p301. 交互范式跃迁：从精确控制到意图委托

3.1.1 交互范式演进史

每一次交互范式的跃迁，本质上都是一次控制权让渡——用户把越来越多的执行细节交给系统，自己退到越来越高的抽象层发出指令。

范式	时期	用户行为	系统角色	控制权分配	认知负荷
CLI（命令行）	1960s–1980s	精确输入命令语法	被动执行指令	用户 100%	极高（需记忆语法）
GUI（图形界面）	1984–至今	点击、拖拽可视化元素	提供可视化操作空间	用户 90%，系统 10%	中等（所见即所得）
LUI/CUI（对话界面）	2016–至今	自然语言表达意图	理解意图并执行	用户 60%，系统 40%	低（母语沟通），但新增”表达精准性”焦虑
AUI（智能体界面）	2024–至今	委托目标，监督执行	自主规划、执行、反馈	用户 20–30%，系统 70–80%	极低（但信任成本极高）
NUI（自然用户界面）	未来	手势、眼动、语音、空间交互	感知环境，预判需求	系统主导，用户审批	最低（接近人际交互）

Donald Norman 的”执行鸿沟”与”评估鸿沟”在 AI 时代的新形态：

在 GUI 中：

在 LUI/AUI 中：

这两种全新焦虑——表达焦虑和信任焦虑——是 AI 产品设计需要系统性解决的核心 HCI 问题，分别对应 p303 和 p305。

随着 AI 承担更多决策，一个反直觉的问题出现了：过度自动化会侵蚀用户的专业技能和判断力（自动化悖论，Automation Paradox）。

产品设计含义：不要无脑地把所有决策交给 AI。在关键技能域，保留”主动参与”的设计（哪怕稍微低效），以维持用户的核心判断力——这既是用户利益，也是产品的长期安全边际（见 p307 §3.7.2 层级选择）。

“Chatbot 聊天框”是当前 AI 产品的默认形态，但它并不是所有场景的最佳方案。

对话是线性的（一问一答、自上而下滚动），但很多任务本质上是非线性的——写文档时需要反复修改不同段落；分析数据时需要同时比较多个维度；做决策时需要并行评估多个选项。对话界面强制将非线性思维压缩为线性流，极大降低了效率。

产品判断：当用户的工作流需要”同时看多个内容”或”在不同部分之间跳跃”时，对话框是错误的范式选择。

对话界面的输出是一整块文本。但用户往往不是要”看”一段文字，而是要”用”一个结果——把表格导入 Excel、把代码插入编辑器、把日程添加到日历。纯文本输出和用户的实际工作流之间存在”最后一公里”的鸿沟，需要用户手动复制粘贴来弥合。

产品判断：当用户需要的输出是”做某件事的工具”而非”阅读某段信息”时，Generative UI（见 p302 §3.2.1 模式四）比对话框更合适。

在长对话中，用户不得不重复提供上下文（“还记得我刚才说的那个需求吗？”），因为模型的上下文管理对用户是不透明的。用户不知道模型”记住了”什么、“忘记了”什么——这种不确定性本身就是认知负担。

技术根源：KV Cache 有限、自回归生成模型不自带持久记忆（详见 c05 和 m206 记忆架构）。

产品判断：长上下文场景需要显式的”记忆管理 UI”——让用户能看到 AI 记住了什么、能主动删除或修正。

面对一个空的输入框和闪烁的光标，用户的第一反应往往是茫然——“它能做什么？""我该怎么开始？“这是对话界面特有的可发现性灾难：在 GUI 中，功能通过按钮和菜单暴露；在对话界面中，功能隐藏在无限的自然语言空间中，用户无法靠浏览来发现。

详细解法见 p303。

核心结论：对话界面应该是兜底选项，而非默认选项。 只有在没有更好的方案时，才把聊天框作为默认入口。