Why vulnerability matters12:24
2013 年，斯派克·琼斯的电影《她》带给我极大的震撼。我喜欢它关于人工智能的构想，也喜欢它对情感而非技术的细腻刻画。10 年后，GPT 问世，语言大模型成为主流，电影中的 Samantha 似乎变得可以触及。怀着这样的想象，我参与了 VideoLingo 和 Viora 两个 AI 产品的设计与开发。也是在这两个项目里，我慢慢发现：AI 产品设计并不只是把更强的能力摆到用户面前。很多时候，人首先要确定的是——我敢不敢把东西交给它，它到底在做什么，以及它会不会理解我。
产品策略
品牌与视觉设计
UI/UX 设计
前端实现
VideoLingo：1 位设计师；1 位工程师
Viora：4 人团队
VideoLingo：不被看见的 AI
VideoLingo 是一个 AI 视频翻译工具：把视频链接放进去，它会输出翻译、字幕和配音。这是我接触设计的第一个 AI 产品；我负责品牌（logo、landing page）以及整体的视觉与用户体验。AI 在这里更像一个幕后工作者，对视频中的语音做精细的分析、翻译与切割，而其本身不被用户看见——就像大多数产品一样，用户不会看见背后的模型，将输入投入黑箱中，只能从输出结果判断它好不好用。
即使后端的模型和技术架构做得再好，如果用户不敢把自己的视频交出去、看不懂中间在发生什么、不确定需要多久，以及结果能不能用，产品就跑不起来。所以整个流程中最关键的，是降低“交出视频”的风险感。于是，我们决定先给预览，再跑全程。正式处理整段之前，先用几句话、几秒钟给出一小段翻译，让用户确认大致效果再继续，而不是押上整条片子去等一个未知结果。二是让处理过程透明：处理时有一条逐步展开的进度，说明现在在做什么、还要多久，就像今天的 AI 会告诉用户正在调用什么工具、处理到了哪一步。AI 处理需要时间，与其让用户对着加载图标干等，不如让他看到进展、知道还剩多少。
VideoLingo
01 / 04 · InputVideo source
Enter YouTube link
Readyyoutube.com/watch?v=iCvmsMzlF7o
Resolution1080p
Loading video
前面的设计解决的是用户愿不愿意开始，而真正决定用户是否会留下的，仍然是结果本身。翻译最难的是“自然”。每种语言、每个视频都有细微差别——文化梗、专业名词、说话人的口头禅和发音习惯——这些恰恰是通用翻译最容易出错的地方。我们的标准是达到 Netflix 那种自然的效果：不只译对意思，还要顾到断句、语气、标点，以及与画面时间轴的对齐。这部分主要靠后端，但它决定了设计要传递的信号：产品的每一处都要让用户相信，这次翻译是自然、可用的。
作为一个体量很小的产品，VideoLingo 后来取得了不错的成绩：GitHub Trending 全语言第 2、18.2k+ stars、6000+ 用户、月收入 2800 美元以上。从这个项目开始，我便一直在思考：AI 是否能走到台前，不再只是效率工具，而是真正与人对话。到了 Viora，这些问题开始变得更加聚焦——当 AI 不再藏在结果背后，变得具体和生动，如何让用户主动互动？
Viora：会是下一个 Her 吗？
Viora 是一个运行在 macOS 上的语音 agent，由桌面悬浮球、agent 卡片和主页三部分构成：用户按住快捷键对它说话，它会判断问题并给出不同回应，有时是语音听写，有时是简短回复，有时是调用工具完成任务。和 VideoLingo 不同，这里的 AI 不再藏在结果背后，用户通过持续对话与它交互，最终我们希望实现像《Her》那样的效果。另外，Claude Code、Codex 这类工具也改变了我的工作方式。这一次，我可以自己把设计想法做到前端，搭建测试环境，再根据用户反馈直接修改产品。研究、设计、实现与测试之间原本清晰的边界开始变得模糊，我也不再执着于完整地走一遍某种设计流程，而是更关注：我们做了什么判断，它为什么成立，以及最后有没有真的进入产品。比起按流程复盘 Viora，我更想从四个反复出现的问题讲起。
如何先让人敢开口？
开口比打字更有门槛。我们已经习惯用键盘和 AI 交流，改变这个习惯本身就有成本；对着电脑说话会让人别扭，因为没有一个明确的对象在听；用户还会担心说得不对、不知道该说多少、不确定它能否听懂不连贯的表达。而让人敢开口，核心是降低“开口”的风险。
第一是即时反馈。用户说话时，悬浮球会呈现聆听状态，之后会有一张 agent 卡片弹出，确认输入已被接受并展现思考过程。语音回应也不追求立刻念完整个答案，而是先给一个即时确认——比如用户说“今天想做某件事”，它会马上回应“好的，我什么时候开始？”。这种即时确认不打断对话，让用户更愿意继续说下去。
