Appearance
模块 7：AI 产品设计——不确定性中的品味
The challenge of AI design is not making the machine look smart. It is making the machine feel trustworthy. Intelligence without trust is just a clever stranger — and no one takes advice from a clever stranger.
学习目标
完成本模块后，你将：
- 理解 AI 作为全新设计材料——它的不确定性、概率性和涌现性如何根本改变品味的维度
- 掌握"不确定性 UX"的设计品味：如何让概率输出感觉可信而非随意
- 区分对话式 UI 的品味层次：从功能性（能用）到品味性（好用且有气质）
- 分析 ChatGPT、Claude、Perplexity 三者的"AI 品味签名"——各自的设计哲学和取舍
- 理解"魔法与控制"之间的品味平衡：何时让 AI 自主，何时交还用户控制权
- 掌握 AI 产品中"克制"的品味逻辑——不做什么比做什么更定义品味
- 理解信任的设计（designing trust）如何成为 AI 时代的核心品味维度
一、AI 作为新设计材料
传统设计材料 vs AI
传统设计材料——无论是实体的（木材、金属、玻璃）还是数字的（像素、代码、动效）——有一个共同特征：确定性。你设计一个按钮，它每次被点击时的行为是完全相同的。你选择一个颜色，它不会根据情境自己变色。
AI 打破了这个基本假设。
Amelia Wattenberger（曾任 GitHub 设计师，AI 交互设计领域最有影响力的思考者之一）在 2023 年的文章 "Why Chatbots Are Not the Future" 中精辟地概括了这个变化：
"We used to design interfaces. Now we design relationships. The interface is not a surface anymore — it's a conversation partner with its own (simulated) opinions."
这个转变对品味意味着什么？
| 维度 | 传统产品品味 | AI 产品品味 |
|---|---|---|
| 一致性 | 最高美德——相同输入 → 相同输出 | 需要新定义——相同输入 → 不同但合理的输出 |
| 控制感 | 用户掌控一切 | 用户和 AI 共同掌控——程度是品味问题 |
| 可预测性 | 好产品是可预测的 | 完全可预测的 AI 没有价值——惊喜是功能 |
| 透明度 | 界面是透明的中介 | AI 的"思考过程"本身是产品的一部分 |
| 错误 | 错误是 bug | 错误是概率——幻觉（hallucination）是材料属性 |
AI 设计的"材料属性"
好的设计师会深度理解材料——木匠知道不同木材的纹理方向和硬度差异，这些知识决定了他如何使用材料。AI 设计师也需要理解 AI 的"材料属性"：
1. 概率性（Probabilistic）
AI 的输出不是"对或错"——是"在概率分布中采样"。这意味着品味不是关于"确保正确"，而是关于如何呈现不确定性。
2. 涌现性（Emergent）
AI 能做什么不是被完全设计的——它是从训练数据中"涌现"的。这意味着产品设计师不是在"规划功能"，而是在引导和限制涌现。
3. 对话性（Conversational）
AI 最自然的交互模式是对话。但"对话"是人类最复杂的社交行为之一——它包含权力关系、情感调节、社会规范。设计一个"对话 AI"等于设计一个"社交关系"。
4. 不透明性（Opaque）
深度学习模型的决策过程不可完全解释。这意味着品味不能建立在"用户理解 AI 如何工作"的基础上——而要建立在**"用户信任 AI 够用"**的基础上。
AI 产品
ChatGPT 为什么用聊天界面——以及为什么这是一个品味决策
