第 13 章设计人愿意用的 AI 体验

决定一个 AI 产品命运的，往往不是它最聪明的那一刻，而是它第一次出错的那一刻。

上一章结尾，我们停在「造物」的最后一关上：评估集和数据飞轮能让产品有据地变好，但和对错无关的那一票，还悬在半空——人愿不愿意用它。这一章是第三部的收尾章。搭起来了，接进真实世界了，能有据地变好了，还差最后一块板。我先抛出这一章的核心判断，然后用一间观察室里的七分钟来论证它：决定 AI 产品去留的不是能力，是托付；而托付，是可以被设计的。

那是一间很普通的用户测试观察室：一面单向玻璃，两把椅子，一杯没人动过的水。

受测者是一位电商公司的运营，三十岁上下，每周五要交一份渠道数据周报，这件事她已经做了三年。我们请她用当时我们正在做的 Agent 产品完成这个任务。玻璃这边，我和工程师都不太担心——这个任务在评估集里的通过率超过九成，模型层面挑不出什么毛病。

接下来的七分钟，是我做产品设计这些年里看过的最安静、也最刺眼的七分钟。

她在空白输入框前停了十几秒。手指放上键盘，抬起来，又放下去。最后打出来的是一句很短、很保守的话：「帮我整理一下上周的数据。」

Agent 跑了四十多秒，界面上只有一个转着的圈。大约二十秒的时候，她拿起了手机。

结果回来了，是一份相当像样的周报，只有一处毛病：某个渠道的数据口径和她平时用的不一样。她盯着那个数字看了几秒，没有改，没有重试，也没有抱怨，只是轻轻说了一句：

「还是我自己来吧。」

然后她打开了 Excel。

玻璃这边没有人说话。评估集没有骗我们，模型确实做对了九成。但用户不是评估集，她不会给产品打 0.9 分，她只做一个二选一的决定：用，或者不用。她已经决定了。

测试后的访谈里，她说了实话：「它挺厉害的，但我交不出去错的周报。这份报老板每周一早上要看，错一个数，我得解释一上午。」你看，她没有否定能力，她否定的是托付。

上一章我们用了一整章解决「做得对」：建评估集，搭数据飞轮，让产品有据地变好。这一章要面对一个让工程师更沮丧的事实——做得对，不等于有人用。中间隔着的那层东西，叫体验。它不负责让 AI 更聪明，它负责三件事：让用户敢开口，让等待不发慌，让出错之后人还愿意回来。刚才那七分钟里，这三件事各翻车了一次：开口前的十几秒，转圈的四十秒，和那句「还是我自己来吧」。

这一章就沿着这三道坎拆。但动手之前，得先看清一件更大的事：我们脚下的整个交互范式，正在换轨。

一、范式换轨

过去三十年，人机交互只有一种基本句式：人发出一个明确指令，机器执行一个确定动作。点击、滑动、拖拽、提交，形式千变万化，本质是同一件事——你说「做这个」，它做这个。就算到了对话式 AI 的头几年，句式也没变多少：人提问，AI 回答。然后呢？然后人拿着答案，自己去执行。AI 出主意，你跑腿。为了让这套一问一答尽量好用，整个行业还在应用层垒起了又厚又重的工程外壳。

新句式完全不同：人描述意图，Agent 自己把意图拆成任务、调度工具、并行去跑，最后把成品直接端到你面前。你不再说「做这个」，你说「我想要什么」。执行的主语，从人换成了机器。

这不是远景。同样是安排一次出差：旧句式下，你问「明早北京到上海有什么航班」，它列出一串，你自己去比价、下单、订酒店；新句式下，你说「周四去上海见客户，下午三点的会，当天回」，它去查航班、对比价格、避开你日历上的冲突，把两套完整方案摆到你面前，你点一下，订完。前一种 AI 是顾问，后一种 AI 是办事的人。顾问和办事的人，你愿意托付的程度天差地别——这正是体验问题的源头。