第二是容错。一旦用户担心自己必须说得准确、完整，开口的成本就会立刻变高。所以输入中不准确的地方应当由 AI 自动处理：用错了词，只要是用户惯用的，凭借记忆系统和词典功能，它仍能理解；表达啰嗦、不成条理，它也能整理出意思。当用户意识到说得不完美也没关系，才更敢开口。
如何用悬浮球反馈状态？
我们没有采用常见的语音胶囊，而是选择类似 Apple Siri 球体的设计，认为后者是更有生命力的存在。这颗蓝紫色的悬浮球一共有 5 种状态：未被激活时，球体好似在安静地呼吸，内部高光缓慢移动；当鼠标悬停在其上，球体会轻微放大并转向正前方；当用户说话时，球内的亮片随音量和语速转得更快、更明显，表示它正在接收；当用户松开快捷键、它进入思考时，旋转变成一种连续、稳定的状态，表示它在处理；当它开始说话，内部的色团随音量向外扩散。同样的元素，主要靠节奏差异和运动方向区分不同状态。
这是整个产品里动效相对复杂的部分，其余界面都尽量保持简单，不堆叠颜色和图案。悬浮球的视觉灵感来自魔法水晶球，以米白为底，搭配天蓝和淡紫，整体轻盈、通透，又不至于显得轻浮。它既是 AI agent 在界面上的显化，也是品牌 logo 的核心元素。
输入框该不该成为主入口？
在许多 AI 产品里，语音往往只是附着在原有聊天结构上的一个功能。最常见的做法有两种：一种是把麦克风放在输入框角落，把语音当成文字输入的补充；另一种是用一条波动的语音胶囊来承接说话过程，强调“我正在录音”。前者仍然默认用户会从键盘开始，后者则更像听写工具，而不是一个可以持续互动的 agent。它们都没有错，只是更适合“给现有输入框增加语音能力”，而不是把语音作为主要交互方式。
Viora 想做的不是前者。对我们来说，如果用户一打开界面，最先看到的仍然是一个等待填写的框，那么他很容易回到原来的习惯——打字、点击、输入；语音只会变成一个可有可无的小功能。
所以我们的决定不让输入框成为进入产品的主入口。激活 Viora 时，用户首先面对的是悬浮球和 agent 卡片：按住快捷键就可以直接开口，悬浮球负责反馈“在听 / 在想 / 在回应”的状态，agent 卡片则承接理解和后续动作。输入框仍然保留在卡片底端，作为备选方案，用户随时可以调出；但它不再承担界面的中心角色。我们也将听写和问答设为不同的快捷键，而不依赖点击输入框来区分模式，本质上也是希望用户先进入“正在和一个 agent 交互”的心智，而不是“正在往一个框里输入内容”。
这是一种有意的取舍：保留输入框，是为了给用户退路；弱化输入框，则是为了让语音真正成为第一交互方式。
如何让主页尽可能简洁？
通过几轮用户测试，我发现一个现象：主页展示的东西越少，用户越容易快速开启互动，使用感受越好。当下 AI 的能力越来越强，dashboard 也越做越满——记忆、技能、Connectors、Artifacts、各种 App，每一项都是能力的延伸，但叠在一起也抬高了理解门槛。我原本以为，这些设置会让产品显得更专业。但测试结果恰好相反：即使只加入 Connectors 这样的必要功能，一部分用户也会开始犹豫——这是做什么的？我需要先设置它吗？不设置还能不能用？主页上的每一个新入口，都在要求用户先理解一点系统，再开始交流。
于是我们把这些移到更深的层级，主页只保留用户和 Viora 对话的过程，以及少数必要入口，如搜索和用户头像。想深入的用户可以通过搜索或页面提示找到它们；只想让它整理文件夹、发邮件的用户，不必看到这些。能这样做，也是因为后端足够强——记忆的捕捉、听写与改写的逻辑、隐私保护都需要更好的把控和架构。把复杂的部分放到后端，前端才能保持简单好用。
这也让我重新考虑 onboarding 到底应该教多少。语音是一种新习惯，但恰恰因为陌生，更容易让设计者试图在进入产品前把所有事情解释清楚。我们的测试结果让我越来越倾向于相反的做法：第一次只解决一个问题——让用户知道现在可以说什么、该怎么说。更复杂的能力，可以等他真正需要的时候再出现。
目前我们还在进一步设计和迭代 Viora，同时许多新的 AI 交互界面形式，如 Grok Bot，也在不断带给我们启发。回头看这个过程，我发现自己反复解决的，并不是“AI 还能做什么”，而是这些能力怎样才能被人自然地接受。在 VideoLingo 里，AI 藏在黑箱后面，设计要做的是让过程和结果变得可预期，让用户放心把视频交给它；到了 Viora，AI 走到台前，问题变成了如何通过反馈、容错、动效和更少的界面，让用户知道自己被聆听、被理解，并愿意沟通。
AI 的能力越多，界面未必需要把这些能力全部展示出来。很多时候恰恰相反：系统越复杂，用户越需要一个简单的入口。对我来说，这两个项目在持续锻炼我对 AI 产品的理解，即设计人与 AI 之间的距离。让复杂的技术退到背后，让理解、信任和互动发生在前面。这或许也是《Her》一直吸引我的地方。真正打动我的并不是 Samantha 有多聪明，而是 Theodore 很快开始自然地和她说话、犹豫、沉默，也等待回应。
Source: Her — Official Trailer 1, Warner Bros.