问题：2022 年 11 月 ChatGPT 发布时，很多人质疑：为什么用聊天界面？GPT-3 的 API 已经存在了两年，为什么是聊天框而非其他形式（如命令行、表单、画布）让它爆发？这个界面选择背后的品味逻辑是什么？它的品味代价是什么？
分析：ChatGPT 选择聊天界面是一个看似简单但极度深思熟虑的品味决策。品味逻辑有三层：(1) 认知门槛——聊天是人类最本能的交互模式，不需要学习。任何人都知道怎么'说话'，但不是所有人都知道怎么写 API 调用或填写结构化表单。这是品味的民主化——让 AI 的力量对所有人可及。(2) 期望管理——聊天界面隐性地设定了'你在跟一个人说话'的心智模型。这个心智模型让用户自然地接受'它有时会犯错'（人也会犯错），而如果是一个搜索框界面，用户会期望'客观正确'的答案。(3) 开放性——聊天界面不预设使用场景。你可以问任何事。如果用表单或结构化界面，你就在品味上限制了 AI 的用途。品味代价同样有三层：(1) 效率损失——很多任务用结构化 UI 比聊天更高效（比如数据分析）。(2) 可发现性差——用户不知道 AI 能做什么，因为聊天界面没有'菜单'。(3) 对话隐喻的局限——AI 不是人，但聊天界面暗示它是。这种不匹配在用户发现'它会编造事实'时会造成信任损伤。Anthropic、Perplexity 和其他产品后续的界面创新——结构化输出、引用标注、artifact 展示——都是在修正聊天界面的品味局限。
二、不确定性的 UX：品味的新前沿
如何设计"可能是错的"
传统 UX 设计中，"错误状态"是边缘情况——设计师处理它的方式是尽量减少它的发生。AI 产品中，"可能是错的"是常态——模型输出是概率性的，幻觉是固有属性。
这创造了一个全新的品味挑战：如何让"不确定"感觉可信而非不可靠？
Google 的 PAIR（People + AI Research）团队在 2019 年发布的 People + AI Guidebook 中提出了几个核心原则：
原则 1：校准期望（Calibrate expectations）
在用户开始使用之前，就让他们知道 AI 能做什么、不能做什么。这个原则的品味维度在于：如何传达局限性而不损伤信任？
| 方式 | 品味 |
|---|---|
| "AI 可能犯错，请核实所有信息" | 过度谨慎——像免责声明，传达的是不信任 |
| "我对这个答案比较有信心 / 这个问题超出了我的擅长范围" | 适度坦诚——像一个有自知之明的专家 |
| 不做任何说明 | 过度自信——用户会在幻觉中失去信任 |
原则 2：让不确定性可见（Make uncertainty visible）
不是隐藏不确定性，而是把它作为品味元素来设计。
Perplexity 的做法很有品味：它在每个回答中标注引用来源——不是因为用户真的会去检查每一条引用，而是因为引用的存在传达了"这个答案有据可查"的品味信号。
原则 3：渐进式信任（Progressive trust）
不要一开始就要求用户完全信任 AI。让信任随时间建立——从低风险任务开始，逐步扩展到高风险任务。
Apple Intelligence（2024 年发布）的品味克制体现了这个原则：它没有像 ChatGPT 那样一次性展示 AI 的"全部能力"——而是从最安全的功能开始（写作辅助、照片整理），渐进式地扩展。
信任的设计（Designing Trust）
Linus Lee（前 Notion AI 研究者，独立 AI 工具开发者）在 2023 年的一系列文章中提出了一个重要观点：
"Trust in AI products is not about accuracy. It's about predictable behavior within understood limits. A tool that is 80% accurate but always tells you when it's uncertain is more trustworthy than a tool that is 95% accurate but never admits doubt."