打个比方，这个比方会陪我们走完整章。旧交互像自助餐厅：菜全摆在那儿，琳琅满目，但端盘子、配菜、找座位都是你自己的事。自助餐厅的全部设计功力，都花在「怎么让你找得到菜」上——分类、动线、灯光、招牌。新交互像一位私厨：你只说一句「今晚想吃清淡点的，家里老人牙口不好」，买菜、配菜、火候全是他的事，菜直接上桌。

在这两种餐厅吃饭的人，操心的事完全不同。自助餐厅里你只担心找不到想吃的；私厨面前你担心三件事：敢不敢把需求交给他，他听没听懂你的意思，菜不合口味时能不能让他回锅。对应到产品上，就是信任、意图和纠错。这三个词，在旧时代的设计教科书里几乎查无此页。

问题在于，整个设计行业的肌肉记忆，都是在自助餐厅里练出来的。信息架构、导航体系、视觉层级，这些手艺没有作废，但它们回答的都是「怎么让人找到功能」，而新世界的生死题是「怎么让人放心交付意图」。很多 AI 产品的体验糟糕，不是设计师不用心，是他们端着自助餐厅的手艺，在伺候一个私厨的场子。

而且换轨不是齐步走的。你的产品也许已经活在新句式里，你的用户还住在旧句式里。三十年的图形用户界面（GUI）把他们训练成了「看到按钮才知道能干什么」，面对一个「你说什么我都尽量办」的系统，第一反应不是兴奋，是无所适从。测试间里那十几秒的停顿，停的就是这个：不是她不会打字，是她的交互直觉还没搬家。所谓好的 AI 体验，说到底，是给用户的旧直觉修一条通往新范式的缓坡。

二、表演式智能

学新手艺之前，先讲一个行业笑话。必须讲，因为它正在大规模真实上演。

这两年最流行的「AI 化改造」是这样做的：把一套几年前的旧架构原封不动留着，前端把「Loading...」那行字改成「Thinking...」，再配一个闪烁的光标。改完，发布会宣布全面拥抱 Agent，估值多了十个亿。

听起来像段子，但它是融资市场上真实剧目的合订本。这种病得先有个名字才可讨论，我叫它「表演式智能」：能力还是旧的，妆容换成新的，让界面替系统撒谎。鉴别真伪的标准只有一句话：没有调度，就没有 Agent。点开那个「思考过程」看一眼，背后如果没有真正的任务拆解、工具调用和多步执行，只有一段写死的延时动画，那它就不是 Agent，它是个演员。

拆穿演员不需要看代码，三个动作就够：同一个输入连跑三遍，看输出是真在变化，还是换了套措辞的同一份答案；任务跑到一半打断它，看它说不说得清已经做完了哪几步；最后问它一句「你刚才为什么这么做」——真有调度的系统答得出依据，演员只会再背一遍台词。

这种障眼法之所以有市场，是因为真调度实在太苦了。要拆任务、要接工具、要管权限、要铺兜底，第 10 章和第 11 章里那些不性感的体力活，一样都省不掉。而把「Loading」改成「Thinking」，前端工程师十分钟就能改完。一边是几个月的苦工，一边是十分钟的妆容，估值还一样涨——你说市场狂热的时候，谁忍得住。

投资人迟早会学会戳穿这层窗户纸，那是他们的功课。我更想从设计师的角度算另一笔账：表演式智能骗的不只是投资人，它透支的是用户的信任，而这笔债最后会摊到整个行业头上。

道理很直接：你把界面装扮成「正在思考」的样子，用户就会按一个思考者的标准来要求它。期待被界面抬高了，能力却还停在原地。等它第一次穿帮，比如所谓的深度思考，十次输入得到十次一模一样的输出；所谓的智能推荐，翻来覆去就那三条规则。用户失去的不只是对这个产品的信任，还有对下一个真 Agent 的耐心。狼来了的故事，最后坑的是真的有狼的那一天。

