入、越权这类坏输入，看系统扛不扛得住。 [promptfoo](https://www.promptfoo.dev/docs/intro/) ## Langfuse 记录 Agent 每一步实际干了什么、花了多少钱。Prompt 改了、版本变了，也能追。 [Langfuse](https://langfuse.com/docs) ## Agent 流程审查 Prompt 从触发条件和目标出发，把步骤和失败处理一条条列出来。 这是我的 Agent 流程：【步骤】。执行范围：【范围】。成本上限：【预算】。请用表格审查每一步：输入与输出 \| 风险等级 \| 是否需要人工批准（写数据、花钱、发消息） \| 失败后的回退方式 \| 中止条件 \| 日志字段（谁、什么时候、做了什么、影响了什么）。缺失的信息单独列出。先完成审查，不要执行流程。 [Agent 流程审查 Prompt](#) ## 跨场景基础 ## Google PAIR Guidebook Google 的 AI 产品设计指南。几个团队要对齐设计原则时，拿它当共同底线。 [Google PAIR Guidebook](https://pair.withgoogle.com/guidebook/) ## Microsoft HAX Toolkit 把「可解释、能纠正、能恢复」这些原则变成评审时能勾的检查项。 [Microsoft HAX Toolkit](https://www.microsoft.com/en-us/haxtoolkit/ai-guidelines/) ## IBM Carbon for AI AI 标识怎么放、建议依据怎么写、用户怎么控制，IBM 都有组件级的做法。 [IBM Carbon for AI](https://carbondesignsystem.com/guidelines/carbon-for-ai/) ## AIUXPatterns AI 产品专用的交互模式库，好例子坏例子都有，四个场景都用得上。 [AIUXPatterns](https://aiuxpatterns.com/) ## NIST AI RMF 美国标准局的 AI 风险管理框架。要做风险管理和治理的时候，按它的结构来。 [NIST AI RMF](https://www.nist.gov/itl/ai-risk-management-framework) ## WCAG Overview 无障碍的底线标准，什么场景、什么交互形式都适用。 [WCAG Overview](https://www.w3.org/WAI/standards-guidelines/wcag/) ## Related resources - [AI 设计方法](https://aixdesign.kens-toolbox.com/zh/learn/design-with-ai.md): 从用户研究、创意探索到原型与交付，找到适合当前任务的方法。 - [AI 产品体验设计](https://aixdesign.kens-toolbox.com/zh/learn/design-for-ai.md): 探索信任、透明度与用户控制，让 AI 产品更易理解和使用。 - [设计师的 Vibe Coding](https://aixdesign.kens-toolbox.com/zh/learn/vibe-coding.md): 面向设计师的 AI 编程方法、工具与实践参考。 - [作品集打造](https://aixdesign.kens-toolbox.com/zh/learn/build-portfolio-with-ai.md): 用 AI 梳理项目、组织案例叙事，完成作品集并持续打磨。 - [社区经验与复盘](https://aixdesign.kens-toolbox.com/zh/learn/community-field-notes.md): 整理社区分享、设计圆桌与作品集互评中的经验、练习和资源。 - [AI 设计工具目录](https://aixdesign.kens-toolbox.com/zh/tools.md): 探索设计、研究、视觉创作与开发中的 AI 工具。 Part of [Ken's Toolbox](https://kens-toolbox.com/). Account and participant data are not included in this public summary.