这个洞见揭示了 AI 信任的品味本质：信任不是"你对不对"——而是"你的行为是否符合我的预期"。
一个有品味的 AI 产品不是最准确的——而是最可预期的。用户知道它什么时候可靠、什么时候可能出错、在出错时如何表现——这种可预期性就是信任，就是品味。
三、AI 产品的品味签名
ChatGPT：万能助手的品味
ChatGPT（OpenAI, 2022 年 11 月发布）的品味签名可以用一个词概括：全能感（omniscience）。
| 品味维度 | ChatGPT 的选择 |
|---|---|
| 语气 | 自信、流畅、略微正式——像一个知识渊博的助手 |
| 边界 | 几乎不拒绝——尽可能回答所有问题 |
| 格式 | 长回答、完整结构（标题、列表、代码块）——追求"完整性" |
| 错误处理 | 倾向于生成看似合理的答案，即使不确定 |
| 个性 | 中性——不太有个性，优先"有用" |
品味分析： ChatGPT 的品味选择是"让用户觉得 AI 什么都能做"。这带来了惊人的吸引力（"哇，它居然能做这个！"）和惊人的信任风险（它的自信让用户很难判断何时它在编造）。
ChatGPT 的品味哲学接近Amazon 式的"什么都有"——覆盖面最大化，让每个人都能找到价值。代价是缺乏鲜明的品味个性。
Claude：谨慎合作者的品味
Claude（Anthropic, 2023 年发布）的品味签名可以用一个词概括：审慎感（thoughtfulness）。
| 品味维度 | Claude 的选择 |
|---|---|
| 语气 | 温和、细致、有时候会自我修正——像一个认真思考的同事 |
| 边界 | 清晰的拒绝——在感知到风险时会明确说"不" |
| 格式 | 回答长度适度，倾向于解释推理过程 |
| 错误处理 | 更愿意说"我不确定"或"让我重新想想" |
| 个性 | 有辨识度——比 ChatGPT 更"像一个人"，但保持克制 |
品味分析： Claude 的品味核心是 Anthropic 的"constitutional AI"理念在产品层面的体现——不仅追求"有用"，还追求"安全"和"诚实"。这在品味上意味着它愿意用能力感换取信任感。
Anthropic 的产品设计哲学反映了一种独特的品味取向：克制是能力的表达，而非能力的缺失。 不做某些事不是因为做不到——而是因为判断了不应该做。这与模块 6 讨论的 Jobs 式减法一脉相承。
Perplexity：可验证答案的品味
Perplexity（2022 年创立，Aravind Srinivas 主导）的品味签名可以用一个词概括：可验证性（verifiability）。
| 品味维度 | Perplexity 的选择 |
|---|---|
| 语气 | 直接、简洁——像搜索引擎的进化版 |
| 边界 | 主动标注"我不知道"和"信息可能过时" |
| 格式 | 结构化答案 + 内联引用——每个事实性陈述都标注来源 |
| 错误处理 | 通过引用让用户自己验证——把判断权交给用户 |
| 个性 | 工具性——不追求"像一个人"，追求"像一个可靠的信息系统" |
品味分析： Perplexity 做了一个有趣的品味选择：它不试图成为"万能助手"或"思考伙伴"——它定位自己为"可验证的答案引擎"。这种自我限定是品味表达——它说"在所有 AI 能做的事情中，我只选择做这一件，然后做到极致"。
引用系统是 Perplexity 最强的品味特征。它不只是功能——它是信任的视觉设计。当你看到 [1] [2] [3] 这些引用标记时，你的信任感会上升——不是因为你真的验证了每条引用，而是因为引用的存在传达了"这个系统尊重事实"的品味信号。
辨别 AI 产品的品味签名
以下是三段 AI 产品对同一个问题的回答（已隐去品牌名）。根据回答的语气、结构、处理不确定性的方式，判断每段回答更接近哪种 AI 品味哲学。
样本 A
样本 B
样本 C
四、魔法与控制：品味的平衡艺术
"Magic" 的品味诱惑
AI 产品最大的品味诱惑是制造"魔法"感——让用户惊叹"哇，它怎么知道我想要这个？"
Google 前 CEO Eric Schmidt 在很多场合说过："The best technology feels like magic." 很多 AI 产品设计师将此作为品味标准——产品应该让用户觉得 AI "懂他"。
但 Linus Lee 在 2023 年的文章 "Against magic in AI UX" 中提出了一个反直觉的论点：
"Magic is the enemy of trust. When you don't understand why something happened, you can't predict when it will fail. The best AI tools don't feel magical — they feel like a very competent extension of your own capability."