还有一种更隐蔽的版本：产品确实接了大模型，但只拿它做点文案润色、摘要生成，对外却包装成「全能智能助理」。这比纯表演体面一点，伤害是同一种——承诺与能力之间的落差，全部由用户的失望来支付。

所以这一章要讲的所有体验手法，有一条共同的底线，算是这个行当的职业伦理：界面承诺的智能程度，不能超过系统真实的智能程度。宁可朴素，不要表演。是加载就写加载，是规则就认规则；真有调度，再把调度亮出来给人看。体验设计可以放大真实的能力，不能捏造不存在的能力。

三、从控制路径到控制边界

说回真手艺。第一个要换的，是设计的对象本身。

我职业生涯的前半段，工作方式可以用一摞流程图来概括。当年做 VeeR VR 全球官网改版，我交付的是几十页的页面流和状态图：用户从哪个入口进来，第一屏看到什么，点这个按钮去哪里，表单填错了弹什么提示，断网了显示什么。每一条路径都被预先画出来，每一个状态都有归宿。那时候交互设计师的本质工作是控制路径——预测用户的每一步，替他铺好每一块砖。用户能走的路，都是我们画过的路。

这套方法有一个不言自明的前提：系统是确定的。同样的输入永远得到同样的输出，所以路径可以穷举，状态可以收敛。

大模型把这个前提敲碎了。同一句话，今天和明天的回答可能不一样；你无法穷举用户会说什么，更无法穷举系统会答什么。路径从一棵整齐的树，炸成了一团雾。你画不完所有的路了。

面对这团雾，设计师中间流行两种反应。一种是宣布交互设计已死：路径画不完了，剩下的都归模型和运气。另一种是假装什么都没发生，继续给概率系统画确定的流程图，画不进去的部分统统标注「视模型输出而定」。前一种是弃权，后一种是自欺，而它们共享同一个错误前提：设计的对象只能是路径。其实还有第三种姿态——设计没有死，是设计的对象换了。从控制路径，到控制边界。你不再规定系统的每一步怎么走，你规定它在什么范围内走、走出范围时怎么办、人可以在哪里伸手干预。

设计师的交付物清单也跟着换了。过去是页面流、组件库、标注稿；现在多了示例意图集、追问的话术、不同置信度下的措辞方案、出错时的降级路径。这些东西过去归文案、归产品、归工程，谁都管一点，谁都不真管；现在，它们就是体验的主体。

这更像规划一座公园，而不是修一条走廊。走廊里人只能直行，你设计的是墙；公园里你不知道每个游客会怎么逛，你能做的是在湖边围上栏杆，把出口标清楚，在容易迷路的岔口立一块地图。游客自由行走，但掉不进湖里。

落到产品上，护栏分三段。入口那段叫意图输入：帮用户把模糊的想法说清楚，给结构化的引导、给示例，必要时让系统反过来追问一句「你要的是 A 还是 B」。中间那段叫结果解释：系统交付的同时，交代清楚「我做了什么、依据是什么、哪里是推断」。出口那段叫可纠错：用户对结果不满意时，有清晰的地方下手改，而不是只能全盘接受或全盘丢弃。意图输入、结果解释、可纠错，三段护栏立住了，雾里的系统就有了形状。你会发现，这三段护栏对着的，正是私厨面前那三个担心：敢不敢交、听没听懂、能不能回锅。

这两年我在 Agent 平台上做设计，有一个自己都觉得有趣的变化：交互稿越画越薄，边界文档越写越厚。哪些操作 Agent 可以直接执行，哪些必须先请示；出错了怎么回滚，用户从哪里接管；它没把握的时候，按什么规则停下来问人。举一条具体的：客服 Agent 处理退款，两百元以下、规则内的，直接办，事后留痕；两百到一千的，先把方案和依据摆出来，等人点头；一千以上，或者用户情绪明显激动的，整单转人工，Agent 退到旁边做记录。这一条里没有一个像素，但它就是交互设计——它设计的是在一件事里，人和机器各自站在哪儿。这样的文档里几乎没有一张界面图，但我越来越确信，它们才是这个时代真正的交互设计稿。

