本文译自 How can AI UI capture intent?。这篇来自 UX Collective 的文章深入探讨了 AI 界面设计的核心挑战——如何更好地捕捉用户意图，提出了三种实用的设计模式：搜索工作流上下文、文件上传上下文和内容创建上下文。

AI UI 如何捕捉意图？

探索在用户输入时捕捉用户意图的上下文提示模式

上下文管理无疑是为 AI 模型提供上下文以塑造其行为和结果的最重要方面之一。当用户上传文档、提问或提供指令时，他们本质上是在教 AI 模型如何行为以及交付什么结果。然而，尽管具有这种基本重要性，大多数 AI 产品以令人惊讶的粗糙方式处理上下文。

当前模式如 Claude 主页中的智能默认值、GitHub Copilot 中的上下文过滤器或 Adobe Firefly 中的样式控件提供了强大的起点，但 它们共享一个限制。 智能默认值要么太宽泛，要么用户必须预先阐明他们的完整意图，然后依靠基于迭代聊天的来回交流来完善上下文。

这会产生不必要的摩擦。

考虑常见用例，上传季度报告的财务分析师仍然必须阐明应该提取什么。或者在 Perplexity 上搜索跑鞋的购物者仍然面临广泛、不聚焦的结果，必须根据他的偏好手动缩小它们。

如果上下文如此重要，为什么我们要让用户如此努力地提供它？

相反，预测性 UX*指向另一种方法。不是等待用户阐明每一步，而是系统可以在用户输入时基于行为或常见模式预测意图。Apple Reminders 在你输入时建议可能的任务。Grammarly 预测错误并内联提供更正。Gmail 的 Smart Compose 甚至预测完整短语，完全减少了起草的摩擦。

本文探索内联意图细化，以展示 AI 系统如何在用户输入时预测和呈现最有用的提示改进，涵盖搜索、信息提取和内容创建等核心用例。

目标是缩短价值实现时间，并将 AI 重新定义为在用户输入时预测用户意图的自适应合作伙伴。

1. 搜索工作流上下文

随着 AI 驱动的搜索在 Perplexity 和 ChatGPT 等平台上增长，大多数查询都属于几个可预测的类别。如果系统可以预测意图，它们应该呈现上下文提示作为芯片、滑块或下拉菜单，引导细化并减少摩擦。

常见用例的几种设计方法是——

• 上下文预设和下拉菜单在搜索跑鞋时选择地形类型（公路、越野、跑步机）。
• 2D 距离选择器和切换下拉菜单在本地搜索时按邻近度和氛围过滤餐厅。
• 下拉菜单和分段范围选择器在跟踪特斯拉股票时在来源（Yahoo、Bloomberg、CNBC）或时间窗口之间切换。
• 上下文默认值和嵌套下拉菜单在问”什么是 AI UX？“时调整响应长度、受众（设计师、工程师、创始人）或深度。

2. 文件上传上下文

当用户上传文件时，系统不只是闲着，它会立即呈现针对该文件类型定制的上下文感知提示。

展示这些智能默认值的两种方法是——

• 嵌套提示预设显示将相关选项分组的可展开菜单（例如 摘要→关键要点、项目符号、章节摘要），帮助用户导航结构化的多步骤工作流。
• 内联幽灵文本显示适应文件的轻量级、上下文提示（例如对于图像是_“让我描述、提取文本或重新混合”，或对于视频是”让我总结场景、创建标题”_），使下一步感觉自然和明显。

这种设计将文件上传从被动操作变成交互式入口点，其中 AI 引导用户走向有意义的结果。

3. 内容创建上下文

当用户创建内容时，AI 可以呈现上下文提示来塑造语气、风格和格式，减少空白页面摩擦并引导他们走向定制输出。

几种不同的方法是——

• 2D 语气操纵器通过快速滑块或选择器调整电子邮件的语气（例如，随意–有说服力_或_正式–专业）。
• 滑块控件选择图像属性，如宽高比或变体（例如，故事用 9:16，帖子用 1:1）。
• 堆叠提示的下拉菜单在视频生成中选择摄像机角度（例如，中景、特写、鸟瞰）来控制构图。
• 内联提示建议在起草 LinkedIn 帖子时添加主题标签（例如，AI UX、产品设计）以引导内容方向。

这些实验指向一个根本转变，即当 AI 界面预测而不是反应时，它们变得真正智能。不是等待用户阐明完美的提示，上下文 UI 模式可以自然地呈现意图，无论是通过文件上传的自适应预设、搜索的动态细化芯片，还是内容创建的内联语气控制。用户花更少的时间解释他们想要什么，而花更多的时间完善重要的结果。

设计能读懂言外之意的 AI 界面，而不只是读字面意思。做得好，这不只是改善用户体验——它从根本上重新定义了人类和 AI 系统如何交流。