魔法的品味问题：
| 魔法带来的 | 魔法的品味代价 |
|---|---|
| 惊叹感（"哇！"） | 无法预测——"哇"可能随时变成"什么？" |
| 减少操作步骤 | 丧失控制感——当 AI 做了你不想要的事 |
| 差异化——显得比竞品更"智能" | 信任脆弱——一次"魔法失灵"就可能毁掉所有信任 |
| 降低学习成本 | 用户无法建立正确的心智模型 |
控制的品味
与"魔法"对立的品味是**"控制"**——让用户始终知道 AI 在做什么、为什么这么做、如何修改。
Figma 的 AI 功能（2023-2024）体现了这种品味：
- AI 生成的设计不是"自动替换"——而是作为"建议"出现在侧边
- 用户可以看到 AI 的"推理"（为什么选择这个布局/配色）
- 每一步都可以撤销、修改、忽略
这种品味的哲学基础是：AI 是工具，不是代理人。 品味在于用户感觉自己在使用 AI，而非 AI 在替代自己。
Cursor 与 Copilot：两种品味的实战对比
GitHub Copilot（2021 年发布）和 Cursor（Anysphere 公司，2023 年起快速增长）都是 AI 编程助手，但它们的品味取向有深刻差异：
| 维度 | GitHub Copilot | Cursor |
|---|---|---|
| 核心隐喻 | 自动补全的进化版 | AI pair programmer（结对编程伙伴） |
| 控制模式 | 建议出现 → 接受/拒绝 | 对话 + 建议 + 多文件编辑 |
| 魔法程度 | 中等——内联建议感觉"自然" | 高——可以一次修改多个文件 |
| 品味取向 | 保守——不改变编辑器的基本隐喻 | 激进——重新定义"编辑器是什么" |
Cursor 的品味选择更大胆——它赌的是用户愿意把更多控制权交给 AI。这个赌注目前似乎赢了（2024 年 Cursor 增长极快），但它也承担了更高的品味风险：一旦 AI 的多文件编辑引入了 bug，用户的信任损伤比 Copilot 的单行建议更严重。
品味平衡的原则
综合 Google PAIR、Apple Intelligence、Anthropic 的设计实践，可以提炼出几个"魔法与控制"之间的品味平衡原则：
- 可逆性原则： AI 做的任何事都应该可以一键撤销。不可逆的"魔法"不是品味——是傲慢。
- 渐进揭示原则： 默认展示结果，但让用户可以选择查看过程。
- 错误成本原则： AI 的自主性应该与错误成本成反比——错误成本低（如邮件措辞建议），AI 可以更主动；错误成本高（如代码部署），AI 应该更被动。
- 退出成本原则： 用户应该永远可以回到"不用 AI"的状态——AI 不应该成为依赖。
AI 品味的四种范式
魔法优先（Magic-first）
追求哇的时刻。代表：早期 ChatGPT、Midjourney。品味逻辑：AI 的价值在于做人类做不到的事——越不可思议越好。风险：信任脆弱、期望管理困难。
控制优先（Control-first）
用户始终在驾驶座。代表：GitHub Copilot、Apple Intelligence。品味逻辑：AI 是工具的增强，不是工具的替代。风险：过于保守，无法发挥 AI 的全部潜力。
信任优先（Trust-first）
准确性和诚实性高于一切。代表：Claude、Perplexity。品味逻辑：长期信任比短期惊叹更有价值。风险：可能显得不够智能或太保守。
共创优先（Co-creation-first）
AI 和用户是合作伙伴。代表：Cursor、v0 by Vercel。品味逻辑：最好的 AI 交互不是AI 为你做也不是你指挥 AI 做——而是一起做。风险：角色边界模糊。
思考：在你的工作场景中，哪种 AI 品味范式最合适？是否存在某种场景需要在四种范式之间动态切换？
五、AI 克制的品味：不做什么定义品味
Apple Intelligence 的品味克制
2024 年 6 月 WWDC 上，Apple 发布了 Apple Intelligence。与其他科技巨头的 AI 策略相比，Apple 的品味最突出的特征是极度的克制。