四、形态与安置

边界定好了，下一个问题是形态：你的 AI 应该长成什么样、站在产品的什么位置。

目前看，代理式界面（Agentic UI）大体有三种形态。

第一种是对话式：一个聊天框，用户主动发起，自由输入。它最万能，也最重——用户得自己组织语言、描述任务，认知成本全压在用户身上。它适合开放、复杂、低频的任务，那种你很难预设界面的事：一次性的深度研究、跨好几个系统的复杂操作。反过来，越是高频、固定的任务，越不该逼用户每次都重新打一遍字。

第二种是主动式：不等用户开口，AI 自己找上门。它监测到异常主动报告，到点主动交付一份日报，发现你在重复劳动时主动提议「这个我可以替你做」。这是范式迁移真正的深水区，从「人找 AI」翻转成「AI 找人」。它的力量和风险都在「主动」二字上：帮对了是惊喜，帮错了是打扰，时机不对，连帮对了都是打扰。第 6 章讲记忆时提过的陪伴型产品定时触达，就是这种形态的代表——时机、内容、频率，三个变量错一个，关怀就成了骚扰。所以主动式的设计重心根本不在界面上，在「什么情况下闭嘴」上。

第三种是嵌入式：AI 藏进现有的工作流，在用户本来就要做的动作旁边顺手出现。邮件正文下方的一键摘要，表格里的自动填充建议，文档里圈出一段就能改写。它声量最小，被采用的门槛也最低——用户甚至不觉得自己「在用 AI」，他只觉得这个产品变顺手了。它的代价在另一头：每一个嵌入点都要单独设计、单独打磨，享受不到对话框那种「一次开发、处处能用」的省事。

三种形态没有优劣，只有适配。粗略的手感是：开放、低频的事用对话式，有规律可循的事用主动式，高频的小动作就近做嵌入式；一个成熟的产品往往三种都有，各管一段。但有一个流行的错误必须点名，它也配得上一个名字，叫「万能对话框」：太多团队一立项做 AI 功能，张口就是「加个对话框」。对话式是最省设计的形态，也因此常常是最偷懒的选择——它把「想清楚 AI 该在哪里出现」这道设计题，原封不动地丢回给了用户。而判断一个 AI 体验是否高明，有个反直觉的标准：最好的 AI 体验，常常是用户没有意识到自己在用 AI。

形态之外，还有两个安置问题，行话叫安置（Placement）与声量（Prominence）：放在哪里，声量多大。安置的原则是，AI 该出现在用户真正需要它的那个动作旁边，而不是统一塞进右下角的一颗悬浮球里——离场景越近，采用率越高。同一个改写能力，放在全局对话框里，没人想得起来用；嵌在用户选中一段文字后浮出的小条上，用的人立刻多了。能力没变强，它只是终于站到了用户的手边。声量的原则是，声量与把握成正比：系统有把握时，可以大方地给出结果；没把握时，要把姿态放低，以一条可以被无视的建议出现，而不是一个必须处理的弹窗。

这条原则我最早不是在 AI 产品里学到的。早年做 PICO 和 TikTok 的 VR 直播交互，有一个场景反复教育我：观众正看到兴头上，任何弹窗都是冒犯；但同一条信息，挪到他刚送完礼物、注意力自然松开的那个间隙出现，就成了贴心。信息本身没变，时机和音量变了，性质就从打扰变成了服务。AI 的声量设计是同一门手艺：不是「有用的信息就该展示」，而是「在对的时刻，用对的音量说」。

