对于智能体的设计者而言，最重要的思维转变就是：停止将环境视为产品的背景，而是将其作为产品的核心组成部分来设计。

在过去的三年里，我们见证了 AI 从 Chatbot 向 Agent 的急速演进。然而，很多产品经理在转型过程中感到了前所未有的迷茫：为什么用设计 App 的那一套方法论去设计 Agent，做出来的东西总是“玩具”？

根本原因在于，我们面对的不再是一个孤立的、功能性的“死物”，而是一个嵌入复杂环境、具有自主性的“生命体”。

最近一直在整理《Agentic AI 产品设计》知识库，我想系统性地梳理一下，要想驾驭 Agent，产品经理必须完成的三大核心范式转变：定义环境、培养数字生命、评测驱动。

今天先聊聊：产品与环境关系的演进趋势？产品设计范式应如何与时俱进？怎么定义环境？

产品与环境关系的演进

回顾产品形态的演进，我们可以清晰地看到产品与环境的关系经历了四个阶段的跃迁，每一次都代表着产品处理不确定性能力的革命性提升。

阶段一：工具时代，环境被人类完全代理。

在这个最初的阶段，产品是人类能力的延伸，其本身对环境视而不见。

产品与环境的关系是间接代理。产品是纯粹的执行器，它与环境之间不存在直接的信息通道。人类是唯一的智能中介，负责感知环境、做出判断，然后通过操作产品来影响环境。

典型例子有：锤子、传统汽车、计算器。

这个阶段设计关注点是人因工程与功能效率。设计的核心是：人如何更舒适、更高效地使用这个工具？

比如，锤子的握把是否舒适，汽车的操控是否灵敏。钉子的硬度、路面的湿滑是用户需要处理的问题。

阶段二：自动化时代，对可预测环境的程序化响应。

产品开始拥有直接与环境交互的能力，但这种能力是僵化和被动的。

产品与环境的关系是被动反应。产品被植入了固定的 IF-THEN 规则，使其能够感知环境中预定义、结构化的信号，并做出程序化的反应。环境被简化为一系列可预测的触发器。

典型例子有：恒温空调、定时任务、事件驱动的自动化脚本、工厂流水线上的传感器机器人。

设计关注点是规则定义与接口标准化。

设计的核心是：如何精确描述环境中的触发条件和应对动作？

这要求环境是稳定、可预测且信息格式统一的。如果环境发生微小变化，整个自动化流程就会失效，表现出极大的脆弱性。

阶段三：智能化时代，在特定环境中学习与适应。

机器学习技术让产品不再仅仅依赖硬编码规则，而是能够从数据中学习模式，以适应环境的复杂变化。

产品与环境的关系是适应性交互。产品能够感知和理解特定领域内、非结构化的环境信息，并基于学习到的模型做出预测或决策。它能处理一定程度的不确定性，但其能力被严格限制在其训练环境之内。

典型例子有：个性化推荐引擎，环境是用户的行为历史；人脸识别门禁，环境是摄像头捕捉到的人脸特征；高级辅助驾驶系统，环境是道路、车辆、行人等交通元素。

设计关注点是数据、模型与反馈闭环。

设计的核心是：如何获取高质量的环境数据来训练一个泛化能力强的模型？

产品开始关注环境的丰富性和多样性，因为这直接决定了模型能力的上限。然而，它仍然是在一个相对封闭和定义好的问题空间内运作。

阶段四：智能体时代，主动在开放环境中实现目标。

这是质变的阶段。产品的核心不再是执行特定任务，而是在一个复杂动态的环境中，自主地为达成一个高层目标而行动。

产品与环境的关系是主动共生。智能体将环境视作其行动的舞台和资源库。它能够主动感知、理解并规划如何在一个开放、动态、甚至充满未知的环境中，通过一系列连续的动作来达成目标。它不仅适应环境，更会主动改变环境以创造有利条件。

典型例子有：AI编程助手，环境是代码库、API、终端、浏览器；能够自主完成多步在线任务的个人助理，环境是整个互联网的网站和服务。

设计关注点是目标、世界模型与行动空间。

设计的核心转变为：智能体需要在一个怎样的世界中，为了什么目标，被赋予何种能力？

这里的环境不再仅仅是数据来源，而是智能体存在的全部意义所在。

设计范式转变：设计前先定义环境

对于智能体的设计者而言，最重要的思维转变就是：停止将环境视为产品的背景，而是将其作为产品的核心组成部分来设计。你不是在设计一个聪明的大脑，而是在构建一个完整的世界以及在其中追求目标的行动者。

这一观点对传统产品经理而言是反直觉却至关重要的。过去我们只考虑确定性的用户上下文，现在我们必须定义智能体的栖息地，尤其是那些不确定的。

这种转变从根本上重塑了产品设计的核心：

环境不再是用户使用产品的背景，而是智能体感知、行动并实现其价值的唯一空间，是产品功能的核心。

交互的中心从“人→产品”的单向驱动，转变为“智能体↔环境”的双向自主驱动。用户从操作者转变为目标设定者或监督者。

过去，环境的不确定性由人类用户承担和解决。现在，承担并解决不确定性，成为了智能体自身的核心能力。

产品经理的关注点从“如何让产品在不同环境下更好地为用户服务？”，转变为“智能体如何在这个环境中生存、规划并达成目标？”

如何定义环境

定义环境的过程，本质上是在进行一次全面的问题建模。这个过程强制设计者清晰地思考智能体的目标、能力和局限，以及它所面临的挑战。

以下是一个参考流程：

第一、全面梳理影响任务目标达成的环境因素，这可能是实体、事件、规律、规则。

第二、基于这些关键因素，分析环境属性，重点关注可观测性、确定性、自主智能体数量和特征、动态性、序贯性等。

第三、明确哪些是智能体需要考虑的因素，哪些在问题之外。重点关注行动空间、观察空间、状态空间。

第四、对于智能体需要自主处理的复杂环境，规划相应的策略，并设计落地方案。

第五、对于目前技术层面无法处理，同时对任务至关重要的复杂环境因素，设计人在环路机制。

案例：自动驾驶汽车的OOD

运营设计域（Operational Design Domain, ODD）为自动驾驶系统划定了一个清晰的工作范围说明书，明确定义了系统被设计用来安全运行的特定条件。

任何自动驾驶系统都不是万能的，其安全运行都基于一系列前提条件。ODD将这些前提条件进行系统化、具体化的描述，它明确了自动驾驶功能可以启动和正常工作的外部环境边界。

尽管各家公司和标准组织对其分类略有不同，但通常会包含以下几个核心类别：

• 地理与道路设施：包括了道路类型、道路标志与信号灯、路面状况等。
• 环境条件：主要指天气状况、光照条件、空气质量等。
• 交通状况与动态元素：这涉及到交通流量、其他道路使用者的行为、速度限制等。
• 时间和操作限制：包含特定的运行时间段、车辆自身的操作限制。

结语

关于培养数字生命和评测驱动这两个范式转变，因为篇幅原因，我们下期再讲。