在 Google、Microsoft、Meta 竞相推出最强大的 AI 功能时，Apple 做了几个令人瞩目的"不做"决定：
| 别家做了 | Apple 不做 | 品味理由 |
|---|---|---|
| 通用 AI 聊天机器人 | 没有独立的 AI 聊天应用 | "AI 不是一个去的地方——它应该无处不在但不抢戏" |
| AI 生成长文本 | 只做"重写/润色/摘要" | 用户应该是创作的主体——AI 是编辑助手，不是作者替代 |
| AI 搜索 | 与 Siri 深度整合但不替代 | 搜索的品味已经在 Safari 中——不需要一个新入口 |
| 开放 API | 封闭的系统级集成 | 品味一致性优先——第三方 AI 可能破坏 Apple 体验的品味基准 |
Craig Federighi（Apple SVP of Software Engineering）在发布会上反复使用一个词："personal"。Apple Intelligence 的品味核心是"个人化"——AI 应该服务于你的个人语境（你的邮件、你的照片、你的日程），而非成为通用万能工具。
Anthropic 的克制哲学
Anthropic 的 Claude 代表了 AI 品味中另一种克制：能力的自限。
Dario Amodei（Anthropic CEO）在多次公开讲话中强调了一个核心理念：AI 产品应该"do less harm over do more"。这在产品品味上体现为：
- 主动拒绝： Claude 会拒绝它认为有潜在危害的请求——即使技术上它可以完成
- 不确定性透明： Claude 更愿意说"我不确定"而非编造自信的答案
- 能力边界清晰： Claude 不试图成为"万能"——它明确自己的局限
这种品味哲学的根源是 Anthropic 对 AI 安全的重视——但在产品层面，它创造了一种独特的品味个性：一个知道自己不应该做什么的 AI，比一个什么都愿意做的 AI 更值得信任。
品味克制的悖论
AI 产品中的品味克制面临一个悖论：
- 克制建立信任（"这个 AI 知道自己的边界"）
- 克制降低短期吸引力（"这个 AI 好像不如竞品强大"）
- 市场竞争奖励短期吸引力
- 所以市场压力倾向于推动所有 AI 产品走向"什么都做"
这意味着品味克制在 AI 领域是一种需要勇气的选择——它需要你相信长期信任比短期惊叹更有价值。从品味训练的角度，识别和欣赏 AI 产品中的克制——不只是惊叹于它能做什么——是 AI 时代的关键品味能力。
设计一个有品味的 AI 交互
30-40 分钟选择一个你熟悉的工作场景（如写文档、分析数据、回复邮件、做产品决策），为它设计一个 AI 辅助功能。不写代码——写品味决策：(1) 这个 AI 功能的品味签名是什么？（魔法/控制/信任/共创——或者你自己的定义）(2) 它在什么时候主动帮助、什么时候被动等待？为什么？(3) 它如何处理自己不确定的情况？(4) 用户如何控制 AI 的自主程度？(5) 如果 AI 犯了错，用户的体验是什么？
建议结构：
场景定义~20%
尽可能具体。不是AI帮我写文档，而是当我在写产品需求文档的功能描述部分时，AI基于之前的用户调研数据给出措辞建议。
品味签名~25%
你选择的每个品味方向都有代价——写出来。选择魔法感意味着放弃什么？选择控制优先意味着放弃什么？
交互细节~30%
关键不是AI能做什么——而是AI和用户之间的关系设计。谁主导？谁辅助？在什么时刻角色切换？
错误设计~25%
AI一定会犯错——错误体验是品味的试金石。一个在犯错时仍然让用户感到被尊重的AI，比一个从不犯错但没有人格的AI更有品味。
- 不要从AI能做什么出发——从用户在这个时刻的感受出发。品味不是关于能力，而是关于体验
- 参考 Apple Intelligence 的克制——想想你的 AI 功能不做什么。不做的列表可能比做的列表更定义品味
- 试试用人类协作的隐喻来思考：如果这个 AI 是一个人类同事，他/她的性格是什么？在什么情况下你会信任他/她的判断？
目标：500 字