五、开口与等待

形态和位置定了，回到测试间的前两道坎。

第一道坎，是空白输入框前的那十几秒。

我的看法是：空白输入框是这个时代最贵的设计。它看起来给了用户无限自由，实际上把全部认知负担都压给了用户。我该说什么？说多细？它能听懂吗？说错了会怎样？这就像走进一家没有菜单的餐厅，服务员微笑着说「您随便点」。极少数老餮会兴奋，绝大多数人只会发慌，然后点一个最保守的菜。测试间里那句「帮我整理一下上周的数据」，就是那个最保守的菜——她不是只有这点需求，她是不知道自己能要多少。私厨面前的第一个担心「敢不敢把需求交给他」，落到界面上，就是这十几秒。

图形界面时代不存在这个问题，因为选项即菜单：按钮全列在界面上，产品能干什么、不能干什么，一目了然。对话框抹掉了菜单，也抹掉了能力的边界感。所以设计要做的，是把菜单用别的方式还回去。给示例：空白框下放几条具体的、来自真实高频任务的示例意图，点一下就能跑，它们既是快捷入口，更是能力边界的活广告。给模板：高频任务做成填空式的半结构化输入，用户只填关键信息。再进一步，别让用户从零写，让他改：根据上下文先猜一个意图、先出一版草稿，用户在草稿上挑挑拣拣。人类不擅长凭空描述自己要什么，但极擅长对着一个具体的东西挑毛病。把「请描述」变成「请挑错」，门槛能矮掉一大截。

这些设计值不值得费工夫，让我们算一笔账。一个用户每天向 AI 交代五次任务，每次对着空白框组织语言要多花一分钟，一年就是二十多个小时；这还没算说不清导致的返工，更没算那些因为不知道怎么开口、干脆没有发生的使用。示例、模板和草稿省下的不只是打字时间，是每一次开口前的犹豫——而犹豫，才是采用率真正的漏斗口。

还有一个容易被忽略的时刻：第一次使用。用户对一个 AI 产品的能力判断，几乎在头几分钟内定型，而且之后很难更新——很多人用一个产品三个月，会的还是第一天学会的那两招。所以冷启动要刻意设计：别让用户的第一个任务是开放命题，递给他一件小而稳的事，成功率最高、价值一眼看得见的那种。第一次就成，他会自己去试探更大的边界；第一次就砸，你后面做得再好，他也未必肯给第二次机会。

第二道坎，是转圈的那四十多秒。

体验设计里有个流传很广的老故事：写字楼电梯慢，投诉不断，换电梯太贵，物业最后在电梯口装了一面镜子——人们照着镜子整理领口，投诉骤减。等待没有变短，等待的体感变了。

Agent 的等待设计，可以比镜子诚实得多，因为它手里有真东西可以给人看：把执行过程亮出来。正在读哪个数据源，任务拆成了哪几步，第几步已经完成。好餐厅会把后厨做成明档，私厨当着你的面备菜，你反而吃得放心。四十秒的黑箱让人焦虑，四十秒的直播让人安心——用户看见它真的在干活，顺便也看懂了它是怎么干活的；将来哪一步出了问题，他知道该从哪里下手纠。再进一步，可以分段交付：不必等全部跑完，先把已经稳了的部分交出来，周报的框架先出，数字陆续填。用户手里有东西，等待就不再是空转。等待这件事，就这样从体验的成本，变成了信任的资产。

当然，前提是你得真的有这些步骤。表演出来的假进度条，迟早穿帮——这又绕回了那条铁律：没有调度，就没有 Agent。

六、出错的姿态

第三道坎最致命，值得单独一节。

先接受一个设计上的死刑判决：你的 AI 一定会出错。它是概率系统，这是物理，不是态度问题。前面几章的兜底四件套能把错误率压低，但压不到零。所以体验设计真正的考题，从来不是「如何不出错」，而是「第一次出错时，产品如何表现」。我可以把话说得再重一点：这一刻的设计，几乎单独决定了用户的去留。