六、延伸阅读
必读
Google PAIR, People + AI Guidebook (2019, pair.withgoogle.com)
- 目前最完整的 AI 产品设计指南。不只是设计模式——它深入讨论了 AI 交互中的信任、期望和错误处理的设计原则。
Amelia Wattenberger, "Why Chatbots Are Not the Future" (2023)
- 对聊天界面作为 AI 交互默认范式的深刻质疑。Wattenberger 提出了丰富的替代性 AI 交互范式——每一种都有独特的品味特征。
推荐
Linus Lee, "Against magic in AI UX" (2023)
- 对 AI 产品中"魔法感"崇拜的有力反驳。Lee 的核心论点：最好的 AI 交互不是"不可思议的"——而是"可理解的"。
Anthropic, "Claude's Character" (2024, anthropic.com)
- Anthropic 对 Claude 品味个性的官方阐述。注意它如何将安全、诚实和品味融为一体——"不做某些事"不是限制，而是品味选择。
Apple, "Apple Intelligence" 设计文档 (2024, developer.apple.com)
- Apple 如何将 AI 集成到系统级别而非作为独立功能。注意克制的品味：Apple 选择"不做"的事情比它选择"做"的事情更有启发性。
Intercom, "The principles of bot design" (2017)
- 虽然写于大模型时代之前，但它对对话式 UI 品味的讨论（如何处理bot 的"人格"、如何管理期望）仍然高度相关。
体验
- 用同一个问题（建议选一个需要事实性和判断性的问题，如"2024 年最值得关注的技术趋势是什么"）分别问 ChatGPT、Claude 和 Perplexity——不是比较"谁更准确"，而是感受三者的品味差异：语气、结构、处理不确定性的方式、引用习惯。
- 如果你使用 AI 编程工具：在同一个编程任务中分别使用 GitHub Copilot 和 Cursor——注意你对"控制感"的感受有什么不同。
七、本模块要点
- AI 是全新的设计材料——它的概率性、涌现性、对话性和不透明性根本改变了品味的维度
- 传统品味追求一致性和可预测性，AI 品味需要在一致性和创造性惊喜之间找到新的平衡
- ChatGPT 的品味签名是"全能感"，Claude 的是"审慎感"，Perplexity 的是"可验证性"——每种签名都是品味选择，各有优势和代价
- "魔法"是 AI 产品最大的品味诱惑——但魔法是信任的敌人。最好的 AI 工具不像魔法——而像你能力的延伸
- "可逆性"是 AI 品味的底线——AI 做的任何事都应该可以一键撤销
- Apple Intelligence 和 Claude 的品味克制代表了 AI 时代的一种勇气：不做什么比做什么更定义品味
- 信任的设计（designing trust）是 AI 时代的核心品味维度——信任不是"准确率"，而是"行为的可预期性"
- AI 品味克制面临市场悖论：市场奖励短期惊叹，品味追求长期信任——选择后者需要勇气
- 最好的 AI 交互设计不从"AI 能做什么"出发——从"用户在这个时刻的感受"出发
下一步
我们在 TASTE-202 中从品味视角分析了产品的各个维度：信息架构、时间性、微交互、设计系统、策略、AI。最后一个模块要做的是把这些维度综合起来——不是理论性地综合，而是通过实际的产品批评写作来综合。你将学会像 John Gruber 和 Ben Thompson 那样，写一篇有深度、有立场、有品味判断的产品批评。
模块 7 自评
评估你对 AI 产品品味的理解和设计能力。
AI 材料理解理解 AI 作为设计材料的独特属性（概率性、涌现性、不透明性）
品味签名识别识别和分析不同 AI 产品品味签名的能力
魔法-控制平衡在 AI 的自主性和用户控制权之间做出品味判断的能力
克制品味识别和实践 AI 产品中品味克制的能力