想想你怎么对待一个犯错的新同事。新人第一周把数据口径搞错了，你会开除他吗？大概率不会——尤其当他主动说「这个口径我拿不准，您帮我看一眼」的时候，你甚至会因此更信任他。但如果他满脸笃定地把错的当对的交上来，被你抓住之后还面不改色，第二次你就不敢把活交给他了。用户对 AI 的心理一模一样：错误本身可以被原谅，前提是犯错的姿态对。

姿态对，落到设计上是四个「可」。这四个「可」不是并列的：前三个是递进的机制——先让人看得懂，再让人下得了手，最后让人收得回来；第四个不是机制，是姿态，它决定前三个机制用起来是什么体温。

可解释。交付结果时带上依据：引用了哪份文档，数字来自哪张表，哪一句是原文、哪一句是推断。第 9 章那个保险条款问答产品，能在大模型「不稳定」的恶名之下活下来，靠的就是每个回答都附原文引用——用户不需要无条件相信 AI，只需要顺着引用扫一眼原文。可解释把用户的校验成本，从「自己重做一遍」降到「看一眼出处」。信任从来不是「我相信你不会错」，而是「我随时查得了你」。解释还要分层：默认给一句话的依据摘要，想深究的人再点开完整链路。把全部推理过程一股脑糊到用户脸上，不叫透明，叫推卸——你把校验工作又原样退回给了他。

可纠错。错了一处，让用户改那一处，而不是推倒重来。私厨面前的第三个担心，是菜不合口味能不能回锅——回锅的意思是重做那一道菜，不是把整桌席退掉。测试间里那位运营面对口径错误时，界面给她的选项只有两个：接受整份，或者丢弃整份。所以她选了丢弃。如果那个数字旁边有一个入口，点开说一句「这个渠道按结算口径算」，系统只重算这一项，故事的结局多半不一样。纠错入口的颗粒度，决定用户愿不愿意伸手；而亲手改成功一次，比看十条宣传语都更能建立「这东西我使唤得动」的感觉。

可收回。高风险的动作，先给计划，再要确认；执行完的动作，留好撤销。我们在 Agent 平台上做过一个最不起眼、也最值钱的改动：把「收到指令直接执行」改成「先给你一份执行清单，点确认再动手」。按旧时代的交互信条，多一次点击是减分项；用户的反馈却截然相反——那次确认给了他们「缰绳还在自己手里」的感觉。我后来把这个经验总结成一句话：AI 时代，有些摩擦是资产，不是成本。删掉所有确认环节的产品看起来很酷，但敢真正放手让它跑的用户，反而更少。

会认错。把握不足的时候，语气要降下来：说「这两处我不确定，请你核一下」，而不是用满分的笃定输出三分的把握。大模型天生倾向于流畅自信，这恰恰是设计要逆着做的地方——把置信度翻译进措辞里，让「有把握」和「没把握」在字面上就长得不一样。一个会说「我不知道」的 AI，比一个永远滔滔不绝的 AI 可信得多。认错之后还得会补救：出错后弹一句「抱歉」毫无价值，有价值的是行动，「我重新核对了这两处，这是修正版，差异标在这里」。道歉安抚情绪，修复动作才修复信任。

四个「可」凑在一起，就是信任的工程化定义：可查、可改、可收、诚实。注意，这个定义里没有「完美」。用户从来没要求过完美，他们共事三年的老同事也不完美。他们要求的，是一个出了错能商量的对象。

最后提醒一句信任的物理性质：它不对称。建立要靠十次顺利的交付，崩塌只要一次难看的出错；而且崩塌是无声的，用户不会写邮件投诉，他只是不再回来。这就是为什么四个「可」必须从产品的第一天就在场，而不是等出了事故再补。护栏这种东西，用不上的时候人人嫌它多余，用上的那一次，决定生死。

七、最后一块板

回到那间观察室。

那轮测试之后，我们改了三处，模型一行没动。空白框下面放上三条示例意图，全部来自真实用户的高频任务，点一下直接跑；转圈换成执行清单，拆了几步、跑到第几步，每完成一项亮一项；周报里每个数字都能点开看来源，觉得不对就地修改，系统只重算改动的部分。第二轮测试，同样的任务，八位受测者里有七位说，愿意把下周的周报交给它。

能力没变，命运变了。这就是体验的全部意义：它不让 AI 变得更聪明，它让聪明被人接住。

我把这个叫作设计的本分。模型能力是水位，一直在涨，不归我们管；我们管的是岸上的事——人站在哪里，扶手装在哪里，落了水从哪里捞。水位涨得越高，岸的设计越值钱。

本章要点清单

做得对，不等于有人用。体验负责三件事：让用户敢开口，让等待不发慌，让出错之后人还愿意回来。
执行的主语从人换成了机器。旧手艺回答「怎么让人找到功能」，新的生死题是「怎么让人放心交付意图」；好的 AI 体验，是给旧直觉修一条通往新范式的缓坡。
警惕「表演式智能」。没有调度，就没有 Agent；界面承诺的智能程度，不能超过系统真实的智能程度。宁可朴素，不要表演。
设计的对象从控制路径换成控制边界。意图输入、结果解释、可纠错，三段护栏立住了，雾里的系统就有了形状。
形态没有优劣，只有适配：开放低频用对话式，有规律用主动式，高频小动作做嵌入式。别犯「万能对话框」的懒——最好的 AI 体验，常常是用户没有意识到自己在用 AI。安置离场景越近，采用率越高；声量与把握成正比：在对的时刻，用对的音量说。
空白输入框是这个时代最贵的设计。把菜单还给用户，把「请描述」变成「请挑错」；冷启动递一件小而稳的事。
四十秒的黑箱让人焦虑，四十秒的直播让人安心。等待可以从体验的成本变成信任的资产。
信任的工程化定义是四个「可」：可查、可改、可收、诚实。用户要的不是完美，是一个出了错能商量的对象。有些摩擦是资产，不是成本；道歉安抚情绪，修复动作才修复信任。
信任不对称：建立靠十次顺利交付，崩塌只要一次难看的出错。四个「可」必须从第一天就在场。
体验不让 AI 变得更聪明，它让聪明被人接住。水位涨得越高，岸的设计越值钱。

小结

这一章从一间观察室里的七分钟讲起。评估集说产品九成正确，用户只用一句「还是我自己来吧」投了反对票——她否定的不是能力，是托付。要挣回这份托付，先要看清脚下的范式在换轨：执行的主语从人换成了机器，用户从自助餐厅被领到了私厨面前，操心的事从「找不找得到」变成了信任、意图和纠错；设计的对象也随之从控制路径换成了控制边界。然后是三道坎上的三门手艺：把菜单还给用户，让人敢开口；把执行过程亮出来，让等待变成信任的资产；用四个「可」设计出错的姿态，让人跌倒之后还愿意回来。所有手法压着同一条职业伦理——界面承诺的智能程度，不能超过系统真实的智能程度。

到这里，第三部讲完了。回头看这五章，是一条完整的造物链：第 9 章，分清真问题与伪需求，决定这个东西该不该存在；第 10 章，搭出一个真能干活的 Agent；第 11 章，给它接上真实世界的工具和权限；第 12 章，用评估和数据飞轮让它有据地变好；这一章，让人愿意用它、敢托付它。从一个念头，到一个被人信任地用着的东西，路走完了。

但还差最后一环，而且是大多数擅长做东西的人最不擅长的一环。东西做出来了，跑得稳，也有人用了，然后呢？你的老板看着这个项目，想知道它凭什么配得上这些预算；你的客户看着报价单，想知道它到底帮自己省了什么、赚了什么；市场上一排和你相似的产品，用户凭什么选你。做得好是一回事，让别人明白它值多少钱是另一回事，而后者决定你能不能继续做下去。从这里开始，我们离开工程，进入这本书的最后一部：判断与长期。把你造出来的东西，翻译成老板、客户和用户都听得懂、愿意买单的故事——是下一章的事。